【文章內(nèi)容簡(jiǎn)介】 要邊緣特征 ,具體的實(shí)現(xiàn)步驟如下： (1)輸入待分割圖像 f(x,y), f(x,y)為 彩色圖像； (2)將待分割圖像 f(x,y)轉(zhuǎn)化為灰度圖像 g(x,y)； (3)利用 MATLAB 顯示 灰度圖像 g(x,y)的 灰度直方圖 ,用迭代法進(jìn)行閾值選取，以 達(dá)到 區(qū)分背景和目標(biāo) 的目的 ； (4)采用邊緣檢測(cè)算子檢測(cè)圖像的邊界特征 ,確定圖象的邊界位置 ，得到圖像 G(x,y)； (5)根據(jù)圖象分割的實(shí)際效果， 將經(jīng)過(guò)邊緣檢測(cè)后的圖 像 G(x,y)進(jìn)行局部閾值分割，以達(dá)到消除圖像中某些存在陰影、照度不均勻 ,各處的對(duì)比度不同 ,背景灰度變化等問(wèn)題。 圖像 分割方 法實(shí)現(xiàn) 對(duì)彩色圖像 進(jìn)行灰度處理 用 全局 閾值法對(duì)圖像進(jìn)行預(yù)處理 ： 閾值法是一種簡(jiǎn)單有效的圖像分割方法 ,它用一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾個(gè)部分 ,認(rèn)為屬于同一個(gè)部分的像素是同一個(gè)物體。運(yùn)用 這種思想，我打算首先將 全局 閾值法用來(lái)區(qū)分圖片中的背景和目標(biāo)。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。合適的閾值必須具備的條件是在使用選取 的閾值對(duì)圖片進(jìn)行分割后，必須使圖像中的背景和目標(biāo)的分割錯(cuò)誤達(dá)到最小 。 這種方法是先確定一個(gè)處于圖像灰度取值范圍之中的灰度閾值，然后 將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比較，并根據(jù)比較結(jié)果將對(duì)應(yīng)的像素劃分為兩類 :像素的灰度值大于閾值的為一類，像素的灰度值小于閾值的為另一類 .這兩類像素一般分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 .閾值分割可以分為全局閾值和局部閾值兩種情況 。 在圖像內(nèi)容不太復(fù)雜、灰度分布較集中的情況下，往往采用最簡(jiǎn)單的全局閾值，并不考慮圖像中點(diǎn)的位置和其鄰域性質(zhì) . 我 采用的是迭代法來(lái)求取閾值，迭代法是 基于 逼近思想 ： （ 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/)(0 M inM a xT ?? ，根據(jù)閾值 kT 將圖像分割為前景和背景，分別求出兩者的平均灰度值 0Z 和 bZ ； （ 2）求出閾值 2/)( 01 bk ZZT ??? ； （ 3）如果 1kk ??TT ；則所得即為閾值 ；否則轉(zhuǎn)（ 2）迭代計(jì)算。 迭代所得的閾值分割效果良好 ,基于迭代的閾值能區(qū)分圖像的前景和背景的主要區(qū)域所在 。 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。 邊緣檢測(cè)分割法是通過(guò)檢測(cè)出不同區(qū)域邊界來(lái)進(jìn)行分割的 .邊緣總是以強(qiáng)度突變的形式出現(xiàn)，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、紋理結(jié)構(gòu)的突變等 .邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始 .圖像的邊緣包含了物體形狀的重要信息，兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在 灰度邊緣 .灰度邊緣是灰度值不連續(xù) (或突變 )的結(jié)果，這種不連續(xù)?？衫们笠浑A和二階導(dǎo)數(shù)方便的檢測(cè)到 . 在對(duì)圖像進(jìn)行分割時(shí)，采用了多種算子對(duì)圖像進(jìn)行分割，最后根據(jù)分割的現(xiàn)象采用效果最好的一種算子作為本次畢業(yè)設(shè)計(jì)的邊緣檢測(cè)算子。 用局部閾值法對(duì)圖像進(jìn)行后處理：經(jīng)過(guò)全局閾值分割和邊緣檢測(cè)分割后 ,有的地方存在灰度不連續(xù)，邊緣不清晰的情況，如果只用一個(gè)固定的全局閾值對(duì)整幅圖像進(jìn)行后 ,則由于不能兼顧圖像各處的情況而使分割效果受到影響。這時(shí)采用局部閾值法 ,即用與像素位置相關(guān)的一組閾值對(duì)圖像 各部分分別進(jìn)行分割。最簡(jiǎn)單的方 法是將圖像劃分為若干小圖像 ,先對(duì)各子圖像閾值法進(jìn)行分割 ,再將分割后的小區(qū)域合并在一起 ,得到整幅圖像的完整分割結(jié)果。其實(shí)局部閾值法是全局閾值法的一個(gè)拓展。 4． 實(shí)驗(yàn) 結(jié)果 及分析 實(shí)驗(yàn)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(cè)后的圖片，再將這個(gè)圖片分割為四 個(gè)小圖片，每一個(gè)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(shí)驗(yàn) 結(jié)果 分析 由灰度圖片的直方圖可以 看出，這個(gè)直方圖有多個(gè)峰值， 不滿足雙峰法的兩個(gè)波峰一個(gè)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(gè)像素，因此，對(duì)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。 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。 由效果圖可以看出，用迭代法得到的閾值分割圖失真度很低，基本上保持了原圖的輪廓。 在采用邊緣算子時(shí)，本次畢業(yè) 設(shè)計(jì)測(cè)試了 3 種算子，分別是 Prewitt 算子 ， Log 算子 和 Canny 算子 。 對(duì)于三種算子的實(shí)驗(yàn)現(xiàn)象， 從 視覺(jué)上 來(lái)看，以 Canny 算子最好，邊緣信息豐富，幾乎保留了邊緣所有的邊緣點(diǎn)，而且邊緣清晰，連續(xù)性好。 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)。 Prewitt 算子的分割的圖像中雖然幾乎沒(méi)有非邊緣點(diǎn)，但是邊緣的連續(xù)性較差，從視覺(jué)上來(lái)看圖像顯得很雜亂。 我們對(duì)圖像分割的結(jié)果通常以人的主觀判決作為評(píng)價(jià)準(zhǔn)則 。 盡管對(duì)大多數(shù)圖像處理問(wèn)題而言，最后的信宿是人的視覺(jué) ， 但對(duì)不同分割方法的處理結(jié)果作一定量的比較、評(píng)價(jià)也是必需的 。 這是一個(gè)有意義但比較困難的問(wèn)題 。 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 。 一般認(rèn)為對(duì)分割方法的評(píng)價(jià)可以通過(guò)分析和實(shí)驗(yàn)兩種方式來(lái)進(jìn)行 。 因此，分割評(píng)價(jià)方法可以分為分析法和實(shí)驗(yàn)法兩大類 。 分析法是直接分析分割算法本身的原理及性能，而實(shí)驗(yàn)法是通過(guò)對(duì)測(cè)試圖像的分割結(jié)果來(lái)評(píng)價(jià)算法的 。 通過(guò)對(duì)實(shí)際分割結(jié)果的分析來(lái)評(píng)估分割算法是具有實(shí)際意義的。 定量試驗(yàn)準(zhǔn)則： 區(qū)域間的對(duì)比度 圖像分割要把一幅原始圖像分為若干個(gè)區(qū)域。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(shuō)有明顯的對(duì)比，根據(jù)區(qū)域間的特性對(duì)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(lái)，對(duì)于圖像中相鄰接的兩個(gè)區(qū)域來(lái)說(shuō)，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?lái)計(jì)算 ： 21 |21| ff ffGC ??? (1) 事實(shí)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(duì)比度，當(dāng)一幅圖像有多個(gè)區(qū)域時(shí)，可利用式 (1)分別計(jì)算兩兩間的區(qū)域間的對(duì)比 度再求和 [16]。 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。 接下來(lái)的局 部閾值法，采用的就是 Canny 算子分割的圖像。 在將邊緣分割后的圖像進(jìn)行分割后，分成四塊小圖像，在實(shí)驗(yàn)現(xiàn)象中可以看出，這四塊小圖像的灰度直方圖都有很明顯的雙峰， 但是由于波谷寬闊平坦， 不滿足雙峰法的使用條件， 所以不能使用雙峰法， 所以在對(duì)不同的圖像進(jìn)行閾值化的時(shí)候，采用的是 全局 閾值法里面的 迭代法，總的來(lái)說(shuō)，就是將 Canny 算子分割后的圖片繼續(xù)分割成四小塊，對(duì)四塊不同的圖片用迭代法求取閾值，再將閾值化后的圖片合并起來(lái)。 局部閾值化后，由現(xiàn)象可以看出，并沒(méi)有對(duì)原圖進(jìn)行多大的改善，只是在一些很細(xì)微的地方有了一些邊緣的 細(xì)化以及平滑，這說(shuō)明在經(jīng)過(guò) Canny算子分割后， 由灰度直方圖可以看出，這個(gè)灰度圖雙峰的谷底是在接近 0的位置， 而且是絕大部分像素都是接近于 0 的位置， 所以圖像的改善并不大，并且 圖像并沒(méi)有太多的灰度不連續(xù)以及陰影的情況存在，但是這并不 能否定局部閾值化的效果的存在性。 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。 2對(duì)圖 像分割的常用方法進(jìn)行 分析和 總結(jié)；根據(jù)圖像分割所基于的原理不同，把圖像分割方法主要分為基于閾值分割、基于邊緣檢測(cè)分割和基于區(qū)域分割三大類，并對(duì)他們做了簡(jiǎn)單的介紹和比較。 3提出本次圖像分割的方案，并且對(duì)方案進(jìn)行詳細(xì)的論述以及分析。 4運(yùn)用 MATLAB 軟件進(jìn)行實(shí)驗(yàn)， 展示實(shí)驗(yàn)現(xiàn)象， 得到了較好的效果，根據(jù)實(shí)驗(yàn)現(xiàn)象對(duì)圖像分割進(jìn)行分析， 運(yùn)用相關(guān)的圖像分割評(píng)價(jià)標(biāo)準(zhǔn)來(lái)對(duì)分割出來(lái)的圖像進(jìn)行分析，根據(jù)數(shù)據(jù)說(shuō)明圖像分割結(jié)果的優(yōu)劣， 總結(jié)本次圖像分割方案的優(yōu)缺點(diǎn)。 結(jié)論 通過(guò)研究分析，可以得到以下結(jié)論： （ 1）閾值分 割法的重點(diǎn)是對(duì)閾值的選擇 , 因此該方法的關(guān)鍵是如何選擇 最佳 閾值，如果閾值選擇不合適，則影響了圖片分割出來(lái)的效果，也影響下一步邊緣分割的效果。 （ 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。 因此， 全局閾值法適用于灰度差異較大的圖片， 如果圖像灰度變化不是很明顯，則達(dá)不到理想的效果。 （ 3） 同樣都是邊緣檢測(cè)法，不同的邊緣檢測(cè)算子對(duì)同一幅圖像分割出來(lái)的效果是不同的，因?yàn)槊恳环N邊緣 算子的卷積形式是不同的，對(duì)于圖像的明暗程度，分辨率，灰度變化的敏感程度也是不同的。 沒(méi)有哪一種邊緣算子是絕對(duì)的合適，從以上實(shí)驗(yàn) 現(xiàn)象 可以看出，例 如： Canny 算子的整體效果最好， 它的分割結(jié)果很明顯沒(méi)有 Prewitt 算子分割細(xì)致 ，這是它不足的地方， 每一種邊緣檢測(cè)算子分割的圖像都有相應(yīng)的優(yōu)缺點(diǎn)，我們只能選取當(dāng)中效果較好的一種，但是這也不能判定為這種算子就是最好的，只能說(shuō)對(duì)于特定的圖片，這種算子達(dá)到的效果最好。 （ 4） 局部閾值分割法是將原始圖像劃分成較小的圖像，并對(duì)每個(gè)子圖像選取相應(yīng)的閾值。局部閾值分割法雖然能 改善分割效果，但存在幾個(gè)缺點(diǎn)： ① 每幅子圖像的尺寸不能太小，否則統(tǒng)計(jì)出的結(jié)果無(wú)意義。 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(jì)結(jié)果對(duì)其進(jìn)行分割，也許會(huì)產(chǎn)生更差的結(jié)果。 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。 （ 5） 通常對(duì)于一幅圖像 的分割 ，僅僅只用一種圖像分割方法是不夠的，僅僅擁有依照分割算法本身進(jìn)行了完善歸納和分類的圖象分割理論也是遠(yuǎn)遠(yuǎn)不夠的，每一種方法都有它不足的地方，因此僅僅只用一種方法往往達(dá)不到很好的效果，可以運(yùn)用其他的方法結(jié)合使 用，互相彌補(bǔ)不足。因?yàn)闆](méi)有哪一種分割方法能夠?qū)λ械膱D象都產(chǎn)生理想的分割結(jié)果，而根據(jù)待分割圖象的不同特點(diǎn)，結(jié)合已知的先驗(yàn)知識(shí)，研究符合具體圖象特性的分割模型，才是提高圖象分割的重要手段。 盡管人們?cè)趫D像分割方面作出了很多的研究，但是，迄今為止，沒(méi)有哪種方法是適合于所有圖像的，本文中提出的方法都有它的使用前提條件，因此，對(duì)于特定的圖像分割，最主要的是分析這幅圖像的特性，針對(duì)這幅圖像的特點(diǎn)，制定適合它的方案，以達(dá)到最好的分割效果。 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)。從一般意義上來(lái)說(shuō)，只有對(duì)圖像內(nèi)容的徹底理解，才能產(chǎn)生完美的分割 [17]。 近年來(lái)，隨著各學(xué)科許多新理論和新方法的提出，人們也提出了許多與一些特定理論、方法和工具相結(jié)合的分割技術(shù)，例如：基于數(shù)學(xué)形態(tài)學(xué) 的分割技術(shù)，基于模糊技術(shù)的圖像分割方法，基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的圖像分割方法，遺傳算法在圖像分割中的應(yīng)用 和 基于小波分析和變換的分割技術(shù)。雖然近年來(lái)研究成果越來(lái)越多，但由于圖像分割本身所具有的難度，使研究沒(méi)有大的突破性的 進(jìn)展 。 從圖像分割研究的歷史來(lái)看，可以看到對(duì)圖像分割的研究有幾個(gè)明顯的趨勢(shì)：一是對(duì)原有算法的不斷改進(jìn) ， 二是新方法、新概念的引入和多種方法的有效綜合運(yùn)用 ， 人們逐漸認(rèn)識(shí)到現(xiàn)有的任何一種單獨(dú)的圖像分割算法都難以對(duì)一般