【正文】 這樣就對噪聲很敏感它也沒有考慮圖像的紋理信息等有用信息,使分割效果有時不能盡如人意[5]。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的象素屬干同一個類?，F有的大多數圖像分割方法只是部分滿足上述判據。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。條件5要求分割結果中同一個子區(qū)域內的象素應當是相通的，即同一個子區(qū)域內的任意兩個象素在該子區(qū)域內是互相連通，或者說分割得到的區(qū)域是一個連通組元。2．圖像分割概念文字定義：把圖象（空間）按一定要求分成一些“有意義”區(qū)域的處理技術。因此， , 并分析各自的特性。圖象分割在實際中已得到廣泛的應用，例如在工業(yè)自動化，在線產品檢驗，生產過程控制，文檔圖象處理，遙感和生物醫(yī)學圖象分析，保安監(jiān)視，以及軍事，體育，農業(yè)工程等方面。 (i≠j)。條件1和條件2說明正確的分割準則應可適用于所有區(qū)域和所有象素，條件3和條件4說明合理的分割準則應該能夠幫助確定各區(qū)域象素有代表性的特性，而條件5說明完整的分割準則應直接或間接地對區(qū)域內象素的連通性有一定的要求或限定。典型的圖像分割方法有閾值法，邊緣檢測法，區(qū)域法。閾值法的優(yōu)點是計算簡單，速度快，易于實現。所謂全局閾值分割是利用利用整幅圖像的信息來得到分割用的閾值, 并根據該閾值對整幅圖像進行分割而局部閾值分割是根據圖像中的不同區(qū)域獲得對應的不同區(qū)域的閾值, 利用這些閾值對各個區(qū)域進行分割, 即一個閾值對應相應的一個子區(qū)域, 這種方法也稱適應閾值分割。該方法簡單易行,但是對于灰度直方圖中波峰不明顯或波谷寬闊平坦的圖像,不能使用該方法[6]。迭代所得的閾值分割圖象的效果良好， 基于迭代的閾值能區(qū)分圖象的前景和背景的主要區(qū)域所在，但是在圖象的細微處還是沒有很好的區(qū)分度，令人驚訝的是對某些特定圖象，微小數據的變化會引起分割效果的巨大變化，兩者的數據只是稍有變化，分割效果反差極大，具體原因還有待進一步研究[8]。由于各個子圖的閾值化是獨立進行的，所以在相鄰子圖像邊界處的閾值會有突變，因此應該以采用適當的平滑技術消除這種不連續(xù)性，子圖像之間的相互交疊也有利于減小這種不連續(xù)性。圖3 常見邊緣剖面雖然圖像邊緣點產生的原因不同，但他們都是圖像上灰度不連續(xù)點，或是灰度變化劇烈的地方。Canny 邊緣檢測算子對受加性噪聲影響的邊緣檢測是最優(yōu)的。邊緣增強一般是通過計算梯度幅值來完成的。綜上所述, 前面所介紹的各個算子各有各的特點和應用領域, 每個算子只能反映出邊緣算法性能的一個方面, 在許多情況下需要綜合考慮[12]。第三, 要考慮噪聲的影響其中一個辦法就是濾除噪聲, 這有一定的局限性再就是考慮信號加噪聲的條件檢測利用統(tǒng)計信號分析或通過對圖像區(qū)域的建模而進一步使檢測參數化。區(qū)域生長的固有缺點是分割效果依賴于種子的選擇及生長順序,區(qū)域分裂技術的缺點是可能破壞邊界,所以它們常常與其他方法相結合,以期取得更好的分割效果[15]。在區(qū)域分裂技術中，整個圖像先被看成一個區(qū)域，然后區(qū)域不斷被分裂為四個矩形區(qū)域，直到每個區(qū)域內部都是相似的，分裂合并方法中，區(qū)域先從整幅圖像開始分裂，然后將相鄰的區(qū)域進行合并。 圖像分割方法實現對彩色圖像進行灰度處理用全局閾值法對圖像進行預處理：閾值法是一種簡單有效的圖像分割方法,它用一個或幾個閾值將圖像的灰度級分為幾個部分,認為屬于同一個部分的像素是同一個物體。，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、(或突變)的結果，這種不連續(xù)?？衫们笠浑A和二階導數方便的檢測到.在對圖像進行分割時，采用了多種算子對圖像進行分割，最后根據分割的現象采用效果最好的一種算子作為本次畢業(yè)設計的邊緣檢測算子。在采用邊緣算子時，本次畢業(yè)設計測試了3種算子，分別是Prewitt算子，Log算子和Canny算子。一般認為對分割方法的評價可以通過分析和實驗兩種方式來進行。在將邊緣分割后的圖像進行分割后，分成四塊小圖像，在實驗現象中可以看出，這四塊小圖像的灰度直方圖都有很明顯的雙峰，但是由于波谷寬闊平坦，不滿足雙峰法的使用條件，所以不能使用雙峰法，所以在對不同的圖像進行閾值化的時候，采用的是全局閾值法里面的迭代法，總的來說，就是將Canny算子分割后的圖片繼續(xù)分割成四小塊，對四塊不同的圖片用迭代法求取閾值，再將閾值化后的圖片合并起來。 因此，全局閾值法適用于灰度差異較大的圖片，如果圖像灰度變化不是很明顯，則達不到理想的效果。因為沒有哪一種分割方法能夠對所有的圖象都產生理想的分割結果，而根據待分割圖象的不同特點，結合已知的先驗知識，研究符合具體圖象特性的分割模型，才是提高圖象分割的重要手段。另外，還要感謝這四年來陪伴我度過大學時代的老師和同學們，是他們豐富了我的大學生活，在求學的路上給我指引了方向，訓練我科學嚴謹的治學態(tài)度。) figure,imshow(Im) , title(39。 n0=。 %求小于閥域值均值 T1=S1/n1。)。imshow(I)。)。 plot(fxy)。 %為計算灰度大于閾值的元素的灰度總值、個數賦值 S1=。 %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時停止 break。 b=double(I)。 %為計算灰度小于閾值的元素的灰度總值、個數賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 %在閾值T下，迭代閾值的計算過程 end end count %顯示運行次數T %顯示最佳閾值 算出Tbw2=im2bw(I,T/255)。 % T賦初值，為最大值和最小值的平均值 count=double(0)。 %大于閾域值圖像點個數累加 else S0=S0+double(I(i,j))。fxy = imhist(I, 256)。 S0=。 %小于閥域值圖像點個數累加 end end end T0=S0/n0。 figure,imshow(bw),title(39。 %在閾值T下，迭代閾值的計算過程 end end count %顯示運行次數T %顯示最佳閾值 算出Tbw4=im2bw(I,T/255)。 %為計算灰度小于閾值的元素的灰度總值、個數賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 b=double(I)。 %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時停止 break。 %為計算灰度大于閾值的元素的灰度總值、個數賦值 S1=。plot(fxy)。 %小于閥域值圖像點個數累加 end end end T0=S0/n0。 S0=。fxy = imhist(I, 256)。 %大于閾域值圖像點個數累加 else S0=S0+double(I(i,j))。 % T賦初值，為最大值和最小值的平均值 count=double(0)。 subimg4=img(217:431,136:269)。D:\39。BW1 = edge(I,39。 % 圖像在最佳閾值下二值化 figure,imshow(i1)imwrite(i1,39。 %大于閾域值圖像點灰度值累加 n1=n1+1。 zd=double(max(max(Im))) % 求出圖象中最大的灰度 zx=double(min(min(Im))) % 最小的灰度 T=double((zd+zx))/2。)。近年來，隨著各學科許多新理論和新方法的提出，人們也提出了許多與一些特定理論、方法和工具相結合的分割技術，例如：基于數學形態(tài)學的分割技術，基于模糊技術的圖像分割方法，基于人工神經網絡技術的圖像分割方法，遺傳算法在圖像分割中的應用和基于小波分析和變換的分割技術。局部閾值分割法雖然能改善分割效果，但存在幾個缺點：①每幅子圖像的尺寸不能太小，否則統(tǒng)計出的結果無意義。3提出本次圖像分割的方案，并且對方案進行詳細的論述以及分析。定量試驗準則：區(qū)域間的對比度圖像分割要把一幅原始圖像分為若干個區(qū)域。我們對圖像分割的結果通常以人的主觀判決作為評價準則。其實局部閾值法是全局閾值法的一個拓展。這種方法是先確定一個處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個像素的灰度值都與這個閾值相比較，并根據比較結果將對應的像素劃分為兩類:像素的灰度值大于閾值的為一類。它主要的缺陷是, 每一個需要提取的區(qū)域都必須人工給出一個種子點, 這樣有多個區(qū)域就必須給出相應的種子個數。與閉值分割類似，區(qū)域增長也很少單獨使用，往往是與其它分割方法一起使用?；趨^(qū)域的分割方法主要有區(qū)域生長法、分裂合并法。Canny 算子較為簡單,而且考慮了梯度方向,效果比較好[13]。各個邊緣檢測算子比較:Sobel 算子