【正文】 tem=er.*f(khs:k+hs,lhs:l+hs)。 cc1=c1+l。 new_f_gray=f。 end end end H1=meanshift(H)。I=double(I)。 den=sqrt((rg).^2+(rb).*(gb))。 . Stochastic relaxation,Gibbs distribution and Bayesian restoration of images[J]． IEEE Transactions on pattern Analysis and Machine Intelligence， 1984(6) ： 721741． 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 22 [16] 劉平，陳斌，阮波．基于邊緣信息的圖像閾值化分割方法 [J]．計(jì)算機(jī)應(yīng)用， 2021， 9 (24)： 2837． [17] 陳勝，楊新，姚麗萍，孫錕．多網(wǎng)格法解總變分問(wèn)題及在醫(yī)學(xué)圖像增強(qiáng)中的應(yīng)用 [J]．中國(guó)圖象圖形學(xué)報(bào)， 2021， 7(9)： 787792． [18] 劉梅華，汪東，柳惠秋．一種改進(jìn)的輪廓跟蹤算法 [J]．機(jī)械設(shè)計(jì)與制造， 2021， 5： 4547． [19] 田岳鑫． Hough 變換在小目標(biāo)檢測(cè)中的應(yīng)用 [J]．激光與紅外， 2021， 11（ 38）： 11411143． 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 23 謝 辭 本文是在我的導(dǎo)師陳志剛講師的悉心指導(dǎo)下完成的。 假如一個(gè)像素點(diǎn)滿足上述三個(gè)條件即可最為種子像素點(diǎn)，由此可知種子的選取選臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 17 擇在邊緣圍起的區(qū)域內(nèi)，使得種子區(qū)域生長(zhǎng)更為合理，從而能是最終的分割效果 更為準(zhǔn)確。 H(bg)=2*piH(bg)。輸入一幅彩色圖像，輸出結(jié)果是分割后的圖像，具體步驟如下：先將彩色圖像轉(zhuǎn)換為 HIS 顏色空間，接下來(lái)檢測(cè)圖像邊緣，然后選取種子，最后進(jìn)行區(qū)域生長(zhǎng)算法，得到最終分割結(jié)果。它將圖像中每個(gè)物體都看成單獨(dú)的部分，并要求在每個(gè)物體的內(nèi)部至少要有一個(gè)標(biāo)記。在兩個(gè)強(qiáng)邊緣間的一個(gè)弱邊緣構(gòu)成的一個(gè)上下文里，位于其間的弱邊緣就很可能屬于結(jié)果邊界的一部分。 (5) CIE 彩色空間 CIE 彩色空間是由國(guó)際照明委員會(huì)提出的， CIE 空間有 三個(gè)基本量 X、 Y、 Z,通過(guò) X、 Y、 Z 能夠表示任何一種顏色， X、 Y、 Z 可以利用 R、 G、 B 線性表示出來(lái)： ?????????????????????BGRZYX144.. () ． 彩色圖像分割方法 彩色圖像分割是彩色圖像處理的首要問(wèn)題，分割彩色圖像可以看作是灰度圖像分割技術(shù)在彩色模型上的應(yīng)用。 色調(diào)是描述純色的屬性 (純黃色、橘黃或紅色 )，飽和度給出一種純色被白光稀釋的程度的度量，亮度是一個(gè)主觀的描述子，實(shí)際上它是不可能測(cè)量的。針對(duì)含有紅色成分的多與少，可以將彩色圖像人為地分成 0 到 255 共 256 個(gè)等級(jí)， 0 表示包含紅色成 分 255 表示含有 100%的紅色成分。數(shù)臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 7 字圖像處理是指使用數(shù)字計(jì)算機(jī)對(duì)圖像進(jìn)行處理。 ．本文的內(nèi)容安排 想要進(jìn)一步對(duì)圖像進(jìn)行分析、識(shí)別、跟蹤、理解、壓縮編碼等高級(jí)處理，圖像分割是必不可少的前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性，所以分割算法十分重要。 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 5 (2) 基于邊緣的分割方法 邊緣檢測(cè)是灰度圖像分割廣泛使用的一種技術(shù)，它是基于在區(qū)域邊緣上的像素灰度變化較劇烈，試圖通過(guò)檢測(cè)不同區(qū)域的邊緣來(lái)解決圖像分割問(wèn)題。而且分割的圖像的種類也各有不同，分割中用到的圖像的模型不同（有物理模型和隨機(jī)模型），分割的目的不同等，這些圖像分割方法的分類也 不盡相同。隨著計(jì)算機(jī)處理速度的提高和對(duì)圖像處理技術(shù)的進(jìn)步，彩色圖像使用越來(lái)越多，彩色圖像分割在最近幾年越來(lái)越引起了人們的重視，與灰度圖像相比，彩 色圖像不僅包括亮度信息，而且還有更多的有效信息，如色調(diào)、飽和度，實(shí)際上同樣景物的灰度圖像所包含的信息量與彩色圖像難以相比，人類對(duì)色彩的感知更敏感，一幅質(zhì)量較差的彩色圖像似乎比一幅完美的灰度圖像更具有吸引力。因此，對(duì)圖像分割的研究在圖像處理領(lǐng)域具有非常重要的意義。 Edge Detection。在彩色圖像分割這個(gè)領(lǐng)域，由于缺少理論和評(píng)估系統(tǒng)的支持，必須經(jīng)過(guò)大量的實(shí)驗(yàn)來(lái)驗(yàn)證一種分割算法。而串行分割則簡(jiǎn)單， 方便一些。由于彩色信息通常由 R、 G、 B 或它們的線性或非線性組合來(lái)表示，所以用三維數(shù)組來(lái)表示彩色圖像的直方圖并在其中選出合適的閾值，并不是一件簡(jiǎn)單的工作，另一方面確定圖像中目標(biāo)的數(shù)目計(jì)算量也很大。 應(yīng)用領(lǐng)域的不同、圖像質(zhì)量的好壞及圖像色彩的分布和結(jié)構(gòu)的差別決定了很難找到一種通用的分割方法來(lái)解決由于這些客觀因素所引起的圖像 分割問(wèn)題。由此可見(jiàn)圖像傳遞的信息是非常重要的。 (1) RGB 顏色空間 對(duì)于彩色圖像，它的顯示必須從三原色 RGB 概念說(shuō)起。其實(shí) Y就是圖像的灰度值：而 I 和 Q 則是指色調(diào)，即描述圖像色彩及飽和度的屬性。每個(gè)和軸線正交的切面上的點(diǎn)，其強(qiáng)度都是等值的。簡(jiǎn)單檢測(cè)子會(huì)是邊緣變粗，如果邊緣帶有方向信息，就可以通過(guò)應(yīng)用邊緣數(shù)據(jù)的非最大抑制來(lái)抑制單個(gè)邊界領(lǐng)域內(nèi)的多個(gè)響應(yīng)，以實(shí)現(xiàn)部分矯正。分水嶺算法是一種利用圖像形態(tài)學(xué)、基于區(qū)域的分割技術(shù)。 在用分割方法分割圖像后，結(jié)果中可能會(huì)出現(xiàn)過(guò)分割，利用區(qū)域歸并方法則可以進(jìn)一步將相鄰的區(qū)域按照合并準(zhǔn)則合并成起來(lái)。 den=sqrt((rg).^2+(rb).*(gb))。 和其他的梯度算子都一樣， sx和 sy 可用卷積模板來(lái)實(shí)現(xiàn)： 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 16 ??????????????101202101xs ??????????????121000121ys ? ???????????45637210,aaaajiaaaa 圖 32 用于說(shuō)明 Sobel算子的鄰域像素點(diǎn)標(biāo)記 edge 函數(shù)實(shí)現(xiàn)的語(yǔ)法格式如下： BW=edge(I,’sobel’) BW=edge(I,’sobel’,thresh) BW=edge(I,’sobel’,thresh,direction) [BW,thresh]=edge(I,’sobel’… ) Sobel 算子邊緣檢測(cè)效果如圖 33 所示： （ a） （ b） 圖 33 Sobel算子邊緣檢測(cè)效果圖 ．種子的選取 區(qū)域生長(zhǎng)算法中，種子的選取非常重要，在本文中的算法中種子的選取有三個(gè)原則： (1) 種子的鄰域像素不是任何尺度的邊緣像素點(diǎn)。 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 19 (a)原圖像 (b)分割結(jié)果 (c) 原圖像 (d) 分割結(jié)果 (e) 原圖像 (f) 分割結(jié)果 (g) 原圖像 (h) 分割結(jié)果 圖 41 圖像分割效果圖 （ a）目標(biāo)輪廓 （ b）目標(biāo)區(qū)域 圖 42 本文方法提取指定目標(biāo)的輪廓和區(qū)域臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 20 5．結(jié)論 本文論述了彩色圖像分割的目前方法，并提出了一種 基于結(jié)合邊緣提取、區(qū)域生長(zhǎng)和合并方法的無(wú)監(jiān)督分割算法， 并能準(zhǔn)確提取目標(biāo)圖像的輪廓與區(qū)域，為機(jī)器視覺(jué)中的目標(biāo)匹配、跟蹤與識(shí)別打下良好的基礎(chǔ)。 g=rgb(:,:,2)。 I=im2uint8(I)。 end end end figure。 f=im。flag=1。 break。 new_f_gray(i,j)=tem。 er=exp(er)。 c1=hs:hs。 for i=1:m for j=1:n if (S1(i,j)==255) I(i,j)=0。imshow(uint8(S))。 H(bg)=2*piH(bg)。這三年來(lái)，陳老師嚴(yán)謹(jǐn)求實(shí)的治學(xué)態(tài)度、誨人不倦的師德和一絲不茍的工作作風(fēng)使我受益匪淺；他樸實(shí)的生活作風(fēng)、淵博的學(xué)識(shí)以及對(duì)科學(xué)研究事業(yè)執(zhí)著追求的精神給我留下了深刻的印象，并使我終生受益，也是我未來(lái)學(xué)習(xí)的榜樣！ 在這里還要感謝物電學(xué)院的所有領(lǐng)導(dǎo)和老師三年來(lái)對(duì)我的培養(yǎng)和關(guān)懷，是他們?yōu)槲姨峁┝肆己玫膶W(xué)習(xí)環(huán)境和機(jī)會(huì)。如圖 35 所示為區(qū)域生長(zhǎng)和區(qū)域合并的效果圖。 den=r+g+b。這種顏色空間反映了人觀察彩色的方式。 圖 22 三維空間中的分水嶺和集水盆地示意圖 分水嶺的分割算法主要分為兩步：排序和泛洪。邊緣松弛法是一個(gè)迭代的過(guò)程，邊緣信度或者收斂到 0 或者收斂到 1。 ． 閾值化方法 閾值化是最簡(jiǎn)單的分割處理，計(jì)算代價(jià)小速度快，是廣泛應(yīng)用于灰度圖像的一種分割技術(shù)。色調(diào) H 由角度表示，其取值范圍： 0~360176。當(dāng)一幅圖中每個(gè)像素被賦不同的 RGB 值時(shí)，就能呈現(xiàn)五彩繽紛的顏色了，這就形成了彩色圖像。 1964 年，美國(guó)的噴氣推進(jìn)實(shí)驗(yàn)室使用數(shù)字計(jì)算機(jī)，處理了太空船“旅行者 7 號(hào)”發(fā)回的月球照片，這是數(shù)字圖像處理技術(shù)的一個(gè)重要的里程碑，標(biāo)志著第三代計(jì)算機(jī)問(wèn)世后數(shù)字圖像處理概念開(kāi)始得到了應(yīng)用。該顏色模型可在彩色圖像中從攜帶的彩色信息 (色調(diào)和飽和度 )里消去強(qiáng)度分量的影響，這種彩色描述對(duì)人來(lái)說(shuō)是自然的、直觀的。 目前，彩色圖像的分割以轉(zhuǎn)移到如何有效的綜合利用彩色圖像 的三通道信息方面。其中直方圖法和區(qū)域生長(zhǎng)法處理的對(duì)象是像素；邊緣檢測(cè)和分水嶺方法則是對(duì)圖像紋理基元進(jìn)行處理；神經(jīng)網(wǎng)絡(luò)的方法是利用分類的思想對(duì)圖像分割的方法。前面已經(jīng)講到目前還沒(méi)有一種或者幾種完善的分割方法可以按照人們的想法分割任何一幅圖像。 因?yàn)槿搜蹖?duì)亮度具有適應(yīng)性，即在一幅復(fù)雜圖像的任何一點(diǎn)上只能識(shí)別幾十種灰度級(jí)，但可以識(shí)別成千上萬(wàn)種顏色，所以許多情況下，單純利用灰度信息無(wú)法從背景中提取出 目標(biāo)，還必須借助于色彩信息。本文對(duì)目前的彩色分割方法研究的