【正文】 對(duì)應(yīng)圖像中特定的、具有特殊性質(zhì)的區(qū)域（可以對(duì)應(yīng)單一區(qū)域，也可以對(duì)應(yīng)多個(gè) 區(qū)域），稱(chēng)之為目標(biāo)或前景；而其他部分稱(chēng)為圖像的背景。 利用 邊緣檢測(cè)方法對(duì)細(xì)胞圖像進(jìn)行了分割實(shí)驗(yàn)，結(jié)果與傳統(tǒng)方法相比，輪廓提取更為精確，且最大程度的保留了內(nèi)部細(xì)胞核的輪廓。 基于紋理濾波器的圖像分割 主要 使用 entropyfilt 函數(shù)創(chuàng)建紋理圖像，使用 bwareaopen 函數(shù)顯示圖像的紋理底部紋理。 本文主要對(duì)圖像分割算法進(jìn)行了分析、分類(lèi)、歸納和總結(jié)。在圖像分析中，圖像分割的任務(wù)就是把分成互不重疊的有意義的區(qū)域，以便進(jìn)一步的對(duì)圖像進(jìn)行處理、分析和 應(yīng)用。 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 基于 MATLAB 的圖像分割及其應(yīng)用 摘要 : 近年來(lái)，由于科技的迅猛發(fā)展，計(jì)算機(jī)性能越來(lái)越好 ， 圖像處理系統(tǒng)的 價(jià)格 的日益下降， 圖像處理在眾多科學(xué)領(lǐng)域與工程領(lǐng)域得到 廣泛的 利用。從圖像處理過(guò)渡到圖像分析的關(guān)鍵步驟 就 是圖像分割，所以說(shuō)圖像分割 在圖像工程中占據(jù)著重要的位置。 圖像分割是圖像特征提取和識(shí)別等圖像理解的基礎(chǔ)，對(duì)圖像分割的研究一直是數(shù)字圖像處理技術(shù)研究中的熱點(diǎn)和焦點(diǎn)。并應(yīng)用 Matlab 進(jìn)行了仿真實(shí)驗(yàn)，在 基于 L*a*b的空間彩色分割 主要用到的函數(shù)是色彩空間轉(zhuǎn)換函數(shù) makecform 和 applyccform， 通過(guò)計(jì)算圖像中像素點(diǎn)與樣本像素點(diǎn)的距離來(lái)判斷這個(gè)像素點(diǎn)的顏色進(jìn)行分割 。 由于紋理特征的復(fù)雜性， 每一種算法在對(duì)紋理特征處理分析的時(shí)候都會(huì)有它的缺陷和局限性。 同時(shí) 指出了基于閥值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法等各類(lèi)方法的特點(diǎn)，為不同的應(yīng)用場(chǎng)合及不同的圖像數(shù)據(jù)條件下選擇不同的分割算法提供了一些依據(jù) 。為了辨識(shí)和分析目標(biāo)，需要把目標(biāo)從一幅圖像中孤立出來(lái)，這就是圖像分割要研究的問(wèn)題。首先，視覺(jué)是人類(lèi)最重要的感知手段，圖像又是視覺(jué)的基礎(chǔ)，因此，數(shù)字圖像成為心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)的學(xué)者們研究視覺(jué)感知的有效工具。 圖像分割是圖像處理中最為基礎(chǔ)和重要的領(lǐng)域之一，它是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)過(guò)程。多年來(lái)， 已經(jīng)提出了許多不同類(lèi)型的圖像分割方法。有些分割運(yùn)算可直接應(yīng)用于任何圖像，而另一些只能適用于特殊類(lèi)別的圖像。例如，可以對(duì)圖像的灰度級(jí)設(shè)置門(mén)限的方法分割。許多不同種類(lèi)的圖像或景物都可以作為待分割的圖像數(shù)據(jù)，不同類(lèi)型的圖像，已經(jīng)有相對(duì)應(yīng)的分割方法對(duì)其進(jìn)行分割，同時(shí)，某些分割方法也只是適合于某些特殊類(lèi)型的圖像分割。然而，對(duì)圖像分割的效果好壞或正確與否，還沒(méi)有一個(gè)統(tǒng)一的評(píng)價(jià)標(biāo)準(zhǔn)。 圖像分割的研究最早可以追溯到 20 世紀(jì) 60 年代，經(jīng)過(guò)近四十年的研究，國(guó)內(nèi)外學(xué)者已經(jīng)提出了各種算法上千種，但目前還沒(méi)有一種適合于所有圖像的通用的分割算法，絕大多數(shù)算法都是針對(duì)具體問(wèn)題而提出的。在已提出的這些算法中，較為經(jīng)典的算法有灰度閾值分割法、邊緣檢測(cè)法和區(qū)域跟蹤以及基于分水嶺算法的分割方法。它是一種重要的圖像分析技術(shù)，是從圖像處理到圖像分析的關(guān)鍵步驟，也是計(jì)算機(jī)視覺(jué)領(lǐng)域低層次視覺(jué)中的主要問(wèn)題，圖像分割結(jié)果是圖像特征提取 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 2 和識(shí)別等圖像理解的基礎(chǔ)，對(duì)圖像的加工主要處于圖像處理的層次，圖像分割后，對(duì)圖像的分析才成為可能。只要需對(duì)圖像目標(biāo)進(jìn)行提取，測(cè)量等都離不開(kāi)圖像分割。本文主要結(jié)構(gòu)為在第二章中介紹的圖像分割所使用的軟件 Matlab 以及 Matlab 語(yǔ)言的特點(diǎn)。第四章為主要為仿真實(shí)驗(yàn)部分。 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 3 2 MATLAB 簡(jiǎn)介 MATLAB 軟件介紹 MATLAB 是美國(guó) MathWorks 公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括 MATLAB和 Simulink 兩大部分。它在數(shù)學(xué)類(lèi)科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。 MATLAB 的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用 MATLAB 來(lái)解算問(wèn)題要比用 C， FORTRAN 等語(yǔ)言完成相同 的事情簡(jiǎn)捷 得多，并且 MATLAB 也吸收了像 Maple 等軟件的優(yōu)點(diǎn)，使 MATLAB 成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件?？梢灾苯诱{(diào)用 ,用戶也可以將自己編寫(xiě)的實(shí)用程序?qū)氲?MATLAB 函數(shù)庫(kù)中方便自己以 后調(diào)用，此外許多的 MATLAB 愛(ài)好者都編寫(xiě)了一些經(jīng)典的程序，用戶可以直接進(jìn)行下載就可以用。除具備超強(qiáng)的計(jì)算能力之外，它還提供了專(zhuān)業(yè)水平的符號(hào)計(jì)算，文字處理，可視化建模仿真和實(shí)時(shí)控制等功能。 當(dāng)前流行的 MATLAB 包括擁有數(shù)百個(gè)內(nèi)部函數(shù)的主包和 三十幾種工具包。功能工具包用來(lái)擴(kuò)充 MATLAB 的符號(hào)計(jì)算，可視化建模仿真， 文字處理及實(shí)時(shí)控制等功能。開(kāi)發(fā)性使 MATLAB廣受用戶喜愛(ài)。 MATLAB 技術(shù) 特點(diǎn) 一種語(yǔ)言之所以能如此迅速的普及，顯示出如此旺盛的生命力，是由于它有著不同于其他語(yǔ)言 優(yōu)點(diǎn)。 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 4 語(yǔ)言簡(jiǎn)潔緊湊，語(yǔ)法限制不嚴(yán)，程序設(shè)計(jì)自由度大，可移植性好。 Matlab 以矩陣為基礎(chǔ)，不需要預(yù)先定義變量和矩陣 (包括數(shù)組 )的維數(shù)，可以方便地進(jìn)行矩陣的算術(shù)運(yùn)算、關(guān)系運(yùn)算和邏輯運(yùn)算等。 運(yùn)算符、庫(kù)函數(shù)豐富。 Matlab 包含兩個(gè)部分：核心部分和各種可選的工具箱。其工具箱又分為兩類(lèi)：功能性工具箱和學(xué)科性工具箱。這些工具箱都是由該領(lǐng)域內(nèi)學(xué)術(shù)水平很高的專(zhuān)家編寫(xiě)的，所以用戶無(wú)需編寫(xiě)自己學(xué)科范圍內(nèi)的基礎(chǔ)程序就可直接進(jìn)行高、精、尖的研究。 Matlab 是一個(gè)包含大量計(jì)算算法的集合。函數(shù)中所使用的算法都是科研和工程計(jì)算中的最新研究成果，而前經(jīng)過(guò)了各種優(yōu)化和容錯(cuò)處理。在計(jì)算要求相同的情況下， 使用 Matlab 的編程工作量會(huì)大大減少。函數(shù)所能解決的問(wèn)題其大致包括矩陣運(yùn)算和線性方程組的求解、微分方程及偏微分方程組的求解、符號(hào)運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計(jì)分析、工程中的優(yōu)化問(wèn)題、稀疏矩陣運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動(dòng)態(tài)仿真等。 Matlab 程序書(shū)寫(xiě)形式自由，被稱(chēng)為 “草稿式 ”語(yǔ)言，這是因?yàn)槠浜瘮?shù)名和表達(dá)更接近我們書(shū)寫(xiě)計(jì)算公式的思維表達(dá)方式，編寫(xiě) Matlab 程序猶如在草稿紙上排列公式與求解問(wèn)題，因此可以快速地驗(yàn)證工程技術(shù)人員的算法。具體地說(shuō)， Matlab 運(yùn)行時(shí)，可直接在命令行輸入 Matlab 語(yǔ)句，系統(tǒng)立即進(jìn)行處理，完成編譯、鏈接和運(yùn)行的全過(guò)程。 Matlab 具有非常強(qiáng)大的以圖形化顯示矩陣和數(shù)組的能力，同時(shí)它能給這些圖形增加注釋并且可以對(duì)圖形進(jìn)行標(biāo)注和打印。同時(shí)對(duì)一些特殊的可視化要求，例如圖形對(duì)話等， Matlab 也有相應(yīng)的功能函數(shù)，保證了用 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 5 戶不同層次的要求。 3 圖像分割 技術(shù)概述 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 6 圖像分割是一種重要的圖像處理技術(shù)，它不僅得到人們的廣泛重視和研究，也在實(shí)際中得到大量的應(yīng)用。 本章主要介紹了圖像分割的定義以及閾值分割，門(mén)限分割邊緣分割等常用的圖像分割方法的介紹以及分析。這里所說(shuō)的特性可以是灰度、顏色、紋理等，而目標(biāo)可以對(duì)應(yīng) 單個(gè)區(qū)域，當(dāng)然也可以是多個(gè)區(qū)域。 (1) ????=1?? ????=R； (2) 對(duì)于所有的 i 和 j， i≠j。 (3) 對(duì)于 i=1,2,…,N, 有 P(????)=TRUE。 其中 P(????)是對(duì)所有在集合 ????中元素的邏輯謂詞 ， ?表示空集。 ???? ?????=?指出分割結(jié)果中的各個(gè)區(qū)域是互不重疊的。 P(???? ?????)=FASLE 表明在分割結(jié)果中同一個(gè)子區(qū)域的像素應(yīng)當(dāng)是連通的，也就是說(shuō)同一個(gè)子區(qū)域的任意的兩個(gè)像素在該子區(qū)域內(nèi)飾互相連通的。但是，實(shí)際中的圖像分析和處理 都是針對(duì)某種特定的應(yīng)用，所以條 件中的各種關(guān)系也需要同實(shí)際需求相結(jié)合來(lái)設(shè)定。圖像分割是一個(gè)將像素分類(lèi)的過(guò)程，分類(lèi)的依據(jù)可建立在像素間的相似性、灰度的不連續(xù)性的基礎(chǔ)上的。此外，還有綜合特定理論工具的分割方法，這些方法包括基于形態(tài)學(xué)分水嶺的分割、基于統(tǒng)計(jì)模式識(shí)別的分割、基于神經(jīng)網(wǎng)絡(luò)的分割、基于小波變換的分割。閾值分割方法實(shí)際上是輸入圖像 f 到輸出圖像 g 的如下變換： g(?,j) = {1 ??(??,??) ≥ ??0 ??(??,??) ?? 其中， T 為閾值，對(duì)于物體的圖像元素 g(i,j)=1，對(duì)于背景的圖像元素 g(i,j)=0。閾值確定后，將閾值與像素點(diǎn)的灰度值逐個(gè)進(jìn)行比較，而且像素分割可對(duì)各像素并行地進(jìn)行，分割的結(jié)果直接給出圖像區(qū)域。在重視運(yùn)算效率的應(yīng)用場(chǎng)合 (如用于硬件實(shí)現(xiàn) )，它得到了廣泛應(yīng)用。全局閾值是指整幅圖像使用同一個(gè)閾值做分割處理，適用于背景和前景有明顯對(duì)比的圖像。但是 這種方法只考慮像素本身的 灰度值 ，一般不考慮空間特征，因而對(duì)噪聲很敏感。 在許多情況下，物體和背景的對(duì)比度在圖像中的各處不是一樣 的，這時(shí)很難用 一個(gè)統(tǒng)一的閾值將物體與背景分開(kāi)。實(shí)際處理時(shí)，需要按照具體問(wèn)題將圖像分成若干子區(qū)域分別選擇閾值，或者動(dòng)態(tài)地根據(jù)一定的鄰域范圍選擇每點(diǎn)處的閾值，進(jìn)行圖像分割。 閾值的選擇需要根據(jù)具體問(wèn)題來(lái)確定，一般通過(guò)實(shí)驗(yàn)來(lái)確定。 區(qū)域分割 區(qū)域生長(zhǎng)和分裂合并法是兩種典型的串行區(qū)域技術(shù)，其分割過(guò)程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。具體先對(duì)每 個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素 (根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定 ) 合并到種子像素所在的區(qū)域中。這樣一個(gè)區(qū)域就長(zhǎng)成了。相似性準(zhǔn)則可以是灰度級(jí)、 彩色 、紋理、 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 8 梯度等特性。大部分 區(qū)域生長(zhǎng) 準(zhǔn)則使用圖像的局部性質(zhì)。 區(qū)域生長(zhǎng)法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，對(duì)于較均勻的連通目標(biāo)有較好的分割效果。另外，它是一種串行 算法 ，當(dāng)目標(biāo)較大時(shí)，分割速度較慢，因此在設(shè)計(jì)算法時(shí)，要盡量提高 效率。分裂合并差不多是 區(qū)域生長(zhǎng) 的逆過(guò)程：從整個(gè)圖像出發(fā)，不斷分裂得到各個(gè)子區(qū)域，然后再把前景區(qū)域合并，實(shí)現(xiàn) 目標(biāo)提取 。當(dāng)所有像素點(diǎn)或者子區(qū)域完成判斷以后，把前景區(qū)域或者像素合并就可得到前景目標(biāo)。設(shè) R 代表整個(gè)正方形圖像區(qū)域， P 代表邏輯謂詞。 (3)如果進(jìn)一步的分裂或合并都不可能，則結(jié)束。這種方法對(duì)復(fù)雜圖像的分割效果較好，但算法較復(fù)雜，計(jì)算量大，分裂還可能破壞區(qū)域的邊界。這種 不連續(xù)性 稱(chēng)為邊緣。 圖像中邊緣處像素的灰度值不連續(xù)，這種不連續(xù)性可通過(guò)求導(dǎo)數(shù)來(lái)檢測(cè)到。因此常用 微分算子 進(jìn)行邊緣檢測(cè)。在實(shí)際中各種微分算子常用小區(qū)域模板來(lái)表示，微分運(yùn)算是利用模板和圖像 卷積 來(lái)實(shí)現(xiàn)。 由于邊緣和噪聲都是灰度不連續(xù)點(diǎn)，在頻域均為高頻分量，直接采用微分運(yùn)算難以克服噪聲的影響。 Log 算子和 Canny 算子是具有平滑功能的二階和一階微分算子， 邊緣檢測(cè) 效果較好，如圖 所示。 圖 32 邊緣檢測(cè)結(jié)果 (a)Log 算子 (b)Canny 算子 直方圖法 與其他圖像分割方法相比，基于直方圖的方法是非常有效的圖像分割方法，因?yàn)樗麄兺ǔＶ恍枰粋€(gè)通過(guò)像素。顏色和強(qiáng)度可以作為衡量。重復(fù)此操作，使用更小的簇直到?jīng)]有更多的集群的形成。直方圖 可以在多個(gè)幀被 同時(shí) 考慮的時(shí)候采取多種方式。直方 圖也可以應(yīng)用于每一個(gè)像素的基礎(chǔ)上，將得到的信息被用來(lái)確定的像素點(diǎn)的位置最常見(jiàn)的顏色。 圖像分割函數(shù)及算法的分析比較 數(shù)字圖像處理常用的圖像分割算法有：基于閥值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法、基于聚類(lèi)分析的圖像分割方法、基于小波變換的分割方法、基于數(shù)學(xué)形態(tài)學(xué)方法、基于人工神經(jīng)網(wǎng)絡(luò)的方法、基于遺傳算法的方法。由于是 西安石油大學(xué) 本科 畢業(yè)設(shè)計(jì) （論文） 10 直接利用圖像的灰度特性，因此計(jì)算方便簡(jiǎn)明、實(shí)用性強(qiáng)。 而實(shí)際應(yīng)用中，閾值設(shè)定易受噪聲和光亮度影響 。更多的情況下，閾值的選擇會(huì)綜合運(yùn)用 2 種或 2 種以上的方法，這也是圖像分割發(fā)展的一個(gè)趨勢(shì)。全局閾值對(duì)于灰度相差很大的不同目標(biāo)和背景能進(jìn)行有效的分割。另一方面，這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對(duì)噪聲很敏感。 基于基于邊緣檢測(cè)的分割方法試圖通過(guò)檢測(cè)包含不同區(qū)域的邊緣來(lái)解決分割問(wèn)題，它可以說(shuō)是人們研究的最多的方法之一。 常用灰度的一階或二階微分算子進(jìn)行邊緣檢測(cè)。而串行邊界查找法是先檢測(cè)到邊緣再串行連接成閉合邊界的方法，這種方法在很大程度上受起始點(diǎn)的影響。串行邊緣分割方法，首先要確定邊緣的起始點(diǎn)，然后根據(jù)某種相似性搜索準(zhǔn)則尋找下一個(gè)邊緣點(diǎn)，這種確定后續(xù)相似點(diǎn)的方法稱(chēng)為邊緣跟蹤。并行邊緣檢測(cè)方法，對(duì)圖像上每一點(diǎn)的處理不依賴 其他點(diǎn)的處理結(jié)果，算法可以并行處理，大大加快搜索檢 測(cè)的速度。常用的邊緣連接方法有曲線擬合技術(shù)經(jīng)典的曲線擬合技術(shù)有貝葉斯曲線擬合技術(shù)和樣條曲線擬合技術(shù) 。 啟發(fā)式邊緣連接技術(shù)。若提高檢測(cè)精度，則噪聲產(chǎn)生的偽邊緣會(huì)導(dǎo)致不合理的輪廓；若提高抗噪性，則會(huì)產(chǎn)生輪廓漏檢和位置偏差。