【文章內(nèi)容簡介】 方法不需要預(yù)先指定種子點(diǎn)，它的研究重點(diǎn)是分裂和合并規(guī)則的設(shè)計(jì)。但是，分裂合并技術(shù)可能會使分割區(qū)域的邊界破壞[2]。和閾值法一樣，區(qū)域生長法一般不單獨(dú)使用, 而是放在一系列處理過程中。它主要的缺陷是, 每一個(gè)需要提取的區(qū)域都必須人工給出一個(gè)種子點(diǎn), 這樣有多個(gè)區(qū)域就必須給出相應(yīng)的種子個(gè)數(shù)。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]。3．圖像分割方法詳述本次畢業(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說是閾值法與邊緣檢測法的結(jié)合使用，在整個(gè)圖象分割的過程中，最主要的方法是邊緣檢測法，而閾值法起到是對圖象進(jìn)行預(yù)處理和后處理的作用?？紤]到既要具有良好的切割效果,又要保留圖像的重要邊緣特征,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)采用邊緣檢測算子檢測圖像的邊界特征,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)過邊緣檢測后的圖像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 ,各處的對比度不同 ,背景灰度變化等問題。 圖像分割方法實(shí)現(xiàn)對彩色圖像進(jìn)行灰度處理用全局閾值法對圖像進(jìn)行預(yù)處理：閾值法是一種簡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)果將對應(yīng)的像素劃分為兩類:像素的灰度值大于閾值的為一類。 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：，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(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(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)識別。，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、(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)方便的檢測到.在對圖像進(jìn)行分割時(shí)，采用了多種算子對圖像進(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)的邊緣檢測算子。用局部閾值法對圖像進(jìn)行后處理：經(jīng)過全局閾值分割和邊緣檢測分割后,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)的一組閾值對圖像各部分分別進(jìn)行分割。最簡單的方法是將圖像劃分為若干小圖像,先對各子圖像閾值法進(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)測試了3種算子，分別是Prewitt算子，Log算子和Canny算子。對于三種算子的實(shí)驗(yàn)現(xiàn)象，從視覺上來看，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有非邊緣點(diǎn)，但是邊緣的連續(xù)性較差，從視覺上來看圖像顯得很雜亂。我們對圖像分割的結(jié)果通常以人的主觀判決作為評價(jià)準(zhǔn)則。盡管對大多數(shù)圖像處理問題而言，最后的信宿是人的視覺，但對不同分割方法的處理結(jié)果作一定量的比較、評價(jià)也是必需的。這是一個(gè)有意義但比較困難的問題。從目前的文獻(xiàn)來看，已有學(xué)者在這方面做了一些工作。一般認(rèn)為對分割方法的評價(jià)可以通過分析和實(shí)驗(yàn)兩種方式來進(jìn)行。因此，分割評價(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)法是通過對測試圖像的分割結(jié)果來評價(jià)算法的。通過對實(shí)際分割結(jié)果的分析來評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(gè)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?jì)算： (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)域間的對比度：圖像平均灰度1平均灰度2區(qū)域間對比度Canny算子Prewitt算子Log算子表1 區(qū)域間的對比度所以，區(qū)域間的對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，總的來說，就是將Canny算子分割后的圖片繼續(xù)分割成四小塊，對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。局部閾值化后，由現(xiàn)象可以看出，并沒有對原圖進(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，這說明在經(jīng)過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(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對圖像分割的概念進(jìn)行詳細(xì)的陳述。2對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、基于邊緣檢測分割和基于區(qū)域分割三大類，并對他們做了簡單的介紹和比較。3提出本次圖像分割的方案，并且對方案進(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)象對圖像分割進(jìn)行分析，運(yùn)用相關(guān)的圖像分割評價(jià)標(biāo)準(zhǔn)來對分割出來的圖像進(jìn)行分析，根據(jù)數(shù)據(jù)說明圖像分割結(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）同樣都是邊緣檢測法，不同的邊緣檢測算子對同一幅圖像分割出來的效果是不同的，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。 沒有哪一種邊緣算子是絕對的合適，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)果很明顯沒有Prewitt算子分割細(xì)致，這是它不足的地方，每一種邊緣檢測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，只能說對于特定的圖片，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)果對其進(jìn)行分割，也許會產(chǎn)生更差的結(jié)果。③局部閾值法對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]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，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。盡管人們在圖像分割方面作出了很多的研究，但是，迄今為止，沒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，對于特定的圖像分割，最主要的是分析這幅圖像的特性，針對這幅圖像的特點(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)。從一般意義上來說，只有對圖像內(nèi)容的徹底理解，才能產(chǎn)生完美的分割[17]。近年來，隨著各學(xué)科許多新理