【正文】 ........................................................................ 14 梯度算子 ....................................................................................................... 14 拉普拉斯算子 ............................................................................................... 15 Canny 算子 .................................................................................................... 15 IV 結果分析 ....................................................................................................... 16 本章小結 ....................................................................................................... 18 第 5 章 基于區(qū)域的圖像分割方法的仿真實現(xiàn) ........................................................ 19 引言 ............................................................................................................... 19 區(qū)域生長法 ................................................................................................... 19 區(qū)域分離與合并法 ....................................................................................... 21 本章小結 ....................................................................................................... 23 結論 .............................................................................................................................. 24 參 考 文 獻 ................................................................................................................ 25 致 謝 ...................................................................................................................... 26 附錄 1：仿真完整程序 ................................................................................................. 1 附錄 2：外文翻譯 ....................................................................................................... 13 圖像區(qū)域分割算法設計 1 圖像區(qū)域分割算法設計 第 1 章 緒論 選題的背景及 意義 在一副圖像中，我們常常只對其中的某些目標感興趣，對于這些我們感興趣的目標，它們通常在要分割的圖像中占據(jù)一定的區(qū)域，而且在某些特性上與周圍的圖像存在一定的差別。 圖像分割是按一定的制約規(guī)則把圖像劃分為若干個互不相交、具有特定性質的區(qū)域，是把我們關注的區(qū)域從需要分割的圖像中提取出來，以此進行進一步研究分析和處理的技術。 圖像分割把圖像 空間分成一些有意義的區(qū)域，與圖像中各種物體目標相對應。通過對分割結果的描述，能夠理解圖像中包含的有關信息。由此可知，圖像分割在圖像工程中占據(jù)非常重要的位置。 圖 像分 割的基本現(xiàn)狀 圖像分割算法的研究已經(jīng)有幾十年的歷史，一直都受到人們的高度重視。 傳統(tǒng)的圖像分割方法存在著一些不足，無法滿足人們的要求，給進一步的圖像分析和理解過程帶來了困難。然而，到目前為止，人們還沒有制定出選擇合適分割算法的標準，這給圖像分割技術的應用帶來許多實際困難。 圖像區(qū)域分割算法設計 2 圖像分割在圖像工程中起著承上啟下的作用，是介于低層次處理和高層次處理的中間層次。目前越來越多的學者開始將數(shù)學形態(tài)學、模糊理論、遺傳算法理論、分形理論和小波變換理論等研究成果運用到圖像分割中，產(chǎn)生了結合特定數(shù)學方法和針對特殊圖像分割的先進圖像分割技術。隨著基礎理論研究的深化，這一趨勢勢必會繼續(xù)下去。而采取什么樣的結合方式才能體現(xiàn)各種方法的有點，彌補各自的不足，取得好的預期效果，在未來將仍是人們關注的主要問題之一。醫(yī)學圖像處理中的病理圖像分割、工業(yè)圖像分割、交通圖像處理中的車牌識別等都是近幾年來圖像分割領域中討論較多的熱點問題。 本論文 的主要工作及內(nèi)容安排 ，并介紹相關的術語，這里面有三次均值濾波、灰度直方圖等。用 MATLAB 進行仿真，對分割的圖片做比較，分析各種分割方法的優(yōu)點與不足 總結全文 ，得出結論。人們一般是通過對圖像的不同特征如邊緣、紋理、顏色、亮度等的分析達到圖像分割的目的。圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術和過程。 多年來人們對圖像分割提出了不同的解釋和表述，借助集合概念對圖像分割可給出如下定義：令集合 R代表的整個圖像區(qū)域，對 R的圖像分割可以看做是將 R分成 N個滿足以下條件的非空子集 ??1,??2,? ,????。 其中 P(????)是 對 所 有 在集 合 ???? 中 元 素 的邏 輯 謂詞 ， ? 表示空集。 ???? ∩???? = ?指出分割結果中的各個區(qū)域是互不重疊的。 P(???? ∪????) =FALSE表明在分割結果中同一個子區(qū)域的像素應當是連通的，也就是說同一個子區(qū)域內(nèi)的任意的兩個像素在該子區(qū)域內(nèi)是互相連通的。但是，實 際中的圖像分析和處理都是針對某種特定的應用，所以條件中的各種關系也需同實際需求結合來設定的。圖像分割是一個將像素分類的過程，分類的依據(jù)可建立在像素間的相似性、灰度不連續(xù)性基礎之上。此外，還有結合特定理論工具的分割方法，這些方法包括基于形態(tài)學分水嶺的分割、基于統(tǒng)計模式識別的分割、基于神經(jīng) 網(wǎng)圖像區(qū)域分割算法設計 4 絡的分割、基于信息論的分割、基于小波變換的分割等。它特別適用于目標和背景占據(jù)不同灰度級范圍的圖像。圖像閾值化的目的是要按照灰度級，對像素集合進行一個劃分，得到的每個子集形成一個與現(xiàn)實景物相對應的區(qū)域，各個區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局有這種一致屬性。 它的 基本原理是通過設定不同的特征閾值，把圖像象素點分為若干類。設原始圖像為 f(x,y)，按照一定的準則 f(x,y)中找到特征值 T，將 圖像分割 為兩個部分，分割后的圖像為：若?。? ??0 = 0(黑 )， b1 = 1(白 )，即為我們通常所說的圖像二值化。在重視運算效率的應用場合 (如用于硬件實現(xiàn) )，它得到了廣泛應用。在工業(yè)生產(chǎn)應用中，機器視覺運用于產(chǎn)品質量檢測等。 邊緣檢測是所有基于邊緣分割方法的第一步。圖像中相鄰的不同區(qū)域間總是存在邊緣，邊緣處像素的灰度值是不連續(xù)的，可通過求導數(shù)的方法檢測到，因此，我們常用灰度的一階或二階微分算子來進行邊緣檢測。而串行邊界查找法是一種先檢測到邊緣再串行連接成閉合邊界的方法，這種方法受起始點的影響的程度較大。若提高了檢測精度，噪聲產(chǎn)生的偽邊緣會導致不合理的輪廓；若提高了抗噪性，則會產(chǎn)生輪廓漏檢和位置偏差。 基于區(qū)域的分割方法 基于區(qū)域的圖像分割算法是常用的比較經(jīng)典的圖像分割方法。常用的特征包括：直接來自原始圖像的灰度或彩色 特征；由原始灰度或彩色值變換得到的特征。 區(qū)域生長方法從若干種子或種子區(qū)域出發(fā)，按照一定的生長準則，對鄰域像素點進行判別并連接，直到完成所有像素點的連接。與之對應的區(qū)域分裂與合并法則剛好相反，將整幅圖像分裂成小的區(qū)域，最后將分裂區(qū)域中性質相同的小區(qū)域合并進行圖像分割處理。由于缺乏對像素空間拓撲關系的考慮，往往還需進行后處理才能 完成分割。松弛法是一種動態(tài)調(diào)優(yōu)的標號方法，包括概率松弛、模糊松弛等。其關鍵在于標號相容模型和迭代方法的收斂性。 結合特定理論工具的分割方法 近年來，隨著各學科許多新理論和新方法的提出，人們也提出了許多與一些特定理論、方法和工具相結合的分割技術。目前，由于這種方法較復雜，計算量較大，還有待進一步實用化。小波變換是一種多尺度、多通道的分析工具 它是空域和頻域的局域變換，因而能有效地從信號中提取信息，通過伸縮和平移等運算功能對函數(shù)或信號進行多尺度分析，解決了傅立葉變換不能解決的許多問題。由于形態(tài)學對圖像分割具有優(yōu)異的特性，使其在未來的圖像分割中起主導作用。 遺傳算法是基于進化論自然選擇機制的、并行的、統(tǒng)計的、隨機化搜索的方圖像區(qū)域分割算法設計 6 法 。它是多種空間域處理技術的基礎。 我們可以通過直方圖的狀態(tài)來評斷圖像的一些性質：明亮圖像的直方圖傾向于灰度級高的一側；低對比度圖像的直方圖窄而集中于灰度級的中部，高對比度圖像的直方圖成分覆蓋的灰度級很寬而且像素的分布沒有不太均勻，只有少量的垂線比其他高許多。從概率的觀點來理解，灰度出現(xiàn)的頻率可看作其出現(xiàn)的概率，這樣直方圖就對應于概率密度函數(shù) 。本次設計使用三次均值濾波（取像素點及周圍共九個點平均灰度作為新的灰度值）去掉這些噪聲。 均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素（以目標象素為中心的周 圍 8 個象素，構成一個濾波模板，即去掉目標象素本身）。 （ a）有噪點的原始圖像 （ b）濾波后的圖像 圖 三次均值濾波效果圖 均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。 如圖 所示， 均值濾波本身存在著固有的缺陷，即它不能很好地保護圖像細節(jié)，在圖像去噪的同時也破壞了圖像的細節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點。它是由窗口、光標、按鍵、菜單、文字說明等對象構成的。假如讀者所從事的數(shù)據(jù)分析、解方程、計算結果可視工作比較單一，那么一般不會考慮 GUI的制作。 一個好的 GUI 能夠使程序更加容易的使用。用戶圖形界面應當是易理解且操作是可以預告的，所以當用戶進行某一項操作，它知道如何去做。 創(chuàng)建 MATLAB 用戶圖形界面必須由三個基本元素 : 。 組件可分為三類 :圖形化控件 (按鈕 ,編輯框 ,列表 ,滾動條等 ),靜態(tài)元素 (窗口和文本字符串 ),菜單和坐標系 . 圖形化控件和靜態(tài)元素由函數(shù) uicontrol 創(chuàng)建 ,菜單由函數(shù) uimenu 和 uicontextmenu 創(chuàng)建 ,坐標系經(jīng)常用于顯示圖形化數(shù)據(jù) ,由函數(shù) axes 創(chuàng)建 。 GUI 的每一個組件都必須安排圖象窗口中。但我們還可以用函數(shù) figure 來創(chuàng)建空圖象窗口，空圖象窗口經(jīng)常用于放置各種類型的組件。最后，如果用戶用鼠標單擊或用鍵盤鍵入一些信息，那么程序就要有相應的動作。 例如，如果用戶單擊一按鈕，這個事件必然導致相應的 MATLAB 語句執(zhí)行。只要圖像區(qū)域分割算法設計 8 執(zhí)行 GUI 的單個圖形組件，必須有一個回應?；叶戎狈綀D作為研究圖像的一種手段十分重要，閾值分割法主要就是以灰度直方圖為依據(jù)。 在 MATLAB 中 GUI 是面向對象的編程，可以使 MATLAB 程序的終端用戶操作更加輕松，即使不懂 MATLAB 程序也能輕易操作。這種方法利用圖像中要提取的目標和背景的灰度差異，把圖像分成兩種具有不同灰度級的區(qū)域。閾值分割算法因其直觀、實現(xiàn)簡單等特點在圖像分割的應用中一直得到廣泛的使用，尤其是在分割精度要求不是很高的場合。這兩類像素一般屬于圖像中的兩類區(qū)域，所以對像素根據(jù)閾值分類達到了區(qū)域分割的目的?，F(xiàn)有的大部分算法都是集中在閾值確定的研究上。若根據(jù)分割算法所具有的特征或準則，常用的分割方法可以分為直方圖雙峰法、最大類間方差法、迭代法等。圖像的直方圖可以看作是像素灰度值概率分布密度函數(shù)的一個近似，設一幅圖像僅包含目標和背景，那么它的直方圖所代表的像素灰度值概率密度分布函數(shù)實際上就是對應目標和背景的兩個單峰分布密度函數(shù)的和。 若灰度圖像的直方圖，其灰度級范圍 i = 0,1,?,L?1， 當灰度級為 k時的像素數(shù)為 ????，則一幅