【導(dǎo)讀】數(shù)字圖像處理技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展，展歷史不長(zhǎng)，但卻引起各方面人士的廣泛關(guān)注。首先，視覺(jué)是人類最重要的感知。等諸多領(lǐng)域內(nèi)的學(xué)者們研究視覺(jué)感知的有效工具。其次，圖像處理在軍事、遙感、氣象等大型應(yīng)用中有不斷增長(zhǎng)的需求。典的圖像分割算法進(jìn)行了較全面的敘述。圖像分割就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過(guò)程?，F(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基。法的分割、顯示灰度直方圖和保存分割的圖片。全文先后用閾值法、邊緣檢測(cè)法。是針對(duì)具體問(wèn)題的，并沒(méi)有一種適合于所有圖像的通用的分割算法。結(jié)合將不斷取得突破和進(jìn)展。

　　

【正文】 則將圖像劃分為互相不交疊的、連通的像元集的處理過(guò)程，它彌補(bǔ)了閾值分割沒(méi)有考慮空間信息的不足，解決了邊緣檢測(cè)的區(qū)域連續(xù)性和封閉性的難點(diǎn)，在圖像分割方法中有很強(qiáng)的優(yōu)勢(shì)。 區(qū)域分割算法的實(shí)質(zhì)就是把具有某種相似性質(zhì)的像素連通起來(lái)，從而構(gòu)成最終的分割區(qū)域的方法。 在此類方法中，如果從全圖出發(fā)，按區(qū)域?qū)傩蕴卣饕恢碌臏?zhǔn)則，決定每個(gè)像元的區(qū)域歸屬，形成區(qū)域圖，這常稱之為區(qū)域生長(zhǎng)的分割方法；如果從像元出發(fā)，按區(qū)域?qū)傩蕴卣饕恢碌臏?zhǔn)則，將屬性接近的連通像元聚 集為區(qū)域是區(qū)域增長(zhǎng)的分割方法；若綜合利用上述兩種方法，就是區(qū)域分裂與合并法的方法。區(qū)域生長(zhǎng)法的基本思想是將具有相似性質(zhì)的象素合起來(lái)構(gòu)成區(qū)域，具體做法是選給定圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊或者說(shuō)種子區(qū)域，再在種子區(qū)域的基礎(chǔ)上不斷將其周?chē)南笏攸c(diǎn)以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有象素點(diǎn)結(jié)合成一個(gè)區(qū)域的目的，該方法的關(guān)鍵是要選擇合適的生長(zhǎng)或相似準(zhǔn)則。生長(zhǎng)準(zhǔn)則一般可分為三種：基于區(qū)域灰度差準(zhǔn)則、基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì)準(zhǔn)則和基于區(qū)域形狀準(zhǔn)則。區(qū)域分裂與合并法是先將圖像分割成很多的一致性較強(qiáng)的小區(qū)域，再按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達(dá)到分割圖像的目的。 區(qū)域生長(zhǎng)法 區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構(gòu)成區(qū)域。進(jìn)行區(qū)域生長(zhǎng)分割圖像時(shí)，先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定）合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)做新的種子像素繼續(xù)進(jìn)行上面的過(guò)程，直到再?zèng)]有滿足條件的像素可被包括進(jìn)來(lái)。這樣一個(gè)區(qū)域就長(zhǎng)成了。 在區(qū)域生長(zhǎng)中的主要問(wèn)題如下： ：在區(qū)域生長(zhǎng)過(guò)程中，這些不同區(qū)域點(diǎn)合適屬性的選擇。 。在區(qū)域生長(zhǎng)過(guò)程中，不應(yīng)該使用連通性或鄰接信息。 ：相似性表示在灰度級(jí)中觀察在兩個(gè)空間鄰接像素之間或像素集合圖像區(qū)域分割算法設(shè)計(jì) 20 的平均灰度級(jí)間的最小差分，它們將產(chǎn)生不同的區(qū)域。如果這個(gè)差分比相似度閾值小，則像素屬于相同的區(qū)域。 ：最小面積閾值與像素中的最小區(qū)域大小有關(guān)。在分割的圖像中，沒(méi)有區(qū)域比這個(gè)閾值小，它由用戶定義。 其基本思想可以由下圖解釋： 區(qū)域生長(zhǎng) T=3 二值化 圖 51 區(qū)域生長(zhǎng)示意圖 由圖 51 可以看出，區(qū)域生長(zhǎng)就是用種子點(diǎn)的灰度值與周?chē)诉B接的像素點(diǎn)的灰度值進(jìn)行比較，當(dāng)絕對(duì)值符合閾值 T的時(shí)候，該點(diǎn)成為種子點(diǎn)，再進(jìn)行下一輪比較，直到 生長(zhǎng)完畢。 (a) 原始圖像 (b) 分割結(jié)果 圖 52 區(qū)域生長(zhǎng)法分割圖像 10 8 9 1 5 7 1 13 10 10 8 9 1 5 7 1 13 10 0 1 0 0 0 1 0 0 1 圖像區(qū)域分割算法設(shè)計(jì) 21 結(jié)果分析：從圖 52(b)中的分割結(jié)果可以看出，區(qū)域生長(zhǎng)法利用了圖像的局部空間信息，可有效的克服其它方法存在的圖像分割空間不連續(xù)的缺點(diǎn)，此方法的關(guān)鍵是初始種子點(diǎn)的選取和相似區(qū)域生長(zhǎng)準(zhǔn)則的確定，若選取不好，穩(wěn)定性、準(zhǔn)確性以及運(yùn)算速度都會(huì)受到很大影響。 區(qū)域分 離 與合并法 這種方法是從整幅圖像開(kāi)始，通過(guò)不斷分裂到最終得到各個(gè)區(qū)域。實(shí)際操作中，首先把圖像分成任意大小且相互不重復(fù)的區(qū)域，然后再合并分裂這些區(qū)域以滿足分割要求。 例如，利用四叉樹(shù)結(jié)構(gòu)的迭代分裂合并算法分割圖像。令 R代表整個(gè)圖像區(qū)域， P代表邏輯謂詞。對(duì) R進(jìn)行分割的方法是反復(fù) 將分割得到的結(jié)果圖像分成四個(gè)區(qū)域，直到對(duì)任意區(qū)域 ????，有 P(????) = TRUE。也就是說(shuō)，對(duì)整幅圖像如果P(R) = FALSE，那么就將圖像分成四等分。對(duì)任何區(qū)域如果有 P(????) = FALSE，那么就將 ????分成四等分。如此類推，直到 ????為單個(gè)像素。 其分裂示意圖如下： 圖 53 已分區(qū)的圖像 圖 54 相應(yīng)的四叉樹(shù) ??2 ??1 ??3 ??41 ??43 ??42 ??44 R ??2 ??1 ??3 ??4 ??411 ??44 ??43 ??42 圖像區(qū)域分割算法設(shè)計(jì) 22 若只使用分裂，最后可能出現(xiàn)相鄰的兩個(gè)區(qū)域具有相同的性質(zhì)但并沒(méi)有合成一樣的情況。因此，允許拆分的同時(shí)進(jìn)行區(qū)域合并，即在每次分裂后允許其繼續(xù)分裂或合并，如 P(???? ∪????) = TRUE，則將 ????和 ????合并起來(lái)。當(dāng)再無(wú)法進(jìn)行聚合或拆分時(shí)操作停止。 圖 55 是使用四叉樹(shù)結(jié)構(gòu)的迭代分裂合并算法的仿真結(jié)果，這種分割方法在MATLAB 里可以直接調(diào)用函數(shù)進(jìn)行四叉樹(shù)分解，方法簡(jiǎn)單有效，可以迅速分割出對(duì)象。這種方法的主要優(yōu)點(diǎn)是對(duì)于分裂和合并都使用同樣的四叉樹(shù)，直到合并的最后一步。 從圖 55(b)可以看出，區(qū)域分割與合并算法在處理效果上兼具區(qū)域生長(zhǎng)法 和閾值法兩種算法的優(yōu)點(diǎn)，但它也有它的不足，一方面，分裂如果不能深達(dá)象素級(jí)，就會(huì)降低分割精度；另一方面，深達(dá)象素級(jí)的分裂會(huì)增加合并的工作量，從而大大提高其時(shí)間復(fù)雜度。另外分裂合并技術(shù)可能會(huì)使分割區(qū)域的邊界破壞，產(chǎn)生過(guò)多的塊狀區(qū)域邊界。 (a) 原始圖像 (b) 分割結(jié)果 圖 55 四叉樹(shù)法分割圖像 結(jié)果分析：仿真結(jié)果如圖 55 所示，這種方法克服了區(qū)域生長(zhǎng)法的過(guò) 分 分割缺陷，從分割圖像中可以看出，它很好的將對(duì)象從背景中分割出來(lái)了。但是這種分割方法將分割區(qū)域的邊界破壞了，產(chǎn)生了塊狀區(qū)域邊界。并且由于此算法采用了四叉樹(shù)結(jié)構(gòu)，建立四叉樹(shù)的過(guò)程影響了算法的復(fù)雜度，比前兩種算法需要更大的時(shí)間和空間代價(jià)。 圖像區(qū)域分割算法設(shè)計(jì) 23 本章小結(jié) 基于區(qū)域的分割是圖像分割中一種重要的分割方法，它彌補(bǔ)了閾值分割沒(méi)有考慮空間信息的不足，解決了邊緣檢測(cè)的區(qū)域連續(xù)性和封閉性的難點(diǎn)，在圖像分割方法中有很強(qiáng)的優(yōu)勢(shì)。區(qū)域生長(zhǎng)法有效地克服其它方法存在的圖像分割空間不連續(xù)的缺點(diǎn)， 但是 穩(wěn)定性、準(zhǔn)確性以及運(yùn)算速度都會(huì)受到 所選種子好壞的影響；區(qū)域分離與合并法克服了區(qū)域生長(zhǎng)法的過(guò)分割缺陷，但是這種分割方法將分割區(qū)域的邊界破壞了，產(chǎn)生了塊狀區(qū)域邊界。 在一定程度上區(qū)域生長(zhǎng)和區(qū)域分裂合并算法有異曲同工之妙，互相促進(jìn)相輔相成的，區(qū)域分裂到極致就是分割成單一像素點(diǎn)，然后按照一定的測(cè)量 準(zhǔn)則進(jìn)行合并，在一定程度上可以認(rèn)為是單一像素點(diǎn)的區(qū)域生長(zhǎng)方法。區(qū)域生長(zhǎng)比區(qū)域分裂合并的方法節(jié)省了分裂的過(guò)程，而區(qū)域分裂合并的方法可以在較大的一個(gè)相似區(qū)域基礎(chǔ)上再進(jìn)行相似合并，而區(qū)域生長(zhǎng)只能從單一像素點(diǎn)出發(fā)進(jìn)行生長(zhǎng)（合并）。 圖像區(qū)域分割算法設(shè)計(jì) 24 結(jié)論 圖像分割是圖像特征提取和識(shí)別等圖像理解的基礎(chǔ)，對(duì)圖像分割的研究一直是數(shù)字圖像處理技術(shù)研究中的熱點(diǎn)和焦點(diǎn)。本文首先介紹了數(shù)字圖像處理技術(shù)中圖像分割技術(shù)的基本原理和主要方法，然后分別研究了基于 閾值、邊緣和區(qū)域 的圖像分割方法?；陂撝档姆指罘椒ㄖ饕撌?了 直方圖雙峰法 、 最大類間方差法和 迭代法 ； 基于邊緣的分割方法主要論述了基于邊緣算子 的分割方法；基于區(qū)域的分割方法主要論述了區(qū)域生長(zhǎng)法和 區(qū)域分裂與合并法。接著使用 MATLAB 軟件對(duì)各種分割方法進(jìn)行了仿真，得到了分割圖像，最后對(duì)仿真結(jié)果進(jìn)行了分析。 實(shí)驗(yàn)結(jié)果表明，基于邊緣的分割方法對(duì)邊緣灰度值過(guò)渡比較尖銳且噪聲較小等不太復(fù)雜的圖像可以取得較好的效果，受噪聲和曲線間斷的影響較?。换趨^(qū)域的分割方法利用了圖像的局部空間信息，可有效的克服其它方法存在的圖像分割空間不連續(xù)的缺點(diǎn)；閾 值分割算法直觀、實(shí)現(xiàn)簡(jiǎn)單，在圖像分割中應(yīng)用廣泛。 基于邊緣的分割方法對(duì)于邊緣復(fù)雜的圖像效果不太理想，會(huì)產(chǎn)生邊緣模糊、邊緣丟失、邊緣不連續(xù)等現(xiàn)象；基于區(qū)域的分割方法法若選取不好閾值，穩(wěn)定性、準(zhǔn)確性以及運(yùn)算速度都會(huì)受到很大影響；閾值法能區(qū)分出圖像的前景和背景的主要區(qū)域所在，但在圖像的細(xì)微處還沒(méi)有很好的區(qū)分度。 在實(shí)際應(yīng)用中，若能將基于邊緣的分割方法和區(qū)域生長(zhǎng) 法結(jié)合起來(lái)，或者 用結(jié)合特定理論工具的分割方法 結(jié)合傳統(tǒng)方法 ，則可以得到更好的分割效果?？梢栽谶@些方面對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行改進(jìn)。 圖像區(qū)域分割算法設(shè)計(jì) 25 參 考 文 獻(xiàn) [1] 丁亮，張永平，張雪英 .圖像分割方法及性能評(píng)價(jià)綜述 [J].國(guó)際 IT 傳媒品牌軟件 ,20xx(12)： 8287. [2] 楊合超，周雪梅 .幾種圖像分割技術(shù)的比較 [J].電子知識(shí)與技術(shù)， 20xx(9)： 24402441. [3] 樂(lè)宋進(jìn)，武和雷，胡泳芬 .圖像分割方法的研究現(xiàn)狀與展望 [J].南昌水專學(xué)報(bào) ,20xx(2) ：1520. [4] 章霄，董艷雪，趙文娟，張彥佳 .數(shù)字圖像處理技術(shù) [M].北京：冶金工業(yè)出版社， 20xx：175206. [5] 鄭靜，梁少華，王騰 .基于 MATLAB 仿真的邊緣檢測(cè)算子研究 [J].電腦知識(shí)與技術(shù) ,20xx(5)： 11891190. [6] 王坤，劉天偉，杜芳芳，常琳 .MATLAB 在對(duì)圖像進(jìn)行邊緣檢測(cè)方面的應(yīng)用 [J].沈陽(yáng)師范大學(xué)學(xué)報(bào) (自然科學(xué)版 ),20xx(2)： 161165. [7] 徐飛，施曉紅 .MATLAB 應(yīng)用圖像處理 [M].西安：西安電子科技大學(xué)出版社， 20xx：207224. [8] 胡小丹，李 文，劉海博 .基于高斯統(tǒng)計(jì)模型的快速圖像區(qū)域分割方法 [J]. 福建師范大學(xué)學(xué)報(bào) (自然科學(xué)版 ),20xx(2) ： 133135. [9] 劉中合，王瑞雪 .數(shù)字圖像處理技術(shù)現(xiàn)狀與展望 [J].計(jì)算機(jī)時(shí)代， 20xx(9) ： 2529. [10] 朱秀昌，劉峰，胡棟 .數(shù)字圖像處理與圖像通信 [M].北京：北京郵電大學(xué)出版社， 20xx：142173. [11] 趙椿榮，趙忠明等 .數(shù)字圖像處理導(dǎo)論 [M].西安：西北工業(yè)大學(xué)出版社， 1996： 212234. [12] 冷美萍，鮑蘇蘇，孟祥璽，彭豐平 .一種改進(jìn)的分水嶺分割算法 [J]. 貴州師范大學(xué)學(xué)報(bào) (自然科學(xué)版 )， 20xx(1) ： 6265 [13] 張兆和，楊高波，劉志等 .視頻對(duì)象分割提取的原理與應(yīng)用 [M].北京：科學(xué)出版社， 20xx：2021. [14] 陳婷婷，程小平 .采用模糊形態(tài)學(xué)和形態(tài)學(xué)分水嶺算法的圖像分割 [J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版 )， 20xx(3)： 142145. [15] 孫敬飛，楊紅衛(wèi) .形態(tài)學(xué)分水嶺算法在粘連大米圖像分割中的應(yīng)用 [J].糧油食品科技，20xx(18)： 46. [16] ,. Digital Image Processing[M].Beijing:Publishing House of Electronics Industry,20xx： 711809. [17] ,. Watershed in Digital Spaces an Efficient Algorithm Based on Immersion Simulatlon [J]. IEEE Trans PAMI, 1991, 13(6) ： 582599. [18] ， ， ， . A twostage ruleconstrained seedless region growing approach for mandibular body segmentation in MRI[M]. PubMed Journal,20xx. 圖像區(qū)域分割算法設(shè)計(jì) 26 致 謝 歷時(shí)將近兩個(gè)月的時(shí)間終于將這篇論文寫(xiě)完，在論文的寫(xiě)作過(guò)程中遇到了無(wú)數(shù)的困難和障礙，都在同學(xué)和老師的幫助下度過(guò)了。尤其要強(qiáng)烈感謝我的論文指導(dǎo)老師 申麗然 老師，她對(duì)我進(jìn)行了無(wú)私的指導(dǎo)和幫助，不厭其煩的幫助進(jìn)行論文的修改和改進(jìn)。另外，在校圖書(shū)館查找資料的時(shí)候，圖書(shū)館的老師也給我提供了很多方面的支持與幫助。在此向幫助和指導(dǎo)過(guò)我的各位老師表示最中心的感謝 ！ 感謝這篇論文所涉及到的各位學(xué)者。本文引用了數(shù)位學(xué)者的研究文獻(xiàn)，如果沒(méi)有各位學(xué)者的研究成果的幫助和啟發(fā)，我將很難完成本篇論文的寫(xiě)作。 感謝我的同學(xué)和朋友，在我寫(xiě)論文的過(guò)程中給予我了很多 素材，還在論文的撰寫(xiě)和排版 的 過(guò)程中提供熱情的幫助。由于我的學(xué)術(shù)水