圖像的閾值分割技術(shù)-wenkub.com
2024-11-04 05:51 本頁面
【正文】 我想，經(jīng)過這次課程設(shè)計我不但對數(shù)字圖像處理有了更深入的了解，對 MATLAB 編程變得更加熟練，更重要的是激發(fā)了我在數(shù)字圖像處理方面的興趣。首先，很多知識其實書上都已經(jīng)講的很透徹了，只要把課本上的內(nèi)容看懂就完全能完成題目要求。首先是圖書館中 相關(guān)資料在數(shù)字圖像處理方面大多都是理論知識， MATLAB 編程與數(shù)字圖像處理相結(jié)合的知識介紹的并不多，所以一開始感到有些手足無措。之前應(yīng)用 MATLAB 編程處理過一些數(shù)字信號，所以對 MATLAB 已經(jīng)有了一定的掌握。這里不作介紹。 figure。 T=Tnew。 while ~done r1=find(I=T)。 I=double(I)。 圖 33 是通過迭代法求閾值后進(jìn)行的分割。將圖像分成兩組像素： G1 由所有灰度值大于 T1 的像素組成，而 G2 由所有灰度值小于或等于 T1 的像素組成。這兩個函數(shù)結(jié)合使用， graythresh 函數(shù)是自適應(yīng)閾值，求出圖像的自適應(yīng)閾值，然后利用 im2bw 函數(shù)再轉(zhuǎn)化為二值圖像并輸出，得到如之前所示的自適應(yīng)閾值圖。 [width,height]=size(I)。 圖 32 為采用 OTSU 方法取得最優(yōu)閾值后進(jìn)行閾值分割的結(jié)果。它的基本原理是以最佳閾值將圖像的灰度直方圖分割成兩部分，使兩部分的方差取最大值，即分離性最大。 武漢理工大學(xué)專業(yè)綜合課程設(shè)計說明書 5 imshow(a) figure。所以可以取谷底對應(yīng)的灰度值作為閾值。這種方法適用于目標(biāo)和背景的灰度差 較大，直方圖有明顯谷底的情況。 3 最佳閾值的選擇 除非圖像中的物體有陡峭的邊沿，否則灰度閾值的取值對所抽取物體的邊界的定位和整體的尺寸有很大的影響。在這種情況下，需要把灰度閾值取成一個隨圖像中位置緩慢變化的函數(shù)值，即為自適應(yīng)閾值。 for i=1:width for j=1:height if(I(i,j)60) BW1(i,j)=0。圖 21（ a）是原圖，（ b）是選TyxfTyxfyxg??),(),(10){,(武漢理工大學(xué)專業(yè)綜合課程設(shè)計說明書 3 擇分割閾值為 60 的結(jié)果圖。如果目標(biāo)和背景的差別是某些其他特征而不是灰度特征時，那么先將這些特征差別轉(zhuǎn)化為灰度差別，然后再應(yīng)用閾值分割方法進(jìn)行處理，這樣使用閾值分割技術(shù)也可能是有效的 設(shè)圖像為 f(x,y)，其灰度集范圍是 [0,L]，在 0 和 L 之間選擇一個合適的灰度閾值 T，則圖像分割方法可由式（ ）描述 （ ） 這樣得到的 g(x,y)是一幅二值圖像。 圖 11 圖像分割算法 圖像分割 不連續(xù)性檢測 相似性檢測 邊界分割 邊緣檢測 邊緣跟蹤 Hough 變換
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1