數(shù)字圖像處理論文基于灰度圖像的閾值分割改進方法-wenkub.com
2024-09-13 11:31 本頁面
【正文】 希望隨著科學技術的發(fā)展，人們對圖像分割研究的深入，圖像分割所殘留的問題能夠得到很好的解決。盡管人們在圖像分割方面做了許多研究工作。因此，我們在選取銳化系數(shù)的時候要適當選取，不然，這會給我們的分割結果帶來影響。梯度不僅是一種重要的數(shù)學運算，在圖像增強中也是突出細節(jié)信息的一種重要方法。 重復實驗步驟當k=3時，我們重復上面的實驗步驟得到的圖像如圖55所示：圖55 原始圖像和增強圖像（1）迭代法得到的分割圖像如圖56所示：圖56 分割圖像（2）最大類間方差法得到的分割圖像如圖57所示：圖57 分割圖像前面我們已經(jīng)證實，由于增強后圖像的灰度直方圖沒有呈現(xiàn)雙峰狀，所以對于雙峰法在這里我們就不予考慮。39。)改為I=imread(39。 雙峰法分割實驗中我們發(fā)現(xiàn)，由于增強后圖像的灰度直方圖沒有呈現(xiàn)明顯的雙峰狀，由前面介紹的雙峰法的原理我們知道，增強后的圖像不能使用雙峰法來分割。title(39。 %計算梯度Gx GyG=sqrt(Gx.*Gx+Gy.*Gy)。原始圖像39。)。這樣由上面的梯度算子就可以增強圖像的細節(jié)部分，需保留低頻信號，與原圖像的信息進行疊加，其中添加一個銳化系數(shù)，如下： (53)為增強后的圖像； 為原始圖像，用來保存圖像的原始背景信息；為原始圖像梯度，為圖像的銳化細節(jié)信息；k為銳化系數(shù)，用于調(diào)節(jié)銳化的強度。本圖像為增強圖像的細節(jié)就得將原始圖像進行銳化，圖像的邊緣細節(jié)與圖像上梯度的整體強度有關，圖像邊緣越強，圖像的細節(jié)效果越明顯。最后，分割后得到的圖像不能很好的顯示圖像的細節(jié)。title(str)。str=[39。title(39。 %計算閾值J=im2bw(I,th)。程序代碼如下：clear all %讀入圖像I=imread(39。程序執(zhí)行得到圖形，如圖4圖47所示：圖46 原始圖像圖47 分割圖像最大類間方差法是 1979年由日本的學者大津(Nobuyuki Otsu)提出的動態(tài)閾值方法 ,又叫大律法，,簡稱OTSU。迭代峰：閾值Th=39。原始圖像39。J=im2bw(I,th/255)。 thnew=(u1+u2)/2。 %迭代法計算量while ok g1=I=th。 %計算圖像的灰度最小值和最大值tmin=min(I(:))。循環(huán)做第二步到第四步，一直到兩組的平均灰度值μ1和μ2不在發(fā)生改變，那么我們就獲得了所需要的閾值。分割結果39。J=im2bw (I, th/255)。直方圖39。)。figure(1)。圖41 設計流程圖假定圖像由目標背景（具有不同的灰度級）組成，圖像的灰度分布曲線可以近似地認為由兩個正態(tài)分布函數(shù)疊加而成，則圖像的直方圖會出現(xiàn)雙峰的分布，如下圖42所示： 圖42 雙峰法閾值選取圖像在此情況下，選取雙峰間的谷底處的灰度值T作為閾值，即可將物體和背景很好地分割開。該算法針對圖像閾值化分割的要求構造了一種新的模糊隸屬度函數(shù)，克服了傳統(tǒng)S函數(shù)帶寬對分割效果的影響，有很好的通用性和有效性，方案能夠快速正確地實現(xiàn)分割，且不需事先認定分割類數(shù)。模糊閾值技術利用不同的S型隸屬函數(shù)來定義模糊目標，通過優(yōu)化過程最后選擇一個具有最小不確定性的S函數(shù)。這種方法需要大量的訓練數(shù)據(jù)。整個分割過程是從粗到細，有尺度變化來控制，即起始分割由粗略的L2(R)子空間上投影的直方圖來實現(xiàn)，如果分割不理想，則利用直方圖在精細的子空間上的小波系數(shù)逐步細化圖像分割。 FCM算法對初始參數(shù)極為敏感，有時需要人工干預參數(shù)的初始化以接近全局最優(yōu)解，提高分割速度。K均值算法先選K個初始類均值，然后將每個像素歸入均值離它最近的類并計算新的類均值。因此用微分算子檢測邊緣前要對圖像進行平滑濾波。常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。不同的圖像灰度不同，邊界處一般有明顯的邊緣，利用此特征可以分割圖像。分裂合并的假設是對于一幅圖像，前景區(qū)域由一些相互連通的像素組成的，因此，如果把一幅圖像分裂到像素級，那么就可以判定該像素是否為前景像素。將這些新像素當作新的種子像素繼續(xù)進行上面的過程，直到再沒有滿足條件的像素可被包括進來。 由于被處理圖像的數(shù)據(jù)量非常大且許多運算在本質(zhì)上是并行的，所以圖像并行處理結構和圖像并行處理算法也是圖像處理中的主要研究方向。（6）圖像分類（識別）圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預處理（增強、復原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。（5）圖像描述圖像描述是圖像識別和理解的必要前提。（4） 圖像分割圖像分割是數(shù)字圖像處理中的關鍵技術之一。（3）圖像增強和復原圖像增強和復原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應用。（3）圖像數(shù)據(jù)的變換、編碼和壓縮，以便于圖像的存儲和傳輸。 一般來說,對圖像進行處理（或加工、分析）的主要目的有三個方面：（1）提高圖像的視感質(zhì)量，如進行圖像的亮度、彩色變換，增強，對圖像進行幾何變換等，以改善圖像的質(zhì)量。對于特殊的紋理圖像可采用二維紋理特征描述。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量可減少圖像中噪聲影響。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。（1）圖像變換：由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。這對我們使用灰度閾值分割方法分割圖像提供了技術支持，并且能很好
環(huán)評公示相關推薦
鄂ICP備17016276號-1