【正文】 ??各自使用一個模版。 Roberts 邊緣 算子定位精度高，在水平和垂直方向效果較好，但對噪聲敏感。 拉普拉斯算子 拉普拉斯算子（ Laplacian）是一種二階倒數(shù)算子，對于一個連續(xù)函數(shù) f(x,y)，在 (x,y)處的拉普拉斯算子定義如式 4?4 所示： ?2?? = ??2??????2 +??2??????2 (4?4) 這里對模版的基本要求：對應(yīng)中心像素的系數(shù)應(yīng)該是正的，對應(yīng)中心像素鄰近像素的系數(shù)應(yīng)是負的，且它們的和總為零。 結(jié)果分析 通過 MATLAB 軟件進行仿真實驗，所得分割圖像如圖所示，分別為梯度算子、拉普拉斯算子、 Canny 算子的圖像分割仿真結(jié)果。對于二階 的 算子 ，拉普拉斯算子檢測方法常常產(chǎn)生雙像素邊界，而且這個檢測方法對圖像中的噪聲相當敏感，不能檢驗邊緣方向，所以一般很少直接使用拉普拉斯算子進行邊緣檢測； Canny 算子不容易受噪聲的干擾，能夠檢測到真正的弱邊緣，但由于具有較強的噪聲抑制，同樣也會將一些高頻邊緣平滑掉，造成邊緣丟失。進行區(qū)域生長分割圖像時，先對每個需要分割的區(qū)域找一個種子像素作為生長的起點，然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長或相似準則來判定）合并到種子像素所在的區(qū)域中。 ：最小面積閾值與像素中的最小區(qū)域大小有關(guān)。對 R進行分割的方法是反復 將分割得到的結(jié)果圖像分成四個區(qū)域，直到對任意區(qū)域 ????，有 P(????) = TRUE。這種方法的主要優(yōu)點是對于分裂和合并都使用同樣的四叉樹，直到合并的最后一步。 在一定程度上區(qū)域生長和區(qū)域分裂合并算法有異曲同工之妙，互相促進相輔相成的，區(qū)域分裂到極致就是分割成單一像素點，然后按照一定的測量 準則進行合并，在一定程度上可以認為是單一像素點的區(qū)域生長方法。 在實際應(yīng)用中，若能將基于邊緣的分割方法和區(qū)域生長 法結(jié)合起來，或者 用結(jié)合特定理論工具的分割方法 結(jié)合傳統(tǒng)方法 ，則可以得到更好的分割效果。由于我的學術(shù)水。 圖像區(qū)域分割算法設(shè)計 25 參 考 文 獻 [1] 丁亮，張永平，張雪英 .圖像分割方法及性能評價綜述 [J].國際 IT 傳媒品牌軟件 ,20xx(12)： 8287. [2] 楊合超，周雪梅 .幾種圖像分割技術(shù)的比較 [J].電子知識與技術(shù)， 20xx(9)： 24402441. [3] 樂宋進，武和雷，胡泳芬 .圖像分割方法的研究現(xiàn)狀與展望 [J].南昌水專學報 ,20xx(2) ：1520. [4] 章霄，董艷雪，趙文娟，張彥佳 .數(shù)字圖像處理技術(shù) [M].北京：冶金工業(yè)出版社， 20xx：175206. [5] 鄭靜，梁少華，王騰 .基于 MATLAB 仿真的邊緣檢測算子研究 [J].電腦知識與技術(shù) ,20xx(5)： 11891190. [6] 王坤，劉天偉，杜芳芳，常琳 .MATLAB 在對圖像進行邊緣檢測方面的應(yīng)用 [J].沈陽師范大學學報 (自然科學版 ),20xx(2)： 161165. [7] 徐飛，施曉紅 .MATLAB 應(yīng)用圖像處理 [M].西安：西安電子科技大學出版社， 20xx：207224. [8] 胡小丹，李 文，劉海博 .基于高斯統(tǒng)計模型的快速圖像區(qū)域分割方法 [J]. 福建師范大學學報 (自然科學版 ),20xx(2) ： 133135. [9] 劉中合，王瑞雪 .數(shù)字圖像處理技術(shù)現(xiàn)狀與展望 [J].計算機時代， 20xx(9) ： 2529. [10] 朱秀昌，劉峰，胡棟 .數(shù)字圖像處理與圖像通信 [M].北京：北京郵電大學出版社， 20xx：142173. [11] 趙椿榮，趙忠明等 .數(shù)字圖像處理導論 [M].西安：西北工業(yè)大學出版社， 1996： 212234. [12] 冷美萍，鮑蘇蘇，孟祥璽，彭豐平 .一種改進的分水嶺分割算法 [J]. 貴州師范大學學報 (自然科學版 )， 20xx(1) ： 6265 [13] 張兆和，楊高波，劉志等 .視頻對象分割提取的原理與應(yīng)用 [M].北京：科學出版社， 20xx：2021. [14] 陳婷婷，程小平 .采用模糊形態(tài)學和形態(tài)學分水嶺算法的圖像分割 [J].西南大學學報(自然科學版 )， 20xx(3)： 142145. [15] 孫敬飛，楊紅衛(wèi) .形態(tài)學分水嶺算法在粘連大米圖像分割中的應(yīng)用 [J].糧油食品科技，20xx(18)： 46. [16] ,. Digital Image Processing[M].Beijing:Publishing House of Electronics Industry,20xx： 711809. [17] ,. Watershed in Digital Spaces an Efficient Algorithm Based on Immersion Simulatlon [J]. IEEE Trans PAMI, 1991, 13(6) ： 582599. [18] ， ， ， . A twostage ruleconstrained seedless region growing approach for mandibular body segmentation in MRI[M]. PubMed Journal,20xx. 圖像區(qū)域分割算法設(shè)計 26 致 謝 歷時將近兩個月的時間終于將這篇論文寫完，在論文的寫作過程中遇到了無數(shù)的困難和障礙，都在同學和老師的幫助下度過了。 圖像區(qū)域分割算法設(shè)計 24 結(jié)論 圖像分割是圖像特征提取和識別等圖像理解的基礎(chǔ)，對圖像分割的研究一直是數(shù)字圖像處理技術(shù)研究中的熱點和焦點。另外分裂合并技術(shù)可能會使分割區(qū)域的邊界破壞，產(chǎn)生過多的塊狀區(qū)域邊界。對任何區(qū)域如果有 P(????) = FALSE，那么就將 ????分成四等分。 其基本思想可以由下圖解釋： 區(qū)域生長 T=3 二值化 圖 51 區(qū)域生長示意圖 由圖 51 可以看出，區(qū)域生長就是用種子點的灰度值與周圍八連接的像素點的灰度值進行比較，當絕對值符合閾值 T的時候，該點成為種子點，再進行下一輪比較，直到 生長完畢。這樣一個區(qū)域就長成了。 區(qū)域分割算法的實質(zhì)就是把具有某種相似性質(zhì)的像素連通起來，從而構(gòu)成最終的分割區(qū)域的方法?；诟鞣N算子的圖像分割算法是比較經(jīng)典的圖像分割算法之一，邊緣檢測器 對邊緣灰度值過渡比較尖銳且噪聲較小等不太復雜的圖像可以取得較好的效果。所以一般很少直接使用拉普拉斯算子進行邊緣檢測。 Sobel 算子不是簡單的求平均再差分，而是加強了中心像素上下左右四個方向像素的權(quán)重。通過算子檢測、二值處理后找到邊界點。 當今的邊緣檢 測方法中，主要有一次微分、二次微分和模板操作等。邊緣總是以強度突變的形式出現(xiàn)，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、紋理結(jié)構(gòu)的突變等。對于直方圖雙峰明顯，谷底較深的圖像，迭代方法可以較快地獲得滿意結(jié)果，但是對于直方圖雙峰不明顯，或圖像目標和背景比例差異懸殊，迭代法所選取的閾值不如其它方法。 但是，在很多情況下，對復雜的整幅圖像用單一閾值不能給出良好的分割結(jié)果。 最大類間方差法 從統(tǒng)計意義上講，方差是表征數(shù)據(jù)分布不均衡的統(tǒng)計量， 可 通過閾值對 這 類問題進行分割。因此直方圖左側(cè)山峰為亮度較低的部分，這部分恰好對應(yīng)于畫面中較暗的背景部分；直方圖右側(cè)山峰為亮度較高的部分，對應(yīng)于畫面中需要分割的目標。設(shè)輸入圖像是 F(x,y)，輸出圖像是 B(x,y)，如式 3?1 所示 ： B(x,y) = {1, ??(??,??) ??0, ??(??,??) ?? （ 3? 1） 閾值分割實質(zhì)上就是按照某個準則求出最佳閾值的過程。對圖像濾波是對圖片的預處理，對于噪點比較高的圖片，通過濾波可以很好地改善圖片的分割效果。 。例如，當鼠標在一個按鈕上發(fā)生了單擊事件，用戶圖形界面初始化它的操作，并在按鈕的標簽上對這個操作進行描述。 GUI 簡介 圖形用戶界面（ Graphical User Interface，簡稱 GUI，又稱圖形用戶接口）是指采用圖形方式顯示的計算機操作用戶界面。 均值濾波 由于不可知處理前的圖像是不是受到過噪聲干擾，而噪聲會影響到圖像的質(zhì)量，所以去除圖像中的噪聲對于改善圖像分割效果非常重要。但該方法還不能很好地解決耗時問題，將其與一些節(jié)約時間的方法結(jié)合起來，是圖像分割的一種趨勢。這兩種方法在實現(xiàn)上存在一定的困難。這種方法的關(guān)鍵在于種子點的位置、生長準則和生長順序等。 這種分割方法實現(xiàn)的難點就在于邊緣檢測時抗噪性和檢測精度之間的矛盾。目前，圖像的閾值分割已被應(yīng)用于很多的領(lǐng)域，例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標的分割；在遙感應(yīng)用中，合成孔徑雷達圖像中目標的分割等；在醫(yī)學應(yīng)用中，血液細胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，水果品質(zhì)無損檢測過程中水果圖像與背景的分割。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡化了分析和處理步驟，因此在很多情況下，是進行圖像分析、特征提取與模式識別之前的必要的圖像預處理過程。 這些條件對分割具有一定的指導作用。圖像分割在有些領(lǐng)域也稱目標輪廓、閾值化技術(shù)、圖像區(qū)分或求差技術(shù)、目標檢測技術(shù)、目標識別技術(shù)、目標跟蹤技術(shù)等。 研究已經(jīng)有了許多成果，但是與灰度圖像分割方法的多樣性相比，其理論不夠豐富，近幾年，關(guān)于彩色圖像分割的文獻有增加的趨勢，有可能成為一個新的熱點方向。早在 1965 年就有人提出了檢測邊緣算子邊緣檢測方法，邊緣檢測已產(chǎn)生了不少經(jīng)典算法。 圖像分割在不同的領(lǐng)域也有其它的名稱，如目標輪廓技術(shù)、目標檢測技術(shù)、閾值化技術(shù)、目標跟蹤技術(shù)等，這些技術(shù)本身或其核心實際上也就是圖像分割技術(shù)。這些差別可能非常明顯，也可能十分細微，以至于人眼無法覺察。本文根據(jù) MATLAB 的 GUI 相關(guān)知識 建立了顯示界面 ， 可以對圖片進行預處理、多種方法的分割、顯示灰度直方圖和保存分割的圖片。 大連海事大學 畢 業(yè) 論 文 二○ 一三 年 六 月 ┊┊┊┊┊┊┊裝┊┊┊┊┊┊┊訂┊┊┊┊┊┊┊線┊┊┊┊┊┊┊ 圖像區(qū)域分割算法設(shè)計 專業(yè)班級： 20xx 級自 動化 (2)班 姓 名： 邵 東東 指導教師： 申麗然 信息科學技術(shù)學院 I 摘 要 數(shù)字圖像處理技術(shù)是一個跨學科的領(lǐng)域。 現(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等 。 Region growing III 目 錄 第 1 章 緒論 .................................................................................................................. 1 選題的背景及意義 ......................................................................................... 1 圖像分割的基本現(xiàn)狀 ........................................................................... 1 圖像分割技術(shù)的發(fā)展趨勢 ................................................................... 2 本論文的主要工作及內(nèi)容安排 ..................................................................... 2 第 2 章 圖像分割技術(shù)綜述 ............................