【文章內(nèi)容簡介】 的實現(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 ,用迭代法進行閾值選取，以 達到 區(qū)分背景和目標 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)圖象分割的實際效果， 將經(jīng)過邊緣檢測后的圖像 G(x,y)進行局部閾 值分割，以達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 法實現(xiàn) 對彩色圖像 進行灰度處理 用 全局 閾值法對圖像進行預處理 ： 閾值法是一種簡單有效的圖像分割方法 ,它用一個或幾個閾值將圖像的灰度級分為幾個部分 ,認為屬于同一個部分的像素是同一個物體。運用 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。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行分割后， 必須使圖像中的背景和目標的分割錯誤達到最小 。 這種方法是先確定一個處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個像素的灰度值都與這個閾值相比較，并根據(jù)比較結(jié)果將對應的像素劃分為兩類 :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，所以對像素根據(jù)閾值分類達到了區(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： 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行分割：邊緣是圖像的最基本的特征 , 邊緣中包含著有價值的目標邊界信息 , 這些信息可以用作圖像分析、目標識別。 邊緣檢測分割法是通過檢測出不同區(qū)域邊界來進行分割的 .邊緣總是以強度突變的形式出現(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區(qū)域的終結(jié)和另一個區(qū)域的開始 .圖像的邊緣包含了物體形狀的重要信息，兩個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和二階導數(shù)方便的檢測到 . 在對圖像進行分割時，采用了多種算子對圖像進行分割，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)計的邊緣檢測算子。 用局部閾值法對圖像進行后處理：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，如果只用一個固定的全局閾值對整幅圖像進行后 ,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。其實局部閾值法是全局閾值法的一個拓展。 4． 實驗 結(jié)果 及分析 實驗結(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，再將這個圖片分割為四 個小圖片，每一個圖片的直方圖如下 : 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 實驗 結(jié)果 分析 由灰度圖片的直方圖可以看出，這個直方圖有多個峰 值， 不滿足雙峰法的兩個波峰一個波谷的條件，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像素，因此，對于直方圖 波峰 明顯 或目標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，本次畢業(yè)設(shè)計測試了 3 種算子，分別 是 Prewitt 算子 ， Log 算子 和 Canny 算子 。 對于三種算子的實驗現(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，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。 Prewitt 算子的分割的圖像中雖然幾乎沒有非邊緣點，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準則 。 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、評價也是必需的 。 這是一個有意義但比較困難的問題 。 從目前的文獻來看，已有學者在這方面做了一些工作 。 一般認為對分割方法的評價可以通過分析和實驗兩種方式來進行 。 因此，分割評價方法可以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 。 通過對實際分割結(jié)果的分析來評估分割算法是具有實際意義的。 定量試驗準則： 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區(qū)域。直觀的考慮，這些區(qū)域的特性之間應該有比較大的差距，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榷瓤梢园聪率絹碛嬎?： 21 |21| ff ffGC ??? (1) 事實上式 (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，當一幅圖像有多個區(qū)域時，可利用式 (1)分別計算兩兩間的區(qū)域間的對比度再求和 [16]。 將圖像分為左右兩個大的區(qū)域， 下表是各個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行分割后，分成四塊小圖像，在實驗現(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行閾值化的時候，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，并沒有對原圖進行多大的改善，只是在一些很細微的地方有了一些邊緣的細化以及平滑，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)及其實際應用情況，主要進行了以下幾個方面的研究工作： 1對圖像分割的概念進行詳細的陳述。 2對圖像分割的常用方法進行 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，并且對方案進行詳細的論述以及分析。 4運用 MATLAB 軟件進行實驗， 展示實驗現(xiàn)象， 得到了較好的效果，根據(jù)實驗現(xiàn)象對圖像分割進行分析， 運用相關(guān)的圖像分割評價標準來對分割出來的圖像進行分析，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。 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） 從實驗現(xiàn)象中可以看出，圖像中的目標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，因為每一種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，從以上實驗 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的優(yōu)缺點，我們只能選取當中效果較好的一種，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，并對每個子圖像選取相應的閾值。局部閾值分割法雖然能改善分割效果，但存在幾個 缺點： ① 每幅子圖像的尺寸不能太小，否則統(tǒng)計出的結(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區(qū)域或背景區(qū)域，而根據(jù)統(tǒng)計結(jié)果對其進行分割，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行統(tǒng)計，速度慢，難以適應實時性的要求。 （ 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行了完善歸納和分類的圖象分割理論也是遠遠不夠的，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不到很好的效果，可以運用其他的方法結(jié)合使用，互相彌補不足。因為沒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，結(jié)合已知的先驗知識，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，制定適合它的方案，以達到最好的分割效果。 展望 圖像分割是圖像理解與計算機視覺領(lǐng)域國際學術(shù)界公認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準。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)學形態(tài)學 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)絡技術(shù)的圖像分割方法，遺傳算法在圖像分割中的應用 和 基于小波分析和變換的分割技術(shù)。雖然近年來研究成果越來越多，但由于圖像分割本身所具有的難度，使研究沒有大的突破性的進展 。 從圖像分割研究的歷 史來看，可以看到對圖像分割的研究有幾個明顯的趨勢：一是對原有算法的不斷改進 ， 二是新方法、新概念的引入和多種方法的有效綜合運用 ， 人們逐漸認識到現(xiàn)有的任何一種單獨的圖像分割算法都難以對一般圖像取得令人滿意的分割效果，因而很