【正文】 imshow(segmented_images(:,:,:,1)),%顯示背景 title(39。 for count = 1:nColors color = fabric。%求出最小距離顏色 label = color_labels(label)。 distance = repmat(0,[size(a), nColors])。,color_markers(2,1),... color_markers(2,2)))。%初始化顏色均值 for count = 1:nColors color_markers(count,1)= mean2(a(sample_regions(:,:,count)))。%rgb空間轉(zhuǎn)換成 L*a*b空間結(jié)構(gòu) lab_fabric = applycform(fabric,cform)。 實現(xiàn)效果如圖 42 所示 圖 42 紅色區(qū)域樣本 第二步 為 轉(zhuǎn)換色彩空間 ，利用彩色空間轉(zhuǎn)換函數(shù)吧圖像從 RGB 是色彩空間轉(zhuǎn)換到 L*a*b 色彩空間 。 %選擇每一小塊顏色的樣本區(qū)域 end subplot(122), imshow(sample_regions(:,:,2))。 load regioncoordinates。 subplot(121)。 實現(xiàn)代碼如下： fabric = imread(39。 {?? = ?? +?? + ???? = ?? + ?? +???? = + ?? + ?? （ 41） 再根據(jù) CIE1976 均勻顏色空間 Lab 的計算公式： L = 116(Y/??0)1 3? ?16 （ 42） a =500[(X/??0)1 3? ?(Y/??0)1 3? ] （ 43） b =200[(Y/??0)1 3? ?(Z/??0)1 3? ] （ 44） 求得 Lab 顏色空間的色度值。因此，這種 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 15 色彩混合后將產(chǎn)生明亮的色彩。 Lab 中的數(shù)值描述正常視力的人能夠看到所有顏色，人的肉眼能感知的色彩都能通過 Lab 模型表現(xiàn)出來。 Lab 色彩空間是由 CIE（國際照明委員會）于 1976 年公布的一種色彩模式，基于人類對光的視覺光譜敏感度的數(shù)學(xué)色彩模式。 L*a*b 空間的彩色分割 Lab 顏色空間 國際照明委員會（ CIE）的 RGB 顏色表示系統(tǒng)選擇紅色、綠色、藍色三種單色光作為三基色 ， 利用紅、綠、藍三種基本 顏色進行顏色加法，可以配制出絕大部分肉眼能看到的顏色。簡單的講，就是在一幅圖像中，把目標從背景中分離出來，以便進行更深層次的處理。從本質(zhì)上說是將各像素進行分類。盡管人們在圖像分割方面做了許多研究工作。 遺傳算法應(yīng)用于圖像分割，其難點在于適應(yīng)度函數(shù)的選擇以及交叉概率和變異概率的確定。 遺傳算法 ( GA) ，是一種模擬自然選擇和遺傳機制的搜索和優(yōu)化過程，它具有很強的全局優(yōu)化搜索能力，是一種具有廣泛適用性的自 適應(yīng)搜索方法?；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。同時這種方法也有著自身的局限性：由于在圖像處理的前期工作中，采用數(shù)學(xué)形態(tài)學(xué)的開 ( 閉 ) 運算，進行圖像處理后，依然存在大量與目標不符的短線和孤立點 。 而膨脹是將圖像中與目標物體接觸的所有背景點合并到物體中的過程，結(jié)果是使目標增大、孔徑縮小，可以增補目標中的空間，使其形成連通域。 數(shù)學(xué)形態(tài)學(xué)的特點是能將復(fù)雜的形狀進行分解，并將有意義的形狀分 量從無用的信息中提取出來。 近年來多進制小波開始用于邊緣檢測。分割算法的計算饋與 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 12 圖像尺寸大小呈線性變化。 并且 FCM 算法對初始參數(shù)極為敏感，有時需要人工干預(yù)參數(shù)的初始化以接近全局最優(yōu)解，提高分割速度。 聚類方法應(yīng)注意幾個問題： (1)聚類的類數(shù)如何確定。 K均值算法先選 K 個初始類均值，然后將每個像素歸入均 值離它最近的類并計算新的類均值。它是先將圖像分割成很多的一致性較強的小區(qū)域，再 按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達到分割圖像的目的。 它利用了圖像的局部空間信息，可有效地克服其他方法存在的圖像分割空間小連續(xù)的缺點。 基于邊緣的分割方法其難點就在于邊緣檢測時抗噪性和檢測精度之間的矛盾。當分割的圖像含有強噪聲干擾或者區(qū)域之間的性質(zhì)差別很小時，分割出來的邊緣可能是不連續(xù)的，此時可考慮用邊緣連接技術(shù)把斷開處連接起來。 基于邊緣檢測的圖像分割方法可分成兩大類，即串行邊緣分割技術(shù)和并行邊緣分割技術(shù)。通常不同的區(qū)域之間的邊緣上像素灰度值的變化往往比較劇烈，這是邊緣檢測方法得以實現(xiàn)的主要假設(shè)之一。當圖像的灰度差異不明顯或不同目標的灰度值范圍有重疊時，應(yīng)采用局部 閾值或動態(tài)閾值分割法。 近年來的方法有：用最大相關(guān)性原則選擇閾值的方法、基于圖像拓撲穩(wěn)定狀態(tài)的方法、 Yager 測度極小化方法、灰度共生矩陣方法、方差法、熵法、峰值和谷值分析法等， 其中，自適應(yīng)閾值法、最大熵法、模糊閾值法、類間閾值法是對傳統(tǒng)閾值法改進較成功的幾種算法。 閾值分割方法作為一種常見的區(qū)域并行技術(shù)，就是用一個或幾個閾值將圖像的灰度直方圖分成幾個類，認為圖像中灰度值在同一類中的像素屬于同一物體。同樣的方法是采取一個框架可以應(yīng)用到多個，和之后的結(jié)果合并，山峰和山谷在以前很難識別，但現(xiàn)在更容易區(qū)分。 這種技術(shù)的一種改進是遞歸應(yīng)用直方圖求法的集群中的形象以分成更小的簇。其中 log 算子是采用 Laplacian 算子 求 高斯函數(shù) 的 二階導(dǎo)數(shù) ， Canny 算子是高斯函數(shù)的 一階導(dǎo)數(shù) ，它在噪聲抑制和 邊緣檢測 之間取得了較好的平衡。這些算子對噪聲敏感，只 適合于噪聲較小不太復(fù)雜的圖像。對 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 9 于階躍狀邊緣，其位置對應(yīng) 一階導(dǎo)數(shù) 的 極值點 ，對應(yīng) 二階導(dǎo)數(shù) 的過零點 (零交叉點 )。 圖 31 四叉樹分割后的圖像 邊緣分割 圖像分割的一種重要途徑是通過 邊緣檢測 ，即檢測灰度級或者結(jié)構(gòu)具有突變的地方，表明一個區(qū)域的終結(jié)，也是另一個區(qū)域開始的地方。基本分裂合并算法步驟如下： (1)對任一個區(qū)域，如果 H(Ri)=FALSE 就將其分裂成不重疊的四等份； (2)對相鄰的兩個區(qū)域 Ri 和 Rj，它們也可以大小不同（即不在同一層），如果條件 H(Ri∪ Rj)=TRUE 滿足，就將它們合并起來。分裂合并的假設(shè)是對于一幅圖像，前景區(qū)域由一些相互連通的像素組成的，因此，如果把一幅圖像分裂到像素級，那么就可以判定該像素是否為前景像素。它的缺點是需要人為確定種子點，對噪聲敏感，可能導(dǎo)致區(qū)域內(nèi)有空洞。選取的種子像素可以是單個像素，也可以是包含若干個像素的小區(qū)域。將這些新像素當作新的種子像素繼續(xù)進行上面的過程，直到再沒有滿足條件的像素可被包括進來。對于給定的圖像，可以通過分析直方圖的方法確定最佳的閾值，例如當直方圖明顯呈現(xiàn)雙峰情況時，可以選擇兩個峰值的中點作為最佳閾值。這時可以根據(jù)圖像的局部特征分別采用不同的閾值進行分割。它是根據(jù)整幅圖像確定的： T=T(f)。 閾值分割的優(yōu)點是計算簡單、運算效率較高、速度快。 圖像分割的幾種方法 閾值分割 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 7 灰度 閾值分割 法是一種最常用的并行區(qū)域技術(shù)，它是圖像分割中應(yīng)用數(shù)量最多的一類。人們在多年的研究中積累了很多圖像分割方法。 P(????)=TRUE 表 結(jié)果中，每個區(qū)域都有其獨特的特性。 (4) 對于 i≠j，有 P(???? ?????)=FASLE； (5) 對于 i=1,2,…,N, ????是連通的區(qū)域。 多年來人們對圖像分割提出了不同的解釋和闡述，借助集合的概念對圖像分割可以給出以下定義：令集合 R 代表整個圖像區(qū)域，對 R 的圖像分割可以看做是將 R 分成 N 個滿足以下條件的非空子集 ??1， ??2， ...， ???? 。圖像分割在不同領(lǐng)域中有時也用其他名稱，如目標輪廓技術(shù)、閾值化技術(shù)、圖像 區(qū)分或求差技術(shù)、目標檢測技術(shù)、目標識別技術(shù)、目標眼跟蹤技術(shù)等，這些技術(shù)的核心實際上就是圖像分割技術(shù)。 Matlab 的圖形技術(shù)包括二維和三維的可視化、圖象處理、動 畫等高層次的專業(yè)圖形的高級繪圖函數(shù)（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），又包括一些可以讓用戶靈活控制圖形特點的低級繪圖命令，可以利用 Matlab 的句柄圖形技術(shù)創(chuàng)建圖形用戶界面。此外 Matlab 還是一種解釋性語言，不需要專門的編譯器。 Matlab 的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣、特征向量、快速傅立葉變換的復(fù)雜函數(shù)。其擁有 600 多個工程中要用到的數(shù)學(xué)運算函數(shù)，可以方便的實現(xiàn)用戶所需的各種計算功能。功能性工具箱主要用來擴充其符號計算功能，圖示建模仿真功能，文字處理功能以及與硬件實時交互功能；而學(xué)科性工具箱是專業(yè)性比較強的，如 control， toolbox， signl proceessingtoolbox，mumnicationtoolbox 等。 Matlab 的一個重要特色就是具有一套程序擴展系統(tǒng)和一組稱之為工具箱的特殊應(yīng)用子程序，每一個工具箱都是為某一類學(xué)科專業(yè)和應(yīng)用而定制的。 Matlab 是一個高級的矩陣陣列語言，它包含控制語句、函數(shù)、數(shù)據(jù)結(jié)構(gòu)、輸入輸出和面向?qū)ο缶幊烫攸c。除內(nèi)部函數(shù)外，所有 MATLAB 主包文件和各種工具包都是可讀可修改的文 件，用戶通過對源程序的修改或加入自己編寫程序構(gòu)造新的專用工具包。工具包又可以分為功能性工具包和學(xué)科工具包。 MATLAB 概況 MATLAB 是矩陣實驗室（ Matrix Laboratory）之意。 MATLAB 可以進行 矩陣 運算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn) 算法 、創(chuàng)建用戶界面、連接其他 編程語言 的程序等，主要應(yīng)用于工程計算、控制設(shè)計、信號處理與通訊、 圖像處理 、信號檢測、金融建模設(shè)計與分析等領(lǐng)域。第五章則為本次畢業(yè)設(shè)計做出了總結(jié)。 論文 內(nèi)容及結(jié)構(gòu) 本文主要介紹一些常用的圖像分割算法，以及這些算法的特點。 近 年來，對圖像分割的研究一直是圖像技術(shù)研究中的熱點和焦點，人們對其的關(guān)注和投入不斷提高。不同的分割方法對同一幅圖像的分割效果是不同的，而且同一種分割方法對同一幅圖像在不同空間下的分割效果也是不同的。需要提出的是，到目前為止還沒有唯一的標準的分割方法。經(jīng)典的方法由灰度值閾值分割法、邊緣檢測法和區(qū)域跟蹤以及基于分水嶺算法的分割方法等。其次，圖像處理在軍事、遙感、氣象等大型應(yīng)用中不斷增長的需求。 關(guān)鍵詞 ： Matlab 圖像分割 分割 算法 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） Image Segmentation Based on MATLAB and Its Application Abstract: In recent years, the rapid development of science and technology, puter performance is getting better, declining prices image processing system, image processing is widely utilized in many fields of science and engineering fields. The transition from image processing to image analysis, image segmentation is the key step,so that the image segmentation occupies an important position in the image project. In the image analysis, image segmentation task is to put into meaningful nonoverlapping region, in order to further the image processing, analysis and application. Image segmentation is the basis of the image feature extraction and recognition, image understanding, image segmentation research has been the digital image processing technology research hot spots and focus. This paper focuses on image segmentation algorithms are analyzed, classified and summarized. Application of Matlab simula