【正文】 .......................................................... 1 ......................................................................................................... 2 .................................................................................................. 3 第二章 圖像分割方法及實(shí)現(xiàn) ............................................................................................ 5 ................................................................................... 5 ............................................................................. 5 基于邊緣檢測(cè)圖像分割的幾種算子 ........................................................... 6 ................................................................................................ 11 .................................................................................. 11 ......................................................................................... 12 ......................................................................................... 17 ........................................................................... 17 ........................................................................... 18 區(qū)域生長(zhǎng)準(zhǔn)則和過(guò)程 .............................................................................. 20 兩種 方法的比較 ..................................................................................... 24 四叉樹分解法 ........................................................................................ 24 第三章 實(shí)驗(yàn)結(jié)果 ........................................................................................................... 26 .................................................................................. 26 ..................................................................................... 28 基于區(qū)域的分割方法 ........................................................................................ 29 第四章 實(shí)驗(yàn)結(jié)果分析 .................................................................................................... 30 ......................................................................................... 30 ..................................................................................... 30 ............................................................................................ 31 第五章 總結(jié)與展望 ........................................................................................................ 32 第六章 致 謝 ............................................................................................................... 34 參考文獻(xiàn) ........................................................................................................................ 35 附錄程序源碼 ................................................................................................................. 36 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 1 第一章 緒論 為了得到人們需要的信息，需對(duì)圖像進(jìn)行處理，圖像處理技術(shù)應(yīng)運(yùn)而生。通過(guò)多次的實(shí)驗(yàn)過(guò)后，總結(jié)出一般的圖像分割處理可以用 EDGE 函數(shù)。因此在應(yīng)用上圖像分割是圖像處理到圖像分析的關(guān)鍵步驟。 關(guān)鍵字 圖像處理，圖像分割，閾值法，邊緣檢測(cè)，區(qū)域檢測(cè) ABSTRACT The image division is refers to image dissection Cheng Geju 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 the attribute and the characteristic region and withdraws feels the interest goal the technology and the process, it is one which the puter vision domain expands important and basic question, division result quality immediate influence to vision system39。圖像分割就是將圖像分成各具特性的區(qū)域并提取出需要研究的目標(biāo)的技術(shù)和過(guò)程?？茖W(xué)研究和實(shí)驗(yàn)結(jié)果表明，人類從外界獲得信息的 80%來(lái)源于視覺(jué)系統(tǒng)和感知系統(tǒng)，也可以說(shuō)，人類所視、所感、所得的大部分信息都是從圖像中獲得的。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 3 圖像分割的定義 圖像分割就是按照一定的原則和規(guī)則將一幅圖像或景物分為若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域部分或子集，并提取出感興趣目標(biāo)前景的技術(shù)和過(guò)程。也即子集中的所有像素總和應(yīng)于并集 R 中的像素總和相等。 上面的定義，不僅僅明確闡明了圖像分割的含義，而且對(duì)圖像進(jìn)行分割也有相當(dāng)?shù)闹笇?dǎo)作用。 圖像邊緣的確定和提取對(duì)于整個(gè)圖像場(chǎng)景的識(shí)別與理解是很重要的。邊緣增強(qiáng)一般是通過(guò)計(jì)算梯度幅值來(lái)完成。 Prewitt 算子模板可表示： 用模板表示為： 1 0 11 0 11 0 1xd?????????， 111000111yd?????????? 圖 22 Prewitt 算子模板 Canny 算子： canny 算子邊緣檢測(cè)是運(yùn)用高斯函數(shù)的一階微分，在噪聲和邊緣檢測(cè)之間尋求較好的平衡，其表達(dá)式近似于高斯函數(shù)的一階導(dǎo)數(shù)，canny 算子對(duì)噪聲有最好的抑制作用。 ③ 單邊緣響應(yīng)準(zhǔn)則。這種方法的特點(diǎn)是圖像首先與高斯濾波器進(jìn)行卷積，即平滑了圖像又降低了噪聲。 MATLAB 圖像處理工具箱提供了 edge 函數(shù)利用以上算子來(lái)檢測(cè)灰度圖像的邊緣。經(jīng)閾值處理過(guò)的圖像 g（ x， y）定義為： ? ?? ?1,( , )0,F x y TB x y F x y T???? ? ??? (210) 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 12 因此標(biāo)記為 1 的像素對(duì)應(yīng)于目標(biāo)，標(biāo)記為 0 的像素對(duì)應(yīng)于背景，由此產(chǎn)生圖像則為二值圖像。圖像二值化過(guò)程就是在直方圖上尋找兩個(gè)峰、一個(gè)谷來(lái)對(duì)一個(gè)圖像進(jìn)行分割，也可以通過(guò)用兩級(jí)函數(shù)來(lái)近似直方圖 [4]。)。直接應(yīng)用大津法計(jì)算量較大，因此在實(shí)現(xiàn)時(shí)采用了等價(jià)的公式 ? ?0 1 0 1 2g w w u u? ? ? ? (216) 在 MATLAB 中， graythresh 函數(shù)實(shí)現(xiàn)用大津法計(jì)算全局圖像的閾值。) level=graythresh(I)。 (3)迭代閾值圖像分割方法 迭代式閾值選取的基本思路是 :首先根據(jù)圖像中物體的灰度分布情況，選取一個(gè)近似閾值作為初始閾值，一個(gè)較好的方法就是將圖像的灰度均值作為初始閾值；然后通過(guò)分割圖像和修改閾值的迭代過(guò)程獲得認(rèn)可的最佳閾值[5]。如此反復(fù)迭帶直到開關(guān)函數(shù)不在發(fā)生 變化，此時(shí)得到的前景和背景即為最終分割結(jié)果。圖像灰度分割技術(shù)沒(méi)有考慮圖像像素之間的連通性，而區(qū)域生長(zhǎng)則將考慮區(qū)域連通性的情況下 ,進(jìn)行圖像分割。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(guò)程，直到再?zèng)]有滿足條件的像素可被包括進(jìn)來(lái)。由此可見(jiàn)閾值的選擇是很重要的。 第二個(gè)問(wèn)題的解決不但依賴具體問(wèn)題的特征，還與圖像的數(shù)據(jù)類型有關(guān)。生長(zhǎng)準(zhǔn)則可根據(jù)不同原則制定，而使用不同的生長(zhǎng)準(zhǔn)則會(huì)影響區(qū)域生長(zhǎng)的過(guò)程。 區(qū)域生長(zhǎng)的過(guò)程中，要求圖像的同一區(qū)域的灰度值變化盡可能小，而不同的區(qū)域之間，灰度差盡可能大。 這里對(duì)灰度分布的相似性常用兩種方法檢測(cè) (設(shè) ??1hz， ??2hz分別為兩鄰接區(qū)域的累積灰度直方圖 ): KolmogorovSmirnov 檢測(cè) : ? ? ? ?12m a xz h z h z? (223) SmoothedDifference 檢測(cè) : ? ? ? ?12z h z h z?? (224) 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 23 如果檢測(cè)結(jié)果小于給定的閾值，即將兩區(qū)域合并。 ①區(qū)域生長(zhǎng)法的主要思想是根據(jù)一定的相似性準(zhǔn)則，將圖像中滿足相似性準(zhǔn)則的子像素合為一個(gè)大區(qū)域； ②區(qū)域分裂法是從圖像的整體出發(fā)，根據(jù)圖像的不均勻性，把圖像分割成不相同的子區(qū)域，或根據(jù)圖像的或區(qū)域的均勻性把相似的子區(qū)域合并成較大的區(qū)域。從最高層開始，把 R 連續(xù)地分裂成越來(lái)越小的 1/4 的正方形子區(qū)域 iR ，并且始終使 ? ?iP R TRUE? 。 如果進(jìn)一步的分裂或合并都不可能了，則結(jié)束。但是利用 roberts算子提取邊緣的結(jié)果邊緣比較粗，因此邊緣定位不是很準(zhǔn)確。因此，這種方法不容易被噪聲“填充”，更容易檢測(cè)出真正的弱邊緣。盡管人們?cè)诨叶葓D像的分割方面做了許多研究工作，但是由于尚無(wú)通用的分割理論，因此現(xiàn)己提出的分割算法大都是針對(duì)具體問(wèn)題的，并沒(méi)有一個(gè)適合于所有灰度圖像的通用的分割算法。最后詳細(xì)介紹了圖像分割算法在門牌號(hào)識(shí)別系統(tǒng)中的應(yīng)用，本此方法的應(yīng)用很簡(jiǎn)單、穩(wěn)定有效，因而應(yīng)用比較廣泛。 (3)新方法、新 概念的引入和多種方法的綜合運(yùn)用。另外，在課題的研究中，論文所引參考文獻(xiàn)的作者們留下的大量寶貴資料，為課題的頃利完成提供了有力支撐，在此向他們表示衷心的感謝 。)。 [vals,r,c]=qtgetblk(I,N,2)。size(vals2)。 BW1=edge(I,39。 subplot(1,2,2)。 BW1=edge(I,39。 subplot(1,2,2)。 imhist(I)。) level=graythresh(I)。)。 ForegroundSum=0。 ZB=BackgroundSum/iBackground。 subplot(121),imshow(I) subplot(122),imshow(newI) （ 7） 下面就用 edge