【正文】 算子分割的效果最好， Prewitt 分割效果其次， Log 算子的分割效果最差。 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。分析法是直接分析分割算法本身的原理及性能，而實(shí)驗(yàn)法是通過(guò)對(duì)測(cè)試圖像的分割結(jié)果來(lái)評(píng)價(jià)算法的。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。這是一個(gè)有意義但比較困難的問(wèn)題。 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。 Log 算子，其分割圖像中所含非邊緣點(diǎn) 較少，而且主要邊緣大部分被保留，但是還是去掉了很多真邊緣點(diǎn)。 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。由灰度圖和灰度直方圖可以看出，該圖像的目標(biāo)和背景的灰度差異懸殊，并且該灰度直方圖的波峰明顯，滿足迭代法的使用條件。其實(shí)局部閾值法是全局閾值法的一個(gè)拓展。這時(shí)采用局部閾值法 ,即用與像素位置相關(guān)的一組閾值對(duì)圖像各部分分別進(jìn)行分割。 邊緣檢測(cè)分割法是通過(guò)檢測(cè)出不同區(qū)域邊界來(lái)進(jìn)行分割的 .邊緣總是以強(qiáng)度突變的形式出現(xiàn)，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、紋理結(jié)構(gòu)的突變等 .邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始 .圖像的邊緣包含了物體形狀的重要信息，兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在灰度邊緣 .灰度邊緣是灰度值不連續(xù) (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。 迭代所得的閾值分割效果良好 ,基于迭代的閾值能區(qū)分圖像的前景和背景的主要區(qū)域所在。 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(lèi) :像素的灰度值大于閾值的為一類(lèi)，像素的灰度值小于閾值的為另一類(lèi) .這兩類(lèi)像素一般分屬于圖像中的兩類(lèi)區(qū)域，所以對(duì)像素根據(jù)閾值分類(lèi)達(dá)到了區(qū)域分割的目的 .閾值分割可以分為全局閾值和局部閾值兩種情況 。閾值分割法的 結(jié)果很大程度上依賴(lài)于對(duì)閾值的選擇 , 因此該方法的關(guān)鍵是如何選擇合適的閾值。 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。 3．圖像分割方法詳述 圖像分割方法 本次畢業(yè)設(shè)計(jì)采用的是彩 色圖像作為分割圖像，采用的分割方法總的來(lái)說(shuō)是閾值法與邊緣檢測(cè)法的結(jié)合使用，在整個(gè)圖象分割的過(guò)程中，最主要的方法是邊緣檢測(cè)法，而閾值法起到是對(duì)圖象進(jìn)行預(yù)處理和后處理的作用。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)。但是，分裂合并技術(shù)可能會(huì)使分割區(qū)域的邊界破壞 [2]。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。(2)區(qū)域增長(zhǎng)方式也對(duì)噪聲敏感，導(dǎo)致抽取出的區(qū)域有空洞或者在局部體效應(yīng)的情況下將分開(kāi)的區(qū)域連接起來(lái)。與閉值分割類(lèi) 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。(2)算法的高效性和準(zhǔn)確性。區(qū)域生長(zhǎng)的固有缺點(diǎn)是分割效果依賴(lài)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]。分裂合并法是從整個(gè)圖像出發(fā) ,根據(jù)圖像和各區(qū)域的不均勻性 ,把圖像或區(qū)域分割成新的子區(qū)域 ,根據(jù)毗鄰區(qū)域的均勻性 ,把毗鄰的子區(qū)域合并成新的較大的區(qū)域。基于區(qū)域的分割方法主要有區(qū)域生長(zhǎng)法、分裂合并法。第五 ,在正確檢 測(cè)邊緣的基礎(chǔ)上要考慮精確定位的問(wèn)題 [14]。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。其次要知道特性變化總是發(fā)生在一定的空間范圍內(nèi) ,不能期望用一種檢測(cè)算子就能最佳檢測(cè)出發(fā)生在圖像上的所有特性變化。 Canny 算子較為簡(jiǎn)單 ,而且考慮了梯度方向 ,效果比較好 [13]。但對(duì)于邊緣復(fù)雜、采光不均勻的圖像來(lái)說(shuō) ,則效果不太理想 ,主要表現(xiàn)在邊緣模糊、弱邊緣丟失和整體邊緣不連續(xù)等方面。 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]。 Log 算子 : 該算子克服了拉普拉斯算子抗噪聲能力比較差的缺點(diǎn) , 但是在抑制噪聲的同時(shí)也可能將原有的比較尖銳的邊緣也平滑掉了 , 造成這些尖銳邊緣無(wú)法被檢測(cè)到。 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。 最簡(jiǎn)單的邊緣檢測(cè)判據(jù)是梯度幅值閾值判據(jù)。邊緣增強(qiáng)一般是通過(guò)計(jì)算梯度幅值來(lái)完成的。 2) 增強(qiáng) : 增 強(qiáng)邊緣的基礎(chǔ)是確定圖像各點(diǎn)鄰域強(qiáng)度的變化值。 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。 Sobel 在 Prewitt 算子的基礎(chǔ)上，對(duì) 4鄰域采用帶權(quán)的方法計(jì)算差分，該算子不僅能檢測(cè)邊緣點(diǎn)， 且能進(jìn)一步抑制噪聲的影響，但檢測(cè)的邊緣較寬。 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。經(jīng)典的梯度算子模板有 Prewitt 模板、 Canny 模板、Sobel 模板、 Log 模板等 [10]。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)。 這種方法稱(chēng)為邊緣檢測(cè)局部算子法。 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。因此，它是圖像分割所依賴(lài)的重要特征，而邊緣信息是一種圖像的緊描述，所包含的往往是圖像中 最重要的信息，故對(duì)圖像提取邊緣能極大地降低我們要處理的數(shù)據(jù)量。 基于邊緣檢測(cè)的分割方法 邊緣 (或邊沿 )是指其周?chē)袼鼗叶扔须A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)常可以用求導(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。 （ 2）多閾值分割 在多閾值分割中，分割是根據(jù)不同區(qū)域的特點(diǎn)得到幾個(gè)目標(biāo)對(duì)象，所以提取每一個(gè)目標(biāo)需要采用不同的閾值，也就是說(shuō)要使用多個(gè)閾值才能將它們分開(kāi)，這就是多閾值分割。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。這就是自適應(yīng)閾值。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。 （ 1）自適應(yīng)閾值 在許多情況下，背景的灰度值并不是常數(shù)，物體和背景的對(duì)比度在圖像中也有變化。 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]。這種方法假設(shè)圖像由目標(biāo)和背景組成 ,并且目標(biāo)和背景灰度直方圖都是單峰分布 [5]。 實(shí)現(xiàn)流程圖： 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。 程序的實(shí)現(xiàn)： 通過(guò)數(shù)組記錄直方圖中的各像素點(diǎn)值的個(gè)數(shù)， 再對(duì)逐個(gè)像素值進(jìn)行掃描。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]。 閾值法的幾種閾值選擇方 法 : 全局閾值法 （ 1）雙峰法 對(duì)于目標(biāo)與背景的灰度級(jí)有明顯差別的圖像 ,其灰度直方圖的分布呈雙峰狀 ,兩個(gè)波峰分別與圖像中的目標(biāo)和背景相對(duì)應(yīng) ,波谷與圖像邊緣相對(duì)應(yīng)。 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(lèi)。它一般要求在直方圖上能得到明顯的峰或谷 , 并在谷底選擇閾值。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(chēng)適應(yīng)閾值分割。其過(guò)程是決定一個(gè)灰 度值 , 用以區(qū)分不同的類(lèi) , 這個(gè)灰度值就叫做“閾值”。在實(shí)際應(yīng)用中，閾值法通常 與其他方法結(jié)合使用 [4]。 閾值法的缺點(diǎn)是當(dāng)圖像中不存在明顯的灰度差異或灰度值范圍有較大的重疊時(shí)，分割效果不理想。 閾值法 閾值法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，速度快，易于實(shí)現(xiàn)。如果加強(qiáng)分割區(qū)域的同性質(zhì)約束，分割區(qū)域很容易產(chǎn)生大量小空洞和不規(guī) 整邊緣 :若強(qiáng)調(diào)不 同區(qū)域間性質(zhì)差異的顯著性，則極易造成非同質(zhì)區(qū)域的合并和有意義的邊界丟失。 (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。 (2)區(qū)域內(nèi)部平整，不存在很小的小空洞 。 典型的圖像分割方法有閾值法，邊緣檢測(cè)法，區(qū)域法。近幾年來(lái) ,研究人員不斷改進(jìn)原有方法并將其它學(xué)科的新理論和新方法引入圖像分割 ,提出了不 少新的分割方法。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。 圖像分割方法綜述 圖像分割是指將圖像劃分為與其中含有的真實(shí)世界的物體或區(qū)域有強(qiáng)相關(guān)性的組成部分的過(guò)程。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。 上面的定義，不僅對(duì)明確的說(shuō)明了分割的含義，而且對(duì)進(jìn)行分割也有相當(dāng)?shù)闹笇?dǎo)作用。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。條件 2指出在分割結(jié)果中各個(gè)子區(qū)域是互不重疊的，或者說(shuō)在分割結(jié)果中一個(gè)象素不能同時(shí)屬于兩個(gè)區(qū)域。 (i≠j)。“有意義” — 希望這些區(qū)域能分別和圖象景物中各目標(biāo)物 (或背景 )相對(duì)應(yīng)。 本文主要從圖像