【導(dǎo)讀】且基本的問題，分割結(jié)果的好壞將直接影響到視覺系統(tǒng)的性能。在應(yīng)用上圖像分割是圖像處理到圖像分析的關(guān)鍵步驟。雖然圖像分割的分割算子繁多，但此處主要介紹了prewitt算。子、sobel算子、canny算子等。而基于區(qū)域的圖像分割方法主要包括區(qū)域生長法和分。通過多次的實驗過后，總結(jié)出一般的圖像分割處。理可以用EDGE函數(shù)。而特定的圖像應(yīng)用閾值分割、檢測微小結(jié)構(gòu)。和四叉樹分解比較簡單。盡管目前圖像分割技術(shù)發(fā)展很成熟了，但鑒。于其應(yīng)用的廣泛性和重要性，很多方面又不是很成熟，甚至剛起步，需要我們進一步研究。

　　

【正文】 圖 38 大律法閾值圖像圖書館 .png 分割前后對比 原始圖像 迭代閾值分割后的圖像 圖 39 迭代法閾值圖像圖書館 .png 分割前后對比 基于區(qū)域的分割方法 原始圖像 四叉樹分割后圖像 圖 310 四叉樹法對圖像花 .png 分割前后對比 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 30 第四章 實驗結(jié)果分析 由原始圖像和各算法提取后圖像分析可以看出，在對于有多個峰值的圖像，不滿足雙峰法的兩 個波峰的一個波谷的條件，不便用雙峰法，可以用迭代法，效果更好。 對灰度圖像分割算法的研究已經(jīng)有幾十年的歷史，借助各種理論至今已經(jīng)提出了上千種各種類型的分割算法，而且這方面的研究還在積極進行中。這個層次研究的重要性也己為人們廣泛承認。盡管人們在灰度圖像的分割方面做了許多研究工作，但是由于尚無通用的分割理論，因此現(xiàn)己提出的分割算法大都是針對具體問題的，并沒有一個適合于所有灰度圖像的通用的分割算法。本文針對當前主流的灰度圖像分割算法進行了分析、分類、歸納和總結(jié)，指出了各類方法的優(yōu)缺點， 為人們在不同的應(yīng)用場合及不同的圖像數(shù)據(jù)條件下選擇不同的分割算法提供了一定的依據(jù)。當然本中的分類也不是絕對的，從不同的角度還應(yīng)該有別的分類方法。 實驗結(jié)果分析與比較： ① Roberts 算子：對具有陡峭的低噪聲的圖像處理效果較好。但是利用 roberts算子提取邊緣的結(jié)果邊緣比較粗，因此邊緣定位不是很準確。 ② Sobel 算子：對灰度簡便和噪聲較多的圖像處理較好。 Sobel 算子對邊緣定位比較準確。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 31 ③ Prewitt 算子：對灰度級漸變和噪聲較多的圖像處理較好。 ④ Log 算子：拉普拉斯高斯算子經(jīng)常出現(xiàn)雙像素邊界，并且該檢測方法 對噪聲比較敏感；所以，很少用拉普拉斯算子做邊緣檢測，而是用來判斷邊緣檢測是位于圖像的明區(qū)還是暗區(qū)。 ⑤ Canny 算子：此方法不容易受到噪聲的干擾，能夠檢測真正的邊緣。在edge 函數(shù)中，最有效的邊緣檢測方法是 canny 算子檢測犯方法。該方法的優(yōu)點在于，使用兩種不同的閾值分別檢測強邊緣和弱邊緣，并且僅當弱邊緣和強邊緣相連時，才將弱邊緣包含在輸出圖像中。因此，這種方法不容易被噪聲“填充”，更容易檢測出真正的弱邊緣。 閾值分割算法中，直方圖閾值雙峰法是通過變換直方圖，使求谷值轉(zhuǎn)換為極大值的方 法；迭代法和大律法則是通過類間方差公式的不同變換來計算閾值。在邊緣檢測算法中，在比較復(fù)雜的圖像中，用 Roberts 算子得不到較好的邊緣檢測，而相對較復(fù)雜的 Prewitt 和 Sobel 算子檢測效果較好。 拉普拉斯算子在邊緣檢測中很有用，同梯度算子一樣，拉普拉斯算子也增強了噪聲，有時用拉普拉斯算子在進行邊緣檢測時，可將圖像進行平滑處理。 Canny 算子是幾種算子中最優(yōu)的邊緣檢測算子，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。區(qū)域生長法是根據(jù)事先定義的相似性準則，將圖像中滿足相似性準則的像素或子區(qū)域聚合成更大區(qū) 域的過程，分裂合并法的基礎(chǔ)是四叉樹表示法。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 32 第五章 總結(jié)與展望 對灰度圖像分割算法的研究已經(jīng)有幾十年的歷史，借助各種理論至今已經(jīng)提出了上千種各種類型的分割算法，而且這方面的研究還在積極進行中。這個層次研究的重要性也己為人們廣泛承認。盡管人們在灰度圖像的分割方面做了許多研究工作，但是由于尚無通用的分割理論，因此現(xiàn)己提出的分割算法大都是針對具體問題的，并沒有一個適合于所有灰度圖像的通用的分割算法。本文針對當前主流的灰度圖像分割算法進行了分析、分類、歸納和總結(jié)，指出了各類方法的優(yōu)缺點，為人們在不同的應(yīng)用場合及不同 的圖像數(shù)據(jù)條件下選擇不同的分割算法提供了一定的依據(jù)。當然本中的分類也不是絕對的，從不同的角度還應(yīng)該有別的分類方法。 閾值分割算法中，直方圖閾值雙峰法是通過變換直方圖，使求谷值轉(zhuǎn)換為極大值的方法；迭代法和大律法則是通過類間方差公式的不同變換來計算閾值。在邊緣檢測算法中，在比較復(fù)雜的圖像中，用 Roberts 算子得不到較好的邊緣檢測，而相對較復(fù)雜的 Prewitt 和 Sobel 算子檢測效果較好。拉普拉斯算子在邊緣檢測中很有用，同梯度算子一樣，拉普拉斯算子也增強了噪聲，有時用拉普拉斯算子在進行邊緣檢測時，可將圖像進行 平滑處理。 Canny 算子是幾種算子中最優(yōu)的邊緣檢測算子，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。區(qū)域生長法是根據(jù)事先定義的相似性準則，將圖像中滿足相似性準則的像素或子區(qū)域聚合成更大區(qū)域的過程，分裂合并法的基礎(chǔ)是四叉樹表示法。最后詳細介紹了圖像分割算法在門牌號識別系統(tǒng)中的應(yīng)用，本此方法的應(yīng)用很簡單、穩(wěn)定有效，因而應(yīng)用比較廣泛。 雖然近年來人們在圖像分割方面做了大量的研究工作，但由于尚無通用西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 33 的分割理論，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。雖然人們試圖對 分割建立模型并根據(jù)模型進行分割，但并不太成功。另外，給定一個實際圖像如何選擇合適的分割算法也還沒有一定的標準。因此，下列問題需要進一步深入研究 : (1)如何根據(jù)不同圖像的特點，選擇合適的分割方法。論文雖然對圖像分割方法進行了研究，但這還遠遠不夠，還需要進一步結(jié)合圖像及其描述特征的特點進行深入的研究。 (2)尋找運算速度快，精確率高的圖像分割算法也是圖像分割中的研究重點。伴隨著數(shù)字圖像處理的應(yīng)用領(lǐng)域不斷擴大，實時處理技術(shù)己成為研究的熱點，在實時圖像處理系統(tǒng)中，算法的運行時間成為一個新的問題。 (3)新方法、新 概念的引入和多種方法的綜合運用?，F(xiàn)有的任何一種單獨的圖像分割算法都難以對一般圖像取得令人滿意的分割效果，因而應(yīng)重視把各種分割方法綜合起來運用。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 34 第六章 致 謝 時光飛逝，四年的本科生學(xué)習(xí)生活轉(zhuǎn)眼就要結(jié)束，值此論文完成之際，我要向四年來支持、幫助、關(guān)心過我的老師、同學(xué)和親友表示衷心感謝。 首先要感謝我的導(dǎo)師 李向群 老師 ，正因為有了 李 老師的悉心指導(dǎo)和關(guān)懷，這篇論文才得以順利完成。從跟 他 學(xué)習(xí)以來， 他 就十分關(guān)心我的學(xué)習(xí)和生活，并給予了我無私的指導(dǎo)和幫助。特別是從論文的選題、論文各階段的進展到 論文的最后定稿，都提出了許多寶貴的意見。在學(xué)習(xí)期間，我深深感受到了 他 嚴謹?shù)闹螌W(xué)精神、良好的工作作風(fēng)，謙遜的為人風(fēng)格，淵博的學(xué)術(shù)知識。從 他 身上學(xué)到的東西，將使我終生受用 ! 其次，要感謝我大學(xué)期間的所有任課老師，同時，我要特別感謝我的大學(xué)同學(xué)在我大學(xué)期間給予我學(xué)習(xí)、生活上的幫助、支持與鼓勵。另外，在課題的研究中，論文所引參考文獻的作者們留下的大量寶貴資料，為課題的頃利完成提供了有力支撐，在此向他們表示衷心的感謝 。 最后，感謝我的父母和家人，我還要衷心感謝我的父母及家人，感謝他們對我一如既往的支持。因為他 們的鼓勵，即使在生活學(xué)習(xí)最困難的時候我也從來不曾失掉勇氣和對未來的信心。他們的期望永遠是我前進的動力。祝愿他們永遠健康快樂 ! 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 35 參考文獻 [1] 龔生容，劉純平，王 強，等數(shù)字圖像處理與分析， 2021 年 7 月 [2] 陳天華，數(shù)字圖像處理， 2021 年 6 月 [3] 崔屹，數(shù)字圖像處理技術(shù)及應(yīng)用，電子工業(yè)出版社 [M]， 1997 [4] 江澤濤，朱穎一種基于插值的圖像分割方法 [J].計算機工程與應(yīng)用，2021(7):4748 [5] 吳健康，數(shù)字圖像分析 [M]，人民郵電出版社， 1989 [6] 趙椿榮， 趙忠明等，數(shù)字圖像處理導(dǎo)論 [M]，西北工業(yè)大學(xué)出版社，1996 [7] 阮秋琦，數(shù)字圖像數(shù)理基礎(chǔ)， 2021 年 12 月 [8] 阮秋琦，數(shù)字圖像數(shù)理基礎(chǔ)， 2021 年 12 月 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 36 附錄程序源碼 （ 1）對圖像 進行四叉樹分解的程序和結(jié)果如下 : subplot(1,2,1)。 imshow(I)。 title(39。原始圖像 39。)。 S=qtdep(I,)。 N=full(S)。 subplot(1,2,2)。 imshow(N)。 title(39。分解的圖像 顯示 39。)。 [vals,r,c]=qtgetblk(I,N,2)。 [vals1,r,c]=qtgetblk(I,N,4)。 [vals2,r,c]=qtgetblk(I,N,8)。 [vals3,r,c]=qtgetblk(I,N,16)。 [vals4,r,c]=qtgetblk(I,N,32)。 [vals5,r,c]=qtgetblk(I,N,1)。 size(vals)。size(vals1)。size(vals2)。 size(vals3)。size(vals4)。size(vals5)。 （ 2） 以用 canny 算子來檢測 圖像。 具體程序和結(jié)果如下： I=imread(39。39。)。 BW1=edge(I,39。canny39。)。 subplot(1,2,1)。imshow(I)。title(39。原圖像 39。)。 subplot(1,2,2)。imshow(BW1)。title(39。canny 算子檢測圖像 39。)。 （ 3） 用 log 算子 具體程序和結(jié)果如下： I=imread(39。39。)。 BW1=edge(I,39。log39。)。 subplot(1,2,1)。imshow(I)。title(39。原圖像 39。)。 subplot(1,2,2)。imshow(BW1)。title(39。log 邊緣檢測結(jié)果 39。)。 （ 4） 直方圖雙峰法對 閾值分割圖像程序 I=imread(39。39。)。 imhist(I)。 newI=im2bw(I,150/255)。 subplot(121),imshow(I) subplot(122),imshow(newI) （ 5） 大律法閾值分割圖像程序和結(jié)果如下： I=imread(39。圖書館 .png39。)。 subplot(131),imshow(I)。 title(39。原始圖像 39。) level=graythresh(I)。 BW=im2bw(I,level)。 subplot(132),imshow(BW) 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 37 title(39。graythresh 計算閾值 39。) disp(strcat(39。graythresh 計算灰度閾值 :39。,num2str(uint8(level*255)))) （ 6） 迭代法閾值分割圖像程序和結(jié)果如下： I=imread(39。圖書館 .png39。)。 ZMax=max(max(I))。 ZMin=min(min(I))。 TK=(ZMax+ZMin)/2。 bCal=1。 iSize=size(I)。 while(bCal) iForeground=0。 iBackground=0。 ForegroundSum=0。 BackgroundSum=0。 for i=1:iSize(1) for j=1:iSize(2) tmp=I(i,j)。 if(tmp=TK) iForeground=iForeground+1。 ForegroundSum=ForegroundSum+double(tmp)。 else iBackground=iBackground+1。 BackgroundSum=BackgroundSum+double(tmp)。 end end end ZO=ForegroundSum/iForeground。 ZB=BackgroundSum/iBackground。 TKTmp=uint8((ZO+ZB)/2)。 if(TKTmp==TK) bCal=0。 else TK=TKTmp。 end end disp(strcat(39。迭代后的閾值 ： 39。,num2str(TK)))。 newI=im2bw(I,double(TK)/255)。 subplot(121),imshow(I) subplot(122),imshow(newI) （ 7） 下面就用 edge