【正文】 系統(tǒng)中的自動決策及評價算法的優(yōu)劣,同時應(yīng)考慮到均質(zhì)性、對比度、緊致性、連續(xù)性、心理視覺感知等因素。隨著對人類視覺機理的研究,人們逐漸認識到,已有方法大都與人類視覺機理相脫節(jié),難以進行更精確的分割。尋找到具有較強的魯棒性、實時性以及可并行性的分割方法必須充分利用人類視覺特性。僅利用圖像中表現(xiàn)出來的灰度和空間信息來對圖像進行分割,往往會產(chǎn)生和人類的視覺分割不一致的情況。人類視覺分割中應(yīng)用了許多圖像以外的知識,在很多視覺任務(wù)中,人們往往對獲得的圖像已具有某種先驗知識,這對于改善圖像分割性能是非常重要的。試圖尋找可以分割任何圖像的算法目前是不現(xiàn)實,也是不可能的。人們的工作應(yīng)放在那些實用的、特定圖像分割算法的研究上，力圖在實際應(yīng)用中達到和人類視覺分割更接近的水平。參考文獻[1] 夏得深，[M] ．南京：東南大學出版， 2022：120135.[2] [M]．北京：電子工業(yè)出版社， 1998：110，166，220.[3] （MATLAB 版）[M]．北京：電子工業(yè)出版社，2022。111120，152.[4] 劉直芳，游勝志 .基于多尺度彩色形態(tài)矢量算子的邊緣檢測[J]. 中國圖像圖形學報，2022，32（1）：3033.[5] 潘晨，顧峰．基于 3D 直方圖的彩色圖像分割方法[J].中國圖像圖形學報，2022，33（2）：3538.[6] 李宏貴，李興國．一種基于函數(shù)的圖像邊緣檢測算法[J]．中國圖像圖形學報，2022，5(3)：102316.[7] 孫祥， 基礎(chǔ)教程[M]．北京：清華大學出版社，2022：102106，155.[8] 董長虹．Matlab 神經(jīng)網(wǎng)絡(luò)與應(yīng)用 [M]．北京： 國防工業(yè)出版社，2022：243245，134，189.[9] 賴志國， 圖像處理與應(yīng)用 [M]．北京：國防工業(yè)出版社，2022：139,150170.[10] 劉直芳，王運瓊．數(shù)字圖像處理與分析[M]． 北京：清華大學出版社，2022：6975，120，200.謝 辭陽春三月，清風扶柳，春暖花開，到處都是一片春意盎然的景象，在這樣一個成長的季節(jié)里，出生長廣東、成長在廣東、就連求學也至今未曾離開廣東的我就要結(jié)束我的大學生涯，迎來了我四年中最重要的一刻，畢業(yè)答辯。回顧我的求學生涯，我不得不提到我的大學母校，是它給予了我學習、成長壯大的優(yōu)美環(huán)境，給予了我寶貴的24思想道德文化修養(yǎng)和扎實的專業(yè)知識，希望它早日沖出廣東，成為中大，華工一樣的全國聞名的高等學府，進而走向世界!我之所以能夠順利完成本次論文，離不開我的導師一直以來的辛勤培養(yǎng)和諄諄教誨，她不僅使我獲得了專業(yè)上的扎實基礎(chǔ)，還在平常不時督促我按時交作業(yè)。論文從開題到定稿，之中蘊含了老師的多少的心血和汗水，耐心指導、提供方法，她是這樣一絲不茍、精益求精對待學術(shù)研究的作風，使我終身受益。感謝我的導師，希望她身體健康，永遠快樂幸福，事業(yè)步步高升!論文的順利完成，我的同學，院系老師，班長輔導員也在我的論文上也花費了不少心血，他們給予了我最直接的指導和關(guān)愛，可以說他們是我的導師。他們對我的論文耐心指導，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健康幸福! 還要感謝我的同門師兄弟和我的室友們，沒有他們在旁邊為我打氣，給予我鼓勵和支持，我也不可能堅持到今天，感謝他們，希望他們找個好工作，永遠健康、幸福、快樂!感謝我慈愛、無私的父母，是他們給予了我無盡的動力和支持，希望他們永遠健康、快樂。附 錄1. 邊緣檢測代碼：clc。clear all。[filename pathname]= ...25 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，不過大多數(shù)都是 因為double類型，處理基本不受限制，其他類型有時受限制 im1=rgb2gray(im)。 %將圖像轉(zhuǎn)換為灰度圖像im1=medfilt2(im1,[3 3])。 %中值濾波 這個窗口有3*3的，5*5的，7*7的等等 ，選擇哪個都可以，關(guān)鍵看我們圖像的要求，當然窗口越小，效果會越好 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 實驗了很多種，最后得到這個是最好的。B=conv2(double(BW),double(msk))。 %平滑圖像 平滑圖像能幫助我們更好的標注 圖像實際由于灰度不同，會呈現(xiàn)許多區(qū)域 標注就是對每個區(qū)域進行標注L = bwlabel(B,8)。 %標注連通對象 選擇8連通進行標注 用8連通函數(shù)進行標注可以為了標注的更緊密些 因為所謂的8連通是指可以向8個方向進行擴展mx=max(max(L))。 %標注的最大數(shù) 一共有多少個灰度區(qū)域 [r,c] = find(L==17)。 %找到目標對象 r c 是橫縱左邊%以下是將目標對象儲存rc = [r c]。 %存目標坐標[sx sy]=size(rc)。n1=zeros(imx,imy)。 %定義圖像大小for i=1:sx x1=rc(i,1)。26 y1=rc(i,2)。 n1(x1,y1)=255。 %實現(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 endend % 顯示圖像和邊緣figure%subplot(1,2,1)imshow(X)title(39。圖像39。)%subplot(1,2,2)figureimshow(edge_array)title(39。邊緣39。)2. 區(qū)域生長代碼：A0=imread(39。39。)。%讀入圖像seed=[100,220]。27%選擇起始位置thresh=15。%相似性選擇閾值A(chǔ)=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。 %計算圖像所包含點的個數(shù)pixel_seed=A(seed(1),seed(2))。 %原圖起始點灰度值q=[seed(1) seed(2)]。 %q用來裝載起始位置top=1。 %循環(huán)判斷flagM=zeros(r,c)。 %建立一個與原圖形同等大小的矩陣M(seed(1),seed(2))=1。 %將起始點賦為1，其余為0count=1。 %計數(shù)器while top~=0 %循環(huán)結(jié)束條件r1=q(1,1)。 %起始點行位置c1=q(1,2)。 %起始點列位置p=A(r1,c1)。 %起始點灰度值dge=0。for i=1:1 %周圍點的循環(huán)判斷for j=1:1if r1+i=r amp。 r1+i0 amp。 c1+j=c amp。 c1+j0 %保證在點周圍范圍之內(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]。%將滿足判定條件的周圍點的位置賦予q，q記載了滿足判定的每一外點M(r1+i,c1+j)=1。 %滿足判定條件將M中相對應(yīng)的點賦為 1count=count+1。 %統(tǒng)計滿足判定條件的點個數(shù)，其實與top 此時的值一樣B(r1+i,c1+j)=1。 %滿足判定條件將B中相對應(yīng)的點賦為1endif M(r1+i,c1+j)==0。%如果 M中相對應(yīng)點的值為0將dge賦為1，也是說這幾個點不滿足條件28dge=1。 %將dge賦為1endelsedge=1。 %點在圖像外將 dge賦為1endendend %此時對周圍幾點判斷完畢，在點在圖像外或不滿足判定條件則將dge賦為1，滿足條件dge為0if dge~=1%最后判斷的周圍點（i=1,j=1）是否滿足條件，如dge=0，滿足。dge=1，不滿足。B(r1,c1)=A(seed(1),seed(2))。 %將原圖像起始位置灰度值賦予Bendif count=n %如果滿足判定條件的點個數(shù)大于等于ntop=1。endq=q(2:top,:)。top=top1。endsubplot(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間方差算法求解自適應(yīng)閾值，對圖像進行分割clear。warning off。I=imread(39。39。)。 %rgb轉(zhuǎn)灰度if isrgb(I)==1 I_gray=rgb2gray(I)。else I_gray=I。endfigure,imshow(I_gray)。I_double=double(I_gray)。 %轉(zhuǎn)化為雙精度[wid,len]=size(I_gray)。29colorlevel=256。 %灰度級hist=zeros(colorlevel,1)。 %直方圖%threshold=128。 %初始閾值%計算直方圖for i=1:wid for j=1:len m=I_gray(i,j)+1。 hist(m)=hist(m)+1。 endendhist=hist/(wid*len)。 %直方圖歸一化miuT=0。for m=1:colorlevel miuT=miuT+(m1)*hist(m)。endxigmaB2=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