【正文】 39。 end title(39。 figure for count = 1:nColors plot(a(label==count1),b(label==count1),39。r39。 figure, imshow(segmented_images(:,:,:,6)), %顯示紅色目標(biāo) title(39。 綠色目標(biāo) 39。 imshow(segmented_images(:,:,:,1)),%顯示背景 title(39。%求出最小距離顏色 label = color_labels(label)。,color_markers(2,1),... color_markers(2,2)))。%rgb空間轉(zhuǎn)換成 L*a*b空間結(jié)構(gòu) lab_fabric = applycform(fabric,cform)。 %選擇每一小塊顏色的樣本區(qū)域 end subplot(122), imshow(sample_regions(:,:,2))。 subplot(121)。 {?? = ?? +?? + ???? = ?? + ?? +???? = + ?? + ?? （ 41） 再根據(jù) CIE1976 均勻顏色空間 Lab 的計算公式： L = 116(Y/??0)1 3? ?16 （ 42） a =500[(X/??0)1 3? ?(Y/??0)1 3? ] （ 43） b =200[(Y/??0)1 3? ?(Z/??0)1 3? ] （ 44） 求得 Lab 顏色空間的色度值。 Lab 中的數(shù)值描述正常視力的人能夠看到所有顏色，人的肉眼能感知的色彩都能通過 Lab 模型表現(xiàn)出來。 L*a*b 空間的彩色分割 Lab 顏色空間 國際照明委員會（ CIE）的 RGB 顏色表示系統(tǒng)選擇紅色、綠色、藍(lán)色三種單色光作為三基色 ， 利用紅、綠、藍(lán)三種基本 顏色進(jìn)行顏色加法，可以配制出絕大部分肉眼能看到的顏色。從本質(zhì)上說是將各像素進(jìn)行分類。 遺傳算法應(yīng)用于圖像分割，其難點(diǎn)在于適應(yīng)度函數(shù)的選擇以及交叉概率和變異概率的確定?；谏窠?jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過訓(xùn)練多層感知機(jī)來得到線性決策函數(shù)，然后用決策函數(shù)對像素進(jìn)行分類來達(dá)到分割的目的。 而膨脹是將圖像中與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過程，結(jié)果是使目標(biāo)增大、孔徑縮小，可以增補(bǔ)目標(biāo)中的空間，使其形成連通域。 近年來多進(jìn)制小波開始用于邊緣檢測。 并且 FCM 算法對初始參數(shù)極為敏感，有時需要人工干預(yù)參數(shù)的初始化以接近全局最優(yōu)解，提高分割速度。 K均值算法先選 K 個初始類均值，然后將每個像素歸入均 值離它最近的類并計算新的類均值。 它利用了圖像的局部空間信息，可有效地克服其他方法存在的圖像分割空間小連續(xù)的缺點(diǎn)。當(dāng)分割的圖像含有強(qiáng)噪聲干擾或者區(qū)域之間的性質(zhì)差別很小時，分割出來的邊緣可能是不連續(xù)的，此時可考慮用邊緣連接技術(shù)把斷開處連接起來。通常不同的區(qū)域之間的邊緣上像素灰度值的變化往往比較劇烈，這是邊緣檢測方法得以實(shí)現(xiàn)的主要假設(shè)之一。 近年來的方法有：用最大相關(guān)性原則選擇閾值的方法、基于圖像拓?fù)浞€(wěn)定狀態(tài)的方法、 Yager 測度極小化方法、灰度共生矩陣方法、方差法、熵法、峰值和谷值分析法等， 其中，自適應(yīng)閾值法、最大熵法、模糊閾值法、類間閾值法是對傳統(tǒng)閾值法改進(jìn)較成功的幾種算法。同樣的方法是采取一個框架可以應(yīng)用到多個，和之后的結(jié)果合并，山峰和山谷在以前很難識別，但現(xiàn)在更容易區(qū)分。其中 log 算子是采用 Laplacian 算子 求 高斯函數(shù) 的 二階導(dǎo)數(shù) ， Canny 算子是高斯函數(shù)的 一階導(dǎo)數(shù) ，它在噪聲抑制和 邊緣檢測 之間取得了較好的平衡。對 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 9 于階躍狀邊緣，其位置對應(yīng) 一階導(dǎo)數(shù) 的 極值點(diǎn) ，對應(yīng) 二階導(dǎo)數(shù) 的過零點(diǎn) (零交叉點(diǎn) )。基本分裂合并算法步驟如下： (1)對任一個區(qū)域，如果 H(Ri)=FALSE 就將其分裂成不重疊的四等份； (2)對相鄰的兩個區(qū)域 Ri 和 Rj，它們也可以大小不同（即不在同一層），如果條件 H(Ri∪ Rj)=TRUE 滿足，就將它們合并起來。它的缺點(diǎn)是需要人為確定種子點(diǎn)，對噪聲敏感，可能導(dǎo)致區(qū)域內(nèi)有空洞。將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程，直到再沒有滿足條件的像素可被包括進(jìn)來。這時可以根據(jù)圖像的局部特征分別采用不同的閾值進(jìn)行分割。 閾值分割的優(yōu)點(diǎn)是計算簡單、運(yùn)算效率較高、速度快。人們在多年的研究中積累了很多圖像分割方法。 (4) 對于 i≠j，有 P(???? ?????)=FASLE； (5) 對于 i=1,2,…,N, ????是連通的區(qū)域。圖像分割在不同領(lǐng)域中有時也用其他名稱，如目標(biāo)輪廓技術(shù)、閾值化技術(shù)、圖像 區(qū)分或求差技術(shù)、目標(biāo)檢測技術(shù)、目標(biāo)識別技術(shù)、目標(biāo)眼跟蹤技術(shù)等，這些技術(shù)的核心實(shí)際上就是圖像分割技術(shù)。此外 Matlab 還是一種解釋性語言，不需要專門的編譯器。其擁有 600 多個工程中要用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實(shí)現(xiàn)用戶所需的各種計算功能。 Matlab 的一個重要特色就是具有一套程序擴(kuò)展系統(tǒng)和一組稱之為工具箱的特殊應(yīng)用子程序，每一個工具箱都是為某一類學(xué)科專業(yè)和應(yīng)用而定制的。除內(nèi)部函數(shù)外，所有 MATLAB 主包文件和各種工具包都是可讀可修改的文 件，用戶通過對源程序的修改或加入自己編寫程序構(gòu)造新的專用工具包。 MATLAB 概況 MATLAB 是矩陣實(shí)驗室（ Matrix Laboratory）之意。第五章則為本次畢業(yè)設(shè)計做出了總結(jié)。 近 年來，對圖像分割的研究一直是圖像技術(shù)研究中的熱點(diǎn)和焦點(diǎn)，人們對其的關(guān)注和投入不斷提高。需要提出的是，到目前為止還沒有唯一的標(biāo)準(zhǔn)的分割方法。其次，圖像處理在軍事、遙感、氣象等大型應(yīng)用中不斷增長的需求。 基于紋理濾波器的圖像分割 主要 使用 entropyfilt 函數(shù)創(chuàng)建紋理圖像，使用 bwareaopen 函數(shù)顯示圖像的紋理底部紋理。從圖像處理過渡到圖像分析的關(guān)鍵步驟 就 是圖像分割，所以說圖像分割 在圖像工程中占據(jù)著重要的位置。 同時 指出了基于閥值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法等各類方法的特點(diǎn)，為不同的應(yīng)用場合及不同的圖像數(shù)據(jù)條件下選擇不同的分割算法提供了一些依據(jù) 。多年來， 已經(jīng)提出了許多不同類型的圖像分割方法。然而，對圖像分割的效果好壞或正確與否，還沒有一個統(tǒng)一的評價標(biāo)準(zhǔn)。只要需對圖像目標(biāo)進(jìn)行提取，測量等都離不開圖像分割。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計算方面首屈一指。 當(dāng)前流行的 MATLAB 包括擁有數(shù)百個內(nèi)部函數(shù)的主包和 三十幾種工具包。 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 4 語言簡潔緊湊，語法限制不嚴(yán)，程序設(shè)計自由度大，可移植性好。其工具箱又分為兩類：功能性工具箱和學(xué)科性工具箱。在計算要求相同的情況下， 使用 Matlab 的編程工作量會大大減少。 Matlab 具有非常強(qiáng)大的以圖形化顯示矩陣和數(shù)組的能力，同時它能給這些圖形增加注釋并且可以對圖形進(jìn)行標(biāo)注和打印。這里所說的特性可以是灰度、顏色、紋理等，而目標(biāo)可以對應(yīng) 單個區(qū)域，當(dāng)然也可以是多個區(qū)域。 ???? ?????=?指出分割結(jié)果中的各個區(qū)域是互不重疊的。此外，還有綜合特定理論工具的分割方法，這些方法包括基于形態(tài)學(xué)分水嶺的分割、基于統(tǒng)計模式識別的分割、基于神經(jīng)網(wǎng)絡(luò)的分割、基于小波變換的分割。全局閾值是指整幅圖像使用同一個閾值做分割處理，適用于背景和前景有明顯對比的圖像。 閾值的選擇需要根據(jù)具體問題來確定，一般通過實(shí)驗來確定。相似性準(zhǔn)則可以是灰度級、 彩色 、紋理、 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 8 梯度等特性。分裂合并差不多是 區(qū)域生長 的逆過程：從整個圖像出發(fā)，不斷分裂得到各個子區(qū)域，然后再把前景區(qū)域合并，實(shí)現(xiàn) 目標(biāo)提取 。這種方法對復(fù)雜圖像的分割效果較好，但算法較復(fù)雜，計算量大，分裂還可能破壞區(qū)域的邊界。在實(shí)際中各種微分算子常用小區(qū)域模板來表示，微分運(yùn)算是利用模板和圖像 卷積 來實(shí)現(xiàn)。顏色和強(qiáng)度可以作為衡量。 圖像分割函數(shù)及算法的分析比較 數(shù)字圖像處理常用的圖像分割算法有：基于閥值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法、基于聚類分析的圖像分割方法、基于小波變換的分割方法、基于數(shù)學(xué)形態(tài)學(xué)方法、基于人工神經(jīng)網(wǎng)絡(luò)的方法、基于遺傳算法的方法。全局閾值對于灰度相差很大的不同目標(biāo)和背景能進(jìn)行有效的分割。而串行邊界查找法是先檢測到邊緣再串行連接成閉合邊界的方法，這種方法在很大程度上受起始點(diǎn)的影響。 啟發(fā)式邊緣連接技術(shù)。若綜合利用上述兩種方法，就是分裂合并的方法。利用模糊 C 均值(FCM)非監(jiān)督模糊聚類標(biāo)定的特點(diǎn)進(jìn)行圖像分割，可以減少人為的干預(yù)，且較適合圖像中存在不確定性和模糊性的特點(diǎn)。整個分割過程是從粗到細(xì)，有尺度變化來控制，即起始分割由粗略 的 L2(R)子空間上投影的直方圖來實(shí)現(xiàn)，如果分割不理想，則利用直方圖在精細(xì)的子空間上的小波系數(shù)逐步細(xì)化圖像分割。數(shù)學(xué)形態(tài)學(xué)首先被用來處理二值圖像，后來也被用來處理灰度圖像，現(xiàn)在又有學(xué)者開始用軟數(shù)學(xué)形態(tài)學(xué)和模糊形態(tài)學(xué)來解決計算機(jī)視覺方面的問題。 數(shù)學(xué)形態(tài)學(xué)應(yīng)用于圖像分割，具有定位效果好、分割精度高、抗噪聲性能好的特點(diǎn)。選擇何種網(wǎng)絡(luò)結(jié)構(gòu)是這種方法要解決的主要問題。 本章小結(jié) 對圖像分割算法的研究已有幾十年的歷史，借助各種理論至今已提出了上千種各種類型的分割算法。一般假設(shè)在同一區(qū)域內(nèi)特性的變化是平緩，而在區(qū)域的邊界上特性的變化是劇烈的。 XYZ 系統(tǒng)是在 RGB 系統(tǒng)的基礎(chǔ)上用數(shù)學(xué)方法 ， 選用三個理想的原色來代替實(shí)際的三原色。 a 分量代表由綠色到紅色的光譜變化， a 分量包括的顏色是從深綠色（－ 120）到灰色（ 0） 再到 粉紅色（ +120）；而 b 分量代表由藍(lán)色到黃色的光譜變化 ， b 分量則是從亮藍(lán)色（－ 120）到灰色（ 0）再到黃色（ +120）。基于 L*a*b 空間的色彩分割的基本流程如圖 41 所示： 圖 41 基于 L*a*b 空間的色彩分割的基本流程 讀取圖像并選擇合適的樣本區(qū)域 轉(zhuǎn)換色彩空間 根據(jù)樣本區(qū)域的顏色對圖像進(jìn)行分割 繪制散點(diǎn) 圖 開始 結(jié)束 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 16 第一步在讀取圖像時 根據(jù)需要選擇合適的樣本區(qū)域，即為每種顏色的樣本選擇一個很小的樣本區(qū)域，然后計算每個 樣本中這種顏色的平均值。)。)。 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 17 color_markers = repmat(0, [nColors, 2])。 b = double(b)。 segmented_images = repmat(uint8(0),[size(fabric), nColors])。 imshow(segmented_images(:,:,:,2)), %顯示紅色目標(biāo) title(39。紫色目標(biāo) 39。 實(shí)驗結(jié)果如圖 43 所示： 圖 43 圖像顏色分割結(jié)果 最后一步即為繪制散點(diǎn)圖，在散點(diǎn)圖中畫出每種顏色 ，在散點(diǎn)圖中可以看出，六種顏色在 a 和 b 分量下能明顯的分開，每種顏色比分成一塊區(qū)域。, purple, 39。MarkerEdgeColor39。 xlabel(39。39。與圖像分析直接相關(guān)的紋理一般定義為 “一種反映一個區(qū)域中像素灰度級的空間分布屬性 ”，它們反應(yīng)了物體表面顏色和灰度的某種變化，而這些變化又與物體的本身屬性相關(guān)。由于現(xiàn)實(shí)世界的紋理常常由于方位、尺度或其他方面的變化而引起圖像的不一致，上述方法尚難以全面而精確的描述和提取紋理信息，因而能對各種圖像紋理分析都比較全面的例子并不是很多，當(dāng)然 還存在其他一些方法，比如基于小波分析的方法就有著很好的發(fā)展前景，但也存在著算法復(fù)雜度 較高，計算量大，難以實(shí)施等諸多缺點(diǎn)。 使用紋理濾波器分割圖像的基本流程如圖 45所示： 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 21 圖 45 紋理濾波器分割圖像的基本流程 第一步讀取圖像的過程中實(shí)現(xiàn)代碼如下： I = imread(39。 開始 讀取圖像 創(chuàng)建紋理圖像 分別轉(zhuǎn)換灰度、二值圖像 顯示圖像底部紋理 顯示圖像頂部紋理的掩膜圖像 提取圖像的頂部、底部紋理 結(jié)束 使用entropyfilt函數(shù) 使用 bwareaopen函數(shù) 西安石油大學(xué) 本科 畢業(yè)設(shè)計 （論文） 22 圖 46 原始圖像 第二步即為創(chuàng)建圖像的紋理圖像，使用函數(shù) entropyfilt創(chuàng)建一副紋理圖像，這個函數(shù)返回的圖像與輸入圖像的大小相同，每個像素值是輸入相應(yīng)像素值鄰域的熵值。%轉(zhuǎn)化為二值圖像 subplot(122)。 subplot(121) imshow(BWao),title(39。)。%顯示填充后圖像 I2 = I。%創(chuàng)建紋理圖像 e2im=mat2gray(e2)。 texture