【正文】 ?？紤]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,用迭代法進行閾值選取，以達到區(qū)分背景和目標的目的；(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)圖象分割的實際效果，將經(jīng)過邊緣檢測后的圖像G(x,y)進行局部閾值分割，以達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相似的區(qū)域，然后類似的相鄰區(qū)域根據(jù)某種判斷準則迭代進行合并。這兩種方法通常相結合,以便把相似的子區(qū)域合并成盡可能大的區(qū)域。當需要提取多空間范圍內的變化特性時,要考慮多算子的綜合應用。Canny 算子: 該算子同樣采用高斯函數(shù)對圖像做平滑處理, 因此具有較強的抑制噪聲能力, 同樣該算子也會將一些高頻邊緣平滑掉,造成邊緣丟失。增強算法可以將鄰域(或局部)強度值有顯著變化的點突顯出來。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，其表達式近似于高斯函數(shù)的一階導數(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具有不同灰度值的相鄰區(qū)域之間，可用二階導數(shù)的過零點檢測邊緣位置；（2）脈沖狀邊緣：主要對應細條狀的灰度值突變區(qū)域，通過檢測二階導數(shù)過零點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折點，通過檢測一階導數(shù)過零點可以確定屋頂位置。自適應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：，根據(jù)閾值將圖像分割為前景和背景，分別求出兩者的平均灰度值和；2 求出閾值；3 如果；則所得即為閾值；否則轉2迭代計算。當分割閾值位于谷底時,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?shù)钠胶恻c[3]。本文對傳統(tǒng)的圖像分割方法進行分析。因為分割總是根據(jù)一些分割準則進行的。正式“集合”定義： 令集合 R 代表整個圖象區(qū)域，對R的分割可看作將R分成若干個滿足如下五個條件的非空的子集（子區(qū)域）：（1）（分割所得全部子區(qū)域的總和（并集）應能包括圖象中所有象素或將圖象中每個象素都劃分進一個子區(qū)中）（2）對所有的i 和j ,有Ri ∩ Rj = 248。關鍵詞:圖像分割 閾值法 邊緣檢測 微分算子 局部閾值 中圖分類號: RESEARCH AND IMPLEMENTATION OF IMAGE SEGMENTATION ALGORITHMSHan Yan (College of Physics and Electronic Science, Hubei Normal University, Huangshi 435002, China)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現(xiàn) 1．前言在圖像的研究和應用過程中，需要將這些區(qū)域分離提取出來，首先要根據(jù)目標和背景的先驗知識來對圖像中的目標、背景進行標記、定位，、目標的分離、特征的提取和參數(shù)的測量將原始的圖像轉化為更抽象更緊湊的形式，圖像分割多年來一直得到人們的高度重視。本人完全意識到本聲明的法律后果由本人承擔。 學生（簽名）：2010年5月15日指導教師承諾我承諾在指導學生畢業(yè)論文（設計）活動中遵守學校有關規(guī)定，恪守學術規(guī)范，經(jīng)過本人核查，該生畢業(yè)論文（設計）內容除特別注明和引用外，均為該生本人觀點，不存在剽竊、抄襲他人學術成果，偽造、篡改實驗數(shù)據(jù)的現(xiàn)象。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。涉密論文按學校規(guī)定處理。近年來，圖象分割在對圖象的編碼中也起到越來越重要的作用，例如國際標準MPEG一4中模型基/目標基編碼等都需要基于分割的結果。條件2指出在分割結果中各個子區(qū)域是互不重疊的，或者說在分割結果中一個象素不能同時屬于兩個區(qū)域。圖像分割是指將圖像劃分為與其中含有的真實世界的物體或區(qū)域有強相關性的組成部分的過程。(2)區(qū)域內部平整，不存在很小的小空洞。閾值法的缺點是當圖像中不存在明顯的灰度差異或灰度值范圍有較大的重疊時，分割效果不理想。它一般要求在直方圖上能得到明顯的峰或谷, 并在谷底選擇閾值。程序的實現(xiàn)：通過數(shù)組記錄直方圖中的各像素點值的個數(shù)， 再對逐個像素值進行掃描。（1）自適應閾值在許多情況下，背景的灰度值并不是常數(shù)，物體和背景的對比度在圖像中也有變化。（2）多閾值分割在多閾值分割中，分割是根據(jù)不同區(qū)域的特點得到幾個目標對象，所以提取每一個目標需要采用不同的閾值，也就是說要使用多個閾值才能將它們分開，這就是多閾值分割。這種方法稱為邊緣檢測局部算子法。Sobel 在Prewitt 算子的基礎上，對4鄰域采用帶權的方法計算差分，該算子不僅能檢測邊緣點，且能進一步抑制噪聲的影響，但檢測的邊緣較寬。最簡單的邊緣檢測判據(jù)是梯度幅值閾值判據(jù)。但對于邊緣復雜、采光不均勻的圖像來說,則效果不太理想,主要表現(xiàn)在邊緣模糊、弱邊緣丟失和整體邊緣不連續(xù)等方面。第五,在正確檢測邊緣的基礎上要考慮精確定位的問題[14]。(2)算法的高效性和準確性。但是，分裂合并技術可能會使分割區(qū)域的邊界破壞[2]。閾值分割法的結果很大程度上依賴于對閾值的選擇, 因此該方法的關鍵是如何選擇合適的閾值。這時采用局部閾值法,即用與像素位置相關的一組閾值對圖像各部分分別進行分割。 Log算子，其分割圖像中所含非邊緣點較少，而且主要邊緣大部分被保留，但是還是去掉了很多真邊緣點。分析法是直接分析分割算法本身的原理及性能，而實驗法是通過對測試圖像的分割結果來評價算法的。5．小結 本文主要工作總結通過對大量文獻的閱讀，在對圖像分割領域研究現(xiàn)狀和研究內容有了一定了解的基礎上，本文圍繞圖像分割技術的理論基礎及其實際應用情況，主要進行了以下幾個方面的研究工作： 1對圖像分割的概念進行詳細的陳述。 沒有哪一種邊緣算子是絕對的合適，從以上實驗現(xiàn)象可以看出，例如：Canny算子的整體效果最好，它的分割結果很明顯沒有Prewitt算子分割細致，這是它不足的地方，每一種邊緣檢測算子分割的圖像都有相應的優(yōu)缺點，我們只能選取當中效果較好的一種，但是這也不能判定為這種算子就是最好的，只能說對于特定的圖片，這種算子達到的效果最好。 展望圖像分割是圖像理解與計算機視覺領域國際學術界公認的將會長期存在的最困難的問題之一，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標準。 tic %計時器Init=imread(39。) [x,y]=size(Im)。 n1=。elseT=(T0+T1)/2。BW=im2bw(im)。imshow(BW1)。 %將原圖像平均分為四個子圖像 subimg2=img(1:216,136:269)。 b=double(I)。 %為計算灰度小于閾值的元素的灰度總值、個數(shù)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(shù)T %顯示最佳閾值 算出Tbw1=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(shù)累加 else S0=S0+double(I(i,j))。fxy = imhist(I, 256)。 S0=。 %小于閥域值圖像點個數(shù)累加 end end end T0=S0/n0。 plot(fxy)。 %為計算灰度大于閾值的元素的灰度總值、個數(shù)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。)湖北師范學院學士學位論文（設計）評審表系部名稱物理與電子科學學院學生姓名韓焱班級名稱0603班評閱人姓名王鳳琴專業(yè)方向電子信息科學與技術學生學號2006112020312提交時間2010年5月24日評閱人職稱講師論文題目圖像分割算法研究與實現(xiàn)論文或設計的主要內容本文圍繞圖像分割技術的理論基礎及其實際應用情況，主要進行了以下幾個方面的研究工作：1對圖像分割的概念進行詳細的陳述。盡我所知，除文中已經(jīng)特別注明引用的內容和致謝的地方外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。 本次畢業(yè)設計是對我大學四年學習下來最好的檢驗。其次，我要感謝大學四年中所有的任課老師和輔導員在學習期間對我的嚴格要求，感謝他們對我學習上和生活上的幫助，使我了解了許多專業(yè)知識和為人的道理，能夠在今后的生活道路上有繼續(xù)奮斗的力量。四年的風風雨雨，我們一同走過，充滿著關愛，給我留下了值得珍藏的最美好