基于閾值的灰度圖像分割-wenkub.com
2025-06-15 18:08 本頁面
【正文】 “ 醫(yī)學圖像處理中圖像分割技術(shù)的研究”碩士學位論文。 【6】劉 嫻。電子工業(yè)出版社。Forraz,N。 一種基于邊緣檢測的局部閾值分割算法 。 選用背景暗的超聲圖像。它們比把峰間谷底作為最佳閾值產(chǎn)生的結(jié)果要好得多。 選用對應的直方圖、物體線條復雜的圖像作位考察對象，發(fā)現(xiàn)CPT算法得到的效果是非常好的，對邊緣十分敏感。i++)// {// if(jamp。jiAmount。 X1=X2。i++) { p=j*bfsize。j1k。 W[i].im=sin(angle)。 for(i=0。 power=log(iAmount)/log(2)。 W=(COMPLEX*)malloc(sizeof(COMPLEX)*iAmount/2)。 FD[i].im=0。iiAmount。 COMPLEX* W。(4) 重新排序經(jīng)過蝶形圖運算后，結(jié)果是亂續(xù)的，所以為便于使用，通常都進行重新排序。(2) 對偶節(jié)點的計算對偶節(jié)點即是可以由前一次運算結(jié)果產(chǎn)生的某一對節(jié)點共同計算出的兩個節(jié)點，就是說對偶節(jié)點的具有相同的來源。Document Template負責管理“三口組”，它被封裝在CMultiDocTemplate中。 “三口組”包括 Document、View、Frame各一份，：PhotoStarDoc、PhotoStarView、 CChildFrame。第六章：PhotoStar的編程環(huán)境及對改進的CPT算法和其他算法的實現(xiàn) ，它是一個基于MFC的MDI（多文檔接口）Windows應用程序，可以在Win9x和WinNT內(nèi)核的Microsoft 169。為圖像灰度的標準誤。 本人分別采用了峰間谷點法（用峰間的谷底上的點作為最佳閾值）和類別方差法估算CPT算法最佳閾值的核心點。也可寫成如下形式： ；關(guān)于快速傅立葉變換及其在計算機上的實現(xiàn)可以參看文獻【5】。并且，這也完全符合計算機的儲存規(guī)律。將上邊的公式改為： ；a,b可以根據(jù)情況取適當?shù)闹怠? 通常背景和目標物體的灰度分布分別是呈正態(tài)分布的，又為已知。即是可以用一種求閾值的方法對“客觀存在”的最佳閾值求出的估計范圍作為另一種方法求得的最佳閾值的估計范圍。 置信區(qū)間本來是用來估計總體均數(shù)的，即按一定的概率估計總體均數(shù)在哪個范圍。離散傅立葉變換的時間復雜度主要由乘法次數(shù)決定，進行一次分解乘法次數(shù)減少了近一半。1965年庫利－圖基提出把原始的N點序列依次分解為一系列短序列，求出這些短序列的傅立葉變換，依次減少乘法運算。用t作為門限對原圖像進行閾值化處理，得到閾值化后的圖像并對其進行離散傅立葉變換，接下了得到；計算出C(t)；④ 把使 C(t)最大的t值作為最佳閾值； 由于在算法的實現(xiàn)中要用的快速傅立葉變換，現(xiàn)對它進行簡要的介紹。則其相應的二維傅立葉變換為： ； （1）其中u=0,1,2…m1。見文獻【3】。則=+；則最佳閾值t﹡可以這樣得到：t﹡=max()2）最近幾年出現(xiàn)了基于頻率域相位的一種求閾值的方法，稱為相位相關(guān)算法，簡稱CPT(Correlated Phase Thresholding)。各像素的概率為Pi. 。之所以首先介紹它，是因為該方法對以后的圖像的閾值化分割產(chǎn)生了很大的影響，同時它也是近些年流行的一種方法。這是近些年最熱門的圖像閾值化分割的研究方向。 20世紀60年代中期，Prewitt提出了直方圖雙峰法。閾值的確定方法很多，但主要可分為3種： 邊界的灰度通常介于相鄰兩個區(qū)域的平均灰度之間，可以作為圖像分割的閾值。 閾值化方法中閾值的確定 閾值的確定是閾值化方法的核心內(nèi)容，也是其中最難的部分。 全局閾值是對整幅圖像使用同一個閾值做處理分割，適用背景和前景有明顯對比的圖像。 多數(shù)情況下，只有首先對圖像作出一些必要的預處理，在運用閾值法才能有效地實現(xiàn)分割。如果取axy=f(x,y),bxy=0,則分割后的圖像背景為0，目標保留原灰度，屬于背景干凈的目標圖像。t為例說明圖像閾值化分割，因為利用一個或多個閾值的原理跟它是一樣的。這種分割方法對于物體與背景之間存在明顯差異的景物十分有效，但近些年隨著對閾值化方法的不斷探索，很多新方法對物體與背景之間差異不很明顯的景物的分割效果也是相當不錯的。FCM方法常被用于醫(yī)學圖像的分割。基于模糊理論的圖像分割方法包括模糊閾值分割方法、模糊聚類分割方法和模糊連接度分割方法等。C)基于形變模型的方法基于形變模型的方法綜合利用了區(qū)域與邊界信息，結(jié)合了幾何學、物理學和近似理論。梯度算子不僅對邊緣信息敏感，而且對圖像噪聲也很敏感。在區(qū)域分裂技術(shù)中，整個圖像先被堪稱一個區(qū)域，然后區(qū)域不斷被分裂為四個矩形區(qū)域直到每個區(qū)域內(nèi)部都是相似的。B）：區(qū)域生長和分裂合并 它們是兩種典型的串行區(qū)域分割方法，其特點是將分割過程分解為順序的多個步驟，其中后續(xù)的步驟要根據(jù)前面的步驟的結(jié)果進行判斷而確定。 ：圖像分割通常會用到不同對象間特性的不連續(xù)性和同一對象內(nèi)部的特性相似性。均勻一致性(或相似性)一般指同一區(qū)域內(nèi)的像素點之間灰度值差異較小或灰度的變化緩慢。 用數(shù)學形式可以表達為： 設圖像為g(x,y),其中0≤x≤Max(x),0≤y≤Max(y)。中值濾波很好的解決了消除脈沖干擾和保持圖像邊緣的問題。設g(x,y) 是有噪聲的圖像，它是有噪聲圖像e(x,y)和原始圖像f(x,y)疊加而成的。 本論文研究的預處理主要是針對噪聲而言，所以主要介紹兩種去噪的預處理方法。
研究報告相關(guān)推薦
鄂ICP備17016276號-1