基于sobel算子和數(shù)學形態(tài)學的分水嶺分割算法畢業(yè)設計-資料下載頁
2025-10-29 21:40本頁面
【導讀】來越多的研究者的注意。分水嶺算法作為圖像分割中的一種經典算法更是研究的。本文圍繞圖像分割，介紹了利用對圖像前處理以減弱過分割的分水嶺分割。其數(shù)學定義與函數(shù)實現(xiàn)。像分割處理可以取得比單純應用分水嶺算法獲得更好的分割效果。征等處理的方法和技術。伴隨著現(xiàn)代社會進入信息化的程度不斷提高，計算機科
【正文】 采用指定的形態(tài)學運算 n次。 operation 為 下列字符串之一： ‘ clean’：除去孤立的像素 (被 0包圍的 1) ‘ close’：計算二值閉合 ‘ dilate’：用結構元素計算圖像膨脹 ‘ erode’：用結構元素計算圖像侵蝕 ④ imclose 函數(shù) 該函數(shù)功能是對灰度圖像執(zhí)行形態(tài)學閉運算，即使用同樣的結構元素先對圖像進行膨脹操作后進行腐蝕操作。調用格式為： IM2=imclose(IM,SE) IM2=imclose(IM,NHOOD) ⑤ imopen 函數(shù) 該函數(shù)功能是對灰度圖像執(zhí)行形態(tài)學開運算，即使用同樣的結構元素先對圖像進行腐蝕操作后進行膨脹操作。調用格式為： IM2=imopen(IM,SE) IM2=imopen(IM,NHOOD) 用 MATLAB 編程實現(xiàn)圖像去噪 ⑥ 二值形態(tài)學消除圖像噪聲 用二值形態(tài)學方法對圖像中的噪聲進行濾除的基本思想是：使用具有一定形態(tài)的結構元素去度量和提取圖像中的對應形狀，以達到消除圖像噪聲的目的。下面是二值形 態(tài)學消除圖像噪聲的一個實例。 首先將 圖像加入椒鹽噪聲，這種噪聲前面已經介紹過，它在亮的圖像區(qū)域內是暗點，而在暗的圖像區(qū)域內是亮點，再對有噪聲圖像進行二值化操作，再對有噪聲圖像進行開啟操作，由于這里的結構元素矩陣比噪聲的尺寸要大，因而開啟的結果是將背景上的噪聲點去除了，最后對前一步得到的圖像進行閉合操作。 11 、 5． 分水嶺算法 基本思想 分水嶺分割方法，是一種基于拓撲理論的數(shù)學形態(tài)學的分割方法，其基本思想是把圖像看作是測地學上的拓撲地貌，圖像中的每一點像素的灰度值表示該點 的海拔高度，每一個局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺。分水嶺的概念和形成可以通過模擬浸水過程來說明。在每一個局部極小值表面，刺穿一個小孔，然后把整個模型慢慢浸入水中，隨著浸水水位的上升，每一個局部極小值的影響域慢慢向外擴展，當?shù)竭_分水嶺時就會溢出，如果此時在兩個集水盆匯合處起構筑大壩，則形成分開各個儲水盆地的分水嶺。 分水嶺的計算過程是一個迭代標注過程。分水嶺比較經典的計算方法是 提出的。在該算法中，分水嶺計算 分兩個步驟，一個是排序過程，一個是嚴密過程。首先對每個像素的灰度級進行從低到高排序，然后在從低到高實現(xiàn)淹沒過程中 ,對每一個局部極小值在 h 階高度的影響域采用先進先出 (FIFO)結構進行判斷及標注。 分水嶺變換得到的是輸入圖像的集水盆，及水盆之間的邊界點，即為分水嶺。 顯然，分水嶺表示的是輸入圖像極大值點。因此，為了得到圖像的邊緣信息，通常把梯度圖像作為輸入圖像，即 g(x,y)=grad(f(x,y))={[f(x,y)f(x1,y)]2[f(x,y)f(x,y1)]2} 式中， f(x,y)表示原始圖像， grad{.}表示梯度運算。 分水嶺算法對微弱邊緣具有良好的響應，圖像中的噪聲、物體表面細微的灰度變化，都會產生過度分割的現(xiàn)象。但同時應當看出，分水嶺算法對微弱邊緣有良好的響應，是得到封閉連續(xù)邊緣的保證的。另外，分水嶺算法所得到的封閉集 水盆，為分析圖像的區(qū)域特征提供了可能。 為消除分水嶺算法產生的過度分割，通?？梢圆捎脙煞N處理方法，一是利用 先驗知識去除無關邊緣信息。二是修 改梯度函數(shù)使得集水盆只響應想要探測的目 標。 12 、 為降低分水嶺算法產生的過度分割，通常要對梯度函數(shù)進行修改，一個簡單的方 法是對梯度圖像進行閾值處理，以消除灰度的微小變化產生的過度分割。即 g(x,y)=max(grad(f(x,y)),gθ ) 式中， gθ表示閾值。 分水嶺分割技術是一種很優(yōu)秀的且得到了廣泛應用的分割技術，從本質上 講，它屬于一種基于區(qū)域增長的分割方法，但它得到的確是目標的邊界，且是連續(xù)、 閉合、但像素寬的邊界。在很多領域，這種分割技術都得到了廣泛的應用但分水嶺分割卻有一個致命的弱點，那就是容易產生過分割，即分割的區(qū)域數(shù)目遠超過圖像中包含的實際對象數(shù)。原因在于每個實際區(qū)域中有多個局部最小值，依據(jù)分割原理，每個局部最小值產生一個分割區(qū)域，便產生嚴重的過分割結果。針對這個問題，很多人提出了很多種改進的分水嶺分割技術。綜合來講，大概也就三類。其一，分割預處理。既在應用 分水嶺分割之前對圖像進行一些預處理，諸如除噪，求梯度圖像，形態(tài)學重建，標記前景背景等等，一個目的，減少小的積水盆，從而減少過分割區(qū)域的數(shù)量。其 二，分割后處理。既在應用分水嶺分割之后對結果圖像 進行合并處理。如果初始分割產生過多小區(qū)域，合并處理會具有很大的運算量，所以后處理的時間復雜度經常 較高，還有合并準則的確定，也是一件比較麻煩的事情，通常有基于相鄰區(qū)域的平均灰度信息和邊界強度信息的合并準則，不同合并準則會得到不同的分割結果。 其三，就是既有預處理又有后處理的分割技術。 程序可采用方法：用閾值限制梯度圖像以達到消除灰度值的微小變化產生的過度分割，獲得適量的區(qū)域，再對這些區(qū)域的邊緣點的灰度級進行從低到高排序，然后在從低到高實現(xiàn)淹沒的過程，梯度圖像用 Sobel 算子計算獲得。對梯度圖像進行閾 值處理時，選取合適的閾值對最終分割的圖像有很大影響，因此閾值的選取是圖像分割效果好壞的一個關鍵。缺點：實際圖像中可能含有微弱的邊緣，灰度變化的數(shù)值差別不是特別明顯，選取閾值過大可能會消去這些微弱邊緣。 13 、 目前對分水嶺分割的改進主要有三種思路。一是分割前對圖像進行預處理；二是分割時添加約束；三是分割后對圖像進行再處理。 具體實現(xiàn)步驟 本文采用的算法具體實現(xiàn)步驟如下：先用 sobel 算子對圖像濾波，計算梯度，再對圖像進行形態(tài)學處理，最后用分水嶺算法分割處理后的圖像。 6. 總結 本次設計基本上實現(xiàn) 了預先設想，得到了分割算法圖像。通過本次論文設計，我收獲了很多。不僅對不僅對形態(tài)學圖像分割的分水嶺算法與邊緣檢測技術的基本原理和基礎知識有了一定的較為全面的了解，而且對數(shù)學算子的應用有了更進一步的提高，并且學習了一個很有用的軟件 Matlab。 參考文獻 [1]張立科 .數(shù)字圖像處理典型算法及實現(xiàn) [M].人民郵電出版社 . [2]李春月，李峰 .基于分水嶺變換和 FCM 的圖像分割 [J].計算機工程與科學 ,(12).5665. [3]基于數(shù)學形態(tài)學的圖像分割算法 [D].重慶大學 學 士學位論文， [4 14 、
畢業(yè)設計相關推薦
鄂ICP備17016276號-1