【正文】 相關(guān)的圖像分割評(píng)價(jià)標(biāo)準(zhǔn)來(lái)對(duì)分割出來(lái)的圖像進(jìn)行分析，根據(jù)數(shù)據(jù)說(shuō)明圖像分割結(jié)果的優(yōu)劣， 總結(jié)本次圖像分割方案的優(yōu)缺點(diǎn)。直觀的考慮，這些區(qū)域的特性之間應(yīng)該有比較大的差距，或者說(shuō)有明顯的對(duì)比， 根據(jù)區(qū)域間的特性對(duì)比度的大小可以判別分割圖的質(zhì)量，也可由此反推出所用分割算法的 優(yōu)劣來(lái)，對(duì)于圖像中相鄰接的兩個(gè)區(qū)域來(lái)說(shuō)，如果他們各自的平均灰度為f1 和 f2，則它們之間的區(qū)域?qū)Ρ榷瓤梢园聪率絹?lái)計(jì)算 ： 21 |21| ff ffGC ??? (1) 事實(shí)上式 (1)中的 f 也可代表除灰度外的其他特征量，這樣就得到其他區(qū)域間的對(duì)比度，當(dāng)一幅圖像有多個(gè)區(qū)域時(shí)，可利用式 (1)分別計(jì)算兩兩間的區(qū)域間的對(duì)比度再求和 [16]。 盡管對(duì)大多數(shù)圖像處理問(wèn)題而言，最后的信宿是人的視覺(jué) ， 但對(duì)不同分割方法的處理 結(jié)果作一定量的比較、評(píng)價(jià)也是必需的 。 4． 實(shí)驗(yàn) 結(jié)果 及分析 實(shí)驗(yàn)結(jié)果 圖 4 灰度直方圖 圖 5 灰度圖像 圖 6 全局閾值化后的圖片 圖 7 prewitt算子分割后的圖片 圖 8 Canny算子分割后的圖片 圖 9 log算子分割后的圖片 將 Canny算子分割后的圖片作為邊緣檢測(cè)后的圖片，再將這個(gè)圖片分割為四 個(gè)小圖片，每一個(gè)圖片的直方圖如下 : 圖 10 第一塊的直方圖 圖 11 第二塊的直方圖 圖 12 第三塊的直方圖 圖 13 第四塊的直方圖 圖 13 局部閾值化后的圖像 實(shí)驗(yàn) 結(jié)果 分析 由灰度圖片的直方圖可以看出，這個(gè)直方圖有多個(gè)峰 值， 不滿足雙峰法的兩個(gè)波峰一個(gè)波谷的條件，所以 不適合采用雙峰法， 我采用的是迭代法，迭代法得到的閾值分割效果良好， 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， 迭代法作用于整幅圖像每個(gè)像素，因此，對(duì)于直方圖 波峰 明顯 或目標(biāo)和背景的灰度差異懸殊的圖像，得到的效果很好。 在圖像內(nèi)容不太復(fù)雜、灰度分布較集中的情況下，往往采用最簡(jiǎn)單的全局閾值，并不考慮圖像中點(diǎn)的位置和其鄰域性質(zhì) . 我采用的是迭代法來(lái)求取閾值 ，迭代法是 基于 逼近思想 ： （ 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/)(0 M inM a xT ?? ，根據(jù)閾值 kT 將圖像分割為前景和背景，分別求出兩者的平均灰度值 0Z 和 bZ ； （ 2）求出閾值 2/)( 01 bk ZZT ??? ； （ 3）如果 1kk ??TT ；則所得即為閾值；否則轉(zhuǎn)（ 2）迭代計(jì)算。此法對(duì)噪聲也很敏感 , 會(huì)造成孔狀甚至是根本不連續(xù)的區(qū)域 , 相反的 , 局部且大量的影響還會(huì)使本來(lái)分開(kāi)的區(qū)域連接起來(lái) [4]。 區(qū)域生長(zhǎng)的缺點(diǎn)是 :（ l）它需要人工交互以獲得種子點(diǎn)，這樣使用者必須在每個(gè)需 要抽取出的區(qū)域中植入一個(gè)種子點(diǎn) 。 區(qū)域生長(zhǎng)法、 分裂合并法： 區(qū)域生長(zhǎng)法的基本思想是根據(jù)一定的相似性準(zhǔn)則 ,將圖像中滿足相似性準(zhǔn)則的像素或子區(qū)域合成更大的區(qū)域 。 要做好邊緣檢測(cè) , 首先要清 楚待檢測(cè)的圖像特性變化的形式從而使用適應(yīng)這種變化的檢測(cè)方法。雖然這兩個(gè)算子邊緣定位效果不錯(cuò) , 但檢測(cè)出的邊緣容易出現(xiàn)多像素寬度。需要指出 , 大多數(shù)濾波器在降低噪聲的同時(shí)也導(dǎo)致了邊緣強(qiáng)度的損失 , 因此 ,增強(qiáng)邊緣和降低噪聲之間需要折衷。 傳統(tǒng)的邊緣檢測(cè)算法通過(guò)梯度算子來(lái)實(shí)現(xiàn)，在求邊緣的梯度時(shí)，需要對(duì)每個(gè)象素位置計(jì)算。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間。在這些情況下，閾值的選取不是一個(gè)固定的值，而是取成一個(gè)隨圖像中位置緩慢變化的函數(shù)值是比較合適的。這種方法的一個(gè)共同特征是根據(jù)像素點(diǎn)的局部特性 ,對(duì)其進(jìn)行灰度級(jí)的增強(qiáng)或減弱的變換。另外 , 它只考慮象素本身的值 , 一般都不考慮圖像的空間特性 , 這樣就對(duì)噪聲很敏感它也沒(méi)有考慮圖像的紋理信息等有用信息 ,使分割效果有時(shí)不能盡如人意 [5]。 閾值分割法是簡(jiǎn)單地用一個(gè)或幾個(gè) 閾 值將圖像的直方圖分成幾類(lèi) , 圖像中灰度值在同一個(gè)灰度類(lèi)內(nèi)的象素屬干同一個(gè)類(lèi)。 現(xiàn)有的大多數(shù)圖像分割方法只是部分滿足上述判據(jù)。迄今為止 ,還沒(méi)有一種圖像分割方法適用于所有的圖像 ,也沒(méi)有一類(lèi)圖像所有的方法都適用于它。條件 5 要求分割結(jié)果中同一個(gè)子區(qū)域內(nèi)的象素應(yīng)當(dāng)是相通的，即同一個(gè)子區(qū)域內(nèi)的任意兩個(gè)象素在該子區(qū)域內(nèi)是互相連通，或者說(shuō)分割得到的區(qū)域是一個(gè)連通組元。 2． 圖像分割概念 圖像分割定義 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(shù)。 因此，圖像分割多年來(lái)一直得到人們的高度重視 .本文首先將現(xiàn)有的多種類(lèi)型圖像分割方法歸結(jié)為 3 類(lèi)典型的方法 , 并分析各自的特性 。 圖象分割在實(shí)際中已得到廣泛的應(yīng)用，例如在工業(yè)自動(dòng)化，在線產(chǎn)品檢驗(yàn)，生產(chǎn)過(guò)程控制，文檔圖象處理，遙感和生物醫(yī)學(xué)圖象分析，保安監(jiān)視，以及軍事，體育，農(nóng)業(yè)工程等方面。 (i≠j)。條件 1 和條件 2說(shuō)明正確的分割準(zhǔn)則應(yīng)可適用于所有區(qū)域和所有象素，條件 3 和條件 4 說(shuō)明合理的分割準(zhǔn)則應(yīng)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(shuō)明完整的分割準(zhǔn)則應(yīng)直接或間接地對(duì)區(qū)域內(nèi)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(cè)法，區(qū)域法 。 閾值法 閾值法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，速度快，易于實(shí)現(xiàn)。所謂全局閾 值分割是利用利用整幅圖像的信息來(lái)得到分割用的閾值 , 并根據(jù)該閾值對(duì)整幅圖像進(jìn)行分割而局部閾值分割是根據(jù)圖像中的不同區(qū)域獲得對(duì)應(yīng)的不同區(qū)域的 閾 值 , 利用這些閾值對(duì)各個(gè)區(qū)域進(jìn)行分割 , 即一個(gè)閾值對(duì)應(yīng)相應(yīng)的一個(gè)子區(qū)域 , 這種方法也稱(chēng)適應(yīng)閾值分割。該方法簡(jiǎn)單易行 ,但是對(duì)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(xì)微處還是沒(méi)有很好的區(qū)分度，令人驚訝的是對(duì)某些特定圖象，微小數(shù)據(jù)的變化會(huì)引起分割效果的巨大變化，兩者的數(shù)據(jù)只是稍有變化，分割效果反差極大，具體原因還有待進(jìn)一步研究 [8]。由于各個(gè)子圖的閾值化是獨(dú)立進(jìn)行的，所以在相鄰子圖像邊界處的閾值會(huì)有突變，因此應(yīng)該以采用適當(dāng)?shù)钠交夹g(shù)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(jiàn)邊緣剖面 雖然圖像邊緣點(diǎn)產(chǎn)生的原因不同，但他們都是圖像上灰度不連續(xù)點(diǎn)，或是灰度變化劇烈的地方。 Canny 邊緣檢測(cè)算子對(duì)受加性噪聲影響的邊緣檢測(cè)是最優(yōu)的。邊緣增強(qiáng)一般是通過(guò)計(jì)算梯度幅值來(lái) 完成的。 綜上所述 , 前面所介紹的各個(gè)算子各有各的特點(diǎn)和應(yīng)用領(lǐng)域 , 每個(gè)算子只能反映出邊緣算法性能的一個(gè)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(gè)辦法就是濾除噪聲 , 這有一定的局限性再就是考慮信號(hào)加噪聲的條件檢測(cè)利用統(tǒng)計(jì)信號(hào)分析或通過(guò)對(duì)圖像區(qū)域的建模而進(jìn)一步使檢測(cè)參數(shù)化。區(qū)域生長(zhǎng)的固有缺點(diǎn)是分割效果依賴(lài)于種子的選擇及生長(zhǎng)順序 ,區(qū)域分裂技術(shù)的缺點(diǎn)是可能破壞邊界 ,所以它們常常與其他方法相結(jié)合 ,以期取得更好的分割效果 [15]。在區(qū)域分裂技術(shù)中，整個(gè)圖像先被看成一個(gè)區(qū)域，然后區(qū)域不斷被分裂為四個(gè)矩形區(qū)域，直到每個(gè)區(qū)域內(nèi)部都是相似的，分裂合并方法中，區(qū)域先從整幅圖像開(kāi)始分裂，然后將相鄰的區(qū)域進(jìn)行合并。 圖像 分割方 法實(shí)現(xiàn) 對(duì)彩色圖像 進(jìn)行灰度處理 用 全局 閾值法對(duì)圖像進(jìn)行預(yù)處理 ： 閾值法是一種簡(jiǎn)單有效的圖像分割方法 ,它用一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾個(gè)部分 ,認(rèn)為屬于同一個(gè)部分的像素是同一個(gè)物體。 邊緣檢測(cè)分割法是通過(guò)檢測(cè)出不同區(qū)域邊界來(lái)進(jìn)行分割的 .邊緣總是以強(qiáng)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 .邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始 .圖像的邊緣包含了物體形狀的重要信息，兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在灰度邊緣 .灰度邊緣是灰度 值不連續(xù) (或突變 )的結(jié)果，這種不連續(xù)?？衫们笠浑A和二階導(dǎo)數(shù)方便的檢測(cè)到 . 在對(duì)圖像進(jìn)行分割時(shí)，采用了多種算子對(duì)圖像進(jìn)行分割，最后根據(jù)分割的現(xiàn)象采用效果最好的一種算子作為本次畢業(yè)設(shè)計(jì)的邊緣檢測(cè)算子。 在采用邊緣算子時(shí)，本次畢業(yè)設(shè)計(jì)測(cè)試了 3 種算子，分別 是 Prewitt 算子 ， Log 算子 和 Canny 算子 。 一般認(rèn)為對(duì)分割方法的評(píng)價(jià)可以通過(guò)分析和實(shí)驗(yàn)兩種方式來(lái)進(jìn)行 。 在將邊緣分割后的圖像進(jìn)行分割后，分成四塊小圖像，在實(shí)驗(yàn)現(xiàn)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(duì)不同的圖像進(jìn)行閾值化的時(shí)候，采用的是 全局 閾值法里面的 迭代法，總的來(lái)說(shuō)，就是將 Canny 算子分割后的圖片繼續(xù)分割成四小塊，對(duì)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(lái)。 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(dá)不到理想的效果。因?yàn)闆](méi)有哪一種分割方法能夠?qū)λ械膱D象都產(chǎn)生理想的分割結(jié)果，而根據(jù)待分割圖象的不同特點(diǎn)，結(jié)合已知的先驗(yàn)知識(shí)，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。 tic %計(jì)時(shí)器 Init=imread(39。) [x,y]=size(Im)。 n1=。 else T=(T0+T1)/2。 BW=im2bw(im)。 imshow(BW1)。 %將原圖像平均分為四個(gè)子圖像 subimg2=img(1:216,136:269)。 b=double(I)。 %為計(jì)算灰度小于閾值的元素的灰度總值、個(gè)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(jì)算過(guò)程 end end count %顯示運(yùn)行次數(shù) T %顯示最佳閾值 算出 T bw1=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(diǎn)個(gè)數(shù)累加 else S0=S0+double(I(i,j))。 fxy = imhist(I, 256)。 S0=。 %小于閥域值圖像點(diǎn)個(gè)數(shù)累加 end end end T0=S0/n0。 plot(fxy)。 %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=。 %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。) 內(nèi)部資料 請(qǐng)勿外傳 9JWKf wvGt YM*Jgamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 qYpEh5pDx2zVkumamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcUE% amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkumamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 qYpEh5pDx2zVkum amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz84! z89Am v^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^G