【導(dǎo)讀】文使用的數(shù)據(jù)真實(shí)可靠。對(duì)比并得出結(jié)論。本文主要介紹了圖像分割的基本知識(shí)，從原理和應(yīng)用效果上對(duì)經(jīng)典的。圖像分割方法如邊緣檢測(cè)、閾值分割技術(shù)和區(qū)域生長(zhǎng)等進(jìn)行了分析。度算法中的Sobel算子、Prewitt算子、LoG算子、Canny算子的分割原。理逐一介紹并比較各種算子的分割效果。而閾值分割技術(shù)的關(guān)鍵在于閾值的確定，只有。Otsu最大類(lèi)間方差算法的自適應(yīng)閾值。此外還介紹了區(qū)域增長(zhǎng)法，它的基本思想是將具。有相似性質(zhì)的像素集合起來(lái)構(gòu)成新區(qū)域。與此同時(shí)本文還分析了圖像分割技術(shù)研究的方

　　

【正文】 23 謝 辭 陽(yáng)春三月，清風(fēng)扶柳，春暖花開(kāi)，到處都是一片春意盎然的景象，在這樣一個(gè)成長(zhǎng)的季節(jié)里，出生長(zhǎng)廣東、成長(zhǎng)在廣東、就連求學(xué)也至今未曾離開(kāi)廣東的我就要結(jié)束我的大學(xué)生涯，迎來(lái)了我四年中最重要的一刻，畢業(yè)答辯。回顧我的求學(xué)生涯，我不得不提到我的大學(xué)母校，是它給予了我 學(xué)習(xí)、成長(zhǎng)壯大的優(yōu)美環(huán)境，給予了我寶貴的思想道德文化修養(yǎng)和扎實(shí)的專(zhuān)業(yè)知識(shí)，希望它早日沖出廣東，成為中大，華工一樣的全國(guó)聞名的高等學(xué)府，進(jìn)而走向世界 ! 我之所以能夠順利完成本次論文，離不開(kāi)我的導(dǎo)師一直以來(lái)的辛勤培養(yǎng)和諄諄教誨，她不僅使我獲得了專(zhuān)業(yè)上的扎實(shí)基礎(chǔ)，還在平常不時(shí)督促我按時(shí)交作業(yè)。論文從開(kāi)題到定稿，之中蘊(yùn)含了老師的多少的心血和汗水，耐心指導(dǎo)、提供方法，她是這樣一絲不茍、精益求精對(duì)待學(xué)術(shù)研究的作風(fēng)，使我終身受益。感謝我的導(dǎo)師，希望她身體健康，永遠(yuǎn)快樂(lè)幸福，事業(yè)步步高升 ! 論文的順利完成，我的同學(xué)，院系老 師，班長(zhǎng)輔導(dǎo)員也在我的論文上也花費(fèi)了不少心血，他們給予了我最直接的指導(dǎo)和關(guān)愛(ài)，可以說(shuō)他們是我的導(dǎo)師 。他們對(duì)我的論文耐心指導(dǎo)，不知疲倦，諄諄善誘，使我的論文終于能夠?qū)懙浇裉臁８兄x他們，希望他們和家人都幸福安康，快樂(lè)一生 ! 特別感謝我的朋友，是他們給予了我想要的資料和數(shù)據(jù)，希望他們和女朋友永遠(yuǎn)健康幸福 !還要感謝我的同門(mén)師兄弟和我的室友們，沒(méi)有他們?cè)谂赃厼槲掖驓猓o予我鼓勵(lì)和支持，我也不可能堅(jiān)持到今天，感謝他們，希望他們找個(gè)好工作，永遠(yuǎn)健康、幸福、快樂(lè) ! 感謝我慈愛(ài)、無(wú)私的父母，是他們給予了我無(wú)盡的動(dòng)力和支持，希 望他們永遠(yuǎn)健康、快樂(lè)。 24 附 錄 1. 邊緣檢測(cè)代碼： clc。 clear all。 [filename pathname]= ... uigetfile({39。*.*39。39。*.jpg39。39。*.bmp39。39。*.pgm39。39。*.tiff39。39。*.gif39。},39。 讀入圖片 39。)。 str=[pathname filename]。 I=imread(str)。 im=imread(str)。 %讀取圖像 im=im2double(im)。 %將圖像轉(zhuǎn)化為 double型 不是的，看我們的需要，不過(guò)大多數(shù)都是 因?yàn)?double類(lèi)型，處理基本不受限制，其他類(lèi)型有時(shí)受限制 im1=rgb2gray(im)。 %將圖像轉(zhuǎn)換為灰度圖像 im1=medfilt2(im1,[3 3])。 %中值濾波 這個(gè)窗口有 3*3的， 5*5的， 7*7的等等 ，選擇哪個(gè)都可以，關(guān)鍵看我們圖像的要求，當(dāng)然窗口越小，效果會(huì)越好 均值濾波使得圖像模糊 BW = edge(im1,39。Sobel39。)。 %找到邊緣 canny,prewitt,log都可以更換，效果看來(lái)是 Canny較好 [imx,imy]=size(BW)。 %提取 BW圖像的大小 imx代表行數(shù)， imy代表列數(shù) msk=[0 0 0 0 0。 0 1 1 1 0。 0 1 1 1 0。 0 1 1 1 0。 0 0 0 0 0。]。 %隨便刪，隨便加行，減行都可以 實(shí)驗(yàn)了很多種，最后得到這個(gè)是最 好的。 B=conv2(double(BW),double(msk))。 %平滑圖像 平滑圖像能幫助我們更好的標(biāo)注 圖像實(shí)際由于灰度不同，會(huì)呈現(xiàn)許多區(qū)域 標(biāo)注就是對(duì)每個(gè)區(qū)域進(jìn)行標(biāo)注 L = bwlabel(B,8)。 %標(biāo)注連通對(duì)象 選擇 8連通進(jìn)行標(biāo)注 用 8連通函數(shù)進(jìn)行標(biāo)注可以為了標(biāo)注的更緊密些 因?yàn)樗^的 8連通是指可以向 8個(gè)方向進(jìn)行擴(kuò)展 mx=max(max(L))。 %標(biāo)注的最大數(shù) 一共有多少個(gè)灰度區(qū)域 [r,c] = find(L==17)。 %找到目標(biāo)對(duì)象 r c 是橫縱左邊 25 %以下是將目標(biāo)對(duì)象儲(chǔ)存 rc = [r c]。 %存目標(biāo)坐標(biāo) [sx sy]=size(rc)。 n1=zeros(imx,imy)。 %定義圖像大小 for i=1:sx x1=rc(i,1)。 y1=rc(i,2)。 n1(x1,y1)=255。 %實(shí)現(xiàn)圖像的分割 end %分別顯示原圖、去噪后的圖像、平滑后的圖像、實(shí)現(xiàn)分割的圖像 figure,imshow(im)。 figure,imshow(im1)。 figure,imshow(BW)。 figure,imshow(n1) 。 % 去除偽邊緣 MAX_E=max(max(edge_array).39。)。 % 最大幅度值 edge_array=edge_array/MAX_E。 % 最大幅度值 threshold=。 % 閾值（需要調(diào)整） % 遍歷 for m=1:401 for n=1:281 if (edge_array(m,n)threshold) edge_array(m,n)=1。 else edge_array(m,n)=0。 end end end % 顯示圖像和邊緣 figure %subplot(1,2,1) imshow(X) title(39。圖像 39。) %subplot(1,2,2) figure imshow(edge_array) 26 title(39。邊緣 39。) 2. 區(qū)域生長(zhǎng)代碼： A0=imread(39。39。)。 %讀入圖像 seed=[100,220]。 %選擇起始位置 thresh=15。 %相似性選擇閾值 A=rgb2gray(A0)。 %灰度化 A=imadjust(A,[min(min(double(A)))/255,max(max(double(A)))/255],[])。 A=double(A)。 %將圖像灰度化 B=A。 %將 A賦予 B [r,c]=size(B)。 %圖像尺寸 r為行數(shù)， c為列數(shù) n=r*c。 %計(jì)算圖像所包含點(diǎn)的個(gè)數(shù) pixel_seed=A(seed(1),seed(2))。 %原圖起始點(diǎn)灰度值 q=[seed(1) seed(2)]。 %q用來(lái)裝載起始位置 top=1。 %循環(huán)判斷 flag M=zeros(r,c)。 %建立一個(gè)與原圖形同等大小的矩陣 M(seed(1),seed(2))=1。 %將起始點(diǎn)賦為 1，其余為 0 count=1。 %計(jì)數(shù)器 while top~=0 %循環(huán)結(jié)束條件 r1=q(1,1)。 %起始點(diǎn)行位置 c1=q(1,2)。 %起始點(diǎn)列位置 p=A(r1,c1)。 %起始點(diǎn)灰度值 dge=0。 for i=1:1 %周?chē)c(diǎn)的循環(huán)判斷 for j=1:1 if r1+i=r amp。 r1+i0 amp。 c1+j=c amp。 c1+j0 %保證在點(diǎn)周?chē)秶畠?nèi) if abs(A(r1+i,c1+j)p)=thresh amp。 M(r1+i,c1+j)~=1 %判定條件？ top=top+1。 %滿(mǎn)足判定條件 top加 1， top為多少，則 q的行數(shù)有多少行 q(top,:)=[r1+i c1+j]。 %將滿(mǎn)足判定條件的周?chē)c(diǎn)的位置賦予 q， q記載了滿(mǎn)足判定的每 一外點(diǎn) 27 M(r1+i,c1+j)=1。 %滿(mǎn)足判定條件將 M中相對(duì)應(yīng)的點(diǎn)賦為 1 count=count+1。 %統(tǒng)計(jì)滿(mǎn)足判定條件的點(diǎn)個(gè)數(shù)，其實(shí)與 top此時(shí)的值一樣 B(r1+i,c1+j)=1。 %滿(mǎn)足判定條件將 B中相對(duì)應(yīng)的點(diǎn)賦為 1 end if M(r1+i,c1+j)==0。 %如果 M中相對(duì)應(yīng)點(diǎn)的值為 0將 dge賦為 1，也是說(shuō)這幾個(gè)點(diǎn)不滿(mǎn)足條件 dge=1。 %將 dge賦為 1 end else dge=1。 %點(diǎn)在圖像外將 dge賦為 1 end end end %此時(shí)對(duì)周?chē)鷰c(diǎn)判斷完畢，在點(diǎn)在圖像外或不滿(mǎn)足判定條件則將 dge賦為 1，滿(mǎn)足條件dge為 0 if dge~=1 %最后判斷的周?chē)c(diǎn)（ i=1,j=1）是否滿(mǎn)足條件，如 dge=0，滿(mǎn)足。 dge=1，不滿(mǎn)足。 B(r1,c1)=A(seed(1),seed(2))。 %將原圖像起始位置灰度值賦予 B end if count=n %如果滿(mǎn)足判定條件的點(diǎn)個(gè)數(shù)大于等于 n top=1。 end q=q(2:top,:)。 top=top1。 end subplot(1,2,1),imshow(A,[])。 subplot(1,2,2),imshow(B,[])。 3. Otsu 算法 自適應(yīng)閾值代碼： %本程序是利用最大類(lèi)間方差算法求解自適應(yīng)閾值，對(duì)圖像進(jìn)行分割 clear。 warning off。 I=imread(39。39。)。 %rgb轉(zhuǎn)灰度 if isrgb(I)==1 I_gray=rgb2gray(I)。 28 else I_gray=I。 end figure,imshow(I_gray)。 I_double=double(I_gray)。 %轉(zhuǎn)化為雙精度 [wid,len]=size(I_gray)。 colorlevel=256。 %灰度級(jí) hist=zeros(colorlevel,1)。 %直方圖 %threshold=128。 %初始閾值 %計(jì)算直方圖 for i=1:wid for j=1:len m=I_gray(i,j)+1。 hist(m)=hist(m)+1。 end end hist=hist/(wid*len)。 %直方圖歸一化 miuT=0。 for m=1:colorlevel miuT=miuT+(m1)*hist(m)。 end xigmaB2=0。 for mindex=1:colorlevel threshold=mindex1。 omega1=0。 omega2=0。 for m=1:threshold1 omega1=omega1+hist(m)。 end omega2=1omega1。 miu1=0。 miu2=0。 for m=1:colorlevel if mthreshold miu1=miu1+(m1)*hist(m)。 29 else miu2=miu2+(m1)*hist(m)。 end end miu1=miu1/omega1。 miu2=miu2/omega2。 xigmaB21=omega1*(miu1miuT)^2+omega2*(miu2miuT)^2。 xigma(mindex)=xigmaB21。 if xigmaB21xigmaB2 finalT=threshold。 xigmaB2=xigmaB21。 end end fT=finalT/255 %閾值歸一化 T=graythresh(I_g