【正文】 在論文的撰寫(xiě)過(guò)程中老師們給予我很大的幫助，幫助解決了不少的難點(diǎn)，使得論文能夠及時(shí)完成，這里一并表示真誠(chéng)的感謝。最后，我要特別感謝我的導(dǎo)師趙達(dá)睿老師、和研究生助教熊偉麗老師。感謝老師四年來(lái)對(duì)我孜孜不倦的教誨，對(duì)我成長(zhǎng)的關(guān)心和愛(ài)護(hù)。最后，我要感謝我的父母對(duì)我的關(guān)系和理解，如果沒(méi)有他們?cè)谖业膶W(xué)習(xí)生涯中的無(wú)私奉獻(xiàn)和默默支持，我將無(wú)法順利完成今天的學(xué)業(yè)。從他身上，我學(xué)到了許多能受益終生的東西。這期間凝聚了很多人的心血，在此我表示由衷的感謝。首先非常感謝學(xué)校開(kāi)設(shè)這個(gè)課題，為本人日后從事計(jì)算機(jī)方面的工作提供了經(jīng)驗(yàn)，奠定了基礎(chǔ)。畢業(yè)設(shè)計(jì)（論文）使用授權(quán)聲明本人完全了解濱州學(xué)院關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。 論文已經(jīng)達(dá)到本科學(xué)士學(xué)位水平，同意參加論文答辯。3提出本次圖像分割的方案，并且對(duì)方案進(jìn)行詳細(xì)的論述以及分析。 figure,imshow(bw),title(39。 %在閾值T下，迭代閾值的計(jì)算過(guò)程 end end count %顯示運(yùn)行次數(shù)T %顯示最佳閾值 算出Tbw4=im2bw(I,T/255)。 %小于閥域值圖像點(diǎn)個(gè)數(shù)累加 end end end T0=S0/n0。 %為計(jì)算灰度小于閾值的元素的灰度總值、個(gè)數(shù)賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 S0=。 b=double(I)。fxy = imhist(I, 256)。 %求大于閥域值均值 if abs(T((T0+T1)/2)) %迭代至前后兩次閥域值相差幾乎為0時(shí)停止 break。 %大于閾域值圖像點(diǎn)個(gè)數(shù)累加 else S0=S0+double(I(i,j))。 %為計(jì)算灰度大于閾值的元素的灰度總值、個(gè)數(shù)賦值 S1=。 % T賦初值，為最大值和最小值的平均值 count=double(0)。plot(fxy)。 %在閾值T下，迭代閾值的計(jì)算過(guò)程 end end count %顯示運(yùn)行次數(shù)T %顯示最佳閾值 算出Tbw2=im2bw(I,T/255)。 %小于閥域值圖像點(diǎn)個(gè)數(shù)累加 end end end T0=S0/n0。 %為計(jì)算灰度小于閾值的元素的灰度總值、個(gè)數(shù)賦值 for i=1:x for j=1:y if double(I(i,j))=T S1=S1+double(I(i,j))。 S0=。 b=double(I)。fxy = imhist(I, 256)。 %求大于閥域值均值 if abs(T((T0+T1)/2))%迭代至前后兩次閥域值相差幾乎為0時(shí)停止 break。 %大于閾域值圖像點(diǎn)個(gè)數(shù)累加 else S0=S0+double(I(i,j))。 %為計(jì)算灰度大于閾值的元素的灰度總值、個(gè)數(shù)賦值 S1=。 % T賦初值，為最大值和最小值的平均值 count=double(0)。 plot(fxy)。 subimg4=img(217:431,136:269)。)。D:\39。imshow(I)。BW1 = edge(I,39。)。 % 圖像在最佳閾值下二值化 figure,imshow(i1)imwrite(i1,39。 %求小于閥域值均值 T1=S1/n1。 %大于閾域值圖像點(diǎn)灰度值累加 n1=n1+1。 n0=。 zd=double(max(max(Im))) % 求出圖象中最大的灰度 zx=double(min(min(Im))) % 最小的灰度 T=double((zd+zx))/2。) figure,imshow(Im) , title(39。)。另外，還要感謝這四年來(lái)陪伴我度過(guò)大學(xué)時(shí)代的老師和同學(xué)們，是他們豐富了我的大學(xué)生活，在求學(xué)的路上給我指引了方向，訓(xùn)練我科學(xué)嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度。近年來(lái)，隨著各學(xué)科許多新理論和新方法的提出，人們也提出了許多與一些特定理論、方法和工具相結(jié)合的分割技術(shù)，例如：基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)，基于模糊技術(shù)的圖像分割方法，基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的圖像分割方法，遺傳算法在圖像分割中的應(yīng)用和基于小波分析和變換的分割技術(shù)。因?yàn)闆](méi)有哪一種分割方法能夠?qū)λ械膱D象都產(chǎn)生理想的分割結(jié)果，而根據(jù)待分割圖象的不同特點(diǎn)，結(jié)合已知的先驗(yàn)知識(shí)，研究符合具體圖象特性的分割模型，才是提高圖象分割的重要手段。局部閾值分割法雖然能改善分割效果，但存在幾個(gè)缺點(diǎn)：①每幅子圖像的尺寸不能太小，否則統(tǒng)計(jì)出的結(jié)果無(wú)意義。 因此，全局閾值法適用于灰度差異較大的圖片，如果圖像灰度變化不是很明顯，則達(dá)不到理想的效果。3提出本次圖像分割的方案，并且對(duì)方案進(jìn)行詳細(xì)的論述以及分析。在將邊緣分割后的圖像進(jìn)行分割后，分成四塊小圖像，在實(shí)驗(yàn)現(xiàn)象中可以看出，這四塊小圖像的灰度直方圖都有很明顯的雙峰，但是由于波谷寬闊平坦，不滿足雙峰法的使用條件，所以不能使用雙峰法，所以在對(duì)不同的圖像進(jìn)行閾值化的時(shí)候，采用的是全局閾值法里面的迭代法，總的來(lái)說(shuō)，就是將Canny算子分割后的圖片繼續(xù)分割成四小塊，對(duì)四塊不同的圖片用迭代法求取閾值，再將閾值化后的圖片合并起來(lái)。定量試驗(yàn)準(zhǔn)則：區(qū)域間的對(duì)比度圖像分割要把一幅原始圖像分為若干個(gè)區(qū)域。一般認(rèn)為對(duì)分割方法的評(píng)價(jià)可以通過(guò)分析和實(shí)驗(yàn)兩種方式來(lái)進(jìn)行。我們對(duì)圖像分割的結(jié)果通常以人的主觀判決作為評(píng)價(jià)準(zhǔn)則。在采用邊緣算子時(shí)，本次畢業(yè)設(shè)計(jì)測(cè)試了3種算子，分別是Prewitt算子，Log算子和Canny算子。其實(shí)局部閾值法是全局閾值法的一個(gè)拓展。，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、(或突變)的結(jié)果，這種不連續(xù)?？衫们笠浑A和二階導(dǎo)數(shù)方便的檢測(cè)到.在對(duì)圖像進(jìn)行分割時(shí)，采用了多種算子對(duì)圖像進(jìn)行分割，最后根據(jù)分割的現(xiàn)象采用效果最好的一種算子作為本次畢業(yè)設(shè)計(jì)的邊緣檢測(cè)算子。這種方法是先確定一個(gè)處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比較，并根據(jù)比較結(jié)果將對(duì)應(yīng)的像素劃分為兩類:像素的灰度值大于閾值的為一類。 圖像分割方法實(shí)現(xiàn)對(duì)彩色圖像進(jìn)行灰度處理用全局閾值法對(duì)圖像進(jìn)行預(yù)處理：閾值法是一種簡(jiǎn)單有效的圖像分割方法,它用一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾個(gè)部分,認(rèn)為屬于同一個(gè)部分的像素是同一個(gè)物體。它主要的缺陷是, 每一個(gè)需要提取的區(qū)域都必須人工給出一個(gè)種子點(diǎn), 這樣有多個(gè)區(qū)域就必須給出相應(yīng)的種子個(gè)數(shù)。在區(qū)域分裂技術(shù)中，整個(gè)圖像先被看成一個(gè)區(qū)域，然后區(qū)域不斷被分裂為四個(gè)矩形區(qū)域，直到每個(gè)區(qū)域內(nèi)部都是相似的，分裂合并方法中，區(qū)域先從整幅圖像開(kāi)始分裂，然后將相鄰的區(qū)域進(jìn)行合并。與閉值分割類似，區(qū)域增長(zhǎng)也很少單獨(dú)使用，往往是與其它分割方法一起使用。區(qū)域生長(zhǎng)的固有缺點(diǎn)是分割效果依賴于種子的選擇及生長(zhǎng)順序,區(qū)域分裂技術(shù)的缺點(diǎn)是可能破壞邊界,所以它們常常與其他方法相結(jié)合,以期取得更好的分割效果[15]?；趨^(qū)域的分割方法主要有區(qū)域生長(zhǎng)法、分裂合并法。第三, 要考慮噪聲的影響其中一個(gè)辦法就是濾除噪聲, 這有一定的局限性再就是考慮信號(hào)加噪聲的條件檢測(cè)利用統(tǒng)計(jì)信號(hào)分析或通過(guò)對(duì)圖像區(qū)域的建模而進(jìn)一步使檢測(cè)參數(shù)化。Canny 算子較為簡(jiǎn)單,而且考慮了梯度方向,效果比較好[13]。綜上所述, 前面所介紹的各個(gè)算子各有各的特點(diǎn)和應(yīng)用領(lǐng)域, 每個(gè)算子只能反映出邊緣算法性能的一個(gè)方面, 在許多情況下需要綜合考慮[12]。各個(gè)邊緣檢測(cè)算子比較:Sobel 算子和Prewitt 算子: 都是對(duì)圖像先作加權(quán)平滑處理, 然后再作微分運(yùn)算, 所不同的是平滑部分的權(quán)值有些差異, 因此對(duì)噪聲具有一定的抑制能力, 但不能完全排除檢測(cè)結(jié)果中出現(xiàn)的虛假邊緣。邊緣增強(qiáng)一般是通過(guò)計(jì)算梯度幅值來(lái)完成的。邊緣檢測(cè)算法有如下四個(gè)步驟:1) 濾波: 邊緣檢測(cè)算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù), 但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感, 因此必須使用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。Canny 邊緣檢測(cè)算子對(duì)受加性噪聲影響的邊緣檢測(cè)是最優(yōu)的。常用的邊緣檢測(cè)方法的基礎(chǔ)是微分運(yùn)算，邊緣點(diǎn)對(duì)應(yīng)于一階微分幅度大的點(diǎn)，或?qū)?yīng)于二階微分的過(guò)零點(diǎn)。圖3 常見(jiàn)邊緣剖面雖然圖像邊緣點(diǎn)產(chǎn)生的原因不同，但他們都是圖像上灰度不連續(xù)點(diǎn)，或是灰度變化劇烈的地方。 基于邊緣檢測(cè)的分割方法邊緣(或邊沿)是指其周圍像素灰度有階躍變化或“屋頂”變化的那些像素的集合，也即邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)?？梢杂们髮?dǎo)數(shù)方便的檢測(cè)到，一般常用一階導(dǎo)數(shù)和二階導(dǎo)數(shù)來(lái)檢測(cè)邊緣。由于各個(gè)子圖的閾值化是獨(dú)立進(jìn)行的，所以在相鄰子圖像邊界處的閾值會(huì)有突變，因此應(yīng)該以采用適當(dāng)?shù)钠交夹g(shù)消除這種不連續(xù)性，子圖像之間的相互交疊也有利于減小這種不連續(xù)性。另外，當(dāng)遇到圖像中有陰影、突發(fā)噪聲、照度不均、對(duì)比度不均或背景灰度變化等情況時(shí)，只用一個(gè)固定的閾值對(duì)整幅圖像進(jìn)行閾值化處理，則會(huì)由于不能兼顧圖像各處的情況而使分割效果受到影響。迭代所得的閾值分割圖象的效果良好， 基于迭代的閾值能區(qū)分圖象的前景和背景的主要區(qū)域所在，但是在圖象的細(xì)微處還是沒(méi)有很好的區(qū)分度，令人驚訝的是對(duì)某些特定圖象，微小數(shù)據(jù)的變化會(huì)引起分割效果的巨大變化，兩者的數(shù)據(jù)只是稍有變化，分割效果反差極大，具體原因還有待進(jìn)一步研究[8]。實(shí)現(xiàn)流程圖：開(kāi)始通過(guò)數(shù)組g[255]讀入直方圖逐個(gè)查看能每個(gè)像素值在直方圖中能作為谷底的范圍找出能作為谷底范圍最大的像素值作為閾值根據(jù)取得的閾值對(duì)圖像進(jìn)行二值化結(jié)束圖2 雙峰法實(shí)現(xiàn)流程圖（2）灰度直方圖變換法該方法不是直接選取閾值,而是對(duì)灰度直方圖進(jìn)行變換,使其具有更深的波谷和更尖的波峰,然后再利用雙峰法得到最優(yōu)閾值。該方法簡(jiǎn)單易行,但是對(duì)于灰度直方圖中波峰不明顯或波谷寬闊平坦的圖像,不能使用該方法[6]。它的主要局限是, 最簡(jiǎn)單形式的閾值法只能產(chǎn)生二值圖像來(lái)區(qū)分兩個(gè)不同的類。所謂全局閾值分割是利用利用整幅圖像的信息來(lái)得到分割用的閾值, 并根據(jù)該閾值對(duì)整幅圖像進(jìn)行分割而局部閾值分割是根據(jù)圖像中的不同區(qū)域獲得對(duì)應(yīng)的不同區(qū)域的閾值, 利用這些閾值對(duì)各個(gè)區(qū)域進(jìn)行分割, 即一個(gè)閾值對(duì)應(yīng)相應(yīng)的一個(gè)子區(qū)域, 這種方法也稱適應(yīng)閾值分割。在實(shí)際應(yīng)用中，閾值法通常與其他方法結(jié)合使用[4]。閾值法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，速度快，易于實(shí)現(xiàn)。(4)每個(gè)分割區(qū)域邊界應(yīng)具有齊整性和空間位置的準(zhǔn)確性。典型的圖像分割方法有閾值法，邊緣檢測(cè)法，區(qū)域法。盡管它一直受到科研人員的重視,但是它的發(fā)展很慢,被認(rèn)為是計(jì)算機(jī)視覺(jué)的一個(gè)瓶頸。條件1和條件2說(shuō)明正確的分割準(zhǔn)則應(yīng)可適用于所有區(qū)域和所有象素，條件3和條件4說(shuō)明合理的分割準(zhǔn)則應(yīng)該能夠幫助確定各區(qū)域象素有代表性的特性，而條件5說(shuō)明完整的分割準(zhǔn)則應(yīng)直接或間接地對(duì)區(qū)域內(nèi)象素的連通性有一定的要求或限定。條件4指出在分割結(jié)果中，不同的子區(qū)域具有不同的特性，沒(méi)有公共元素，或者說(shuō)屬于不同區(qū)域的象素應(yīng)該具有一些不同的特性。 (i≠j)。本文主要從圖像分割定義、圖像分割的方法等幾個(gè)方面來(lái)闡述關(guān)于圖像分割的幾個(gè)問(wèn)題。圖象分割在實(shí)際