【正文】 Tamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkumamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$U*3t nGK8!z89Am YWpazadNuKNamp。MuWFA5ux^Gjqv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 849Gx^Gj qv^$UE9wEwZQcUE% amp。MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 849Gx^Gjqv^$UE9wEwZQcUE%amp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。849Gx^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。局部閾值化 39。 %求小于閥域值均值 T1=S1/n1。 n0=。 %統(tǒng)計(jì)每個(gè)灰度值的個(gè)數(shù) figure。 %小于閾域值圖像點(diǎn)灰度值累加 n0=n0+1。 % 記錄幾次循環(huán) while 1 % 迭代最佳閾值分割算法 count=count+1。 % 圖像在最佳閾值下二值化 I=subimg3。 %大于閾域值圖像點(diǎn)灰度值累加 n1=n1+1。 zd=double(max(max(I))) % 求出圖象中 最大的灰度 zx=double(min(min(I))) % 最小的灰度 T=double((zd+zx))/2。 else T=(T0+T1)/2。 n1=。 %畫出灰度直方圖 [x,y]=size(I)。 subimg1=img(1:216,1:135)。 figure(2)。 figure imshow(im)。 %求大于閥域值均值 if abs(T((T0+T1)/2)) %迭代至 前后兩次閥域值相差幾乎為 0時(shí)停止 break。 %為計(jì)算灰度大于閾值的元素的灰 度總值、個(gè)數(shù)賦值 S1=?；叶葓D像 39。 6．致謝 參考文獻(xiàn) [1] 高秀娟 . 圖像分割的理論、方法及應(yīng)用 [D]. 吉林大學(xué)碩士學(xué)位論文 [2] [3] 管慧娟 . 基于區(qū)域的圖像分割方法 [D]. 大連理工大學(xué)碩士學(xué)位論文 [4] 楊衛(wèi)平 ,李忠科 ,王勇 ,呂培軍 . 基于區(qū)域的圖像分割算法綜述 [J]. 電子測量與儀器學(xué)報(bào) , 2020: 278281 [5] 趙春燕 ,閏長青 ,時(shí)秀芳 . 圖像分割綜述 [J]. 基礎(chǔ)及前沿研究 . 中國科技信息 ,2020: 4143 [6] 韓思奇 , 王蕾 . 圖像分割的閾值法綜述 [J]. 系統(tǒng)工程與電子技術(shù) 第 24卷第 6期 : 9194 [7] 周強(qiáng) . 圖 像分割算法研究 . 福建電腦 [J],2020： 2735 [8] 劉爽 . 圖象分割中閾值選取方法的研究及其算法實(shí)現(xiàn) [J]. 電腦知識(shí)與技術(shù)： 6870 [9] 黃春艷 . 河南大學(xué)碩士學(xué)位論文 [D]. 圖像分割若干算法研究 [10] 楊金龍 . 西北師范大學(xué)碩士學(xué)位論文 [D]. 圖像分割算法研究與實(shí)現(xiàn) [11] 呂玉琴，曾光宇 .基于圖像邊緣檢測算法的研究 . 太原科技 [J]. 2020：3133 [12] 特尼格爾，汪瀅 . 圖像邊緣檢測的研究與分析 [J]. 科技論壇 ， 2020：423444 [13] 周鮮 成 . 圖像分割方法及其應(yīng)用研究綜述 [J]. 信息技術(shù) ,2020: 1114 [14] 丁莉 ,張琦 . 簡捷圖像分割研究 [J]. 技術(shù)講座 ,140144 [15] 黃長專 ,王 彪 ,楊 忠 . 圖像分割方法研究 [J]. 計(jì)算機(jī)技術(shù)與 發(fā)展 ， 2020:7679 [16] 章毓晉 .圖象分割 [M]. 科學(xué)出版社 ， 2001. [17] 姜彬，施志剛 . 圖像分割技術(shù)分析與展望 [J]. 電腦知識(shí)與技術(shù)，2020： 1006610068 [18] 樂宋進(jìn)，武和雷，胡泳芬 . 圖像分割方法的研究現(xiàn)狀與展望 [J]. 南昌水專學(xué)報(bào)， 2020： 1520 7． 附錄 源碼 ： 第一步（迭代法）： clear clc。 （ 5） 通常對于一幅圖像 的分割 ，僅僅只用一種圖像分割方法是不夠的，僅僅擁有依照分割算法本身進(jìn)行了完善歸納和分類的圖象分割理論也是遠(yuǎn)遠(yuǎn)不夠的，每一種方法都有它不足的地方，因此僅僅只用一種方法往往達(dá)不到很好的效果，可以運(yùn)用其他的方法結(jié)合使用，互相彌補(bǔ)不足。 （ 2） 從實(shí)驗(yàn)現(xiàn)象中可以看出，圖像中的目標(biāo)和背景灰度差異不明顯或灰度值范圍有重疊的地方分割效果不明顯，這一塊的背景和目標(biāo)就沒有得到很好的區(qū)分，而其他灰度差異比較大的地方分割效果較好。 接下來的局部閾值法，采用的就是 Canny 算子分割的圖像。 從目前的文獻(xiàn)來看，已有學(xué)者在這方面做了一些工作 。 由效果圖可以看出，用迭代法得到的閾值分割圖失真度很低，基本上保持了原圖的輪廓。 用邊緣檢測法對圖像進(jìn)行分割：邊緣是圖像的最基本的特征 , 邊緣中包含著有價(jià)值的目標(biāo)邊界信息 , 這些信息可以用作圖像分析、目標(biāo)識(shí)別。 考慮到既要具有良好的切割效果 ,又要保留圖像的重要邊緣特征 ,具體的實(shí)現(xiàn)步驟如下： (1)輸入待分割圖像 f(x,y), f(x,y)為 彩色圖像； (2)將待分割圖像 f(x,y)轉(zhuǎn)化為灰度圖像 g(x,y)； (3)利用 MATLAB 顯示 灰度圖像 g(x,y)的 灰度直方圖 ,用迭代法進(jìn)行閾值選取，以 達(dá)到 區(qū)分背景和目標(biāo) 的目的 ； (4)采用邊緣檢測算子檢測圖像的邊界特征 ,確定圖象的邊界位置 ，得到圖像 G(x,y)； (5)根據(jù)圖象分割的實(shí)際效果， 將經(jīng)過邊緣檢測后的圖像 G(x,y)進(jìn)行局部閾 值分割，以達(dá)到消除圖像中某些存在陰影、照度不均勻 ,各處的對比度不同 ,背景灰度變化等問題。 在區(qū)域合并方法中，輸入圖像往往分為多個(gè)相似的區(qū)域，然后類似的相鄰區(qū)域根據(jù)某種判斷準(zhǔn)則迭代進(jìn)行合并。這兩種方法通常相結(jié)合 ,以便把相似的子區(qū)域合并成盡可能大的區(qū)域。當(dāng)需要提取多空間范圍內(nèi)的變化特性時(shí) ,要考慮多算子的綜合應(yīng)用。 Canny 算子 : 該算子同樣采用高斯函數(shù)對圖像做平滑處理 , 因此具有較強(qiáng)的抑制噪聲能力 , 同樣該算子也會(huì)將一些高頻邊緣平滑掉 ,造成邊緣丟失。增強(qiáng)算法可以將鄰域 (或局部 )強(qiáng)度值有顯著變化的點(diǎn)突顯出來。 邊緣檢測的幾種經(jīng)典算法 ： （ 1） Canny 算子 Canny 邊緣檢測利用高斯函數(shù)的一階微分，在噪聲抑制和邊緣檢測之間尋求較好的平衡，其表達(dá)式近似 于高斯函數(shù)的一階導(dǎo)數(shù)。 常見的邊緣剖面有 3種： （ 1） 階梯狀邊緣：階梯狀的邊緣處于圖像中兩個(gè) 具有不同灰度值的相鄰區(qū)域之間，可用二階導(dǎo)數(shù)的過零點(diǎn)檢測邊緣位置； （ 2）脈沖狀邊緣：主要對應(yīng)細(xì)條狀的灰度值突變區(qū)域，通過檢測二階導(dǎo)數(shù)過零點(diǎn)可以確定脈沖的范圍； （ 3） 屋頂狀邊緣：屋頂狀邊緣位于灰度值從增加到減少的變化轉(zhuǎn)折點(diǎn)，通過檢測一階導(dǎo)數(shù)過零點(diǎn)可以確定屋頂位置。 自適應(yīng)閾值就是對原始圖像分塊，對每一塊區(qū)域根據(jù)一般的方法選取局部閾值進(jìn)行分割。 （ 3）迭代法（最優(yōu)方法） 它基于逼近的思想，基本算法如下： 1 求出圖像的最大灰度值和最小灰度值，分別記為 Max和 Min，令初始閾值為： 2/inaxk ）（ MMT ?? ， 根據(jù)閾值 kT 將圖像分割為前景和背開始 通過數(shù)組 g[255]讀入直方圖 逐個(gè)查看能每個(gè)像素值在直方圖中能作為谷底的范圍 找出能作為谷底范圍最大的像素值作為閾值 根據(jù)取得的閾值對圖像進(jìn)行二值化 結(jié)束 景，分別求出兩者的平均灰度值 0Z 和 bZ ； 2 求出閾值 10( ) / 2kbT Z Z? ?? ； 3 如果 1kkTT??；則所得即為閾值；否則轉(zhuǎn) 2迭代計(jì)算。當(dāng)分割閾值位于谷底時(shí) ,圖像分割可取得最好的效果。 它可以分為全局閾值 分割和局部閾值分割。不同的圖像分割方法總有在各種約束條 件之間找到適當(dāng)?shù)钠胶恻c(diǎn)[3]。本文對傳統(tǒng)的圖像分割方法進(jìn)行分析 。因?yàn)榉指羁偸歉鶕?jù)一些分割準(zhǔn)則進(jìn)行的。 正式“集合”定義： 令集合 R 代表整個(gè)圖象區(qū)域，對 R 的分割可看作將 R 分成若干個(gè)滿足如下五個(gè)條件的非空的子集（子區(qū)域）： （ 1） RRU ?? in1i（ 分割所得全部子區(qū)域的總和（并集）應(yīng)能包括圖象中所 有象素或?qū)D象中每個(gè)象素都劃分進(jìn)一個(gè)子區(qū)中） （ 2） 對所有的 i 和 j ,有 Ri ∩ Rj = 248。 關(guān)鍵詞 :圖像分割 閾值法 邊緣檢測 微分算子 局部閾值 RESEARCH AND IMPLEMENTATION OF IMAGE SEGMENTATION ALGORITHMS Abstract : Image segmentation is one of basic problems in image pro cessing and puter vision,and is a key step in image processing and image original image can be translated into more abstract and more pact format by image segmentation and target expression , feather extraction , parameter survey , and so on which are base on segmentation , this makes more high images analy sis and image understanding possible. Therefore, the image segmen tation for many years is highly first ,image segmentation methods are classified into three typical types ,and their characteris tics are analyzed. Secondly , the scheme of image segmentation are introduced .At last， there is a summation to the whole work， writting program with MATLAB , and show the phenomenon. Key words: Image Segmentation ,Threshold , Edge Detection , Differential operator ,Local threshold 圖像分割算法研究與實(shí)現(xiàn) 1． 前言 在圖像的研究和應(yīng)用 過程中，人們往往僅對各幅圖像中的某些部分感興趣 .這些部分常稱為目標(biāo)或前景，它們一般對應(yīng)圖像中特定的具有獨(dú)特性質(zhì)的區(qū)域 .為了辨別和分析目標(biāo)，需要將這些區(qū)域分離提取出來，在此基礎(chǔ)上才有可能對目標(biāo)進(jìn)一步利用 .圖像分割就是將圖像分成各具特性的區(qū)域并提取出感興趣的目標(biāo)的技術(shù)和過程 .在進(jìn)行圖像分割時(shí)，首先要根據(jù)目標(biāo)和背景的先驗(yàn)知識(shí)來對圖像中的目標(biāo)、背景進(jìn)行標(biāo)記、定位，然后將等待識(shí)別的目標(biāo)從背景中分離出來 .圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù) .這是因?yàn)閳D像的分割、目標(biāo)的分離、特征的提取 和參數(shù)的測量將原始的圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的分析和理解成為可能 .因此，圖像分割多年來一直得到人們的高度重視 [1]。然后提出圖象分割方案，并利用 MATLAB 軟件編寫程序，展示實(shí)驗(yàn)現(xiàn)象，最后對所做工作進(jìn)行總結(jié)?！坝幸饬x” — 希望這些區(qū)域能分別和圖象景物中各目標(biāo)物 (或背景 ) 相對應(yīng)。 上面的定義，不僅對明確的說明了分割的含義，而且 對進(jìn)行分割也有相當(dāng)?shù)闹笇?dǎo)作用。近幾年來 ,研究人員不斷改進(jìn)原有方法并將其它學(xué)科的新理論和新方法引入圖像分割