【正文】 于光照不均勻等因素的影響，圖像背景的灰度值并不恒定，目錄與背景的對比度在圖像中也會變化，圖像中還可能存在不同的陰影。為了解決這個問題，除了利用像素自身的性質外，還可以借助像素領域的局部性質（如像素的梯度值與拉普拉斯值）來確定閾值，這就是局部閾值。另外，當圖像目標與背景面積差別很大時，在直方圖上的表現(xiàn)就是較小的一方被另外一方淹沒。當圖像目標與背景在直方圖上對應的兩個波峰陡峭、對稱且雙峰之間有較深的波谷或雙峰相距很遠時，利用前面介紹的全局閾值方法可以確定具有較好分割效果的閾值。當具有明顯的雙峰性質時，可直接從直方圖的波谷處選取一個閾值，也可以根據(jù)某個準則自動計算出閾值。當圖像目標與背景之間具有高對比度時，利用全局閾值可以成功的分割圖像。實際上，由于不良的光照原因或則過多的圖像噪聲的影響，目標與背景之間的對比往往不夠明顯，此時閾值選取并不容易。閾值一般可用下式表示： ()式中：f(x,y)是點(x,y)處的像素灰度值：p(x,y)是該像素鄰域的某種局部性質。確定閾值的方法有多種，可以分為不同類型。閾值分割的關鍵是如何確定適合的閾值，不同的閾值其處理結果差異很大，會影響特征測量與分析等后續(xù)過程。當圖像中含有多個目標且灰度差別較大時，可以設置多個閾值實現(xiàn)多閾值分割。同理，在編程實現(xiàn)時，也可以將目錄像素設置為255，背景像素設置為0，或則相反，從而將圖像分為目標區(qū)域與背景區(qū)域。閾值化?？梢杂行Х指罹哂须p峰性質的圖像?；叶葓D像的閾值分割一般基于如下假設：圖像目標或背景內部的相鄰像素間的灰度值是高度相關的，目標與背景之間的邊界兩側像素的灰度值差別大，圖像目標與背景的灰度分布都是單峰的。本文將重點介紹一些常用的方法，灰度閾值法、邊緣檢測與邊界連接、區(qū)域生長、區(qū)域分裂與合并等等[2]。分割結果的好壞需要根據(jù)具體的場合及要求衡量。值得提出的是，沒有唯一的標準的分割方法。有些算法需要先對圖像進行粗分割，因為他們需要從圖像中提取出來的信息。2 圖像目標分割與提取技術的方法綜述圖像分割是一種重要的圖像技術，在理論研究和實際應用中都得到了人們的廣泛重視。隨著各種理論的不斷成熟和完善，圖像分割技術已經獲得了長足的進步，并廣泛地應用到了醫(yī)學、遙感、紅外等多個領域。這兩種方法都有缺點和優(yōu)點，有的學者也試圖把兩者結合起來進行圖像分割，隨著計算機處理能力的提高，很多方法不斷涌現(xiàn)，如基于彩色分量分割、紋理圖像分割。早期的圖像研究中，圖像的分割方法主要可以分為兩大類。雖然這些分割方法不適合所有類型的圖像分割，但是這些方法卻是圖像分割方法進一步發(fā)展的基礎。分割結果的好壞或者正確與否，目前還沒有一個統(tǒng)一的評價判斷準則，分割的好壞必須從分割的效果和實際應用場景來判斷。到目前為止，還沒有一種或者幾種完善的分割方法，可以按照人們的意愿準確的分割任何一種圖像。如何快速、有效地將感興趣的目標從復雜的背景中分割出來一直是國內外研究的熱點。 圖像分割技術的背景和國內外研究現(xiàn)狀所謂圖像分割就是根據(jù)目標與背景的先驗知識，對圖像中的目標、背景進行標記、定位，然后將要識別的目標從背景或其他偽目標中分離出來。由于圖像的多意性和復雜性，許多分割的工作無法依靠計算機自動完成，而手工分割又存在工作量大，定位不準確的難題，因此，人們提出了一些人工交互和計算機自動定位相結合的方法，利用各自的優(yōu)勢，實現(xiàn)目標輪廓的快速定位。有可能有邊緣的地方并非邊界，也有可能邊界的地方并無邊緣，因為現(xiàn)實中的物體是三維的，而圖像只具有二維信息，從三維到二維的投影成像不可避免的會丟失一部分信息；另外成像的過程中的光照和噪聲也是不可避免的重要因素。邊緣提取和分割是圖像分析的經典研究課題之一，目前的理論和方法仍存在許多不足之處，仍在不斷改進和發(fā)展。圖像分割和邊緣檢測的問題在近二十年中得到了廣泛的關注和長足的發(fā)展，國內外很多研究人士提出了很多方法，在不同的領域取得了一定的成果。因為在目標分割與提取過程中可以利用大量的數(shù)字圖像處理的方法，加上其在計算機視覺、模式識別等領域中的廣泛應用，都吸引了眾多研究者的注意。隨著計算機軟硬件技術的突飛猛進，以及數(shù)字處理技術的不斷發(fā)展，數(shù)字圖像處理在科學研究、工業(yè)生產、國防以及現(xiàn)代管理決策等各行各業(yè)都得到越來越多的應用[1]。數(shù)字圖像處理，就是把數(shù)字圖像經過一些特定數(shù)理模式的加工處理，以達到有利于人眼視覺或某種接收系統(tǒng)所需要的圖像的過程。圖像的各個像素灰度值可按一定的順序存放在數(shù)組T中。數(shù)字圖像常用矩陣來描述。為了能用計算機對圖像進行加工，需要把連續(xù)的圖像在坐標空間x，y和幅值f都離散化。例如常用的圖像一般是灰度圖，這時f表示灰度值，它常對應客觀景物被觀察到的亮度。 圖像與數(shù)字圖像處理 客觀世界在空間上是三維(3D)的，但一般從客觀景物得到的圖像是二維(2D)的。當我們獲得一副巨大的圖像時，進行合理地分割和處理，可以獲得對圖像的進一步識別、分析和理解。 edge detection。 region growing。因此，在對一幅圖像進行分割之前，首先要對圖像進行判斷分析，然后再選擇恰當?shù)姆指钏惴?，這樣才能得到比較令人滿意的分割效果。最后介紹了MATLAB圖形用戶界面設計。首先介紹了圖像分割的研究意義及國內外研究現(xiàn)狀。雖然圖像分割算法有很多種，但是到目前位置還沒有通用的圖像分割算法。圖像分割在圖像工程中位于圖像處理和圖像分析之間。摘 要隨著信息化程度的加深,圖像作為包含大量信息的載體形式越來越能體現(xiàn)出它強大的信息包含能力。圖像分割是進行圖像分析的關鍵步驟，也是進一步理解圖像的基礎。圖像分割就是把圖像分割成一系列有意義、各具特征的目標或區(qū)域的過程。論文綜述了閾值分割、區(qū)域生長、分裂合并和邊緣檢測圖像分割算法。接著介紹了閾值分割、區(qū)域生長、分裂合并和邊緣檢測圖像分割算法的基本原理及其MATLAB仿真結果。MATLAB仿真結果表明：各種圖像分割算法各有其優(yōu)缺點及其適用范圍。關鍵詞：圖像分割；閾值分割；區(qū)域生長；分裂合并；邊緣檢測；MATLABAbstractAs a media containing great amount of information, image embodies its powerful ability with the deepening of informationization. Image segmentation is not only a key step before image analysis, but also the basis of further understanding image. Image segmentation locates between image process and image analysis. The process of dividing an image into a series of meaningful and characteristic objects or regions is called image segmentation. Although there are many kinds of image segmentation algorithms, there is no general image segmentation algorithm by now. This paper summarizes such image algorithms as threshold segmentation, region growing ，split and merge as well as edge detection. Firstly, research meaning and state around the world of image segmentation is introduced. Secondly, basic principle and MATLAB simulation results of threshold segmentation, region growing, split and merge as well as edge detection image segmentation algorithm is introduced. Finally, graphic user interface of MATLAB is introduced. The MATLAB simulation results demonstrate that different image segmentation algorithms are of different advantages and disadvantages as well as its application. Therefore, image should be analyzed first and then appropriate image segmentation algorithm is selected before segmentation so as to acquire satisfactory results. Key words: image segmentation；threshold segmentation。 split and merge 。 MATLAB目 錄 1 引 言 1 圖像與數(shù)字圖像處理 1 研究圖像分割處理的意義 1 圖像分割技術的背景和國內外研究現(xiàn)狀 22 圖像目標分割與提取技術的方法綜述 4 閾值分割 4 4 5 5 6 區(qū)域生長和分裂合并 6 6 7 邊緣檢測 8 8 113 MATLAB仿真程序 12 閾值算法MATLAB仿真結果 12 閾值算法MATLAB仿真結果 12 14 基于MATLAB的幾種常用邊緣檢測代碼(見附錄)： 14 邊緣檢測MATLAB仿真結果 14 小結 154 MATLAB GUI設計 16 MATLAB簡介 16 圖形用戶界面GUI 16 GUI設計原理及簡介 16 設計方法 17 17 18 18 18 圖形對象句柄命令 19 總結 195 結論與展望 20 結論 20 展望 20致 謝 21參考文獻 22附 錄 23III基于MATLAB的圖像分割算法研究與仿真1 引 言 據(jù)研究，在人類所接受到的全部信息中，約有75%~80%是通過視覺系統(tǒng)得到的，和語言或文字信息相比，圖像包含的信息量更大、更直觀、更確切，因而具有更高的使用效率和更廣泛的適應性。這些都是我們的日常工作所需要的。一幅圖像可以定義為一個二維函數(shù)f(x,y)，這里 x和y 表示表示2D空間中一個坐標點的位置，而幅值f則代表圖像在坐標(x,y)上的某種性質的數(shù)值。 日常所見圖像多是連續(xù)的，即f(x,y)的值可以任意實數(shù)。這種離散化了的圖像就是數(shù)字圖像，數(shù)字圖像是由有限的元素組成的，每個元素都有一個特定的位置和幅值，這些元素稱為圖像像素。一幅MN個像素的數(shù)字圖像，其像素灰度值可以用M行、N列的矩陣[G]表示：在存儲圖像時，一幅M行、N列的數(shù)字圖像（MN個像素），可以用一個MN的二維數(shù)組T來表示。習慣上把數(shù)字圖像左上角的像素定義為第(1，1)個像素，右下角的像素定義為第（M,N）個像素。如對被噪聲污染的圖像除去噪聲，對信息微弱的圖像進行增強，對失真的圖像進行幾何校正等。 研究圖像分割處理的意義數(shù)字圖像目標分割與提取是數(shù)字圖像處理和計算機視覺領域中一個備受關注的研究分支。相信對這一問題的深入研究不僅會不斷完善對這一問題的解決，而且必將推動模式識別、計算機視覺、人工智能等計算機科學分支的發(fā)展。但是對于尋找一種能夠普遍適用于各種復雜情況的準確率很高的分割和檢測算法，還有很大的探索空間。需要說明的是：邊緣與物體間的邊界并不等同，邊緣指的是圖像中像素的值有突變的地方，而物體間的邊界指的是現(xiàn)實場景中的存在與物體之間的邊界