【正文】 四年的風(fēng)風(fēng)雨雨，我們一同走過，充滿著關(guān)愛，給我留下了值得珍藏的最美好的記憶。本次畢業(yè)設(shè)計是對我大學(xué)四年學(xué)習(xí)下來最好的檢驗。盡我所知，除文中已經(jīng)特別注明引用的內(nèi)容和致謝的地方外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。 %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時停止 break。 plot(fxy)。 S0=。 %大于閾域值圖像點個數(shù)累加 else S0=S0+double(I(i,j))。 %在閾值T下，迭代閾值的計算過程 end end count %顯示運行次數(shù)T %顯示最佳閾值 算出Tbw1=im2bw(I,T/255)。 b=double(I)。imshow(BW1)。elseT=(T0+T1)/2。) [x,y]=size(Im)。 展望圖像分割是圖像理解與計算機視覺領(lǐng)域國際學(xué)術(shù)界公認(rèn)的將會長期存在的最困難的問題之一，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。5．小結(jié) 本文主要工作總結(jié)通過對大量文獻(xiàn)的閱讀，在對圖像分割領(lǐng)域研究現(xiàn)狀和研究內(nèi)容有了一定了解的基礎(chǔ)上，本文圍繞圖像分割技術(shù)的理論基礎(chǔ)及其實際應(yīng)用情況，主要進(jìn)行了以下幾個方面的研究工作： 1對圖像分割的概念進(jìn)行詳細(xì)的陳述。 Log算子，其分割圖像中所含非邊緣點較少，而且主要邊緣大部分被保留，但是還是去掉了很多真邊緣點。閾值分割法的結(jié)果很大程度上依賴于對閾值的選擇, 因此該方法的關(guān)鍵是如何選擇合適的閾值。(2)算法的高效性和準(zhǔn)確性。但對于邊緣復(fù)雜、采光不均勻的圖像來說,則效果不太理想,主要表現(xiàn)在邊緣模糊、弱邊緣丟失和整體邊緣不連續(xù)等方面。Sobel 在Prewitt 算子的基礎(chǔ)上，對4鄰域采用帶權(quán)的方法計算差分，該算子不僅能檢測邊緣點，且能進(jìn)一步抑制噪聲的影響，但檢測的邊緣較寬。（2）多閾值分割在多閾值分割中，分割是根據(jù)不同區(qū)域的特點得到幾個目標(biāo)對象，所以提取每一個目標(biāo)需要采用不同的閾值，也就是說要使用多個閾值才能將它們分開，這就是多閾值分割。程序的實現(xiàn)：通過數(shù)組記錄直方圖中的各像素點值的個數(shù)， 再對逐個像素值進(jìn)行掃描。閾值法的缺點是當(dāng)圖像中不存在明顯的灰度差異或灰度值范圍有較大的重疊時，分割效果不理想。圖像分割是指將圖像劃分為與其中含有的真實世界的物體或區(qū)域有強相關(guān)性的組成部分的過程。近年來，圖象分割在對圖象的編碼中也起到越來越重要的作用，例如國際標(biāo)準(zhǔn)MPEG一4中模型基/目標(biāo)基編碼等都需要基于分割的結(jié)果。對本研究提供過幫助和做出過貢獻(xiàn)的個人或集體，均已在文中作了明確的說明并表示了謝意。本人完全意識到本聲明的法律后果由本人承擔(dān)。正式“集合”定義： 令集合 R 代表整個圖象區(qū)域，對R的分割可看作將R分成若干個滿足如下五個條件的非空的子集（子區(qū)域）：（1）（分割所得全部子區(qū)域的總和（并集）應(yīng)能包括圖象中所有象素或?qū)D象中每個象素都劃分進(jìn)一個子區(qū)中）（2）對所有的i 和j ,有Ri ∩ Rj = 248。本文對傳統(tǒng)的圖像分割方法進(jìn)行分析。它可以分為全局閾值分割和局部閾值分割。（3）迭代法（最優(yōu)方法）它基于逼近的思想，基本算法如下：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：，根據(jù)閾值將圖像分割為前景和背景，分別求出兩者的平均灰度值和；2 求出閾值；3 如果；則所得即為閾值；否則轉(zhuǎn)2迭代計算。常見的邊緣剖面有3種：（1） 階梯狀邊緣：階梯狀的邊緣處于圖像中兩個具有不同灰度值的相鄰區(qū)域之間，可用二階導(dǎo)數(shù)的過零點檢測邊緣位置；（2）脈沖狀邊緣：主要對應(yīng)細(xì)條狀的灰度值突變區(qū)域，通過檢測二階導(dǎo)數(shù)過零點可以確定脈沖的范圍；（3） 屋頂狀邊緣：屋頂狀邊緣位于灰度值從增加到減少的變化轉(zhuǎn)折點，通過檢測一階導(dǎo)數(shù)過零點可以確定屋頂位置。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。當(dāng)需要提取多空間范圍內(nèi)的變化特性時,要考慮多算子的綜合應(yīng)用。在區(qū)域合并方法中，輸入圖像往往分為多個相似的區(qū)域，然后類似的相鄰區(qū)域根據(jù)某種判斷準(zhǔn)則迭代進(jìn)行合并。用邊緣檢測法對圖像進(jìn)行分割：邊緣是圖像的最基本的特征, 邊緣中包含著有價值的目標(biāo)邊界信息, 這些信息可以用作圖像分析、目標(biāo)識別。從目前的文獻(xiàn)來看，已有學(xué)者在這方面做了一些工作。（2）從實驗現(xiàn)象中可以看出，圖像中的目標(biāo)和背景灰度差異不明顯或灰度值范圍有重疊的地方分割效果不明顯，這一塊的背景和目標(biāo)就沒有得到很好的區(qū)分，而其他灰度差異比較大的地方分割效果較好。6．致謝本次畢業(yè)設(shè)計是在王鳳琴老師的悉心指導(dǎo)下完成的，從課題的選擇到項目的最終完成，王老師始終給我細(xì)心指導(dǎo)和不懈的支持，她嚴(yán)謹(jǐn)細(xì)致的作風(fēng)深深感染了我，在我做這個項目遇到困難的時候，在我想對論文中的難點想退卻的時候，也是王老師始終沒有放棄的幫助我，讓我最終可以完成這個項目。 S0=。39。39。 n0=。 %畫出灰度直方圖[x,y]=size(I)。 else T=(T0+T1)/2。 %大于閾域值圖像點灰度值累加 n1=n1+1。 % 記錄幾次循環(huán) while 1 % 迭代最佳閾值分割算法 count=count+1。 bw=vertcat(bw5,bw6)。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設(shè)計（論文）不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。郭謙功老師淵博的知識、嚴(yán)謹(jǐn)?shù)淖黠L(fēng)和誨人不倦的態(tài)度給我留下了深刻的印象。他無論在理論上還是在實踐中，都給與我很大的幫助，使我得到不少的提高這對于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝他耐心的輔導(dǎo)。四年的大學(xué)生活就快走入尾聲，我們的校園生活就要劃上句號，心中是無盡的難舍與眷戀。本人愿意按照學(xué)校要求提交學(xué)位論文的印刷本和電子版，同意學(xué)校保存學(xué)位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復(fù)制手段保存設(shè)計（論文）；同意學(xué)校在不以營利為目的的前提下，建立目錄檢索與閱覽服務(wù)系統(tǒng)，公布設(shè)計（論文）的部分或全部內(nèi)容，允許他人依法合理使用。4運用MATLAB軟件進(jìn)行實驗，展示實驗現(xiàn)象，得到了較好的效果，根據(jù)實驗現(xiàn)象對圖像分割進(jìn)行分析，總結(jié)本次圖像分割方案的優(yōu)缺點。 %大于閾域值圖像點灰度值累加 n1=n1+1。 else T=(T0+T1)/2。 %畫出灰度直方圖[x,y]=size(I)。 n0=。 %小于閾域值圖像點灰度值累加 n0=n0+1。 I=subimg1。canny39。 %大于閾域值圖像點個數(shù)累加 else S0=S0+double(Im(i,j))。 Im=rgb2gray(Init)。②每幅圖像的分割是任意的，假如有一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域，而根據(jù)統(tǒng)計結(jié)果對其進(jìn)行分割，也許會產(chǎn)生更差的結(jié)果。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，或者說有明顯的對比，根據(jù)區(qū)域間的特性對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，對于圖像中相鄰接的兩個區(qū)域來說，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榷瓤梢园聪率絹碛嬎悖? (1) 事實上式(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)域間的對比度，當(dāng)一幅圖像有多個區(qū)域時，可利用式(1)分別計算兩兩間的區(qū)域間的對比度再求和[16]。4．實驗結(jié)果及分析 實驗結(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后的圖片，再將這個圖片分割為四個小圖片，每一個圖片的直方圖如下: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 實驗結(jié)果分析由灰度圖片的直方圖可以看出，這個直方圖有多個峰值，不滿足雙峰法的兩個波峰一個波谷的條件，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像素，因此，對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。此法對噪聲也很敏感, 會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使本來分開的區(qū)域連接起來[4]。區(qū)域生長法、分裂合并法：區(qū)域生長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。雖然這兩個算子邊緣定位效果不錯, 但檢測出的邊緣容易出現(xiàn)多像素寬度。傳統(tǒng)的邊緣檢測算法通過梯度算子來實現(xiàn)，在求邊緣的梯度時，需要對每個象素位置計算。在這些情況下，閾值的選取不是一個固定的值，而是取成一個隨圖像中位置緩慢變化的函數(shù)值是比較合適的。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, 這樣就對噪聲很敏感它也沒有考慮圖像的紋理信息等有用信息,使分割效果有時不能盡如人意[5]。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)。條件5要求分割結(jié)果中同一個子區(qū)域內(nèi)的象素應(yīng)當(dāng)是相通的，即同一個子區(qū)域內(nèi)的任意兩個象素在該子區(qū)域內(nèi)是互相連通，或者說分割得到的區(qū)域是一個連通組元。因此， , 并分析各自的特性。學(xué)號2006112020312編號2010120312研究類型應(yīng)用研究分類號HUBEI NORMAL UNIVERSITY學(xué)士學(xué)位論文（設(shè)計）Bachelor’s Thesis論文題目圖像分割算法研究與實現(xiàn)作者姓名指導(dǎo)教師所在院系物理與電子科學(xué)學(xué)院專業(yè)名稱電子信息科學(xué)與技術(shù)完成時間V湖北師范學(xué)院學(xué)士學(xué)位論文（設(shè)計）誠信承諾書中文題目： 圖像分割算法研究與實現(xiàn)外文題目：Research and Implementation of Image Segmentation Algorithms學(xué)生姓名學(xué) 號院系專業(yè)物理與電子科學(xué)學(xué)院電子信息科學(xué)與技術(shù)班 級學(xué) 生 承 諾我承諾在畢業(yè)論文（設(shè)計）活動中遵守學(xué)校有關(guān)規(guī)定，恪守學(xué)術(shù)規(guī)范，本人畢業(yè)論文（設(shè)計）內(nèi)容除特別注明和引用外，均為本人觀點，不存在剽竊、抄襲他人學(xué)術(shù)成果，偽造、篡改實驗數(shù)據(jù)的情況。因為圖像分割及其基于分割的目標(biāo)表達(dá)、特征提取和參數(shù)測量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能。條件4指出在分割結(jié)果中，不同的子區(qū)域具有不同的特性，沒有公共元素，或者說屬于不同區(qū)域的象素應(yīng)該具有一些不同的特性。(4)每個分割區(qū)域邊界應(yīng)具有齊整性和空間位置的準(zhǔn)確性。它的主要局限是, 最簡單形式的閾值法只能產(chǎn)生二值圖像來區(qū)分兩個不同的類。另外，當(dāng)遇到圖像中有陰影、突發(fā)噪聲、照度不均、對比度不均或背景灰度變化等情況時，只用一個固定的閾值對整幅圖像進(jìn)行閾值化處理，則