【文章內(nèi)容簡介】 進(jìn)行圖像分割。常用的特征包括：直接來自原始圖像的灰度或彩色 特征；由原始灰度或彩色值變換得到的特征。方法主要有區(qū)域生長法、區(qū)域分裂與合并法、聚類法、松弛法等。 區(qū)域生長方法從若干種子或種子區(qū)域出發(fā)，按照一定的生長準(zhǔn)則，對(duì)鄰域像素點(diǎn)進(jìn)行判別并連接，直到完成所有像素點(diǎn)的連接。這種方法的關(guān)鍵在于種子點(diǎn)的位置、生長準(zhǔn)則和生長順序等。與之對(duì)應(yīng)的區(qū)域分裂與合并法則剛好相反，將整幅圖像分裂成小的區(qū)域，最后將分裂區(qū)域中性質(zhì)相同的小區(qū)域合并進(jìn)行圖像分割處理。 聚類法在特征空間對(duì)像素點(diǎn)集進(jìn)行聚類，包括硬聚類、概率聚類、模糊聚類等。由于缺乏對(duì)像素空間拓?fù)潢P(guān)系的考慮，往往還需進(jìn)行后處理才能 完成分割。聚類準(zhǔn)則是聚類分割的關(guān)鍵。松弛法是一種動(dòng)態(tài)調(diào)優(yōu)的標(biāo)號(hào)方法，包括概率松弛、模糊松弛等。把對(duì)應(yīng)于不同目標(biāo)的標(biāo)號(hào)分別賦給圖像中每個(gè)像素，根據(jù)相鄰像素之間的相容性，通過迭代調(diào)整標(biāo)號(hào)，直到收斂。其關(guān)鍵在于標(biāo)號(hào)相容模型和迭代方法的收斂性。這兩種方法在實(shí)現(xiàn)上存在一定的困難。 結(jié)合特定理論工具的分割方法 近年來，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)。 基于人工神經(jīng)網(wǎng)絡(luò)的分割方法的基本思想是用訓(xùn)練樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以確定節(jié)點(diǎn)間的連接和權(quán)值，再用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分割新的圖像數(shù)據(jù)。目前，由于這種方法較復(fù)雜，計(jì)算量較大，還有待進(jìn)一步實(shí)用化。 基于小波分析和變換的分割方法是借助數(shù)學(xué)工具小波變換來分割圖像的一種方法。小波變換是一種多尺度、多通道的分析工具 它是空域和頻域的局域變換，因而能有效地從信號(hào)中提取信息，通過伸縮和平移等運(yùn)算功能對(duì)函數(shù)或信號(hào)進(jìn)行多尺度分析，解決了傅立葉變換不能解決的許多問題。 基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素 去量度和提取圖像中的對(duì)應(yīng)形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的。由于形態(tài)學(xué)對(duì)圖像分割具有優(yōu)異的特性，使其在未來的圖像分割中起主導(dǎo)作用。但該方法還不能很好地解決耗時(shí)問題，將其與一些節(jié)約時(shí)間的方法結(jié)合起來，是圖像分割的一種趨勢(shì)。 遺傳算法是基于進(jìn)化論自然選擇機(jī)制的、并行的、統(tǒng)計(jì)的、隨機(jī)化搜索的方圖像區(qū)域分割算法設(shè)計(jì) 6 法 。 灰度直方圖 灰度直方圖是灰度級(jí)的函數(shù)，它表示圖象中具有每種灰度級(jí)的象素的個(gè)數(shù)，反映圖象中每種灰度出現(xiàn)的頻率。它是多種空間域處理技術(shù)的基礎(chǔ)。直方圖操作能夠有效用于圖像增強(qiáng)；提供有用的圖像統(tǒng)計(jì)資料，其在軟件中易于計(jì)算，適用于商用硬件設(shè)備。 我們可以通過直方圖的狀態(tài)來評(píng)斷圖像的一些性質(zhì)：明亮圖像的直方圖傾向于灰度級(jí)高的一側(cè)；低對(duì)比度圖像的直方圖窄而集中于灰度級(jí)的中部，高對(duì)比度圖像的直方圖成分覆蓋的灰度級(jí)很寬而且像素的分布沒有不太均勻，只有少量的垂線比其他高許多。直觀上來說 ， 若一幅圖像其像素占有全部可能的灰度級(jí)并且分布 均勻，則這樣的圖像有高對(duì)比度和多變的灰度色調(diào)。從概率的觀點(diǎn)來理解，灰度出現(xiàn)的頻率可看作其出現(xiàn)的概率，這樣直方圖就對(duì)應(yīng)于概率密度函數(shù) 。 均值濾波 由于不可知處理前的圖像是不是受到過噪聲干擾，而噪聲會(huì)影響到圖像的質(zhì)量，所以去除圖像中的噪聲對(duì)于改善圖像分割效果非常重要。本次設(shè)計(jì)使用三次均值濾波（取像素點(diǎn)及周圍共九個(gè)點(diǎn)平均灰度作為新的灰度值）去掉這些噪聲。去噪過程同時(shí)還可實(shí)現(xiàn)圖像的平滑。 均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素（以目標(biāo)象素為中心的周 圍 8 個(gè)象素，構(gòu)成一個(gè)濾波模板，即去掉目標(biāo)象素本身）。再用模板中的全體像素的平均值來代替原來像素值。 （ a）有噪點(diǎn)的原始圖像 （ b）濾波后的圖像 圖 三次均值濾波效果圖 均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn) (x,y)，選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再圖像區(qū)域分割算法設(shè)計(jì) 7 把該均值賦予當(dāng)前像素點(diǎn) (x,y)，作為處理后圖像在該點(diǎn)上的灰度個(gè) g(x,y)，即 g(x,y) = 1 ??? ∑??(??,??) m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。 如圖 所示， 均值濾波本身存在著固有的缺陷，即它不能很好地保護(hù)圖像細(xì)節(jié)，在圖像去噪的同時(shí)也破壞了圖像的細(xì)節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點(diǎn)。 GUI 簡介 圖形用戶界面（ Graphical User Interface，簡稱 GUI，又稱圖形用戶接口）是指采用圖形方式顯示的計(jì)算機(jī)操作用戶界面。它是由窗口、光標(biāo)、按鍵、菜單、文字說明等對(duì)象構(gòu)成的。用戶通過一定的方法（如鼠標(biāo)或鍵盤）選擇、激活這些圖形對(duì)象，使計(jì)算機(jī)產(chǎn)生某種動(dòng)作或變化，比如實(shí)現(xiàn)計(jì)算、繪圖等。假如讀者所從事的數(shù)據(jù)分析、解方程、計(jì)算結(jié)果可視工作比較單一，那么一般不會(huì)考慮 GUI的制作。但是如果讀者想向別人提供應(yīng)用程序，想進(jìn)行某種技術(shù)、方法的演示，想制作一個(gè)供反復(fù)使用且操作簡單的專用工具，那么圖形用戶界面也許是最好的選擇之一。 一個(gè)好的 GUI 能夠使程序更加容易的使用。它提供用戶一個(gè)常 見的界面，還提供一些控件，例如，按鈕，列表框，滑塊，菜單等。用戶圖形界面應(yīng)當(dāng)是易理解且操作是可以預(yù)告的，所以當(dāng)用戶進(jìn)行某一項(xiàng)操作，它知道如何去做。例如，當(dāng)鼠標(biāo)在一個(gè)按鈕上發(fā)生了單擊事件，用戶圖形界面初始化它的操作，并在按鈕的標(biāo)簽上對(duì)這個(gè)操作進(jìn)行描述。 創(chuàng)建 MATLAB 用戶圖形界面必須由三個(gè)基本元素 : 。 在 GUI 中的每一個(gè)項(xiàng)目 (按鈕 ,標(biāo)簽 ,編輯框等 )都是一個(gè)圖形化組件 。 組件可分為三類 :圖形化控件 (按鈕 ,編輯框 ,列表 ,滾動(dòng)條等 ),靜態(tài)元素 (窗口和文本字符串 ),菜單和坐標(biāo)系 . 圖形化控件和靜態(tài)元素由函數(shù) uicontrol 創(chuàng)建 ,菜單由函數(shù) uimenu 和 uicontextmenu 創(chuàng)建 ,坐標(biāo)系經(jīng)常用于顯示圖形化數(shù)據(jù) ,由函數(shù) axes 創(chuàng)建 。 。 GUI 的每一個(gè)組件都必須安排圖象窗口中。以前，我們?cè)诋嫈?shù)據(jù)圖象時(shí)，圖象窗口會(huì)被自動(dòng)創(chuàng)建。但我們還可以用函數(shù) figure 來創(chuàng)建空?qǐng)D象窗口，空?qǐng)D象窗口經(jīng)常用于放置各種類型的組件。 。最后，如果用戶用鼠標(biāo)單擊或用鍵盤鍵入一些信息，那么程序就要有相應(yīng)的動(dòng)作。鼠標(biāo)單擊或鍵入信息是一個(gè)事件，如果 MATLAB 程序運(yùn)行相應(yīng)的函數(shù)，那么 MATLAB 函數(shù)肯定會(huì)有所反應(yīng)。 例如，如果用戶單擊一按鈕，這個(gè)事件必然導(dǎo)致相應(yīng)的 MATLAB 語句執(zhí)行。這些相應(yīng)的語句被稱為回應(yīng)。只要圖像區(qū)域分割算法設(shè)計(jì) 8 執(zhí)行 GUI 的單個(gè)圖形組件，必須有一個(gè)回應(yīng)。 本次設(shè)計(jì) GUI 界面如圖 所示： 圖 圖像分割 GUI 界面 本章小結(jié) 圖像分割 有多種 分類方式 ，本文主要分為四類，閾值分割方法、邊緣檢測方法、區(qū)域提取方法和結(jié)合特定理論工具的分割方法?；叶戎狈綀D作為研究圖像的一種手段十分重要，閾值分割法主要就是以灰度直方圖為依據(jù)。對(duì)圖像濾波是對(duì)圖片的預(yù)處理，對(duì)于噪點(diǎn)比較高的圖片，通過濾波可以很好地改善圖片的分割效果。 在 MATLAB 中 GUI 是面向?qū)ο蟮木幊?，可以?MATLAB 程序的終端用戶操作更加輕松，即使不懂 MATLAB 程序也能輕易操作。 圖像區(qū)域分割算法設(shè)計(jì) 9 第 3 章 基于 閾值 的圖像分割方法的仿真實(shí)現(xiàn) 引言 閾值分割是一種最常見的分割方法。這種方法利用圖像中要提取的目標(biāo)和背景的灰度差異，把圖像分成兩種具有不同灰度級(jí)的區(qū)域。分割的關(guān)鍵就是選取合適的閾值，以確定圖像中每個(gè)像素點(diǎn)是屬于目標(biāo)還是屬于背景。閾值分割算法因其直觀、實(shí)現(xiàn)簡單等特點(diǎn)在圖像分割的應(yīng)用中一直得到廣泛的使用，尤其是在分割精度要求不是很高的場合。 常用的方法是：設(shè)定某一閾值 T，用 T將圖像分割成大于閾值 T的像素群 (目標(biāo) )和小于閾值 T的像素群 (背景 )兩部分。這兩類像素一般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。設(shè)輸入圖像是 F(x,y)，輸出圖像是 B(x,y)，如式 3?1 所示 ： B(x,y) = {1, ??(??,??) ??0, ??(??,??) ?? （ 3? 1） 閾值分割實(shí)質(zhì)上就是按照某個(gè)準(zhǔn)則求出最佳閾值的過程?，F(xiàn)有的大部分算法都是集中在閾值確定的研究上。 閾值分割分為全局閾值分割和局部閾值方法兩種。若根據(jù)分割算法所具有的特征或準(zhǔn)則，常用的分割方法可以分為直方圖雙峰法、最大類間方差法、迭代法等。 直方圖雙峰法 該閾值法的依據(jù)是圖像的直方圖，通過對(duì)直方圖進(jìn)行各種分析來實(shí)現(xiàn)對(duì)圖像的分割。圖像的直方圖可以看作是像素灰度值概率分布密度函數(shù)的一個(gè)近似，設(shè)一幅圖像僅包含目標(biāo)和背景，那么它的直方圖所代表的像素灰度值概率密度分布函數(shù)實(shí)際上就是對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰分布密度函數(shù)的和。圖像二值化過程就是在直方圖上尋找兩個(gè)峰、一個(gè)谷來對(duì)一個(gè)圖像進(jìn)行分割，也可以通過兩級(jí)函數(shù)來近似直方圖。 若灰度圖像的直方圖，其灰度級(jí)范圍 i = 0,1,?,L?1， 當(dāng)灰度級(jí)為 k時(shí)的像素?cái)?shù)為 ????，則一幅圖像的總像素?cái)?shù) N如式 3?2 所示： N = ∑???????1??=0= ??0 + ??1 + ?+ ?????1 （ 3? 2） 灰度級(jí) i出現(xiàn)的概率如 3?3 所示： ???? = ?????? = ??????0+??1+?+?????1 （ 3? 3） 圖像區(qū)域分割算法設(shè)計(jì) 10 當(dāng)圖像的灰度直方圖為雙峰分布的時(shí)候，圖像的內(nèi)容大致為兩部分，分別為灰度分布的兩個(gè)山峰的附近。因此直方圖左側(cè)山峰為亮度較低的部分，這部分恰好對(duì)應(yīng)于畫面中較暗的背景部分；直方圖右側(cè)山峰為亮度較高的部分，對(duì)應(yīng)于畫面中需要分割的目標(biāo)。選擇的閾值為兩峰之間的谷底點(diǎn)時(shí)，即可將目標(biāo)分割出來。 雙峰法在當(dāng)被分割圖像的灰度直方圖中呈現(xiàn)出明顯、清晰的兩個(gè)波峰時(shí)，使用該方法可以達(dá)到較好的分割精度。但是，閾值分割算法的交互性比較差。盡管可以通過人工參與、交互設(shè)定閾值，但設(shè)定閾值后分割效果如何，也需要通過人工觀察圖像分割結(jié)果來判斷。 此外，該方法的抗噪性較差，當(dāng)被分割對(duì)象存在較強(qiáng)噪聲時(shí)，分割效果會(huì)受到很大的影響。 (a) 灰度直方圖 (b) 原始圖像 (c) 分割結(jié)果 圖 31 直方圖雙峰法分割圖像 結(jié)果分析：從圖 31 的仿真結(jié)果可以發(fā)現(xiàn)，這是一種有效且簡單的閾值分割方法，只需要將圖 31(a)直方圖上兩個(gè)波峰之間的谷底選擇為分割閾值，即選擇閾值為 80，就可以將對(duì)象從背景中分割出來了，得到圖 31(c)所示的分割結(jié)果。圖像區(qū)域分割算法設(shè)計(jì) 11 但是在圖中也可以看出，這種方法有局限性，就是要求圖像的灰度直方圖必須具有雙峰性，也就是說，圖像的目標(biāo)和背景必須形成較大的反差，如該圖中，人物和背景灰度差距很大，才能得到比較理想的仿真結(jié)果。 最大類間方差法 從統(tǒng)計(jì)意義上講，方差是表征數(shù)據(jù)分布不均衡的統(tǒng)計(jì)量， 可 通過閾值對(duì) 這 類問題進(jìn)行分割。最大類間方差法以圖像的灰度直方圖為依據(jù)，以目標(biāo)和背景的類間方差最大為閾值選取準(zhǔn)則，綜合考慮了像素鄰域以及圖像整體灰度分布等特征關(guān)系，以經(jīng)過灰度分類的像素類群之間產(chǎn)生最大方差時(shí)候的灰度數(shù)值作為圖像的整體分割閾值。顯然，適 當(dāng)?shù)拈撝凳沟脙深悢?shù)據(jù)間的方差越大越好，表明該閾值的確將兩類不同的問題區(qū)分開了，同時(shí)希望屬于同一類問題的數(shù)據(jù)之間的方差越小越好，表明同一類問題具有一定的相似性。 這種方法首先初步選定特定圖像分割閾值，把待處理圖像直方圖分割成 ??0，??1 (目標(biāo)和背景 ) 兩組 ，在分別記錄兩組像素值的各自的有關(guān)參數(shù)后，通過建立類間方差數(shù)學(xué)模型來確定兩組像素點(diǎn)群體的方差，如此將分割閾值按照一定順序進(jìn)行變化，直至當(dāng)分割的兩組數(shù)據(jù)的類間方差與類內(nèi)方差比值最大時(shí)候，便認(rèn)為此閾值分割所得到的圖像分組結(jié)果之間差別最大，即獲得最優(yōu)的圖像分割閾值。 在分割閾值確定過程中，以 ????2(T)代表閾值為 k時(shí)的類間方差， ????， ????分別為????組中像素 i產(chǎn)生的概率和組內(nèi) 所有像素點(diǎn)灰度值的均值 ， μ為整體圖像所有像素點(diǎn)灰度的均值。兩組間的類間方差如式 3?4 所示： ????2 = ??0(??0 ? ??)2 + ??1(??1 ? ??)2 = ??0??1(??0 ? ??)2 (3?4) 運(yùn)行結(jié)果： graythresh 計(jì)算灰度閾值： 88 (a) 原始圖像 (b) 分割結(jié)果 圖 32 最大類間方差法分割圖像 結(jié)果分析：