【導(dǎo)讀】畢業(yè)設(shè)計（論文）--基于MATLAB的圖像分割算法研究。和區(qū)域增長等進行了分析對梯度算法中的Roberts算子Sobel算子Prewitt算子。拉普拉斯Laplacian算子LoGLaplacian-Gauss算子坎尼Canny算子的分割步。驟分割方式分割準則相互比較可以看出根據(jù)坎尼Canny邊緣算子的3個準則得出。的邊緣檢測結(jié)果最滿意而閾值分割技術(shù)的關(guān)鍵在于閾值的確定只有閾值確定好。了才能有效的劃分物體與背景但這種方法只對于那些灰度分布明顯背景與物體。差別大的圖像的分割效果才明顯區(qū)域增長的基本思想是將具有相似性質(zhì)的像素。集合起來構(gòu)成新區(qū)域與此同時本文還分析了圖像分割技術(shù)研究的方向。目錄一般目錄要求最多是三級目錄不要出現(xiàn)四級目錄。像處理占用的頻帶較寬2. 14數(shù)字圖像分割技術(shù)的發(fā)展概況6. 基于神經(jīng)網(wǎng)絡(luò)的圖像分割技術(shù)7. 第三章MATLAB平臺及其開發(fā)環(huán)境11. 42邊緣檢測方法是并行關(guān)系17. 43灰度閾值分割27. 225Mbit數(shù)據(jù)量因此對計算機的計算速度存儲容量等要求較高數(shù)字圖像處理占。的圖像受人的因素影響較大由于人的視覺系統(tǒng)很復(fù)雜受環(huán)境條件視覺性能人的

　　

【正文】 gorovSmirnov 檢測 SmoothedDifference 檢測 如果檢測結(jié)果小于給定的閾值即將兩區(qū)域合并 采用灰度分布相似判別準則合并法形成區(qū)域的處理過程與灰度差別準則的合并法相類似灰度分布相似合并法生成區(qū)域的效果與微區(qū)域的大小和閾值的選取關(guān)系密切一般說來微區(qū)域太大會造成因過渡合并而漏分區(qū)域反之則因合并不足而割斷區(qū)域而且圖像的復(fù)雜程度原圖像生成狀況的不同對上述參數(shù)的選擇會有很大影響通常微區(qū)域大小 q 和閾值 T 由特定條件下的區(qū)域生成效果確定 和把兩區(qū)域共同邊界線兩側(cè)灰度差小于給定值的那不凡長度設(shè)為 L 如果為預(yù)定閾值 436 則合并兩區(qū)域 把圖像分割成灰度固定的區(qū)域設(shè)兩鄰接區(qū)域的共同邊界長度 B 把兩區(qū)域共同邊界線兩側(cè)灰度差小于給值的那部分長度設(shè)為 L 為預(yù)定閾值 437 則合并兩區(qū)域 上述兩種方法的區(qū)別是第一種方法是合并兩鄰接區(qū)域的共同邊界中對比度比較低部分占整個區(qū)域份額較大的區(qū)域而第二種方法則是合并兩鄰接區(qū)域的共同邊界中對比度較低部分比較多的區(qū)域 在這類方法中最常用的方法是四叉樹分解法設(shè) R 代表整個 正方形圖像區(qū)域如圖 413所示 P代表邏輯謂詞 R連續(xù)地分裂成越來越小的 14的正方形子區(qū)域并且始終使換句話說如果那么就將圖像分成 4等分如果那么就將 R分成 4等分為單個像素 如果僅僅允許使用分裂最后有可能出現(xiàn)相鄰的兩個區(qū)域具有相同的性質(zhì)但并沒有合成一體的情況為解決這個問題在每次分裂后允許其后繼續(xù)分裂或合并這里合并只合并那些相鄰且合并后組成的新區(qū)域滿足邏輯謂詞 P 則將和合并起來 總結(jié)前面所述的基本分裂合并算法步驟如下 對任一個區(qū)域如果就將其分裂成不重疊的 4 等分 和它們也可以大小不同即不在同一層如果條件滿足將它們合并起來 如果進一步的分裂合并都不可能了則結(jié)束 MATLAB中可以調(diào)用圖像處理工具中的 qtdep函數(shù)來實現(xiàn)四叉樹分解這個函數(shù)首先將圖像分為相等大小的正方形然后對每一個塊進行測試觀察它們是否與標準具有相同性對不符合標準的塊進行進一步分割重復(fù)執(zhí)行至每一個塊都符合標準為止 qtdep 的基本調(diào)用方法如下 s qtdep IThreshold[MinDim Dim] 其中 I是輸入圖像 Threshold是一個可選參數(shù)如果某個子區(qū)域中的最大的像素灰度值減去最小的像素灰度值大雨 Threshold 設(shè)定的閾值那么繼 續(xù)進行分解否則停止并返回 [MinDim Dim]也是可選參數(shù)用來指定最終分解得到的子區(qū)域大小返回值 S 是一個稀疏矩陣其非零元素的位置回應(yīng)于塊的左上角每一個非零元素值代表塊的大小 四叉樹分解的程序清單與實驗結(jié)果見附錄Matlab 軟件平臺提出邊緣檢測灰度閾值檢測和區(qū)域分割方法并分析總結(jié)了幾種分割方法的優(yōu)劣也對存在的一些問題做進一步的研究 51 對于圖像邊緣檢測的分析 檢測階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點檢測階躍邊緣的大部分工作集中在尋找能夠用于實際圖像的梯度數(shù)字逼近由于實際的圖像經(jīng)過了 攝像機光學(xué)系統(tǒng)和電路系統(tǒng)帶寬限制固有的低通濾波器的平滑因此圖像中的階躍邊緣不是十分陡立圖像也受到攝像機噪聲和場景中不希望的細節(jié)的干擾圖像梯度逼近必須滿足兩個要求①逼近必須能夠抑制噪聲效應(yīng)②必須盡量精確地確定邊緣的位置抑制噪聲和邊緣精確定位是無法同時得到滿足的也就是說邊緣檢測算法通過圖像平滑算子去除了噪聲但卻增加了邊緣定位的不確定性反過來若提高邊緣檢測算子對邊緣的敏感性同時也提高了對噪聲的敏感性對梯度算法中的 Roberts算子 Sobel算子 Prewitt算子拉普拉斯 Laplacian 算子 LoG LaplacianGauss 算子坎尼 Canny 算子的分割步驟分割方式分割準則相互比較可以看出根據(jù)坎尼 Canny邊緣算子的 31閾值方法簡單但效果差 2邊緣檢測只使用了局部信息難以保證分割區(qū)域內(nèi)部的顏色一致且不能產(chǎn)生連續(xù)的閉區(qū)域輪廓 3 區(qū)域生長常得到不規(guī)則的邊界和小洞區(qū)域個數(shù)嚴重依賴于初始種子數(shù)且計算量較大 4迭代像素聚類計算量巨大 5全局優(yōu)化方法難于找到最優(yōu)解或次優(yōu)解我們可以在實際應(yīng)用中根據(jù)自己對圖像分割的要求而選定適當?shù)姆指罘椒ㄒ缘玫阶罴训男Ч麍D 除了上述提出的 3 種常見的分割算法還有其他的分割方法如彩色分割基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)還有借助于統(tǒng)計模式識別方法的分割技術(shù)等他們也有各自的優(yōu)缺點以進一步的研究與應(yīng)用 具體操作步驟 邊緣點的提取在這里選用 Canny算子作為邊緣點提取的工具在 Canny算子的 3 個準則下既能抑制噪聲又能精確的定位邊緣點位置 邊緣生長在求梯度極值點時選取較大的梯度閾值可以得到重要的邊緣點這樣在能除去少數(shù)孤立的邊緣 點的同時重要的邊緣點已經(jīng)連成了小段的邊緣線他們再向兩端生長直至遇到圖像邊界或其他邊緣點為止可以利用數(shù)學(xué)形態(tài)學(xué)中的方法來進行 尋找大的區(qū)域選定一個標準的間隔用柵格掃描的方式對所形成的區(qū)域掃描當種子間隔大于標準時歸于一類即歸入一個區(qū)域中 通過上述的步驟理論上能取得比較好的分割效果但其中也存在許多的問題只有通過不斷的實踐予以改進以得到更好的分割方法 參考文獻 [1]邊肇祺等模式識別 [M]清華大學(xué)出版社 1988 [2]王愛民 [J]2020 [3]岳海萍利用 Matlab 進行數(shù)字圖像的邊緣檢測 [J]遼陽石油化 工高等?？茖W(xué)校學(xué)報 2020 [4]趙榮椿遲耀斌朱重光圖像分割技術(shù)進展 [J]中國體視學(xué)與圖像分析 1998 [5]鄒益民 MATLAB 與 C 語言的混合編程計算機應(yīng)用 2020 [6]張軍平王玨主曲線研究綜述 [J]計算機學(xué)報 202026 2 129～ 146 [7] Steve RimmerWindows 圖像處理實用技術(shù)和范例 [M]學(xué)苑出版社 1994 [8] Acharya RSet al Proc of SPIE1991165250～ 61 [9] Boire JYet al Proc Ann Int Conf IEEE Eng Med Biol Soc 1990421～422 [10]Dougherty ER Introduction to Mathematical Morphology SPIE Optical Engineering Press1992 [11] Higgins WEet al IEEE Transactions on Medical Ima 8 384～ 395 [12]MliangA neural work model for image segmentationSwizerland [13] witzkstein Anewmethodforimage segmentation Computer Vision VisionGraphicsand Image Processing1989 [14]Skolnik Mathematical MorphologyCVGIP198635281～ 282 致 謝 附 錄 程序清單 1 用 Prewitt 算子檢測邊緣 I imread sunset1bmp BW1 edge Iprewitt004 004 為梯度閾值 figure 1 imshow I figure 2 imshow BW1 2 用不同σ值的 LoG 算子檢測圖像的邊緣 I imread pic1bmp BW1 edge Ilog00032 σ 2 imshow BW1 title σ 2 的 LoG 算子檢測的邊緣 BW1 edge Ilog00033 σ 3 figureimshow BW1 title σ 3 的 LoG 算子檢測的邊緣 3 用 Canny 算子檢測圖像的邊緣 I imread sunset1bmp BW1 edge Icanny02 figureimshow BW1 title canny 算子邊緣檢測 4 閾值分割 I imread pic1bmp imhist I 觀察灰度直方圖灰度 140 處有谷確定閾值 T 140 I1 im2bw I140255 im2bw 函數(shù)需要將灰度值轉(zhuǎn)換到 [01]范圍內(nèi) figureimshow I1 5 水線閾值法分割圖像 afm imread celltif figure imshow afm se strel disk15 Itop imtophat afmse figureimshow Itop[ ] Ibot imbothat afmse figureimshow Ibot[ ] Ienhance imsubtract imadd Itopafm Ibot figureimshow Ien2hance Iec implement Ienhance Iimpose imimposemin IecIemin wat watershed Iimpose figureimshow wat 6 對下列矩陣進行四 叉樹分解程序及結(jié)果 I [1 1 1 1 2 3 6 6 1 1 2 1 4 5 6 8 1 1 1 1 10 15 7 7 1 1 1 1 20 25 7 7 20 22 20 22 1 2 3 4 20 22 22 20 5 6 7 8 20 22 20 20 9 10 11 12 22 22 20 20 13 14 15 16] S qtdep I5 full S ans 4 0 0 0 2 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 2 0 0 0 0 0 1 1 0 0 4 0 0 0 2 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 2 0 0 0 0 0 0 0 0 0MATLAB 的圖像分割算法研究 52 53 原始圖像