【文章內(nèi)容簡(jiǎn)介】 數(shù)組，這主要取決于圖像數(shù)字化設(shè)備的能力。現(xiàn)代掃描儀可以把每個(gè)像素的灰度等級(jí)量化為 16 位甚至更高，這意味著圖像的數(shù)字化精度可以達(dá)到滿足任一應(yīng)用需求。對(duì)計(jì)算機(jī)而言，不論數(shù)組大小，也不論每個(gè)像素的位數(shù)多少，其處理程序幾乎是一樣的。換 言之，從原理上講不論圖像的精度有多高，處理總是能實(shí)現(xiàn)的，只要在處理時(shí)改變程序中的數(shù)組參數(shù)就可以了?；叵胍幌聢D像的模擬處理，為了要把處理精度提高一個(gè)數(shù)量級(jí)，就要大幅度地改進(jìn)處理裝置，這在經(jīng)濟(jì)上是極不合算的。 適用面寬 圖像可以來(lái)自多種信息源，它們可以是可見(jiàn)光圖像，也可以是不可見(jiàn)的波譜圖像（例如 X 射線圖像、 射線圖像、超聲波圖像或紅外圖像等）。從圖像反映的客觀實(shí)體尺度看，可以小到電子顯微鏡圖像，大到航空照片、遙感圖像甚至天文望遠(yuǎn)鏡圖像。這些來(lái)自不同信息源的圖像只要被變換為數(shù)字編碼形式后，均是用二維 數(shù)組表示的灰度圖像（彩色圖像也是由灰度圖像組合成的，例如 RGB 圖像由紅、綠、藍(lán)三個(gè)灰度圖基于 MATLAB的圖像分割算法研究 6 像組合而成）組合而成，因而均可用計(jì)算機(jī)來(lái)處理。即只要針對(duì)不同的圖像信息源，采取相應(yīng)的圖像信息采集措施，圖像的數(shù)字處理方法適用于任何一種圖像。 靈活性高 圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內(nèi)容。由于圖像的光學(xué)處理從原理上講只能進(jìn)行線性運(yùn)算，這極大地限制了光學(xué)圖像處理能實(shí)現(xiàn)的目標(biāo)。而數(shù)字圖像處理不僅能完成線性運(yùn)算，而且能實(shí)現(xiàn)非線性處理，即凡是可以用數(shù)學(xué)公式或邏輯 關(guān)系來(lái)表達(dá)的一切運(yùn)算均可用數(shù)字圖像處理實(shí)現(xiàn)。 數(shù)字圖像處理的應(yīng)用 圖像是人類獲取和交換信息的主要來(lái)源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。隨著人類活動(dòng)范圍的不斷擴(kuò)大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。 航天和航空技術(shù)方面的應(yīng)用 數(shù)字圖像處理技術(shù)在航天和航空技術(shù)方面的應(yīng)用，除了上面介紹的 JPL 對(duì)月球、火星照片的處理之外，另一方面的應(yīng)用是在飛機(jī)遙感和衛(wèi)星遙感技術(shù)中。許多國(guó)家每天派出很多偵察飛機(jī)對(duì)地球上有興趣的地區(qū)進(jìn)行大量的空中攝影。對(duì)由此得來(lái)的照片進(jìn)行處理分析， 以前需要雇用幾千人，而現(xiàn)在改用配備有高級(jí)計(jì)算機(jī)的圖像處理系統(tǒng)來(lái)判讀分析，既節(jié)省人力，又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報(bào)。從 60 年代末以來(lái)，美國(guó)及一些國(guó)際組織發(fā)射了資源遙感衛(wèi)星（如 LANDSAT系列）和天空實(shí)驗(yàn)室（如 SKYLAB），由于成像條件受飛行器位置、姿態(tài)、環(huán)境條件等影響，圖像質(zhì)量總不是很高。因此，以如此昂貴的代價(jià)進(jìn)行簡(jiǎn)單直觀的判讀來(lái)獲取圖像是不合算的，而必須采用數(shù)字圖像處理技術(shù)。如 LANDSAT 系列陸地衛(wèi)星，采用多波段掃描器（ MSS），在 900km 高空對(duì)地球每一個(gè)地區(qū)以 18 天 為一周期進(jìn)行掃描成像，其圖像分辨率大致相當(dāng)于地面上十幾米或 100米左右（如 1983 年發(fā)射的 LANDSAT4，分辨率為 30m）。這些圖像在空中先處理（數(shù)字化，編碼）成數(shù)字信號(hào)存入磁帶中，在 7 衛(wèi)星經(jīng)過(guò)地面站上空時(shí)，再高速傳送下來(lái)，然后由處理中心分析判讀。這些圖像無(wú)論是在成像、存儲(chǔ)、傳輸過(guò)程中，還是在判讀分析中，都必須采用很多數(shù)字圖像處理方法?，F(xiàn)在世界各國(guó)都在利用陸地衛(wèi)星所獲取的圖像進(jìn)行資源調(diào)查（如森林調(diào)查、海洋泥沙和漁業(yè)調(diào)查、水資源調(diào)查等），災(zāi)害檢測(cè)（如病蟲害檢測(cè)、水火檢測(cè)、環(huán)境污染檢測(cè)等），資源勘察（如石油勘 查、礦產(chǎn)量探測(cè)、大型工程地理位置勘探分析等），農(nóng)業(yè)規(guī)劃（如土壤營(yíng)養(yǎng)、水 分 和農(nóng)作物生長(zhǎng)、產(chǎn)量的估算等），城市規(guī)劃（如地質(zhì)結(jié)構(gòu)、水源及環(huán)境分析等）。我國(guó)也陸續(xù)開(kāi)展了以上諸方面的一些實(shí)際應(yīng)用，并獲得了良好的效果。在氣象預(yù)報(bào)和對(duì)太空其它星球研究方面，數(shù)字圖像處理技術(shù)也發(fā)揮了相當(dāng)大的作用。 生物醫(yī)學(xué)工程方面的應(yīng)用 數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。除了上面介紹的 CT 技術(shù)之外，還有一類是對(duì)醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識(shí)別等。此外，在 X 光肺部圖像 增析、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。 通信工程方面的應(yīng)用 當(dāng)前通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的多媒體通信。具體地講是將電話、電視和計(jì)算機(jī)以三網(wǎng)合一的方式在數(shù)字通信網(wǎng)上傳輸。其中以圖像通信最為復(fù)雜和困難，因圖像的數(shù)據(jù)量十分巨大，如傳送彩色電視信號(hào)的速率達(dá) 100Mbit/s以上。要將這樣高速率的數(shù)據(jù)實(shí)時(shí)傳送出去，必須采用編碼技術(shù)來(lái)壓縮信息的比特量。在一定意義上講，編碼壓縮是這些技術(shù)成敗的關(guān)鍵。除了已應(yīng)用較廣泛的熵編碼、 DPCM編 碼、變換編碼外，目前國(guó)內(nèi)外正在大力開(kāi)發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼等。 工業(yè)和工程方面的應(yīng)用 在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動(dòng)裝配線中檢測(cè)零件的質(zhì)量、并對(duì)零件進(jìn)行分類，印刷電路板疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力基于 MATLAB的圖像分割算法研究 8 學(xué)圖片的阻力和升力分析，郵政信件的自動(dòng)分揀，在一些有毒、放射性環(huán)境內(nèi)識(shí)別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計(jì)和制造技術(shù)中采用工業(yè)視覺(jué)等等。其中值得一提的是研制具備視覺(jué)、聽(tīng)覺(jué)和觸覺(jué)功能的智能機(jī)器人，將會(huì)給工農(nóng)業(yè)生產(chǎn)帶來(lái)新的激勵(lì)，目前已在工業(yè)生產(chǎn)中的噴漆、焊接、裝配中得到有效的利用。 軍事公安方面的應(yīng)用 在軍事方面圖像處理和識(shí)別主要用于導(dǎo)彈的精確末制導(dǎo)，各種偵察照片的判讀，具有圖像傳輸、存儲(chǔ)和顯示的軍事自動(dòng)化指揮系統(tǒng)，飛機(jī)、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等；公安業(yè)務(wù)圖片的判讀分析，指紋識(shí)別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。目前已投入運(yùn)行的高速公路不停車自動(dòng)收費(fèi)系統(tǒng)中的車輛和車牌的自動(dòng)識(shí)別都是圖像處理技術(shù)成功應(yīng)用的例子。 文化藝術(shù)方面的應(yīng)用 目前這類應(yīng)用有電視畫面的數(shù)字編輯，動(dòng)畫的制作， 電子圖像游戲，紡織工藝品設(shè)計(jì)，服裝設(shè)計(jì)與制作，發(fā)型設(shè)計(jì)，文物資料照片的復(fù)制和修復(fù)，運(yùn)動(dòng)員動(dòng)作分析和評(píng)分等等，現(xiàn)在已逐漸形成一門新的藝術(shù) —— 計(jì)算機(jī)美術(shù)。 利用計(jì)算機(jī)進(jìn)行圖像處理有兩個(gè)目的：一是產(chǎn)生適合人觀察和識(shí)別的圖像，二是希望能由計(jì)算機(jī)自動(dòng)識(shí)別和理解圖像。無(wú)論為了哪種目的，圖像處理中關(guān)鍵的一步就是對(duì)包含有大量各式各樣景物信息的圖像進(jìn)行分割。分割的最終結(jié)果是圖像被分解成一些具有某種特征的最小成分，稱為圖像的基元。相對(duì)于整幅圖像來(lái)說(shuō)，這種圖像基元更容易被快速處理。圖像特征是指圖像中可用作標(biāo)志的屬性，它可以氛圍圖 像的統(tǒng)計(jì)特性和圖像的視覺(jué)特征兩類。圖像的統(tǒng)計(jì)特性是指一些人為定義的特征，通過(guò)變換才能得到，如圖像的直方圖、矩、頻譜等；圖像的視覺(jué)特征是指人的視覺(jué)可直接感受到的自然特征，如區(qū)域的亮度、紋理或輪廓等。利用這兩類特征把圖像分解成一系列有意義的目標(biāo)或區(qū)域的過(guò)程稱為圖像的分割。 數(shù)字圖像分割技術(shù)的發(fā)展概況 基于分形的圖像分割技術(shù) 9 基于特征的圖像分割方法包括兩個(gè)重要的部分：特征抽取與模式聚類。特征提取是圖像分割最重要的問(wèn)題之一，能否抽取出有效的特征值對(duì)分割結(jié)果有很大的影響，如果沒(méi)有好的特征值，分類方法 再好也無(wú)法獲得理想的結(jié)果。 特征抽取大致可以分為三類，即基于特征、基于模型以及基于結(jié)構(gòu)?；谔卣鞯姆椒ň褪菍ふ揖哂邢嗤匦缘膮^(qū)域或區(qū)域邊界，基于模型的方法就是假設(shè)一個(gè)基本的隨機(jī)過(guò)程并用過(guò)程參數(shù)作為特征。由于模型參數(shù)也可用作紋理特征，基于模型的方法可看成是基于特征方法的一個(gè)子集。結(jié)構(gòu)特征基于假設(shè)圖像中有可檢測(cè)的基本結(jié)構(gòu)元素并按一定的規(guī)則排列。 基于模型的方法最典型的模型主要有兩種：分形幾何模型與隨機(jī)模型。分形函數(shù)近年來(lái)受到越來(lái)越多的重視。分形是 在總結(jié)了自然界中的非規(guī)整幾何圖形后，于 1975 年第一次提出了分形的概念。 Mandelbrot 給分形的定義為：設(shè)的豪斯道夫維數(shù)是 D，如果這個(gè)維數(shù)恒大于集合 A的拓?fù)渚S數(shù) Dt，則稱集合 A是分形集，簡(jiǎn)稱分形。上述定義沒(méi)有其他任何條件要求。 1986 年， Mandelbrot 又給出了分形的第二個(gè)定義：組成部分與整體以某種相似的形叫做分形。這個(gè)定義突出了相似性的作用，反映了自然界中很廣泛一類物體的基本屬性；局部與局部，局部與整體在形態(tài)、功能、信息、時(shí)間與空間等方面具有統(tǒng)計(jì)意義上的相似性。簡(jiǎn)單地說(shuō)分形就是一個(gè)維數(shù)大于拓?fù)渚S數(shù)的集合。分形維數(shù)的一大特點(diǎn)是尺度變換不 變性。分形幾何學(xué)已經(jīng)廣泛應(yīng)用于圖像壓縮和圖像編碼，并且取得了較好的效果。同時(shí)也有一些研究者將分形特征用于自然紋理圖像和自然景物的分割與識(shí)別中。分形維數(shù)特征對(duì)圖像尺度變換不敏感，與人對(duì)物體表面粗糙度的判斷有很大的相關(guān)性，由于許多自然紋理都具有線形對(duì)數(shù)功率譜，而分形維數(shù)就對(duì)應(yīng)于這種線形對(duì)數(shù)功率譜斜率的估計(jì)值，因而用分形維數(shù)描述自然紋理有一定的合理性。 基于神經(jīng)網(wǎng)絡(luò)的圖像分割技術(shù) 使用神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)圖像分割算法。 Blanz and Gish 使用一個(gè)多層前向神經(jīng)網(wǎng)絡(luò)用于圖像分割，輸入層神經(jīng)元的數(shù)目 取決于輸入特征數(shù)，而輸出層神經(jīng)元的數(shù)目等同于分類的數(shù)目。由于 BP 網(wǎng)絡(luò)能完成 n 維空間（輸入節(jié)點(diǎn)數(shù)為 n）到 m維空間（輸出節(jié)點(diǎn)數(shù) m）的復(fù)雜非線形映射，因此它具有 Laplacian 算子的能力，用神經(jīng)網(wǎng)絡(luò)可以獲得良好的結(jié)果，而且用神經(jīng)網(wǎng)絡(luò)處理，一旦訓(xùn)練完畢，各節(jié)點(diǎn)間的互聯(lián)權(quán)就完全確基于 MATLAB的圖像分割算法研究 10 定，在識(shí)別時(shí)具有很快的速度。 Babaguchi 等使用多層 BP 神經(jīng)網(wǎng)絡(luò)，用于閾值分割圖像，輸入是統(tǒng)計(jì)直方圖，輸出是想要的閾值。使用這種方法，在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)階段需要大量的已知閾值的樣本圖像，以用于調(diào)節(jié)網(wǎng)絡(luò)參數(shù)產(chǎn)生合適的輸出。但在實(shí)際應(yīng)用中，要獲 得大量的樣本圖像是十分困難的。 借助于松弛標(biāo)記技術(shù)與人工神經(jīng)網(wǎng)絡(luò)的有關(guān)理論，提出了一種用 Kohonen 網(wǎng)絡(luò)作從網(wǎng)絡(luò)粗分的主從神經(jīng)網(wǎng)絡(luò)分割方法，從網(wǎng)絡(luò)的分割結(jié)果用于確定主網(wǎng)絡(luò)中各神經(jīng)元的初始狀態(tài)，然后主網(wǎng)絡(luò)從這一初始狀態(tài)出發(fā)進(jìn)行狀態(tài)的動(dòng)態(tài)演變，直至收斂到主網(wǎng)絡(luò)的某一吸引子，這時(shí)主網(wǎng)絡(luò)的狀態(tài)對(duì)應(yīng)于分割后的圖像。這種方法能夠分割低信噪比條件下圖像，實(shí)驗(yàn)證明它比最佳鑒別門限準(zhǔn)則門限分割法與矩陣保持門限分割法具有更好的效果，并且可以實(shí)現(xiàn)實(shí)時(shí)處理。類似的用于從高度噪聲破壞的景物中提取對(duì)象的方法還可以使用 Hopfield類型神經(jīng)網(wǎng)絡(luò)。 本文的主要流程圖 圖 11 主要流程圖 原始圖像 邊 緣 檢測(cè)方法 灰度閾值分割 區(qū)域分割方法 比較各種方法的分割效果 得出比較理想的分割效果 11 第二章 數(shù)字圖像處理的處理方式 圖像變換 由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。目前新興研究的小波變換在時(shí)域和頻域中都具有良好的局部化特 性，它在圖像處理中也有著廣泛而有效的應(yīng)用。 圖像編碼壓縮 圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。 圖像增強(qiáng)和復(fù)原 圖像增強(qiáng)和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì) 節(jié)明顯；如強(qiáng)化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對(duì)圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過(guò)程建立 “ 降質(zhì)模型 ” ，再采用某種濾波方法，恢復(fù)或重建原來(lái)的圖像。 圖像分割 圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來(lái)，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒(méi)有一基于 MATLAB的圖像分割算法研究 12 種普遍適用于各種圖像的有效方法。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。 圖像描述 圖像描述是圖像識(shí)別和理解的必要前提。作為最簡(jiǎn)單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對(duì)于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開(kāi)始進(jìn)行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。 圖像分類（識(shí)別） 圖像分類（識(shí)別）屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過(guò)某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。圖像分類常采用經(jīng)典的模 式識(shí)別方法，有統(tǒng)計(jì)模式分類和句法（結(jié)構(gòu)）模式分類，近年來(lái)新發(fā)展起來(lái)的模糊模式識(shí)別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識(shí)別中也越來(lái)越受到重視。 13 第三章 MATLAB 平臺(tái)及其開(kāi)發(fā)環(huán)境 MATLAB 自 1984 年由美國(guó) Mathworks 公司推向市場(chǎng)以來(lái)，歷經(jīng)十幾年的發(fā)展，現(xiàn)已成為國(guó)際公認(rèn)的最優(yōu)秀的科技應(yīng)用軟件。 MATL