【正文】 分（如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 4 分量可減少 圖像中噪聲影響）。 （ 4） 圖像分割 :圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。 圖像采集系統(tǒng)獲取的源圖像中通常都含有各種各樣的噪聲和畸變，圖像質(zhì)量受到了極大的影響。在圖像預(yù)處理中，輸入和輸出都是圖像，只是經(jīng)過預(yù)處理后，輸出圖像的質(zhì)量得到一定程度的改善，可達到改善圖像的視覺效果或者更便于計算機對圖像分析、處理、 理解和識別等處理的目的。長期以來，由于各種原因，人們提出了數(shù)量眾多的彩色空間模型，主要分為三類：第一類是基于人類視覺系統(tǒng)（ HVS）的彩色空 間，它包括 RGB，HIS， Munsell 彩色空間等；第二類是基于特定應(yīng)用的彩色空間，它包括電視系統(tǒng)中所采納的 YUV 和 YIQ，印刷系統(tǒng)的 CMY (K)彩色空間；第三類是 CIE彩色空間（包括 CIEXYZ， CIELAB 和 CIELUV 等）。在這個空間模型中，從黑色到白色的灰度值分布在從原點到離原點最遠頂點間的連線 上，而正方體其余各點對應(yīng)不同的顏色，可用從原點到該點的矢量表示。 圖 11 RGB 彩色空間 圖像灰度化的算法主要有以下 3 種： 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 6 (1) 最大值法：使轉(zhuǎn)化后 R、 G、 B 的值等于轉(zhuǎn)化前 3 個值中最大的一個，即： R=G=B=max(R,G,B) 公式 (11) 這種方法轉(zhuǎn)換的灰度圖亮度很高。由于人眼對綠色最為敏感，紅色次之，對藍色的敏感性最低，因此使 RW GW BW 。所以需要找到既能平滑圖像中的噪聲，又盡量保持圖像細節(jié)的合理算法。鄰域平均法是一種在空間域上對圖像進行平滑處理的一種方法。四點鄰域時， L=4；八點鄰域時， L=8。中值濾波首先是被應(yīng)用在一維信號處理技術(shù)（時間序列分析）中，后來被二維圖像信號處理技術(shù)所引用，在一定條件下可以克服線性濾波器如最小均方濾波，均值濾波等帶來的圖像細節(jié)模糊，對濾波脈沖干擾及圖像掃描噪聲最為有效。 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 9 第 2章 邊緣檢測 167。相對于整幅圖像來說，這種基元更容易被快速處理。 圖像最基本的特征是邊緣，所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個區(qū)域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律，用簡單的方法檢測邊緣，這種方法稱為邊緣檢測局部算子法。 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 10 如果一個像素落在圖像中某一個物體的邊界上，那么它的領(lǐng)域?qū)⒊蔀橐粋€灰度級的變化帶。 167。方向的梯度向量和，直接計算圖像差分，不包含平滑，故不能抑 制噪聲，對具有陡峭的低噪聲圖像響應(yīng)最好。采用 Prewitt 算子不僅能檢測邊緣點，而且能抑制噪 聲的影響。 Laplacian 算子 它是二階微分算子 , 對數(shù)字圖像的每個像素計算關(guān)于 x 軸和 y 軸的二階偏導(dǎo)數(shù)之和 2 ( , )f x y? 。 圖 22 Laplacian 算子 167。 167。 迭代算法 概述 迭代算法是用計算機解決問題的一種基本方法。 二、建立迭代關(guān)系式。在什么時候結(jié)束迭代過程 ?這是編寫迭代程序必須考慮的問題。對于前一種情況，可以構(gòu)建一個固定次數(shù)的循環(huán)來 實現(xiàn)對迭代過程的控制 。我們不妨假設(shè)第 1 個月時兔子的只數(shù)為 u1，第 2 個月時兔子的只數(shù)為 u 2， 第 3 個月時兔子的只數(shù)為 u 3， …… 根據(jù)題意， “這種兔子從出生的下一個月開始，每月新生一只兔子 ”，則有 u1=1， u2=u1+u11=2 ， u3=u2+u21=4 ， ?? 公式 （ 31） 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 14 根據(jù)這個規(guī)律，可以歸納出下面的遞推公式： un=un12(n≥2) 公式 （ 32） 對應(yīng) un 和 un1 ，定義兩個迭代變量 y 和 x ，可將上面的遞推公式轉(zhuǎn)換成如下迭代關(guān)系： y=x*2 x=y 讓計算機對這個迭代關(guān)系重復(fù)執(zhí)行 11 次，就可以算出第 12 個月時的兔子數(shù)。選擇閾值的一般準(zhǔn)則應(yīng)該是按這個 閾 值劃分目標(biāo)和背景的錯誤分割圖像像素點數(shù)最少。 167。 (a) SX? (b) SX? 圖 31 集合論中的兩種基本關(guān)系 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 16 圖像的 腐蝕 將結(jié)構(gòu)元素 S 的原點移到點 (, )xy 時，結(jié)構(gòu)元素變?yōu)?Sxy ，若此時 Sxy 包含于 X，則滿足這種情況的點 (, )xy 的集合為被腐蝕的結(jié)果。 輪廓提取 經(jīng)過圖像分割后，原圖像變成二值圖像，圖像輪廓提取算法就變得非常簡單。 數(shù)學(xué)形態(tài)學(xué)是一種非線性濾波方法，基本變換包括膨脹、腐蝕、開啟、閉合。 令 X 為圖像， B 為結(jié)構(gòu)元素， Bz 表示結(jié)構(gòu)元素 B 平移 Z 后的結(jié)果， Bs 代表結(jié)構(gòu)元素 B 關(guān)于原點的對稱集合。該方法檢測到的物體邊緣寬度僅為一個像素，具有較高的定位精度。 1)soble：缺省值 ,用導(dǎo)數(shù)的 Sobel近似值檢 測邊緣 ,梯度最大點返回邊緣 。 vertical表示垂直方向 ； both表示兩個方向 (缺省值 )。 程序及分析 [filename,pathname]=uigetfile({ ... 39。},... 39。 blood = imread(fill)。 N =sqrt(100) * randn(x,y,z)。 end end end z0=max(max(I))。 S0=0。 allow=。 for i=1:x for j=1:y if (I(i,j)=T) S0=S0+I(i,j)。 end end end T0=S0/n0。 T=TT。 % 閾值分割后的圖像求反，便于用腐蝕算法求邊緣 se1=strel(39。 % 腐蝕算法 BW=SISI1。, )。 %===========圖象顯示 ==========% figure(1)。Original39。Soble39。) subplot(2,2,4) imshow(BW)。一般情況下 圖像灰度值取 256 級， T 表示 閾 值，算法步驟如下： (1)令初始閾值 T = (z0+z1)/2；式中， z0， z1 分別表示圖像中的最大和最小灰度值； (2)根據(jù)閾值 T 將圖像分割為前景和背景，分別求出兩者的平均灰度值T0 和 T1； 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 22 ( , )( , )( , ) ( , )0 ( , )I i j TI i j TI i j N i jT N i j?????? 公式 （ 41） ( , )( , )( , ) ( , )1 ( , )I i j TI i j TI i j N i jT N i j?????? 公式 （ 42） 式中 ： (, )Ii j —— 圖像上 (,)ij 點的灰度值， (, )Ni j —— (,)ij 點的權(quán)重系數(shù)，一般取 。如果原圖中有一點為黑，且它的 8 個相鄰點都是黑色時， 判定該點是圖像的內(nèi)部點，將該點置刪除標(biāo)記。 圖 44 和 48 是最佳閥值分割和輪廓提取相結(jié)合法邊緣檢測圖像。 試驗結(jié)果表明它具有以下優(yōu)點 ： (1) 避免了噪聲影響范圍的擴大； (2) 檢測邊緣具有連續(xù)性； (3) 邊緣定位精確，只有一個像素的寬度； (4) 即使細胞邊緣模糊，也能通過閥值分割得到增強，通過腐蝕算法可靠的提取邊緣。當(dāng)然， 如果 沒有別人的幫助和接濟是相當(dāng) 困難的 ， 因此我要感謝那些在我求學(xué)時對我?guī)椭挠H戚、朋友、老 師和同學(xué)們，我的生活因你們而精彩和充實。 Linear filter and filter design。 Image file input and output。 Image filtering。 Binary image operation。 Image transformation。 P ixels statistics。 Image analysis and strengthened。沒有 張 老 師的細心指導(dǎo)，這篇論文是不可能完成的 。當(dāng)自己懷著忐忑不安的心情完成這篇畢業(yè)論文的時候 ， 自己也從當(dāng)年的懵懂孩子變成了一個成熟青年 ， 回想自己的十幾年的求學(xué)生涯 ， 實屬不容易。 效果圖： 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 23 圖 41 原細胞圖像 Original 圖 42 Sobel 算子邊緣檢測 圖 43 GaussLaplace 算子邊緣檢測 圖 44 新算法邊緣檢測 圖 45 原細胞圖像 Original 圖 46 Sobel 算子邊緣檢測 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 24 圖 47 GaussLaplace 算子邊緣檢測 圖 48 新算法邊緣檢測 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 25 結(jié) 論 本文探討了利用迭代法求圖像分割最 佳閥值和運用腐蝕算法實現(xiàn)輪廓提取相結(jié)合的邊緣檢測算法，并且用 MATLAB 實現(xiàn)了細胞真實邊緣檢測實例， 并 和傳統(tǒng)算子邊緣檢測結(jié)果進行了比較 。 167。 經(jīng)過圖像分割后，原圖像變成二值圖像，圖像輪廓提取算法就變得非常簡單。New algorithm39。title(39。 imshow(BW2)。 imshow(I)。log39。 BW1=edge(SI,39。,3)。 for i=1:x for j=1:y if(I(i,j)=T) Seg(i,j)=1。 TT=(T0+T1)/2。 end if (I(i,j)T) S1=S1+I(i,j)。 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 20 count=0。 S1=0。 % 最小的灰度 T=(z0+z1)/2。 % 噪聲干擾圖像 for i=1:x % 實際圖像的灰度為 0～ 255 for j=1: if (I(i,j)255) I(i,j)=255。 end [x,y,z]=size(blood)。)。,39。 (5)[BW,thresh]=edge( ? )， 函數(shù)的返回值實際上有多個 (“ BW”和“ thresh”） ， 但由于用中括號括起表示為一個矩陣 ， 所以又可認為只有一個 返回參數(shù) ， 這也體現(xiàn)了 MATLAB引入矩陣概念的統(tǒng)一性和優(yōu)越性。 (2)BW=edge(I,‘ method’ ,thresh)中用 thresh指定靈敏度閾值 ,所有不強于 thresh的邊緣都被忽略。 邊緣檢測的 MATLAB 實現(xiàn) MATLAB 圖像處理工具包定義了 edge( )函數(shù)用于檢測灰度圖像的邊緣。 }Bs b b B?? 公式 （ 37） 則腐蝕的運算定義 { 。結(jié)構(gòu)元素取 3 3 的黑點塊，腐蝕將使物體的邊界沿周邊減少一個像素。如果原圖中有一點為黑，且它的 8 個相鄰點都是黑色時，判定該點是圖像的內(nèi)部點，將該點置刪除標(biāo)記。 膨脹可以看做是腐蝕的對偶運算，其算法為：若 Sxy 擊中或包含于 X，則滿足上述條件的點 (, )xy 組成的集合稱作 X 被 S 膨脹的結(jié)果。 (a) S 包含于 X（ included in） 對于 S 中所有元素 ( , )SxSy ，都有 ( , )Sx Sy X? ，則稱 S 包含于 X,及 SX? 。一般情況下 圖像 灰度值取 256 級， Tk 表示 閾 值，算法步驟如下： (1)令初始閾值 To = (Zmax+Zmin)/2；式中， Zmax， Zmin 分別表示圖像中的最大和最小灰度值； 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 15 (2)根據(jù)閾值 Tk 將圖像分割為前景和背景，分別求出兩者的平均灰度值Zo