【正文】 ......................................... 1 1．前言 ............................................................................................................ 2 2．圖像分割概念 ............................................................................................ 2 圖像分割定義 ..................................................................................... 2 圖像分割方法綜述 ............................................................................. 4 閾 值法 ................................................................................................. 4 基于邊緣檢測(cè)的分割方法 ................................................................ 8 基于區(qū)域的分割方法 ....................................................................... 11 3．圖像分割方法詳述 .................................................................................. 12 圖像分割方法 ................................................................................... 12 圖像分割方法實(shí)現(xiàn) .......................................................................... 12 4．實(shí)驗(yàn)結(jié)果及分析 ...................................................................................... 14 實(shí)驗(yàn)結(jié)果 .......................................................................................... 14 實(shí)驗(yàn)結(jié)果分析 .................................................................................. 18 5．小結(jié) .......................................................................................................... 20 本文主要工作總結(jié) .......................................................................... 20 結(jié)論及展望 ...................................................................................... 20 6．致謝 .......................................................................................................... 22 7．附錄 .......................................................................................................... 24 圖像分割算法 研究 與實(shí)現(xiàn) 摘 要 : 圖像分割是圖像處理與計(jì)算機(jī)視覺(jué)的基本問(wèn)題之一 ,是圖像處理圖像分析的關(guān)鍵步驟 ?？梢?jiàn)，圖象分割在圖 象工程中有重要的地位和影響。條件 3 指出在分割結(jié)果中每個(gè)子區(qū)域都有獨(dú)特的特性，或者說(shuō)屬于同一個(gè)區(qū)域中的象素應(yīng)該具有某些相同的特性。圖像分割是圖像處理和分析中的重要問(wèn)題 ,也是計(jì)算機(jī)視覺(jué)研究中的一個(gè)經(jīng)典難題。 (3)相鄰區(qū)域之間對(duì)選定的某種同質(zhì)判據(jù)而言，應(yīng)存在顯著差異性 。并且閾值法僅僅考慮圖像的灰度信息而沒(méi)有考慮圖像的空間信息，致使閾值法對(duì)噪聲和灰度不均勻十分地敏感。如何根據(jù)圖像選擇合適的閾 值是基于閾值分割方法的重點(diǎn)所在 , 也是難點(diǎn)所在。記錄每個(gè)像素能作為谷底的范圍值，接著找出能作為谷底范圍最大的點(diǎn)作為閾值 [7]。這時(shí)，一個(gè)在圖像中某一區(qū)域效果良好的閾值在其它區(qū)域卻可能效果很差。 在實(shí)際的應(yīng)用中，由于噪聲等干擾因素，直方圖有時(shí)不能出現(xiàn)明顯的峰值，此時(shí)選擇的閾值不能得到滿意的結(jié)果；另外一個(gè)就是閾值確定主要依賴于灰度直方圖，很少考慮圖像中象素的空間位置關(guān)系，因此當(dāng)背景復(fù)雜，特別是在同一背景上重疊出現(xiàn)若干個(gè)研究目標(biāo)時(shí)，容易喪失部分邊界信息，造成圖像分割 的不完整 [9]。邊緣檢測(cè)算子檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化，也包括方向的確定。 （ 3） Log 算子 Log 算子 也就是 LaplacianGauss 算子 ， 它把 Gauss 平滑 濾波器和Laplacian 銳化濾波器結(jié)合了起來(lái)，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè) 。 4) 定位 : 如果某一應(yīng)用場(chǎng)合要求確定邊緣位置 , 則邊緣的位置可在子像素分辨率上來(lái)估計(jì) ,邊緣的方位也可以被估計(jì)出來(lái)。在噪聲較大的情況下常用的邊緣檢測(cè)算法 ,如 Marr 算子 ,遞歸濾波器和Canny 算子等都是先對(duì)圖像進(jìn)行適當(dāng)?shù)钠交?,抑制噪聲 ,然后求導(dǎo)數(shù) ,或者先對(duì)圖像進(jìn)行局部擬合 ,然后再用擬合的光滑函數(shù)的導(dǎo)數(shù)來(lái)代替直接的數(shù)值導(dǎo)數(shù)。 基于區(qū)域的分割方法 基于區(qū)域的圖像分割是根據(jù)圖像灰度、紋理、顏色和圖像像素統(tǒng)計(jì)的均勻性等圖像的空間局部特征 ,把圖像中的像素劃歸到各個(gè)物體或區(qū)域中 ,進(jìn)而將圖像分割成若干個(gè)不同區(qū)域的一種分割方法。區(qū)域生長(zhǎng)方式的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單。 和閾值法一樣，區(qū)域生長(zhǎng)法一般不單獨(dú)使用 , 而是放在一系列處理過(guò)程中。合適的閾值必須具備的條件是在使用選取的閾值對(duì)圖片進(jìn)行分割后， 必須使圖像中的背景和目標(biāo)的分割錯(cuò)誤達(dá)到最小 。最簡(jiǎn)單的方法是將圖像劃分為若干小圖 像 ,先對(duì)各子圖像閾值法進(jìn)行分割 ,再將分割后的小區(qū)域合并在一起 ,得到整幅圖像的完整分割結(jié)果。 Prewitt 算子的分割的圖像中雖然幾乎沒(méi)有非邊緣點(diǎn)，但是邊緣的連續(xù)性較差，從視覺(jué)上來(lái)看圖像顯得很雜亂。 通過(guò)對(duì)實(shí)際分割結(jié)果的分析來(lái)評(píng)估分割算法是具有實(shí)際意義的。 2對(duì)圖像分割的常用方法進(jìn)行 分析 和 總結(jié)；根據(jù)圖像分割所基于的原理不同，把圖像分割方法主要分為基于閾值分割、基于邊緣檢測(cè)分割和基于區(qū)域分割三大類，并對(duì)他們做了簡(jiǎn)單的介紹和比較。 （ 4） 局部閾值分割法是將原始圖像劃分成較小的圖像，并對(duì)每個(gè)子圖像選取相應(yīng)的閾值。從一般意義上來(lái)說(shuō)，只有對(duì)圖像內(nèi)容的徹底理解，才能產(chǎn)生完美的分割 [17]。 Im=rgb2gray(Init)。 % 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(diǎn)個(gè)數(shù)累加 else S0=S0+double(Im(i,j))。D:\39。canny39。) 第三步（局部閾值）： clear。 I=subimg1。 % 記錄幾次循環(huán) while 1 % 迭代最佳閾值分割算法 count=count+1。 %小于閾域值圖像點(diǎn)灰度值累加 n0=n0+1。 %統(tǒng)計(jì)每個(gè)灰度值的個(gè)數(shù) figure。 n0=。 %求小于閥域值均值 T1=S1/n1。 %畫(huà)出灰度直方圖 [x,y]=size(I)。 n1=。 else T=(T0+T1)/2。 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。 %大于閾域值圖像點(diǎn)灰度值累加 n1=n1+1。 % 圖像在最佳閾值下二值化 bw5=horzcat(bw1,bw2)。 UE9aQGn8xp$Ramp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3tnGK8! z89Am UE9aQGn8xp$Ramp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z8vGt YM*Jgamp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^G89Am UE9aQGn8xp$Ramp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z8vGt YM*Jgamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8! z89Am v^$UE9wEwZQcUE%amp。 MuW FA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 gTXRm6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 QA9wkxFyeQ^! djsXuyUP2kNXpRWXm Aamp。qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 QA9wkxFyeQ^! dj sXuyUP2kNXpRWXm Aamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 bw=vertcat(bw5,bw6)。 %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=subimg4。 %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(huà)出灰度直方圖 [x,y]=size(I)。 %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。39。 figure(1)。39。 %小于閥域值圖像點(diǎn)個(gè)數(shù)累加 end end end T0=S0/n0。 S0=。直方圖 39。雖然近年來(lái)研究成果越來(lái)越多，但由于圖像分割本身所具有的難度，使研究沒(méi)有大的突破性的進(jìn)展 。 ② 每幅圖像的分割是任意的，假如有一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域，而根據(jù)統(tǒng)計(jì)結(jié)果對(duì)其進(jìn)行分割，也許會(huì)產(chǎn)生更差的結(jié)果。 4運(yùn)用 MATLAB 軟件進(jìn)行實(shí)驗(yàn)， 展示實(shí)驗(yàn)現(xiàn)象， 得到了較好的效果，根據(jù)實(shí)驗(yàn)現(xiàn)象對(duì)圖像分割進(jìn)行分析， 運(yùn)用