【正文】 .............................................................. 3 圖像分割基本概念 ......................................................................................... 3 基于閾值的分割方法 ........................................................................... 4 基于邊緣的分割方法 ........................................................................... 4 基于區(qū)域的分割方法 ........................................................................... 5 結(jié)合特定理論工具的分割方法 ........................................................... 5 灰度直方圖 ........................................................................................... 6 均值濾波 ............................................................................................... 6 GUI 簡(jiǎn)介 ......................................................................................................... 7 本章小結(jié) ......................................................................................................... 8 第 3 章 基于閾值的圖像分割方法的仿真實(shí)現(xiàn) .......................................................... 9 引言 ................................................................................................................. 9 直方圖雙峰法 ................................................................................................. 9 最大類間方差法 ........................................................................................... 11 迭代法 ........................................................................................................... 12 本章小結(jié) ....................................................................................................... 13 第 4 章 基于邊緣的圖像分割方法的仿真實(shí)現(xiàn) ........................................................ 14 引言 ............................................................................................................... 14 梯度算子 ....................................................................................................... 14 拉普拉斯算子 ............................................................................................... 15 Canny 算子 .................................................................................................... 15 IV 結(jié)果分析 ....................................................................................................... 16 本章小結(jié) ....................................................................................................... 18 第 5 章 基于區(qū)域的圖像分割方法的仿真實(shí)現(xiàn) ........................................................ 19 引言 ............................................................................................................... 19 區(qū)域生長(zhǎng)法 ................................................................................................... 19 區(qū)域分離與合并法 ....................................................................................... 21 本章小結(jié) ....................................................................................................... 23 結(jié)論 .............................................................................................................................. 24 參 考 文 獻(xiàn) ................................................................................................................ 25 致 謝 ...................................................................................................................... 26 附錄 1：仿真完整程序 ................................................................................................. 1 附錄 2：外文翻譯 ....................................................................................................... 13 圖像區(qū)域分割算法設(shè)計(jì) 1 圖像區(qū)域分割算法設(shè)計(jì) 第 1 章 緒論 選題的背景及 意義 在一副圖像中，我們常常只對(duì)其中的某些目標(biāo)感興趣，對(duì)于這些我們感興趣的目標(biāo)，它們通常在要分割的圖像中占據(jù)一定的區(qū)域，而且在某些特性上與周圍的圖像存在一定的差別。由此可知，圖像分割在圖像工程中占據(jù)非常重要的位置。 圖像區(qū)域分割算法設(shè)計(jì) 2 圖像分割在圖像工程中起著承上啟下的作用，是介于低層次處理和高層次處理的中間層次。醫(yī)學(xué)圖像處理中的病理圖像分割、工業(yè)圖像分割、交通圖像處理中的車牌識(shí)別等都是近幾年來圖像分割領(lǐng)域中討論較多的熱點(diǎn)問題。圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。 P(???? ∪????) =FALSE表明在分割結(jié)果中同一個(gè)子區(qū)域的像素應(yīng)當(dāng)是連通的，也就是說同一個(gè)子區(qū)域內(nèi)的任意的兩個(gè)像素在該子區(qū)域內(nèi)是互相連通的。它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。在重視運(yùn)算效率的應(yīng)用場(chǎng)合 (如用于硬件實(shí)現(xiàn) )，它得到了廣泛應(yīng)用。而串行邊界查找法是一種先檢測(cè)到邊緣再串行連接成閉合邊界的方法，這種方法受起始點(diǎn)的影響的程度較大。 區(qū)域生長(zhǎng)方法從若干種子或種子區(qū)域出發(fā)，按照一定的生長(zhǎng)準(zhǔn)則，對(duì)鄰域像素點(diǎn)進(jìn)行判別并連接，直到完成所有像素點(diǎn)的連接。其關(guān)鍵在于標(biāo)號(hào)相容模型和迭代方法的收斂性。由于形態(tài)學(xué)對(duì)圖像分割具有優(yōu)異的特性，使其在未來的圖像分割中起主導(dǎo)作用。從概率的觀點(diǎn)來理解，灰度出現(xiàn)的頻率可看作其出現(xiàn)的概率，這樣直方圖就對(duì)應(yīng)于概率密度函數(shù) 。 如圖 所示， 均值濾波本身存在著固有的缺陷，即它不能很好地保護(hù)圖像細(xì)節(jié)，在圖像去噪的同時(shí)也破壞了圖像的細(xì)節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點(diǎn)。用戶圖形界面應(yīng)當(dāng)是易理解且操作是可以預(yù)告的，所以當(dāng)用戶進(jìn)行某一項(xiàng)操作，它知道如何去做。但我們還可以用函數(shù) figure 來創(chuàng)建空?qǐng)D象窗口，空?qǐng)D象窗口經(jīng)常用于放置各種類型的組件。灰度直方圖作為研究圖像的一種手段十分重要，閾值分割法主要就是以灰度直方圖為依據(jù)。這兩類像素一般屬于圖像中的兩類區(qū)域，所以對(duì)像素根據(jù)閾值分類達(dá)到了區(qū)域分割的目的。 若灰度圖像的直方圖，其灰度級(jí)范圍 i = 0,1,?,L?1， 當(dāng)灰度級(jí)為 k時(shí)的像素?cái)?shù)為 ????，則一幅圖像的總像素?cái)?shù) N如式 3?2 所示： N = ∑???????1??=0= ??0 + ??1 + ?+ ?????1 （ 3? 2） 灰度級(jí) i出現(xiàn)的概率如 3?3 所示： ???? = ?????? = ??????0+??1+?+?????1 （ 3? 3） 圖像區(qū)域分割算法設(shè)計(jì) 10 當(dāng)圖像的灰度直方圖為雙峰分布的時(shí)候，圖像的內(nèi)容大致為兩部分，分別為灰度分布的兩個(gè)山峰的附近。圖像區(qū)域分割算法設(shè)計(jì) 11 但是在圖中也可以看出，這種方法有局限性，就是要求圖像的灰度直方圖必須具有雙峰性，也就是說，圖像的目標(biāo)和背景必須形成較大的反差，如該圖中，人物和背景灰度差距很大，才能得到比較理想的仿真結(jié)果。從而克服了其他普通的圖像分割算法由于沒有充分考慮到圖像像素的整體分布和灰度特征，而產(chǎn)生的誤分割、圖像細(xì)節(jié)無法清晰表現(xiàn)、圖像區(qū)域紊亂以及邊界模糊不清等一系列不良效果。 對(duì)某些特定圖像，微小數(shù)據(jù)的變化卻會(huì)引起分割效果的巨大改變，兩者的數(shù)據(jù)只是稍有變化，但分割效果卻反差極大。一條邊緣是一組相連的像素組合，這些像素位于兩個(gè)區(qū)域的邊界上。其中， Canny 算子是最優(yōu)邊緣檢測(cè)算子。常用的梯度算子主要有Roberts 算子， Prewitt 算子和 Sobel 算子。 Sobel算子是一組方向算子，從不同的方向檢測(cè)邊緣。 拉普拉斯算子檢測(cè)方法常常產(chǎn)生雙像素邊界，而且這個(gè)檢測(cè)方法對(duì)圖像中的噪聲相當(dāng)敏感，不能檢驗(yàn)邊緣方向。針對(duì)不同的算子，分別選取分割較好的閾值進(jìn)行分割。 圖像區(qū)域分割算法設(shè)計(jì) 19 第 5 章 基于區(qū)域的圖像分割方法的仿真實(shí)現(xiàn) 引言 基于區(qū)域的分割是圖像分割中一種重要的分割方法，其定義為按照選定的一致性準(zhǔn)則將圖像劃分為互相不交疊的、連通的像元集的處理過程，它彌補(bǔ)了閾值分割沒有考慮空間信息的不足，解決了邊緣檢測(cè)的區(qū)域連續(xù)性和封閉性的難點(diǎn)，在圖像分割方法中有很強(qiáng)的優(yōu)勢(shì)。將這些新像素當(dāng)做新的種子像素繼續(xù)進(jìn)行上面的過程，直到再?zèng)]有滿足條件的像素可被包括進(jìn)來。在分割的圖像中，沒有區(qū)域比這個(gè)閾值小，它由用戶定義。也就是說，對(duì)整幅圖像如果P(R) = FALSE，那么就將圖像分成四等分。 從圖 55(b)可以看出，區(qū)域分割與合并算法在處理效果上兼具區(qū)域生長(zhǎng)法 和閾值法兩種算法的優(yōu)點(diǎn)，但它也有它的不足，一方面，分裂如果不能深達(dá)象素級(jí)，就會(huì)降低分割精度；另一方面，深達(dá)象素級(jí)的分裂會(huì)增加合并的工作量，從而大大提高其時(shí)間復(fù)雜度。區(qū)域生長(zhǎng)比區(qū)域分裂合并的方法節(jié)省了分裂的過程，而區(qū)域分裂合并的方法可以在較大的一個(gè)相似區(qū)域基礎(chǔ)上再進(jìn)行相似合并，而區(qū)域生長(zhǎng)只能從單一像素點(diǎn)出發(fā)進(jìn)行生長(zhǎng)（合并）。可以在這些方面對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行改進(jìn)