【正文】 才能將它們分開，這就是多閾值分割。 Sobel 在 Prewitt 算子的基礎(chǔ)上，對(duì) 4鄰域采用帶權(quán)的方法計(jì)算差分，該算子不僅能檢測(cè)邊緣點(diǎn)，且能進(jìn)一步抑制噪聲的影響，但檢測(cè)的邊緣較寬。但對(duì)于邊緣復(fù)雜、采光不均勻的圖像來(lái)說(shuō) ,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。(2)算法的高效性和準(zhǔn)確性。閾值分割法的結(jié)果很大程度上依賴于對(duì)閾值的選擇 , 因此該方法的關(guān)鍵是如何選擇合適的閾值。 Log 算子，其分割圖像中所含非邊緣點(diǎn)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(diǎn)。 5． 小 結(jié) 本文主要工作總結(jié) 通過(guò)對(duì)大量文獻(xiàn)的閱讀，在對(duì)圖像分割領(lǐng)域研究現(xiàn)狀和研究?jī)?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(shí)際應(yīng)用情況，主要進(jìn)行了以下幾個(gè)方面的研究工作： 1對(duì)圖像分割的概念進(jìn)行詳細(xì)的陳述。 展望 圖像分割是圖像理解與計(jì)算機(jī)視覺(jué)領(lǐng)域國(guó)際學(xué)術(shù)界公認(rèn)的將會(huì)長(zhǎng)期存在的最困難的問(wèn)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)。 zd=double(max(max(Im))) % 求出圖象中最大的灰度 zx=double(min(min(Im))) % 最小的灰度 T=double((zd+zx))/2。 % 圖像在最佳閾值下二值化 figure,imshow(i1) imwrite(i1,39。D:\39。 % T 賦初值，為最大值和最小值的平均值 count=double(0)。 fxy = imhist(I, 256)。 %小于閥域值圖像點(diǎn)個(gè)數(shù)累加 end end end T0=S0/n0。 %為計(jì)算灰度大于閾值 的元素的灰度總值、個(gè)數(shù)賦值 S1=。 b=double(I)。 %在閾值 T 下，迭代閾值的計(jì)算過(guò)程 end end count %顯示運(yùn)行次數(shù) T %顯示最佳閾值 算出 T bw4=im2bw(I,T/255)。gTXRm 6X4NGpP$vSTTamp。 gTXRm6X4NGpP$vSTTamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 UE9aQGn8xp$Ramp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 %小于閥域值圖像點(diǎn)個(gè)數(shù)累加 end end end T0=S0/n0。 fxy = imhist(I, 256)。 % T 賦初值，為最大值和最小值的平均值 count=double(0)。 %為計(jì)算灰度小于閾值的元素的灰度總值、個(gè)數(shù)賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 %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(shí)停止 break。 plot(fxy)。 imshow(I)。 %求小于閥域值均值 T1=S1/n1。) figure,imshow(Im) , title(39。 ③ 局部閾值法對(duì)每一幅子圖像都要進(jìn)行統(tǒng)計(jì)，速度慢，難以適應(yīng)實(shí)時(shí)性的要求。 將圖像分為左右兩個(gè)大的區(qū)域， 下表是各個(gè)算子分割圖像后的區(qū)域間的對(duì)比度： 圖像 平均灰度 1 平均灰度 2 區(qū)域間對(duì)比度 Canny 算子 Prewitt 算子 Log 算子 表 1 區(qū)域間的對(duì)比度 所以，區(qū)域間的對(duì)比度越高代表分割效果越好，由上表可以看出， Canny算子分割的效果最好， Prewitt 分割效果其次， Log 算子的分割效果最差。 由灰度圖和灰度直方圖可以看出，該圖像的目標(biāo)和背景的灰度差異懸殊，并且該灰度直方圖的波峰明顯，滿足迭代法的使用條件。 3．圖像分割方 法 詳述 圖像分割方 法 本次畢業(yè)設(shè)計(jì)采用的是彩色圖像作為分割圖像，采用的分割方法總的來(lái)說(shuō)是閾值法與邊緣檢測(cè)法的結(jié)合使用，在整個(gè)圖象分割的過(guò)程中， 最主要的方法是邊緣檢測(cè)法，而 閾值法起 到是對(duì)圖象進(jìn)行預(yù)處理和后處理 的作用 。分裂合并法是從整個(gè)圖像出發(fā) ,根據(jù)圖像和各區(qū)域的不均勻性 ,把圖像或區(qū)域分割成新的子區(qū)域 ,根據(jù)毗鄰區(qū)域的均勻性 ,把毗 鄰的子區(qū)域合并成新的較大的區(qū)域。 Log 算子 : 該算子克服了拉普拉斯算子抗噪聲能力比較差的缺點(diǎn) , 但是在抑制噪聲的同時(shí)也可能將原有的比較尖銳的邊緣也平滑掉了 , 造成這些尖銳邊緣無(wú)法被檢測(cè)到。經(jīng)典的梯度算子模板有 Prewitt 模板、 Canny 模板、Sobel 模板、 Log 模板等 [10]。這就是自適應(yīng)閾值。 閾值法的幾種閾值選擇方法 : 全局閾值法 （ 1）雙峰法 對(duì)于目標(biāo)與背景的灰度級(jí)有明顯差別的圖像 ,其灰度直方圖的分布呈雙峰狀 ,兩個(gè)波峰分別與圖像中的目標(biāo)和背景相對(duì) 應(yīng) ,波谷與圖像邊緣相對(duì)應(yīng)。如果加強(qiáng)分割區(qū)域的同性質(zhì)約束，分割區(qū)域很容易產(chǎn)生大量小空洞和不規(guī)整邊緣 :若強(qiáng)調(diào)不 同區(qū)域間性質(zhì)差異的顯著性，則極易造成非同質(zhì)區(qū)域的合并和有意義的邊界丟失。 上面的定義，不僅對(duì)明確的說(shuō)明了分割的含義，而且 對(duì)進(jìn)行分割也有相當(dāng)?shù)闹笇?dǎo)作用。然后提出圖象分割方案，并利用 MATLAB 軟件編寫程序，展示實(shí)驗(yàn)現(xiàn)象，最后對(duì)所做工作進(jìn)行總結(jié)。 正式“集合”定義： 令集合 R 代表整個(gè)圖象區(qū)域，對(duì) R 的分割可看作將 R 分成若干個(gè)滿足如下五個(gè)條件的非空的子集（子區(qū)域）： （ 1） RRU ?? in1i（ 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(gè)象素都劃分進(jìn)一個(gè)子區(qū)中） （ 2） 對(duì)所有的 i 和 j ,有 Ri ∩ Rj = 248。本文對(duì)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： 2/inaxk ）（ MMT ?? ， 根據(jù)閾值 kT 將圖像分割為前景和背開始 通過(guò)數(shù)組 g[255]讀入直方圖 逐個(gè)查看能每個(gè)像素值在直方圖中能作為谷底的范圍 找出能作為谷底范圍最大的像素值作為閾值 根據(jù)取得的閾值對(duì)圖像進(jìn)行二值化 結(jié)束 景，分別求出兩者的平均灰度值 0Z 和 bZ ； 2 求出閾值 10( ) / 2kbT Z Z? ?? ； 3 如果 1kkTT??；則所得即為閾值；否則轉(zhuǎn) 2迭代計(jì)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(gè) 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(guò)零點(diǎn)檢測(cè)邊緣位置； （ 2）脈沖狀邊緣：主要對(duì)應(yīng)細(xì)條狀的灰度值突變區(qū)域，通過(guò)檢測(cè)二階導(dǎo)數(shù)過(guò)零點(diǎn)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(diǎn)，通過(guò)檢測(cè)一階導(dǎo)數(shù)過(guò)零點(diǎn)可以確定屋頂位置。增強(qiáng)算法可以將鄰域 (或局部 )強(qiáng)度值有顯著變化的點(diǎn)突顯出來(lái)。當(dāng)需要提取多空間范圍內(nèi)的變化特性時(shí) ,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(gè)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(cè)法對(duì)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(jià)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(shí)別。 從目前的文獻(xiàn)來(lái)看，已有學(xué)者在這方面做了一些工作 。 （ 2） 從實(shí)驗(yàn)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(méi)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 參考文獻(xiàn) [1] 高秀娟 . 圖像分割的理論、方法及應(yīng)用 [D]. 吉林大學(xué)碩士學(xué)位論文 [2] [3] 管慧娟 . 基于區(qū)域的圖像分割方法 [D]. 大連理工大學(xué)碩士學(xué)位論文 [4] 楊衛(wèi)平 ,李忠科 ,王勇 ,呂培軍 . 基于區(qū)域的圖像分割算法綜述 [J]. 電子測(cè)量與儀器學(xué)報(bào) , 2020: 278281 [5] 趙春燕 ,閏長(zhǎng)青 ,時(shí)秀芳 . 圖像分割綜述 [J]. 基礎(chǔ)及前沿研究 . 中國(guó)科技信息 ,2020: 4143 [6] 韓思奇 , 王蕾 . 圖像分割的閾值法綜述 [J]. 系統(tǒng)工程與電子技術(shù) 第 24卷第 6期 : 9194 [7] 周強(qiáng) . 圖 像分割算法研究 . 福建電腦 [J],2020： 2735 [8] 劉爽 . 圖象分割中閾值選取方法的研究及其算法實(shí)現(xiàn) [J]. 電腦知識(shí)與技術(shù)： 6870 [9] 黃春艷 . 河南大學(xué)碩士學(xué)位論文 [D]. 圖像分割若干算法研究 [10] 楊金龍 . 西北師范大學(xué)碩士學(xué)位論文 [D]. 圖像分割算法研究與實(shí)現(xiàn) [11] 呂玉琴，曾光宇 .基于圖像邊緣檢測(cè)算法的研究 . 太原科技 [J]. 2020：3133 [12] 特尼格爾，汪瀅 . 圖像邊緣檢測(cè)的研究與分析 [J]. 科技論壇 ， 2020：423444 [13] 周鮮 成 . 圖像分割方法及其應(yīng)用研究綜述 [J]. 信息技術(shù) ,2020: 1114 [14] 丁莉 ,張琦 . 簡(jiǎn)捷圖像分割研究 [J]. 技術(shù)講座 ,140144 [15] 黃長(zhǎng)專 ,王 彪 ,楊 忠 . 圖像分割方法研究 [J]. 計(jì)算機(jī)技術(shù)與 發(fā)展 ， 2020:7679 [16] 章毓晉 .圖象分割 [M]. 科學(xué)出版社 ， 2001. [17] 姜彬，施志剛 . 圖像分割技術(shù)分析與展望 [J]. 電腦知識(shí)與技術(shù)，2020： 1006610068 [18] 樂(lè)宋進(jìn)，武和雷，胡泳芬 . 圖像分割方法的研究現(xiàn)狀與展望 [J]. 南昌水專學(xué)報(bào)， 2020： 1520 7． 附錄 源碼 ： 第一步（迭代法）： clear clc。 %為計(jì)算灰度大于閾值的元素的灰 度總值、個(gè)數(shù)賦值 S1=。 figure imshow(im)。 subimg1=img(1:216,1:135)。 n1=。 zd=double(max(max(I))) % 求出圖象中 最大的灰度 zx=double(min(min(I))) % 最小的灰度 T=double((zd+zx))/2。 % 圖像在最佳閾值下二值化 I=subimg3。 %小于閾域值圖像點(diǎn)灰度值累加 n0=n0+1。 n0=。局部閾值化 39。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 849Gx^Gjqv^$UE9wEwZQcUE%amp。 849Gx^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$U*3t nGK8!z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 n1=。 %求小于閥域值