【正文】 ................................18 區(qū)域生長結(jié)果與分析 .........................................................................................................................18 閾值分割結(jié)果與分析 .........................................................................................................................19 OTSU 算法求自適應(yīng)閥值結(jié)果 .................................................................................................19 迭代法求全局閾值 ..................................................................................................................19 各種圖像分割方法的比較 .................................................................................................................205 結(jié)論 ............................................................................................................................................................21參考文獻(xiàn) ........................................................................................................................................................22V謝 辭 ............................................................................................................................................................23附 錄 ............................................................................................................................................................2411 引言 數(shù)字圖像分割的現(xiàn)狀圖像分割技術(shù)，是從圖像中將某個特定區(qū)域與其它部分進(jìn)行分離并提取出來的處理。尤其是近年來迅速發(fā)展起來的小波理論為圖像處理帶來了新的理論和方法。這在只有少量圖像樣本的時候，利用各種先驗知識，設(shè)計一個具有針對性的算法進(jìn)行圖像分割是比較容易的。與計算機(jī)科學(xué)技術(shù)的確定性和準(zhǔn)確性相比，圖像分割更像是一種藝術(shù)行為，有經(jīng)驗的人能比較容易的選用出適當(dāng)?shù)姆椒?，使不同的圖像都得到最佳的分割效果。相信這些交互式方法的應(yīng)用，必將推動圖像目標(biāo)分割與提取這一既具有廣闊的應(yīng)用前景又具有重要的學(xué)術(shù)價值的課題的進(jìn)一步研究，也必將成為一個更為獨立和活躍的研究領(lǐng)域。物體的邊緣是由灰度不連續(xù)性所反映的。在實際中使用的通常是這兩種基本形式的結(jié)合。生長準(zhǔn)則一般可分為三種：基于區(qū)域灰度差準(zhǔn)則、基于區(qū)域內(nèi)灰度分布統(tǒng)計性質(zhì)準(zhǔn)則和基于區(qū)域形狀準(zhǔn)則。它通過設(shè)定不同的特征閾值，把圖像像素點分為若干類。閾值分割方法根據(jù)圖像本身的特點，可分為單閾值分割方法和多閾值分割方法：也可分為基于像素值的閾值分割方法、基于區(qū)域性質(zhì)的閾值分割方法和基于坐標(biāo)位置的閾值分割方法。MATLAB 內(nèi)部函數(shù)豐富MATLAB 的內(nèi)部函數(shù)提供了相當(dāng)豐富的函數(shù)，這些函數(shù)解決許多基本問題，如矩陣的輸入。除了這些數(shù)量巨大的基本內(nèi)部函數(shù)外，MATLAB 還有為數(shù)不少的工具箱。1譯為“公式編譯器” ， 它是世界上最早出現(xiàn)的計算機(jī)高級程序設(shè)計語言，廣泛應(yīng)用于科學(xué)和工程計算領(lǐng)域。多年來人們對圖像分割提出了不同的解釋和表述，借助集合概念對圖像分割可給出如下定義：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 R1， R2， R3， …， RN；（1）在分割結(jié)果中，每個區(qū)域的像素有著相同的特性；（ 2） 在 分 割 結(jié) 果 中 ， 不 同 子 區(qū) 域 具 有 不 同 的 特 性 ， 并 且 它 們 沒 有 公 共 特 性 ；（ 3） 分 割 的 所 有 子 區(qū) 域 的 并 集 就 是 原 來 的 圖 像 ；（ 4） 各 個 子 集 是 連 通 的 區(qū) 域 ；圖像分割是把圖像分割成若干個特定的、具有獨特性質(zhì)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，這些特性可以是像素的灰度 、顏色、紋理等提取的目標(biāo)可以是對應(yīng)的單個區(qū)域，也可以是對應(yīng)的多個區(qū)域。迄今為止,還沒有一種圖像分割方法適用于所有的圖像,也沒有一類圖像所有的方法都適用于它。分析各種圖像分割方法可以發(fā)現(xiàn)，它們分割圖像的基本依據(jù)和條件有以下 4 方面: (l)分割的圖像區(qū)域應(yīng)具有同質(zhì)性，如灰度級別相近、紋理相似等。 現(xiàn)有的大多數(shù)圖像分割方法只是部分滿足上述判據(jù)。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間。邊緣段：邊緣點坐標(biāo)[i,j]及其方向 θ 的綜合，邊緣的方向是可以是梯度角。習(xí)慣上邊緣的表示采用順時針方向來排序。邊緣段可以用像素點尺寸大小的小線段定義，或用具有方向?qū)傩缘囊粋€點定義。 這種方法稱為邊緣檢測局部算子法。經(jīng)典的梯度算子模板有 Prewitt 模板、Canny 模板、Sobel 模板、Log 模板等[4]。根據(jù)這個模型，好的邊緣檢測算子應(yīng)該有 3 個指標(biāo)：（1）低失誤概率，即真正的邊緣點盡可能少的丟失又要盡可能避免將非邊緣點檢測為邊緣：（2）高位置精度，檢測的邊緣應(yīng)盡可能接近真實的邊緣；（3）對每一個邊緣點有惟一的響應(yīng)，得到單像素寬度的邊緣。39。??XG39。239。將坎尼 3 個準(zhǔn)則相結(jié)合可以獲得最優(yōu)的檢測算子 [5]。Edge 函數(shù)在檢測邊緣時可以指定一個灰度閾值，只有滿足這個閾值條件的點才視為邊界點。 Sobel 算子 采用 33 鄰域可以避免在像素之間內(nèi)插點上計算梯度。Sobel 算子是邊緣檢測中最常用的算子之一。這一點可以用二階導(dǎo)數(shù)的零交叉點來實現(xiàn)。其中高斯濾波器對圖像進(jìn)行平滑，拉普拉斯算子將邊緣點轉(zhuǎn)換成零交叉點來實現(xiàn)，邊緣檢測通過零交叉點的檢測實現(xiàn)。將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程，直到再沒有滿足條件的像素可被包括進(jìn)來。下面介紹 2 種基本的生長準(zhǔn)則和方法。另外，當(dāng)圖像中存在緩慢變化的區(qū)域時，上述方法有可能會將不同區(qū)域逐步合并而產(chǎn)生錯誤。區(qū)域生長的過程中，要求圖像的同一區(qū)域的灰度值變化盡可能小，而不同的區(qū)域之間，灰度差盡可能大。2. 設(shè)區(qū)域為非均勻，且由兩部分不同目標(biāo)的圖像像素構(gòu)成。采用灰度分布相似判別準(zhǔn)則合并法形成區(qū)域的處理過程與灰度差別準(zhǔn)則的合并法相類似。 閾值分割法 閾值分割法原理閾值分割法是簡單地用一個或幾個閾值將圖像的直方圖分成幾類, 圖像中灰度值在同一個灰度類內(nèi)的象素屬干同一個類。 閾值法是一種簡單但是非常有效的方法, 特別是不同物體或結(jié)構(gòu)之間有很大的強(qiáng)度對比時, 能夠得到很好的效果它一般可以作為一系列圖像處理過程的第一步。如果要把圖像中各種灰度的像素分成多個不同的類，那么需要選擇一系列閾值以將每個像素分到合適的類別中去。不管用任何方法選取閾值，一幅原始圖像 f(x,y)取單閾值 T 分割后的圖像可定義為： （式 ）??????????Tyxfyxg,01,這樣得到的 是一幅二值圖像。首先選取圖像的灰度范圍的中值作為初始值 ，0T然后按下式迭代 1： （式 ）??????????????????110012LiLiii TkkTkki hh式中 是灰度為 k 值的像素個數(shù)，共有 L 個灰度級。3)分別計算 G1 和包含 G2 的像素的灰度值均值 μ1 和 μ2。 它 利 用 計 算 機(jī) 運 算 速 度 快 、 適 合 做 重 復(fù) 性 操 作 的 特 點 ,讓計 算 機(jī) 對 一 組 指 令 (或 一 定 步 驟 )進(jìn) 行 重 復(fù) 執(zhí) 行 ,在 每 次 執(zhí) 行 這 組 指 令 (或 這 些 步 驟 )時 ,都 從 變 量 的 原 值 推 出 它的 一 個 新 值 。待實現(xiàn)分割的原圖：16圖 原圖 sobel 算子分割結(jié)果原圖經(jīng)過灰度處理后：圖 灰度圖對灰度圖 進(jìn)行 Sobel 算子分割后：圖 Sobel 算子效果圖Sobel 算子：Sobel 在 Prewitt 算子的基礎(chǔ)上，對 4鄰域采用帶權(quán)的方法計算差分，該算子不僅能檢測邊緣點，且能進(jìn)一步抑制噪聲的影響，但檢測的邊緣較寬。18 Log 算子分割結(jié)果對灰度圖 進(jìn)行 Log 算子分割后：圖 Log 算子效果圖Log 算子：該算子克服了拉普拉斯算子抗噪聲能力比較差的缺點, 但是在抑制噪聲的同時也可能將原有的比較尖銳的邊緣也平滑掉, 造成這些尖銳邊緣無法被檢測到 [8]。Canny 不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。 區(qū)域生長結(jié)果與分析對灰度圖 進(jìn)行區(qū)域生長分割后：19圖 區(qū)域生長效果圖可以看出：區(qū)域生長方式的優(yōu)點是計算簡單。 迭代法求全局閾值對灰度圖 進(jìn)行迭代法求閾值分割后：圖 迭代法求閾值效果圖迭代法求出的閾值：21圖 閾值直方圖迭代法閾值分割的結(jié)果十分清晰，能較好地分割出葉子的輪廓以及其高光部位。但遇到圖片中有復(fù)雜背景或者其他情況，如反光，周圍有其它物體時，就有機(jī)會產(chǎn)生誤判。無論是迭代閾值法還是自適應(yīng)閾值法，使用難度和代碼的復(fù)雜程度都比邊緣檢測法高。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 。雖然近年來對數(shù)字圖像處理的研究成果越來越多,但由于圖像分割本身所具有的難度,使研究沒有大突破性的進(jìn)展,仍然存在以下幾個方面的問題。僅利用圖像中表現(xiàn)出來的灰度和空間信息來對圖像進(jìn)行分割,往往會產(chǎn)生和人類的視覺分割不一致的情況。參考文獻(xiàn)[1] 夏得深，[M] ．南京：東南大學(xué)出版， 2022：120135.[2] [M]．北京：電子工業(yè)出版社， 1998：110，166，220.[3] （MATLAB 版）[M]．北京：電子工業(yè)出版社，2022。感謝我的導(dǎo)師，希望她身體健康，永遠(yuǎn)快樂幸福，事業(yè)步步高升!論文的順利完成，我的同學(xué)，院系老師，班長輔導(dǎo)員也在我的論文上也花費了不少心血，他們給予了我最直接的指導(dǎo)和關(guān)愛，可以說他們是我的導(dǎo)師。clear all。*.jpg39。*.pgm39。*.gif39。str=[pathname filename]。 %將圖像轉(zhuǎn)化為double 型 不是的，看我們的需要，不過大多數(shù)都是 因為double類型，處理基本不受限制，其他類型有時受限制 im1=rgb2gray(im)。)。 0 1 1 1 0。 %隨便刪，隨便加行，減行都可以 實驗了很多種，最后得到這個是最好的。 %標(biāo)注的最大數(shù) 一共有多少個灰度區(qū)域 [r,c] = find(L==17)。 %定義圖像大小for i=1:sx x1=rc(i,1)。figure,imshow(im1)。)。 else edge_array(m,n)=0。邊緣39。%讀入圖像seed=[100,220]。A=double(A)。 %計算圖像所包含點的個數(shù)pixel_seed=A(seed(1),seed(2))。 %建立一個與原圖形同等大小的矩陣M(seed(1),seed(2))=1。 %起始點列位置p=A(r1,c1)。 c1+j=c amp。%將滿足判定條件的周圍點的位置賦予q，q記載了滿足判定的每一外點M(r1+i,c1+j)=1。%如果 M中相對應(yīng)點的值為0將dge賦為1，也是說這幾個點不滿足條件28dge=1。B(r1,c1)=A(seed(1),seed(2))。endsubplot(1,2,1),imshow(A,[])。I=imread(39。else I_gray=I。29colorlevel=256。 hist(m)=hist(m)+1。endxigmaB2=0。 for m=1:threshold1 omega1=omega1+hist(m)。 for m=