【文章內(nèi)容簡介】 分成兩大類，即串行邊緣分割技術(shù)和并行邊緣分割技術(shù)。串行邊緣分割方法，首先要確定邊緣的起始點，然后根據(jù)某種相似性搜索準(zhǔn)則尋找下一個邊緣點，這種確定后續(xù)相似點的方法稱為邊緣跟蹤。根據(jù)跟蹤方法不同又可分為輪廓跟蹤、光棚跟蹤和全向跟蹤三種方法。并行邊緣檢測方法，對圖像上每一點的處理不依賴其他點的處理結(jié)果，算法可以并行處理，大大加快搜索檢測的速度。當(dāng)分割的圖像含有強噪聲干擾或者區(qū)域之間的性質(zhì)差別很小時，分割出來的邊緣可能是不連續(xù)的，此時可考慮用邊緣連接技術(shù)把斷開處連接起來。 基于灰度特征的閾值分割方法基于灰度閾值的分割方法和基于邊緣檢測的分割方法一樣也是一種經(jīng)典分割方法。它通過設(shè)置閾值把像素點按灰度級分若干類，從而實現(xiàn)圖像分割。這類方法主要包括以下幾種：(1)單閾值法，用一個全局閾值區(qū)分背景和目標(biāo)。當(dāng)一幅圖像的直方圖具有明顯的雙峰時，選擇兩峰之間的谷底作為閾值，可獲得良好的分割效果。大多數(shù)自然景象的圖像直方圖變化多樣，很少表現(xiàn)為明顯的雙峰。此時用單閾值法，效果不佳。(2)雙閾值法，用兩個閾值區(qū)分背景和目標(biāo)。雙閾值法是對單閾值法的改進(jìn)，通過設(shè)置兩個閾值，以防單閾值設(shè)置閾值過高或過低，把目標(biāo)像素誤歸為背景像素，或把背景像素誤歸為目標(biāo)像素。(3)多閾值法，當(dāng)存在照明不均，突發(fā)噪聲等因素或背景灰度變化較大時，整幅圖像不存在合適的單一閾值，單一閾值不能兼顧圖像不同區(qū)域的具體情況，這時可將圖像分塊處理，對每一塊設(shè)一個閾值。因此，多閾值法又稱為動態(tài)閾值法和自適應(yīng)閾值法。這種算法的時間和空間復(fù)雜度比較大，但抗干擾能力較強，對采用全局閾值不容易分割的圖像有較好的效果。基于灰度閾值分割方法的關(guān)鍵是如何合理地選擇閾值。最常用方法是利用灰度直方圖求雙峰或多峰，選擇兩峰之間的谷底作為閾值?；诨叶鹊拈y值分割方法具有計算簡單、實現(xiàn)容易的特點，對目標(biāo)和背景對比度反差較大圖像進(jìn)行分割比較有效。閾值分割方法的閾值確定主要依賴于灰度直方圖，而很少考慮圖像中像素的空間位置關(guān)系。因此當(dāng)背景復(fù)雜，特別在同一背景上重疊出現(xiàn)若干個研究目標(biāo)時，容易喪失部分邊界信息，造成分割的不完整。在含有強噪聲干擾時，閾值分割方法也不能取得令人滿意的分割結(jié)果。 基于區(qū)域的分割方法基于閥值分割方法利用的是圖像象素點的性質(zhì)，而基于區(qū)域的分割方法利用的是圖像的空間性質(zhì)。該方法認(rèn)為分割出來的某一區(qū)域具有相似的性質(zhì)，可見其概念是相當(dāng)直觀的。傳統(tǒng)的區(qū)域分割算法有區(qū)域增長法和區(qū)域分裂合并法。該類方法對含有復(fù)雜場景或自然景物等先驗知識不足的圖像進(jìn)行分割，效果較好。區(qū)域增長法開始時確定一個或多個象素點作為種子，然后按某種相似性準(zhǔn)則增長區(qū)域，直到圖像被分割成一個或多個區(qū)域。區(qū)域的分裂合并法是按某種一致性準(zhǔn)則合并或分裂區(qū)域的，當(dāng)相鄰的區(qū)域性質(zhì)相似時合并成一個大區(qū)域，當(dāng)一個區(qū)域不滿足一致性準(zhǔn)則時被分裂成幾個小的區(qū)域。具體實現(xiàn)時，分裂與合并分割算法通常是基于四叉樹數(shù)據(jù)表示方式進(jìn)行的。基于隨機場模型的分割方法，是一種用隨機場描述被分割圖像象素之間的空間關(guān)系的分割方法。圖像中的各個點不是相互獨立的，相鄰的點會相互影響，因而圖像分割時可以將這種上下文限制作為先驗知識，而這一類知識可以用馬爾可夫隨機場進(jìn)行描述。由于馬爾可夫隨機場與一個吉布斯隨機場相對應(yīng)，因此若定義了吉布斯隨機場的能量函數(shù)，那么相應(yīng)的馬爾可夫隨機場也就確定了。這樣，根據(jù)貝葉斯判斷規(guī)則，采用最大后驗概率估計器，就可將圖像分割問題轉(zhuǎn)化為求解圖像的最大后驗概率估計問題。雖然利用馬爾可夫隨機場模型結(jié)合貝葉斯方法，可將圖像分割問題歸結(jié)為求解標(biāo)記場的最大后驗概率估計問題，但是，求解后驗概率屬于組合優(yōu)化問題，直接求解困難很大。此時可考慮結(jié)合模擬退火方法，遺傳算法等搜索優(yōu)化方法以加快搜索速度并避免收斂到局部最優(yōu)。 基于聚類的分割技術(shù)圖像分割的結(jié)果是將圖像分成若干個不相交的區(qū)域，而聚類技術(shù)可以將對象分成若干類，因此將聚類技術(shù)用于圖像分割是很自然的想法。聚類分割算法一般在開始時需要給出兩個初始的聚類中心，也有不用參數(shù)的聚類分割算法，C均值聚類法， ISoDATA聚類法和模糊C均值(FCM)聚類法均可用于圖像分割，哪種方法好對不同的圖像而言，沒有統(tǒng)一的標(biāo)準(zhǔn)。聚類方法應(yīng)注意幾個問題，一是聚類的類數(shù)如何確定，二是怎樣確定聚類的有效性準(zhǔn)則，三是聚類中心的位置和特性事先不清楚時，如何設(shè)置初始值，四是運算的開銷。 基于人工神經(jīng)網(wǎng)絡(luò)的分割方法近年來，用人工神經(jīng)網(wǎng)絡(luò)(ANN)圖像分割的研究受到愈來愈多的重視，人工神經(jīng)網(wǎng)絡(luò)本身具有的分類屬性是它可用于邊緣檢測，區(qū)域分割的依據(jù)．理論上講，大部分分割方法都可用ANN實現(xiàn)。基于人工神經(jīng)網(wǎng)絡(luò)的分割方法的難點在于選用何種網(wǎng)絡(luò)以及網(wǎng)絡(luò)確定后如何確定網(wǎng)絡(luò)結(jié)構(gòu)及構(gòu)造合適的能量函數(shù)。 基于遺傳算法的分割方法遺傳算法(GA)，是一種模擬自然選擇和遺傳機制的搜索和優(yōu)化過程。它具有很強的全局優(yōu)化搜索能力，是一種具有廣泛適用性的自適應(yīng)搜索方法。它在搜索空間中是在種群中而不是在單點上進(jìn)行尋優(yōu)，它在求解過程中使用遺傳操作規(guī)則而不是確定性規(guī)則來工作。這些特點使得遺傳算法很適于應(yīng)用在圖像分割中，尤其是閾值分割法以及區(qū)域生長法中。利用GA的全局尋優(yōu)能力及對初始位置的不敏感特性，可以改進(jìn)圖像分割的性能。遺傳算法應(yīng)用于圖像分割，其難點在于適應(yīng)度函數(shù)的選擇以及交叉概率和變異概率的確定。GA還有可能收斂于局部最優(yōu)?？煽紤]使用能夠自適應(yīng)設(shè)置交叉概率和變異概率自適應(yīng)遺傳算法以及和模擬退火法相結(jié)合的混合遺傳算法。 圖像分割中的其他方法前面介紹了六大類圖像分割較常用的方法，有關(guān)圖像分割方法和文獻(xiàn)很多，新方法不斷產(chǎn)生，這些方法有的只對特定的情形有效，有的綜合了幾種方法，放在一起統(tǒng)稱為第七類。(1)標(biāo)號法(1abeling)是一種基于統(tǒng)計學(xué)的方法，這種方法將圖像欲分割成的幾個區(qū)域各以一個不同的標(biāo)號來表示，用一定的方式對圖像中的每一個像素賦以標(biāo)號，標(biāo)號相同的像素就合并成該標(biāo)號所代表的區(qū)域，M．W．Hansen等人給出了一種以人機交互式分割為基礎(chǔ)的松弛標(biāo)號算法。 (2)基于Snake模型的分割方法，基于Snake模型的分割是通過對能量函數(shù)的動態(tài)優(yōu)化來逼近圖像目標(biāo)的真實輪廓的，其能量函數(shù)由三部分組成：代表與輪廓的平滑性、連續(xù)性等形狀特征有關(guān)的約束，稱為內(nèi)部輪廓能量；代表輪廓點與圖像局部特征吻合程度的約束，稱為圖像能量；代表各種預(yù)先人為設(shè)定的約束，稱為外部能。(3)紋理分割，長期以來人們就意識到紋理是圖像分割中的重要特征，然而，由于缺乏有效和可靠的檢測紋理方法，妨礙了紋理分割的發(fā)展。近年來，由于新的數(shù)學(xué)工具的引入，紋理分割技術(shù)取得了一些進(jìn)展，張蓬等人將小波分析應(yīng)用于紋理基元提取，楊波等人將分形理論應(yīng)用于自然景物紋理特征的構(gòu)造。 (4)基于知識的圖像分割方法，即使對圖像中的某些物體并不熟悉，人也可以毫不費力地感知和解釋一幅圖像，這是因為人利用了已有的先驗知識或模型來解釋所看見的東西。常規(guī)的圖像分割方法直接對圖像數(shù)據(jù)進(jìn)行處理，雖然也可使用有關(guān)先驗知識，但不依賴于知識，基于知識的圖像分割方法直接建立在先驗知識的基礎(chǔ)上，使分割更符合實際圖像的特點。鄭南寧等提出了一種基于知識的圖像分割方法，該法充分利用領(lǐng)域知識，把分割與解釋有效地結(jié)合在一起。該方法的難度在于知識的正確合理的表示與利用。圖像分割主要有四種技術(shù)：并行邊界分割技術(shù)、串行邊界分割技術(shù)、并行區(qū)域分割技術(shù)、串行區(qū)域分割技術(shù)。圖示（2—1）。圖像分割灰度相似性不連續(xù)性檢測邊界分割? 孤立點? 孤立線? 組成邊界? 邊界跟蹤區(qū)域分割? 閾值分割? 區(qū)域分割? 區(qū)域合并? 自適應(yīng)并行邊界分割技術(shù)串行邊界分割技術(shù)并行區(qū)域分割技術(shù)串行區(qū)域分割技術(shù)圖2—1 圖像分割技術(shù)框圖 圖像分割性能的評價圖像分割中另一個重要的問題是對分割算法的比較和評價。圖像分割評價主要有兩個方面的內(nèi)容：一是研究各個分割算法在不同情況下的表現(xiàn)，掌握如何選擇和控制其參數(shù)設(shè)置，以適應(yīng)不同需要。二是分析多個分割算法在分割同一圖像時的性能，比較優(yōu)劣，以便在實際應(yīng)用中選取合適的算法。分割評價方法分為分析法和實驗法兩大類。分析法是直接分析分割算法本身的原理及性能，而實驗法是通過對測試圖像的分割結(jié)果來評價算法的。兩種方法各有優(yōu)劣，由于缺乏可靠的理論依據(jù)，并非所有的分割算法都能夠通過分析法分析其性能。實驗法大致又可以分為優(yōu)度法和偏差法兩類。優(yōu)度法在沒有正確分割的先驗知識的情況下，根據(jù)分割圖像計算某種優(yōu)度量值來評價分割算法的好壞，因此以什么作為優(yōu)度量值是困難所在，目前常用的有區(qū)域一致性、區(qū)域形狀、區(qū)域?qū)Ρ榷鹊?。偏差法往往需要首先提供一個理想分割圖像作為比較標(biāo)準(zhǔn)，依此來計算實際分割結(jié)果與理想分割圖像的差別，這種差別可以是基于錯誤分割的象素數(shù)，錯誤分割象素點的位置，分割結(jié)果區(qū)域數(shù)的差別，等等。第三章 VC++及 OpenCV 介紹 VC++介紹 C++語言的概述C++語 言 是 一 種 優(yōu) 秀 的 面 向 對 象 程 序 設(shè) 計 語 言 ， 它 在 C 語 言 的 基 礎(chǔ) 上 發(fā) 展 而 來 ，但 它 比 C 語 言 更 容 易 為 人 們 學(xué) 習(xí) 和 掌 握 。 C++以 其 獨 特 的 語 言 機 制 在 計 算 機 科 學(xué) 的 各個 領(lǐng) 域 中 得 到 了 廣 泛 的 應(yīng) 用 。 面 向 對 象 的 設(shè) 計 思 想 是 在 原 來 結(jié) 構(gòu) 化 程 序 設(shè) 計 方 法 基 礎(chǔ)上 的 一 個 質(zhì) 的 飛 躍 ， C++完 美 地 體 現(xiàn) 了 面 向 對 象 的 各 種 特 性 。 C++程 序 設(shè) 計 語 言 是 由 來 自 ATamp。T Bell Laboratories 的 Bjarne Stroustrup（ 即 本 文 作 者 ） 設(shè) 計 和 實 現(xiàn) 的 ， 它 兼 具 Simula 語 言 在 組 織 與 設(shè) 計 方 面 的特 性 以 及 適 用 于 系 統(tǒng) 程 序 設(shè) 計 的 C 語 言 設(shè) 施 。 C++最 初 的 版 本 被 稱 作 “帶 類 的 C（ C with classes） ”[Stroustrup,1980]， 在 1980 年 被 第 一 次 投 入 使 用 ； 當(dāng) 時 它 只 支 持系 統(tǒng) 程 序 設(shè) 計 和 數(shù) 據(jù) 抽 象 技 術(shù) 。 支 持 面 向 對 象 程 序 設(shè) 計 的 語 言 設(shè) 施 在 1983 年 被 加 入C++； 之 后 ， 面 向 對 象 設(shè) 計 方 法 和 面 向 對 象 程 序 設(shè) 計 技 術(shù) 就 逐 漸 進(jìn) 入 了 C++領(lǐng) 域 。 在1985 年 ， C++第 一 次 投 入 商 業(yè) 市 場 [Stroustrup,1986][Stroustrup,1986b]。 在 1987至 1989 年 間 ， 支 持 范 型 程 序 設(shè) 計 的 語 言 設(shè) 施 也 被 加 進(jìn) 了 C++[Ellis,1990][Stroustrup,1991]。 隨 著 若 干 獨 立 開 發(fā) 的 C++實 現(xiàn) 產(chǎn) 品 的 出 現(xiàn) 和 廣 泛 應(yīng) 用 ， 正 式 的 C++標(biāo) 準(zhǔn) 化 工 作 在1990 年 啟 動 。 標(biāo) 準(zhǔn) 化 工 作 由 ANSI（ American National Standard Institute） 以 及后 來 加 入 的 ISO（ International Standards Organization） 負(fù) 責(zé) 。 1998 年 正 式 發(fā)布 了 C++語 言 的 國 際 標(biāo) 準(zhǔn) [C++,1998]。 在 標(biāo) 準(zhǔn) 化 工 作 進(jìn) 展 期 間 ， 標(biāo) 準(zhǔn) 委 員 會 充 當(dāng) 了 一個 重 要 的 角 色 ， 其 發(fā) 布 的 C++標(biāo) 準(zhǔn) 之 草 案 在 正 式 標(biāo) 準(zhǔn) 發(fā) 布 之 前 ， 一 直 被 作 為 過 渡 標(biāo) 準(zhǔn)而 存 在 。 而 作 為 標(biāo) 準(zhǔn) 委 員 會 中 的 積 極 分 子 ， 我 是 C++進(jìn) 一 步 發(fā) 展 工 作 中 的 主 要 參 與 者 。與 以 前 的 C++語 言 版 本 相 比 ， 標(biāo) 準(zhǔn) C++更 接 近 我 理 想 中 的 那 個 C++語 言 了 。 關(guān) 于 C++的 設(shè) 計 和 演 化 ， 在 [Stroustrup,1994]、 [Stroustrup,1996]和 [Stroustrup,1997b]中 有 詳 細(xì) 的 敘 述 。 至 于 標(biāo) 準(zhǔn) 化 工 作 末 期 產(chǎn) 生 的 C++語 言 定 義 ， 在 [Stroustrup,1997]有 詳 細(xì) 敘 述 。 VC++介紹至于VC++ 是微軟開發(fā)的用來開發(fā)WINDOWS桌面軟件的C++可視化編譯工具。用VC++來發(fā)開發(fā)桌面軟件會比較方便，提高效率。VC++是 微 軟 公 司 開 發(fā) 的 一 個 IDE(集 成 開 發(fā) 環(huán) 境 ),換 句 話 說 ,就 是 使 用 c++的 一 個開 發(fā) 平 臺 .有 些 軟 件 就 是 這 個 編 出 來 的 ...另 外 還 有 VB, 是 使 用 不 同 語 言 ...但是 , VC++是 Windows平 臺 上 的 C++編 程 環(huán) 境 ， 學(xué) 習(xí) VC要 了 解 很 多 Windows平 臺 的 特 性 并且 還 要 掌 握 MFC、 ATL、 COM等 的 知 識 ， 難 度 比 較 大 。 Windows下 編 程 需 要 了 解 Windows的 消 息 機 制 以 及 回 調(diào) （ callback） 函 數(shù) 的 原 理 ； MFC是 Win32API的 包 裝 類 ， 需 要 理 解文 檔 視 圖 類 的 結(jié) 構(gòu) ， 窗 口 類 的 結(jié) 構(gòu) ， 消 息 流 向 等 等 ； COM是 代 碼 共 享 的 二 進(jìn) 制 標(biāo) 準(zhǔn) ，需 要 掌 握 其 基 本 原 理 等 等 。VC