數(shù)字圖像處理論文基于灰度圖像的閾值分割改進方法(文件)
【正文】 三種方法是基于閾值的圖像分割方法，由分割得到的結(jié)果我們發(fā)現(xiàn)這三種方法的優(yōu)點在于實現(xiàn)簡單，但是這只是針對少數(shù)不同類別物體彼此灰度相差很大時，才能進行有效的分割。三種分割方法得到的圖像都不能很好的顯示硬幣的表面細節(jié)，并且未能將圖像邊界完整分割開來。梯度圖像能夠更好地適應(yīng)圖像邊緣的變化快慢，邊緣檢測也常用各種微分算子來提取圖像的邊界。這樣調(diào)整k值的大小，就使得原有圖像在細節(jié)部分更具有突出性。figure(1)。)。 %求梯度幅度，注意是點乘矩陣J1=I+2*G。梯度增強39。圖52是增強后的圖像的直方圖。39。),改為I=imread(39。隨著k值的增加，圖像的銳化程度的提高，分割后硬幣表面上的圖像等細節(jié)都被完整的分割出來。圖像梯度可以有效減少輸入圖像信號的零頻和低頻成份，提取或突出灰度圖像的邊緣和細節(jié)，從而提高圖像的分辨率和識別率。 隨著圖像分割受到的關(guān)注度越來越高，人們對其的研究也日益加深。但由于尚無通用分割理論，因此現(xiàn)已提出的分割算法大都是針對具體問題的，并沒有一種適合于所有圖像的通用的分割算法。總的來說，主要存在這兩個問題：一是沒有一種普遍的分割算法；二是沒有一個能廣泛適用于各類情況的分割評價。對圖像分割算法的研究已有幾十年的歷史，借助各種理論至今已提出了上千種各種類型的分割算法。但在進行的圖像銳化增強的過程中發(fā)現(xiàn)，隨著k值的增加，梯度銳化強度的增加，不僅增強原始信息的的同時也放大了高頻噪聲，表現(xiàn)為圖像經(jīng)過分割后，周圍出現(xiàn)明顯的毛刺噪聲。結(jié) 論先運用傳統(tǒng)的直方圖的分割方法來處理目標(biāo)圖像，但是用傳統(tǒng)的方法對目標(biāo)圖像處理后雖能顯示出圖像的部分細節(jié)，但是還有很多部分不能很好的顯示出來，所以提出了圖像增強的分割改進算法。).這樣得到的圖形如圖54所示：圖54 分割圖像由以上三種分割方法得到的結(jié)果我們發(fā)現(xiàn)：當(dāng)銳化系數(shù)k=2時，增強圖像后在分割，雙峰法已經(jīng)不適用，而使用迭代法和最大類間方差法得到的分割結(jié)果比不增強直接分割能更好的突出圖像的細節(jié)部分。使用迭代法分割得到的圖像如圖53所示：圖53 分割圖像 執(zhí)行的程序也是和上面最大類間方差法分割的幾乎相同，也只是把I=imread(39。39。得到增強的圖像如兩圖51所示：圖51 原始圖像和增強圖像那么，下面我們把用梯度增強得到的圖像分別用雙峰法、迭代法和最大類間方差法分割。imshow(J1,[ ])。 %圖像類型轉(zhuǎn)換[Gx,Gy]=gradient(I)。title(39。39。假設(shè)圖像在處的梯度定義為： (51) 由于梯度是一個矢量，所以起其方向和在該方向上的大小為： (52)對于一幅圖像中突出的，變化快的邊緣區(qū)，其梯度值較大；而對與非邊緣信號，其梯度值較小。55. 基于圖像增強的分割改進算法圖像增強就是按照人們主觀上對理想圖像的要求，對原有圖像進行銳化或平滑處理，使之達到改善圖像質(zhì)量的實際應(yīng)用要求。其次，僅考慮灰度信息而不考慮圖像空間信息，因此對噪聲的灰度不均勻性敏感。imshow(J)。figure(2)。 % 結(jié)果顯示imshow(I)。th=graythresh(I)。matlab軟件提供了計算最大間類方差閾值分割的閾值函數(shù)graythresh，該函數(shù)的語法格式如下：level=graythresh(I)說明：level=graythresh(I)根據(jù)最大類間方差法計算全局閾值，閾值返回的取值范圍為[0,1],并且輸入的圖像I可以使unitunit16或double型。title(str)。str=[39。title(39。end th=floor(th)。 u2=mean(I(g2))。 %定義開關(guān)變量，用于控制循環(huán)次數(shù)ok=true。)。迭代法閾值選取是對雙峰法閾值選取的改進，該方法可以完成閾值的自動選取，具體方法步驟如下：（1）選擇閾值T，通?？梢赃x擇圖像的平均灰度值來作為初始閾值；（2）通過初始閾值T，把圖像的平均灰度值分成兩組R1和R2；（3）計算著兩組平均灰度值μ1和μ2；（4）重新選擇閾值T，新的T定義為：。title(39。程序執(zhí)行結(jié)果得到原始灰度圖像和直方圖，分別如圖4圖44所示：圖43 原始圖像圖44 直方圖 通過對該直方圖的觀察，可以選擇分割閾值為97，然后執(zhí)行如下代碼：th=97。title(39。原始圖像39。)。下面主要是找出改進直方圖的分割方法，由于雙峰法圖像分割、迭代法、最大類間方差法是灰度圖像閾值分割中比較常用的方法，所以在matlab軟件下，使用這兩種方法來分割圖像，通過分割后的結(jié)果找到當(dāng)中的不足，然后使用筆者提出的改進方法和它們做比較，得出改進方法是可行的且達到預(yù)期效果的。該方法在醫(yī)學(xué)圖像分析中有廣泛的應(yīng)用，如薛景浩等人提出的一種新的基于圖像間模糊散度的閾值化算法以及它在多閾值選擇中的推廣算法，采用了模糊集合分別表達分割前后的圖像，通過最小模糊散度準(zhǔn)則來實現(xiàn)圖像分割中最優(yōu)閾值的自動提取。 基于模糊集理論的分割方法模糊集理論具有描述事物不確定性的能力，適合于圖像分割問題?；谏窠?jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過訓(xùn)練多層感知機來得到線性決策函數(shù)，然后用決策函數(shù)對像素進行分類來達到分割的目的。 基于小波變換的閾值圖像分割方法的基本思想是首先由二進小波變換將圖像的直方圖分解為不同層次的小波系數(shù)，然后依據(jù)給定的分割準(zhǔn)則和小波系數(shù)選擇閾值門限，最后利用閾值標(biāo)出圖像分割的區(qū)域。利用模糊C均值(FCM)非監(jiān)督模糊聚類標(biāo)定的特點進行圖像分割，可以減少人為的干預(yù)，且較適合圖像中存在不確定性和模糊性的特點。其中，K均值、模糊C均值聚類(FCM)算法是最常用的聚類算法。 由于邊緣和噪聲都是灰度不連續(xù)點，在頻域均為高頻分量，直接采用微分運算難以克
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1