【正文】 抑制噪聲和邊緣精確定位是無法同時得到滿足的，也就是說，邊緣檢測算法通過圖像平滑算子去除了噪聲，但卻增加了邊緣定位的不確定性；反過來，若提高邊緣檢測算子對邊緣的敏感性，同時也提高了對噪聲的敏感性?？偨Y前面所述的基本分裂合并算法步驟如下：（1） 對任一個區(qū)域，如果就將其分裂成不重疊的4等分；（2） 對相鄰的兩個區(qū)域和它們也可以大小不同，即不在同一層，如果條件滿足，將它們合并起來；（3） 如果進一步的分裂合并都不可能了，則結束。在決定對區(qū)域的合并時也可以利用對目標形狀的檢測結果，常用的方法有兩種：（1） 把圖像分割成灰度固定的區(qū)域，設兩鄰接區(qū)域的周長分別為和，把兩區(qū)域共同邊界線兩側灰度差小于給定值的那不凡長度設為L，如果（為預定閾值）： （436）則合并兩區(qū)域；（2） 把圖像分割成灰度固定的區(qū)域，設兩鄰接區(qū)域的共同邊界長度B，把兩區(qū)域共同邊界線兩側灰度差小于給定值的那部分長度設為L，如果（為預定閾值） （437）則合并兩區(qū)域。 另外，當圖像中存在緩慢變化的區(qū)域時，上述方法有可能會將不同區(qū)域逐步合并而產生錯誤。例如，在紅外圖像檢測技術中，通常目標的輻射都比較大，所以可以選擇圖像中最亮的像素作為種子像素。 閾值分割的方法很多，每一種方法幾乎都有其獨特指出和實際應用的背景。然后可對每個子圖像計算一個閾值，此時閾值可用任一種固定閾值法選取。閾值也可以通過迭代計算得到。 將圖像的灰度直方圖的包絡看作一條曲線，則選取直方圖的谷可借助求曲線極小值的方法。 已提出的閾值化分割算法很多，相應的分類方法也很多，例如，對文檔圖像的閾值化技術可油種分類的方法：（1） 考慮分割過程是否需要人工干預，可分為交互的與自動的；（2） 根據閾值的不同作用范圍，可分為全局的與局部的；（3） 考慮閾值選取中所采用的灰度分布統計特性，可分為上下文相關與上下文無關的，前者基于灰度分布的一階統計，后者基于灰度分布的二階統計；（4） 從處理策略角度考慮，可分為迭代的與非迭代的；（5） 根據為進行分割是否選用訓練像素集以估計目標或背景的特性參數，可分為有監(jiān)督的與無監(jiān)督的。最常用的模型可描述如下：假設圖像由具有單峰灰度分布的目標和背景組成，處于目標和背景內部相鄰像素間的灰度值是高度相關的，但處于目標和背景交界處兩邊的像素在灰度值上有很大的差別。信噪比定義為： （413）其中G（x）代表邊緣函數，h(x)代表寬度為W的濾波器的脈沖響應。一般來說，使用大σ值的濾波器產生魯棒邊緣，小σ值的濾波器產生精確定位的邊緣，兩者結合，能夠檢測出圖像的最佳邊緣。所以，在邊緣檢測前，必須濾除噪聲。Prewitt與Sobel算子的方程完全一樣，只是常系數c=1。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。習慣上邊緣的表示采用順時針方向來排序。圖像分析和理解的第一步常常是邊緣檢測（Edge Detection）。條件①指出對一幅圖像所得的全部子區(qū)域的綜合（并集）應能包括圖像中所有像素（就是原圖像），或者說分割應將圖像的每個像素都分進某個區(qū)域中。MATLAB預定義的形態(tài)學操作有二值圖像的腐蝕、膨脹，開運算、閉運算等數學形態(tài)學算法和對象標識和測量算法。這些年來，國外許多不同應用領域的專家使用MATLAB開發(fā)出了相當多的應用程序。在數學科學、應用科學和工程計算領域，常常會遇到符號計算問題。MATLAB以矩陣作為基本編程單元，將數值分析、矩陣計算、科學數據可視化以及非線形動態(tài)系統的建模和仿真等許多強大功能集成在一個易于使用的視窗環(huán)境之中，為科學研究、工程設計以及必須進行有效數值計算的眾多學科領域提供了一個簡捷、高效大編程工具，為數據分析和數據可視化、算法和應用程序開發(fā)提供了最核心的數學和高級圖形工具。 圖像增強和復原的目的是為了提高圖像的質量，如去除噪聲，提高圖像的清晰度等。分形維數特征對圖像尺度變換不敏感，與人對物體表面粗糙度的判斷有很大的相關性，由于許多自然紋理都具有線形對數功率譜，而分形維數就對應于這種線形對數功率譜斜率的估計值，因而用分形維數描述自然紋理有一定的合理性。特征提取是圖像分割最重要的問題之一，能否抽取出有效的特征值對分割結果有很大的影響，如果沒有好的特征值，分類方法再好也無法獲得理想的結果。要將這樣高速率的數據實時傳送出去，必須采用編碼技術來壓縮信息的比特量。許多國家每天派出很多偵察飛機對地球上有興趣的地區(qū)進行大量的空中攝影。只要圖像在數字化時準確地表現了原稿，則數字圖像處理過程始終能保持圖像的再現。關鍵詞：圖像處理 圖像分割 AbstractThis article analyses the application effect to the classics image segmentation method like the edge examination, territory value division technology, and the region growth and so paring the Roberts operator, Sobel operator, Prewitt operator, the operator of Laplacian and the operator of LoG(LaplacianGauss),Canny operator in gradient algorithm,the step, the way and the standard of the image segmentation,we can find out the three standard of Canny edge operator the edge detection result of reaching most satisfy. And the key point of threshold segmentation lie in fixing the threshold value, it is good to have only threshold value to determine it then can be effective to divide object and background,but this kind of method is good to those gray scales,the big difference image effect between the background and obiect. The basic idea of area is to form the new region from similar also, this paper analyses the research direction of image segmentation technology at the same time.Key words: image processing image segmentation operator目 錄（一般目錄要求最多是三級目錄，不要出現四級目錄）第一章 緒論 1 1，處理信息量很大（三級標題有問題） 1 2，其相關性大 2 2 2 2 2 3 3 3 4 4 5 5 5 5 6 6 基于分形的圖像分割技術 6 基于神經網絡的圖像分割技術 7 8第二章 數字圖像處理的處理方式 9 9 9 9 9 10（識別） 10第三章 MATLAB平臺及其開發(fā)環(huán)境 11 11 11 12 12 12 12 13 13 13，可擴展性強 13，編程效率高 14，靈活且方便 14 14第四章 圖像分割概念及算法研究 16 16 16（） 17 17 19 19 20 21 21（Laplacian）算子 22(LaplacianGauss)算子 24（Canny）算子 25 27 28 28 29 30 31 31 33 34 35 35 3步驟及流程圖 37 40 40 41 42 43第五章 總結 45 45 45 46（改進可另外做為一章比如說某某算法等的若干改進等，不要放入總結一章中）（總結是對整篇文章的一個概述，應該是寫比如得出些什么結論，一些算法間比較等相關問題。所以在成像、傳輸、存儲、處理、顯示等各個環(huán)節(jié)的實現上，技術難度較大，成本亦高，這就對頻帶壓縮技術提出了更高的要求?；叵胍幌聢D像的模擬處理，為了要把處理精度提高一個數量級，就要大幅度地改進處理裝置，這在經濟上是極不合算的。這些圖像在空中先處理（數字化，編碼）成數字信號存入磁帶中，在衛(wèi)星經過地面站上空時，再高速傳送下來，然后由處理中心分析判讀。 在軍事方面圖像處理和識別主要用于導彈的精確末制導，各種偵察照片的判讀，具有圖像傳輸、存儲和顯示的軍事自動化指揮系統，飛機、坦克和軍艦模擬訓練系統等；公安業(yè)務圖片的判讀分析，指紋識別，人臉鑒別，不完整圖片的復原，以及交通監(jiān)控、事故分析等?；谀Ｐ偷姆椒ㄗ畹湫偷哪Ｐ椭饕袃煞N：分形幾何模型與隨機模型。使用這種方法，在神經網絡學習階段需要大量的已知閾值的樣本圖像，以用于調節(jié)網絡參數產生合適的輸出。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎。MATLAB不但允許用戶交互地即算的小程序，也允許建立完整和復雜的龐大應用程序。MATLAB提供了一個模擬動態(tài)系統的交互式Simulink，允許用戶在屏幕上繪制框圖來模擬一個系統，并能動態(tài)地控制該系統。，靈活且方便MATLAB具有靈活的二維與三維繪圖功能，在程序的運行過程中。圖像分割是由圖像處理轉到圖像分析的關鍵。另外，上述這些條件不僅定義了分割，也對進行分割有指導作用。在實際中，階躍和線條邊緣圖像是很少見的，由于大多數傳感元件具有低頻特性，使得階躍邊緣變成斜坡型邊緣，線條邊緣變成屋頂形邊緣，其中的亮度變化不是瞬間的，而是跨越一定的距離。在實際應用中，邊緣點和邊緣段都稱為邊緣。在邊緣檢測算法中，前3個步驟用得十分普遍。下面用其中的Prewitt算子檢測圖像42（a），檢測結果如圖42（b）所示。這一點可以用二階導數的零交叉點來實現。（Canny）算子 檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點。坎尼邊緣檢測的算法步驟如下：（1） 用高斯濾波器平滑圖像；（2） 用一階偏導的有限差分來計算梯度的幅值和方向；（3） 對梯度幅值進行非極大值抑制；（4） 用雙閾值算法檢測和連接邊緣。 把圖像中各種灰度的像素分成兩個不同的類，需要確定一個閾值。 上面確定第一類閾值的技術有時稱為點相關技術，而確定第二類閾值的技術有時間稱為區(qū)域相關技術，確定第三類閾值的技術有時稱為動態(tài)閾值技術。實際中常希望能盡可能減少誤分割（包括把目標分成背景和把背景分成目標兩類）的概率，而選取最優(yōu)閾值是一種常用的方法。程序清單見附錄。利用圖46來說明水線閾值算法的原理。 (a)原始圖像 （b）高帽變換圖像 (c)低帽變換圖像 （d）高帽與低帽相減后的圖像 (e)進一步增強圖像 (f)水線閾值分割圖像圖410 水線閾值法分割、步驟及流程圖區(qū)域生長的基本思想是將具有相似性質的像素集合起來構成區(qū)域。另外，還需要考慮像素間的連通性是否有時會出現無意義的分割結果。當用式（430）測試某個像素時，條件不成立的概率為： （431）這就是誤差概率函數，當T取3倍的方差時，誤判概率為1～%。然后再合并或分裂這些區(qū)域以滿足分割的要求。Threshold是一個可選參數，如果某個子區(qū)域中的最大的像素灰度值減去最小的像素灰度值大雨Threshold設定的閾值，那么繼續(xù)進行分解，否則停止并返回。閾值分割的關鍵在于閾值的確定，只有閾值確定好了才能有效的劃分物體與背景。檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點。如此類推，直到為單個像素。這里對灰度分布的相似性常用兩種方法檢測（設，分別為兩鄰接區(qū)域的累積灰度直方圖）：Kolmogorov—Smirnov檢測 （434）Smoothed—Difference檢測 （435）如果檢測結果小于給定的閾值，即將兩區(qū)域合并。生長準則可根據不同原則制定，而使用不同的生長準則會影響生長的過程。設這里采用的判斷準則是：如果所考慮的像素與種子像素灰度差的絕對值小于某個門限T，則將該像素包括進種子像素所在區(qū)域。然后，當閾值逐漸減小并逼近最佳閾值時，不再合并原已分開的目標。一種比較簡單的動態(tài)閾值算法是對每個像素確定以它為中心的一個窗口，計算窗口內的最大值和最小值，再取它們的平均值作為該點的閾值，可以證明圖像像素點灰度值和該閾值的差具有二階導數的性質，所以取差的過零點就可以得到二值分割結果。如果能求得這些參數。所確定的閾值（對多閾值分割是閾值序列）作用于整幅圖像的每個像素，因而對目標和背景的灰度有梯度變化的圖像效果較差或失效。在一般的多閾值情況下，取閾值分割后的圖像可表示為：