【正文】 是一種簡單單非常有效的方法，特別是不同物體或建構之間有很大的強度對比時，能夠得到很好的效果。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。其主要局限性最簡單形式的閾值法只能產(chǎn)生二值圖像來區(qū)分兩個不同的類。閾值法的幾種閾值選擇方法：全局閾值法（1）雙峰法 對于目標與背景的灰度級有明顯差別的圖像，其灰度直方圖的分布呈雙峰狀，兩個波峰分別與圖像中的目標與背景相對應，波谷與圖像邊緣相對應。該方法簡單易行，但是對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。程序的實現(xiàn)：通過數(shù)組記錄直方圖中的各像素點值的個數(shù)，再堆逐個像素值進行掃描。實現(xiàn)流程圖： （2）灰度直方圖變換法該方法不是直接選取閾值，而是對灰度直方圖進行變換，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。這種方法假設圖像由目標和背景組成，并且目標和背景灰度直方圖都是單峰分布。② 求出閾值③ 如果，則所得即為閾值，否則轉入②迭代計算。局部閾值法原始圖像被分維幾個小的子圖像，再對每個子圖像分別求出最優(yōu)分割閾值。這時，一個在圖像中某一區(qū)域效果良好的閾值在其他區(qū)域卻可能效果很差。在這些情況下，閾值的選取不是一個固定的值，而使取一個隨圖像中位置緩慢變化的函數(shù)值是比較合適的。自適應閾值就是對原始圖像分塊，對每一塊區(qū)域根據(jù)一般的方法選取局域閾值進行分割?？偟膩碚f，這類算法的時間和空間負責度都比較大，但是抗噪能力強，對一些使用全局閾值法不宜分割的圖像具有較好的分割效果。在實際應用中，由于噪聲等干擾因素，直方圖有時不能出現(xiàn)明顯的峰值，此時選擇的閾值不能得到滿意的結果。 基于邊緣檢測的分割法邊緣或邊沿是指其周圍像素灰度有階躍變化或“屋頂”變化的那些像素的集合，也即邊緣是灰度值不連續(xù)的結果，這種不連續(xù)?？梢杂们髮Х奖愕臋z測到，一般常用一階導數(shù)和二階導數(shù)來檢測邊緣。因此，它是圖像分割所依賴的重要特征，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，故對圖像提取邊緣能極大地降低我們要處理的數(shù)據(jù)量。Canny邊緣檢測對受加性噪聲影響的邊緣檢測室最優(yōu)的。Sobel算子在前者的基礎上，對4領域采用帶權的方法計算查分，該算子不僅能檢測邊緣點，且能進一步擬制噪聲的影響。邊緣檢測算法步驟：① 濾波：邊緣檢測法對噪聲的計算很敏感，因此必須用濾波器來改善與噪聲有關的邊緣檢測器的性能。③ 檢測：用梯度幅值閾值作為判據(jù)來進行檢測。 基于區(qū)域的分割方法基于區(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物體或區(qū)域中，進而將圖像分割成若干個不同區(qū)域的一種分割方法。在區(qū)域法的使用中，輸入圖像往往分為多個相似的區(qū)域，然后類似的相鄰區(qū)域根據(jù)某種判斷準則進行迭代合并。 本章小結本章主要對圖像分割的概念進行一定的陳述，對圖像分割的常用方法進行分析和總結4 基于多重分形的圖像分割 基于多重分形的圖像預處理圖像處理的基礎是數(shù)學，實際就是將圖像轉換成一個數(shù)字矩陣存放在計算機中，并采用一定的算法對其進行處理。目前在許多不同的科學領域中，圖像處理技術已經(jīng)得到了重視，并取得了較大的成就。 圖像去噪圖像去噪是圖像復原的一種，其最終目的是改善給定的圖像質量，解決實際圖像由于噪聲干擾而導致的圖像質量下降問題。圖像濾波有多重方法，其中包括線性濾波方法和非線性濾波方法。具體方法有領域均值濾波法，加權平均濾波法，中治療吧法等。多重分形的主要困難之一是對有限長離散數(shù)據(jù)的多重分形譜估計。利用Holder指數(shù)α提供的所分析圖像的局部信息，而多重分形譜則提供的是所分析圖像的全局信息，不同信息的奇異性不同，其的分布規(guī)律也不同。我們只需要調整α的值，使得所有的盡量接近于某一個值，這樣也就是使得無規(guī)律的非奇異點在α調整后與周圍起一點融合，好像被兼并一樣。具體算法如下：a） 對圖像經(jīng)過具有規(guī)則性的正交小波變換分解，小波系數(shù)為，其中j為小波的變換尺度，而k表示該小波系數(shù)的位置。變換后的記為，變換因子記為，則。所以，由二位維局域分析理論，可知holder指數(shù)從變成最簡單的方法是乘以。d） 計算值，這里采用估計法來計算。通過對多幅圖像的實際測試，選取一個合適的，為原始數(shù)據(jù)已知，這樣就能計算出。 從圖中可以看出，中值濾波后的飛機圖像雖然其斑點消除了，但是同時邊緣也模糊了，這是因為這種方法將圖像中的所有數(shù)據(jù)都進行了中值濾波；領域均值濾波法可以消除圖像上的大部分噪聲，但是還有少部分存在，濾波后的圖像平面不夠平滑，而且圖像亮度也大大降低了。 圖像的邊緣提取圖像邊緣提取是指在圖像平面中灰度值發(fā)生跳變的點連接所稱的曲線段。找出圖像的邊緣稱為邊緣檢測。邊緣提取是要保留圖像的灰度變化劇烈的區(qū)域。邊緣提取技術中較為成熟的方法是現(xiàn)行濾波器，其中尤其是以Laplasi算子最為有名，該算子較好的解決了頻域最優(yōu)化和空域最優(yōu)化之間的矛盾，計算方法也較簡單方便。這類微分算子對噪聲較為敏感，為了有效的擬制噪聲，一般都首先對原圖進行平滑，再進行邊緣提取就能成功地檢測到真正的邊緣。傳統(tǒng)的圖像邊緣提取方法僅僅考慮了圖像邊緣的幾何特征，而語言描述的多重分形分析的方法不僅考慮了圖像的邊緣特征，還考慮了圖像邊緣在不同尺度下的統(tǒng)計特性，這樣在進行圖像邊緣提取的時候，就能保留一些重要的邊緣信息同時忽略一些不重要的邊緣信息。為了彌補這個缺點，我們在實驗中采取了許多不同的修正方法。對研究對象的劃分方式以及測度計算方法選擇的不同，就可能得出存在某種相關性但描述的集合特性并不相同的一族多重分形奇異譜函數(shù)。假設為一個區(qū)域，表示點的灰度，測度定義如下： 多重分形的圖像邊緣提取方法步驟如下：i的選取直接與所反映圖像的奇異性范圍有關。 多重分形譜的計算代表的是圖像的全局奇異性，在上一步中計算出了的奇異性指數(shù)α，可以算出α的最大值和最小值，即和。每個區(qū)域用表示，可得到。上述多重分形提取圖像邊緣的方法還只是一種通用方法，只要能夠計算出每個像素點的奇異性指數(shù)就可以提取出圖像的邊緣。 基于多重分形的圖像分割在完成圖像的預處理后，接下來我們仍然采用邊緣檢測分割法進行圖像處理。邊緣總是以強度突變的形式出現(xiàn)，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變，紋理的圖像等。圖像的邊緣包含了物體形狀的重要信息，兩個具有不同灰度的相鄰區(qū)域間總存在灰度邊緣。在對圖像進行分割時，采用多種算子對圖像進行分割。對于三種算子的實驗現(xiàn)象，從視覺效果上來看，以Canny算子最好，邊緣信息豐富，集合保留了邊緣所有的邊緣點，而且邊緣清晰，連續(xù)性好。Prewitt算子的分割的圖像中雖然集合沒有費邊緣點，但是邊緣的連續(xù)性較差，從視覺上來看圖像顯得很雜亂。對于常用的圖像處理技術，如去噪，邊緣檢測提取等都應用了基于多重分形理論的算法。感謝各位答辯組的老師，在百忙中抽出時間來指導我們的畢業(yè)答辯。感謝自動0805班的同學們，特別是14517的全體室友們，我們一起走過的日子，我感覺充實又快樂。感學西安郵電大學，在這四年里，所經(jīng)歷的一切，無論我走到哪里，這里都會是我生命中不可或缺的回憶。22