數(shù)字圖像處理論文基于灰度圖像的閾值分割改進方法-資料下載頁
2025-09-06 11:31本頁面
【正文】 的圖像分割方法，由分割得到的結(jié)果我們發(fā)現(xiàn)這三種方法的優(yōu)點在于實現(xiàn)簡單，但是這只是針對少數(shù)不同類別物體彼此灰度相差很大時，才能進行有效的分割。當(dāng)圖像中不存在明顯灰度差異或灰度值范圍有較大重疊，難以得到準(zhǔn)確的分割結(jié)果。其次，僅考慮灰度信息而不考慮圖像空間信息，因此對噪聲的灰度不均勻性敏感。最后，分割后得到的圖像不能很好的顯示圖像的細節(jié)。三種分割方法得到的圖像都不能很好的顯示硬幣的表面細節(jié)，并且未能將圖像邊界完整分割開來。所以，在實際的運用中，總是將其與其它方法結(jié)合起來使用。55. 基于圖像增強的分割改進算法圖像增強就是按照人們主觀上對理想圖像的要求，對原有圖像進行銳化或平滑處理，使之達到改善圖像質(zhì)量的實際應(yīng)用要求。本圖像為增強圖像的細節(jié)就得將原始圖像進行銳化，圖像的邊緣細節(jié)與圖像上梯度的整體強度有關(guān)，圖像邊緣越強，圖像的細節(jié)效果越明顯。梯度圖像能夠更好地適應(yīng)圖像邊緣的變化快慢，邊緣檢測也常用各種微分算子來提取圖像的邊界。圖像邊界信息更多地是高頻信號，這與梯度有更大的關(guān)系，因此對保存有完整圖像邊界信息的圖像進行梯度銳化后分割更加合理。假設(shè)圖像在處的梯度定義為： (51) 由于梯度是一個矢量，所以起其方向和在該方向上的大小為： (52)對于一幅圖像中突出的，變化快的邊緣區(qū)，其梯度值較大；而對與非邊緣信號，其梯度值較小。這樣由上面的梯度算子就可以增強圖像的細節(jié)部分，需保留低頻信號，與原圖像的信息進行疊加，其中添加一個銳化系數(shù)，如下： (53)為增強后的圖像； 為原始圖像，用來保存圖像的原始背景信息；為原始圖像梯度，為圖像的銳化細節(jié)信息；k為銳化系數(shù)，用于調(diào)節(jié)銳化的強度。這樣調(diào)整k值的大小，就使得原有圖像在細節(jié)部分更具有突出性。當(dāng)k=2時，執(zhí)行以下程序代碼：clear all %讀入圖像I=imread(39。39。)。figure(1)。imshow(I)。title(39。原始圖像39。)。I=double(I)。 %圖像類型轉(zhuǎn)換[Gx,Gy]=gradient(I)。 %計算梯度Gx GyG=sqrt(Gx.*Gx+Gy.*Gy)。 %求梯度幅度，注意是點乘矩陣J1=I+2*G。figure(2)。imshow(J1,[ ])。title(39。梯度增強39。)。得到增強的圖像如兩圖51所示：圖51 原始圖像和增強圖像那么，下面我們把用梯度增強得到的圖像分別用雙峰法、迭代法和最大類間方差法分割。 雙峰法分割實驗中我們發(fā)現(xiàn)，由于增強后圖像的灰度直方圖沒有呈現(xiàn)明顯的雙峰狀，由前面介紹的雙峰法的原理我們知道，增強后的圖像不能使用雙峰法來分割。圖52是增強后的圖像的直方圖。圖52 直方圖 迭代法分割說明：執(zhí)行的程序和上面迭代法使用的程序的幾乎相同，只是由于增強后得到的圖像需要重新儲存，所以把I=imread(39。39。)改為I=imread(39。39。)。使用迭代法分割得到的圖像如圖53所示：圖53 分割圖像 執(zhí)行的程序也是和上面最大類間方差法分割的幾乎相同，也只是把I=imread(39。39。),改為I=imread(39。39。).這樣得到的圖形如圖54所示：圖54 分割圖像由以上三種分割方法得到的結(jié)果我們發(fā)現(xiàn)：當(dāng)銳化系數(shù)k=2時，增強圖像后在分割，雙峰法已經(jīng)不適用，而使用迭代法和最大類間方差法得到的分割結(jié)果比不增強直接分割能更好的突出圖像的細節(jié)部分。 重復(fù)實驗步驟當(dāng)k=3時，我們重復(fù)上面的實驗步驟得到的圖像如圖55所示：圖55 原始圖像和增強圖像（1）迭代法得到的分割圖像如圖56所示：圖56 分割圖像（2）最大類間方差法得到的分割圖像如圖57所示：圖57 分割圖像前面我們已經(jīng)證實，由于增強后圖像的灰度直方圖沒有呈現(xiàn)雙峰狀，所以對于雙峰法在這里我們就不予考慮。隨著k值的增加，圖像的銳化程度的提高，分割后硬幣表面上的圖像等細節(jié)都被完整的分割出來。對比直接分割處理的效果，增強后在處理的圖像效果有了明顯改善。結(jié) 論先運用傳統(tǒng)的直方圖的分割方法來處理目標(biāo)圖像，但是用傳統(tǒng)的方法對目標(biāo)圖像處理后雖能顯示出圖像的部分細節(jié)，但是還有很多部分不能很好的顯示出來，所以提出了圖像增強的分割改進算法。梯度不僅是一種重要的數(shù)學(xué)運算，在圖像增強中也是突出細節(jié)信息的一種重要方法。圖像梯度可以有效減少輸入圖像信號的零頻和低頻成份，提取或突出灰度圖像的邊緣和細節(jié)，從而提高圖像的分辨率和識別率。該方法對復(fù)雜灰度圖像的細節(jié)部分具有較好的分割效果，而且計算增加不多，并且同時可以應(yīng)用于灰度圖像與彩色圖像，能較好地克服了傳統(tǒng)閾值分割方法的缺點。但在進行的圖像銳化增強的過程中發(fā)現(xiàn)，隨著k值的增加，梯度銳化強度的增加，不僅增強原始信息的的同時也放大了高頻噪聲，表現(xiàn)為圖像經(jīng)過分割后，周圍出現(xiàn)明顯的毛刺噪聲。因此，我們在選取銳化系數(shù)的時候要適當(dāng)選取，不然，這會給我們的分割結(jié)果帶來影響。 隨著圖像分割受到的關(guān)注度越來越高，人們對其的研究也日益加深。研究的成果還是比較喜人的，新的方法不斷涌現(xiàn)。對圖像分割算法的研究已有幾十年的歷史，借助各種理論至今已提出了上千種各種類型的分割算法。盡管人們在圖像分割方面做了許多研究工作。但由于尚無通用分割理論，因此現(xiàn)已提出的分割算法大都是針對具體問題的，并沒有一種適合于所有圖像的通用的分割算法。但是可以看出，圖像分割方法正朝著更快速、更精確的方向發(fā)展，通過各種新理論和新技術(shù)結(jié)合將不斷取得突破和進展?？偟膩碚f，主要存在這兩個問題：一是沒有一種普遍的分割算法；二是沒有一個能廣泛適用于各類情況的分割評價。希望隨著科學(xué)技術(shù)的發(fā)展，人們對圖像分割研究的深入，圖像分割所殘留的問題能夠得到很好的解決。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1