freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

本科畢業(yè)論文-基于labview的圖像分割程序設(shè)計(jì)-展示頁(yè)

2025-01-27 16:04本頁(yè)面
  

【正文】 這種情況閾值分割算法就是一種簡(jiǎn)單高效的從背景中提取目標(biāo)的的方法。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。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。區(qū)域生長(zhǎng)法、分裂合并法:區(qū)域生長(zhǎng)法的基本思想是根據(jù)一定的相似性準(zhǔn)則,將圖像中滿足相似性準(zhǔn)則的像素或子區(qū)域合成更大的區(qū)域;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)域的分割基于區(qū)域的圖像分割是根據(jù)圖像灰度、紋理、顏色和圖像像素統(tǒng)計(jì)的均勻性等圖像的空間局部特征,把圖像中的像素劃歸到各個(gè)物體或區(qū)域中,進(jìn)而將圖像分割成若干個(gè)不同區(qū)域的一種分割方法。還可以用概率統(tǒng)計(jì),類間方差等優(yōu)化方法對(duì)更為復(fù)雜的情況進(jìn)行分割。如果感興趣的物體在其內(nèi)部具有均勻一致的灰度值,并分布在具有另一灰度值的均勻背景上,使用全局閾值方法效果就很好。所有灰度值小于(或相反)該閾值的像素被排除在物體之外,屬于背景。直方圖閾值分割對(duì)物體與背景有較強(qiáng)對(duì)比的背景分割特別有用,這種方法計(jì)算簡(jiǎn)單,而且總能用封閉而且連通的邊界定義不交疊的區(qū)域。[3] 閾值分割法閾值分割法是一種簡(jiǎn)單有效的圖像分割方法,其基本思想就是用一個(gè)或多個(gè)閾值將圖像的灰度級(jí)分成幾部分,灰度值在同一類的像素屬于同一目標(biāo)。基于邊界曲線擬合的方法用平面曲線來(lái)表示不同區(qū)域之間的圖像邊界線,試圖根據(jù)圖像梯度等信息找出能正確表示邊界的曲線從而得到圖像分割的目的,而且由于它直接給出的是邊界曲線而不像一般的方法找出的是離線的,不相關(guān)的邊緣點(diǎn),因而對(duì)圖像分割的后繼處理,如物體識(shí)別等高層處理有很大的幫助。梯度算子不僅對(duì)邊緣信息敏感,而且對(duì)像素點(diǎn)也很敏感。1. 邊緣檢測(cè)算子邊緣檢測(cè)算子對(duì)圖像中灰度的變化進(jìn)行檢測(cè),通過(guò)求一階導(dǎo)數(shù)極值點(diǎn)或二階導(dǎo)數(shù)過(guò)零點(diǎn)來(lái)檢測(cè)邊緣。近年來(lái)還提出了基于曲面擬合的方法,基于邊界曲線擬合的方法。所謂串行邊緣檢測(cè)技術(shù),是指要想確定當(dāng)前像素點(diǎn)是否屬于欲檢測(cè)邊緣上的一點(diǎn),取決于先前像素的驗(yàn)證結(jié)果;而在并行邊緣檢測(cè)技術(shù)中,一個(gè)像素點(diǎn)是否屬于檢測(cè)邊緣上的一點(diǎn),取決于當(dāng)前正在檢測(cè)的像素點(diǎn)以及該像素點(diǎn)的一些相鄰像素點(diǎn),這樣該模型可以同時(shí)用于圖像中的所有像素點(diǎn),因而稱之為并行邊緣檢測(cè)技術(shù)。由于噪聲和模糊的存在,檢測(cè)到的邊緣可能會(huì)變寬或在某些點(diǎn)處發(fā)生間斷,因此,邊界檢測(cè)包括兩個(gè)基本內(nèi)容:首先抽取出反映灰度變化的邊緣點(diǎn),然后剔除某些邊界點(diǎn)或填補(bǔ)邊界間斷點(diǎn),并將這些邊緣連接成完整的線。在圖像中,邊界表明一個(gè)特征區(qū)域的終結(jié)和另一個(gè)特征區(qū)域的開(kāi)始,邊界所分開(kāi)區(qū)域的內(nèi)部特征或?qū)傩允且恢?,而不同區(qū)域內(nèi)部的特征或?qū)傩允遣煌模吘壍臋z測(cè)正是利用物體和背景在某種圖像特性上的差異來(lái)實(shí)現(xiàn)的,這些差異包括灰度,顏色和紋理特征。不同的圖像分割方法總有在各種約束條件之間找到適當(dāng)?shù)钠胶恻c(diǎn)?,F(xiàn)有的大多數(shù)圖像分割方法只是部分滿足上述判據(jù)。典型的圖像分割方法有閾值法,邊緣檢測(cè)法,區(qū)域法。但亦今為止,仍然沒(méi)有一種圖像算法適合所有的圖像,也沒(méi)有一種圖像可以用所有方法來(lái)分割。 圖像分割方法綜述圖像分割是把圖像分割成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程,這些特性可以是像素的灰度、顏色、紋理等,提取的目標(biāo)可以是對(duì)應(yīng)的單個(gè)區(qū)域,也可以是對(duì)應(yīng)的多個(gè)區(qū)域。這些算法的實(shí)現(xiàn)方式各不相同,然而大都基于圖像在像素級(jí)的兩個(gè)性質(zhì):不連續(xù)性和相似性。因此,圖像分割是圖像分析和計(jì)算機(jī)視覺(jué)中的經(jīng)典難題。原因在于實(shí)際的圖像是千差萬(wàn)別的,還有一個(gè)重要原因在于圖像數(shù)據(jù)的下降,包括圖像在獲取和傳輸過(guò)程引入的各種噪聲以及光照不均勻等因素。[1]實(shí)際的圖像處理和分析都是面向某種應(yīng)用的,所以上述條件中的各種關(guān)系也要視具體情況而定。(3)P(Si)=true,?j,分割出的每個(gè)區(qū)域的像素具有一致的特性。把F劃分為n個(gè)滿足下述4項(xiàng)條件的子集{S1,S2,…,Sn}(Si是連通區(qū)域)的過(guò)程定義為圖像分割:(1),分割是完全的,圖像中的每一像素必須歸屬于一個(gè)區(qū)域。圖像分割更形式化的定義如下:假設(shè)一幅圖像中所有像素的集合為F,有關(guān)一致性的假設(shè)為P(如果強(qiáng)調(diào)分割區(qū)域的同性質(zhì)約束,則分割區(qū)域很容易產(chǎn)生大量小孔和不規(guī)整邊緣;若強(qiáng)調(diào)不同區(qū)域間性質(zhì)差異的顯著性,則容易造成不同區(qū)域的合并。(3) 區(qū)域邊界是明確的。好的圖像分割應(yīng)具備以下特征:(1) 分割出來(lái)的各區(qū)域?qū)δ撤N特性(如灰度和紋理)而言具有相似性,區(qū)域內(nèi)部是連通的且沒(méi)有過(guò)多小孔。本課題將介紹主要幾種圖像分割的方法,仔細(xì)研究其中兩種閾值分割的算法,通過(guò)直接設(shè)計(jì)VI來(lái)實(shí)現(xiàn)閾值圖像分割的功能,令LabVIEW也能夠進(jìn)行一些圖像處理的任務(wù),使得LabVIEW更加強(qiáng)大。LabVIEW將使用者從煩瑣的程序設(shè)計(jì)中解放出來(lái),而將注意力集中在測(cè)量等物理問(wèn)題本身。與大多數(shù)程序語(yǔ)言不同,LabVIEW是一個(gè)圖形化的編程環(huán)境,編程的過(guò)程不是寫代碼,而是“流程圖”。早期的虛擬儀器技術(shù)主要用于軍事、航空、航天等領(lǐng)域和科研院所,現(xiàn)在已經(jīng)越來(lái)越多地出現(xiàn)在工廠及其他民用場(chǎng)合。對(duì)大多數(shù)用戶而言,主要的工作變成了軟件設(shè)計(jì)。虛擬儀器技術(shù)是基于計(jì)算機(jī)的儀器及測(cè)量技術(shù)。圖像識(shí)別的基礎(chǔ)是圖像分割,其作用是把反映物體真實(shí)情況的,占據(jù)不同區(qū)域的,具有不同特性的目標(biāo)區(qū)分開(kāi)來(lái),并形成數(shù)字特性。圖像工程是一個(gè)對(duì)整個(gè)圖像領(lǐng)域進(jìn)行研究應(yīng)用的新學(xué)科,它的內(nèi)容非常豐富,根據(jù)抽象程度和研究方法的不同可以分為3個(gè)各種特點(diǎn)的層次:圖像處理,圖像分析和圖像理解。s real situation,the area in different places and the area with different characteristic and forming a digital characteristic. There are thousands of methods of image segmentation, this article will introduce several mainstream method, and analyze their respective characteristics, use this two ways to make image segmentation with LabVIEW,and show the phenomenon of experiment,campare the treatment result of the two methods.[Keyword] Image segmentation Threshold OTSU bimoda LabVIEW 目 錄引言 11 圖像分割論述 2 圖像分割的定義 2 圖像分割方法綜述 3 邊緣檢測(cè)法 3 閾值分割法 5 基于區(qū)域的分割 52 圖像閾值分割算法 6 閾值分割算法簡(jiǎn)述 6 全局閾值算法 7 自適應(yīng)閾值算法 9 最小誤差閾值 10 最大類間方差算法 113 圖像分割實(shí)驗(yàn)結(jié)果及實(shí)現(xiàn)平臺(tái)介紹 12 LabVIEW簡(jiǎn)述 12 LabVIEW的應(yīng)用 12 VI設(shè)計(jì) 14 雙峰法選取閾值 16 17 18結(jié)論 20致謝 21[參考文獻(xiàn)] 23引言圖像技術(shù)在廣義上是各種與圖像有關(guān)技術(shù)的總稱。關(guān)于圖像分割的方法已有上千種,本文將介紹幾種主流的方法,并分析各自的特性,利用LabVIEW平臺(tái)實(shí)現(xiàn)兩種閾值方法分割圖像,展現(xiàn)實(shí)驗(yàn)現(xiàn)象,比較兩種方法的處理結(jié)果。它是處理圖像的基本問(wèn)題之一,是圖像處理圖像分析的關(guān)鍵步驟。基于LabVIEW的圖像分割程序設(shè)計(jì)[摘要] 現(xiàn)在圖像處理技術(shù)已經(jīng)應(yīng)用于多個(gè)領(lǐng)域當(dāng)中,其中,紙幣識(shí)別,車牌識(shí)別,文字識(shí)別和指紋識(shí)別已為大家所熟悉。圖像分割是一種重要的圖像技術(shù),它不僅得到了人們的廣泛重視和研究,也在實(shí)際中得到了大量的應(yīng)用。圖像識(shí)別的基礎(chǔ)是圖像分割,其作用是把反映物體真實(shí)情況的,占據(jù)不同區(qū)域的,具有不同性質(zhì)的目標(biāo)區(qū)分開(kāi)來(lái),并形成數(shù)字特性。[關(guān)鍵詞] 圖像分割 閾值法 大津法 雙峰法 LabVIEW The program designing of image segmentation based on LabVIEW[Abstract] Image processing technology has been used in many fields, the banknote recognition, license plate recognition, character recognition and fingerprint recognition has been familiar to everyone. Image segmentation is an important image technology, people not only attach importance to it and research it,but also use it in many place. It is one of the basic problems of the image processing, and it is a key step of the image processing image analysis. The image recognition based on image segmentation, the function of which is making a distinction between the area of object39。圖像技術(shù)種類很多,跨度很大,但可以將它們歸在一個(gè)整體框架—圖像工程之下。在一幅圖像中,人們往往只對(duì)其中的某些目標(biāo)感興趣,這些目標(biāo)通常占據(jù)一定的區(qū)域,并且在某些特性(如灰度、輪廓、顏色和紋理等)上和周圍的圖像有差別。圖像分割是圖像識(shí)別和圖像理解的基本前提步驟,圖像分割質(zhì)量的好壞直接影響后續(xù)圖像處理的效果,甚至決定其成敗,因此,圖像分割的作用是至關(guān)重要的。與傳統(tǒng)儀器技術(shù)不同,虛擬儀器技術(shù)指在包含數(shù)據(jù)采集設(shè)備的通用計(jì)算機(jī)平臺(tái)上,根據(jù)需求可以高效率地構(gòu)建起形形色色的測(cè)量系統(tǒng)。虛擬儀器技術(shù)突破了傳統(tǒng)儀器的局限,可以將許多信號(hào)處理的方法方便地應(yīng)用于測(cè)量中,并且為自動(dòng)測(cè)量和網(wǎng)絡(luò)化測(cè)量創(chuàng)造條件。LabVIEW則是美國(guó)國(guó)家儀器公司(National Instruments)所提供的虛擬儀器開(kāi)發(fā)平臺(tái)。LabVIEW的使用者是各個(gè)領(lǐng)域的工程技術(shù)人員,而非計(jì)算機(jī)專業(yè)人員。LabVIEW除了在工業(yè)領(lǐng)域作為測(cè)量?jī)x器外,還擁有強(qiáng)大的圖像處理功能,它可以外掛專有的“圖像處理包”,或者調(diào)用Matlab來(lái)實(shí)現(xiàn)圖像處理的功能,但前者需要單獨(dú)購(gòu)買,且不方便修改,后者則需要安裝Matlab,而直接通過(guò)LabVIEW設(shè)計(jì)VI實(shí)現(xiàn)則方面修改。 1 圖像分割論述 圖像分割的定義圖像分割是指將一幅圖像分解為若干互不交疊的,有意義的,具有相同性質(zhì)的區(qū)域。(2) 相鄰區(qū)域?qū)Ψ指钏罁?jù)的性質(zhì)有明顯的性質(zhì)。大多數(shù)圖像分割方法只是部分滿足上述特征。具體處理時(shí),不同的圖像分割方法總是在各種約束條件之間尋找一種合理的平衡。)。(2),分割出的不同區(qū)域是不相交的。(4)P()=false,分割出的不同區(qū)域的像素不具有一致的特性。目前,還沒(méi)有一種通用的方法可以很好地兼顧這些約束條件,也沒(méi)有一種通用的方法可以完成不同的圖像分割任務(wù)。到目前為止,對(duì)圖像分割的好壞和評(píng)價(jià)還有統(tǒng)一的標(biāo)準(zhǔn)。至今,提出的分割算法已有上千種,每年還有不少新算法出現(xiàn)。屬于統(tǒng)一目標(biāo)的額區(qū)域一般具有相似性,而不同的區(qū)域在邊界出現(xiàn)不連續(xù)性。人們?cè)诙嗄甑难芯恐蟹e累了很多圖像分割的方法。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。分析各種圖像分割方法可以發(fā)現(xiàn),它們分割圖像的基本依據(jù)和條件有以下4方面:(l)分割的圖像區(qū)域應(yīng)具有同質(zhì)性,如灰度級(jí)別相近、紋理相似等;(2)區(qū)域內(nèi)部平整,不存在很小的小空洞;(3)相鄰區(qū)域之間對(duì)選定的某種同質(zhì)判據(jù)而言,應(yīng)存在顯著差異性;(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。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。[2] 邊緣檢測(cè)法邊緣檢測(cè)技術(shù)對(duì)于處理數(shù)學(xué)圖像非常重要,因?yàn)檫吘壥撬崛∧繕?biāo)和背景的邊界線,提取出邊緣才能將目標(biāo)和背景區(qū)分開(kāi)來(lái)。邊緣檢測(cè)實(shí)際上就是檢測(cè)圖像特性發(fā)生變化的位置。邊緣檢測(cè)技術(shù)可以按照處理的技術(shù)分為串行邊緣檢測(cè)和并行邊緣檢測(cè)。最簡(jiǎn)單的邊緣檢測(cè)方法是邊緣檢測(cè)算子,它利用相鄰區(qū)域的像素值不連續(xù)的性質(zhì),采用一階或二階導(dǎo)數(shù)來(lái)檢測(cè)邊
點(diǎn)擊復(fù)制文檔內(nèi)容
試題試卷相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1