【正文】 鄰小區(qū)域的 相似性判據(jù)可以是灰度、紋理，也可以是色彩等等多種圖像要素特征的量化數(shù)據(jù)。 區(qū)域生長的原理和步驟 區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程，直到再沒有滿足條件的像素可被包括進(jìn)來。 圖 28 給出已知種子點(diǎn)進(jìn)行區(qū)域生長的一個示例。這里采用的判斷準(zhǔn)則是 :如果所考慮的像素與種子像素灰度值差的絕對值小于某個閾值 T，則將該像素包括進(jìn)種子像素所在區(qū)域。圖 28(c)給出了1T? 時(shí)的區(qū)域生長結(jié)果，有些像素?zé)o法判定 。由此可見閾值的選擇是很重要的。② 如何確定在生長過程中能將相鄰西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 19 像素包括進(jìn)來的準(zhǔn)則 。 第一個問題通?？梢愿鶕?jù)具體圖像 的特點(diǎn)來選取種子像素。如果沒有圖像的先驗(yàn)知識，那么可以借助生長準(zhǔn)則對像素進(jìn)行相應(yīng)的計(jì)算。 第二個問題的解決不但依賴具體問題的特征，還與圖像的數(shù)據(jù)類型有關(guān)。另外，還需要考慮像素間的連通性，否則有時(shí)會出現(xiàn)無意義的分割結(jié)果。但常用的基 于灰度、紋理、彩色的準(zhǔn)則大都基于圖像中的局部性質(zhì)，并沒有充分考慮生長的“歷史”。在這種情況下常需對分割結(jié)果建立一定的模型或輔以一定的先驗(yàn)知識。生長準(zhǔn)則可根據(jù)不同原則制定，而使用不同的生長準(zhǔn)則會影響區(qū)域生長的過程。 (1) 灰度差準(zhǔn) [8] 區(qū)域生長方法將圖像的像素為基本單位來進(jìn)行操作，基本的區(qū)域灰度差方法主要有如下步驟 : ① 對圖像進(jìn)行逐步掃描，找出尚沒有歸屬的像素； ② 以該像素為中心檢查它的鄰域像素，將鄰域中的像素逐個與它比較，如果灰度差小于預(yù)先確定的值，將它們合并； ③ 以新合并的像素為中心，返回到步驟②，檢查新像素的鄰域，直到區(qū)域能進(jìn)一步擴(kuò)張； ④ 返回到步驟 ① ，繼續(xù)掃描直到不能發(fā)現(xiàn)沒有歸屬的像素，則結(jié)束整個生長過程。為 克服這個問題可采用下面的改進(jìn)方法 : 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 21 ①設(shè)灰度差的閾值為零，用上述方法進(jìn)行區(qū)域擴(kuò)張，使灰度相同像素合并； ②求出所有鄰接區(qū)域之間的平均灰度差，并合并具有最小灰度差的鄰接區(qū)域； ③設(shè)定終止準(zhǔn)則，通過反復(fù)進(jìn)行上述步驟②中的操作將區(qū)域依次合并直到終止準(zhǔn)則滿足為止。為克服這個問題，可不用新像素的灰度值去與鄰域像素灰度值比較，而用新像素所在區(qū)域的平均灰度值去與各鄰域像素的灰度值進(jìn)行比較。 區(qū)域生長的過程中，要求圖像的同一區(qū)域的灰度值變化盡可能小，而不同的區(qū)域之間，灰度差盡可能大。當(dāng)測試某個像素是否合并時(shí)，條件不成立的概率為 : ? ? 222 e x p 22Tzp T d z??? ? ????????? (220) 這就是誤差概率函數(shù)，當(dāng) T 取 3 倍的方差時(shí)，誤判概率為 %。 ②設(shè)區(qū)域?yàn)榉蔷鶆?，且由兩部分不同目?biāo)的圖像像素構(gòu)成。對灰度值為 m 的像素，它與區(qū)域均值的差為： ? ?1 1 1 2 2mS m q m q m? ? ? (221) 可知正確的判決概率為 : ? ? ? ? ? ?12mmP T P T S P T S??? ? ? ??? (222) 這說明，當(dāng)考慮灰度均值時(shí)，不同部分像素間的灰度差距應(yīng)盡量大。 這里對灰度分布的相似性常用兩種方法檢測 (設(shè) ??1hz， ??2hz分別為兩鄰接區(qū)域的累積灰度直方圖 ): KolmogorovSmirnov 檢測 : ? ? ? ?12m a xz h z h z? (223) SmoothedDifference 檢測 : ? ? ? ?12z h z h z?? (224) 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 23 如果檢測結(jié)果小于給定的閾值，即將兩區(qū)域合并。而且，圖像的復(fù)雜程度，原圖像生成狀況的不同，對上述參數(shù)的選擇有很大影響。 (3) 區(qū)域形狀準(zhǔn)則 在決定對區(qū)域的合并時(shí)也可以利用對目標(biāo)形狀的檢測結(jié)果，常用的方法有兩種 : ①把圖像分割成灰度固定的區(qū)域，設(shè)兩鄰區(qū) 域的周長分別為 1P 和 2P ，把兩區(qū)域共同邊界線兩側(cè)灰度差小于給定值的那部分長度設(shè)為 L，如果 (1T ,為預(yù)定閾值 ): ? ?112min ,L Tpp ? (225) 則合并兩區(qū)域 。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 24 兩種方法的比較 上述兩種方法的區(qū)別是 :第一種方法是合并兩鄰區(qū)域的共同邊界中對比度較低部分占整個區(qū)域邊界份額較大的區(qū)域，而第二種方法則是合并兩鄰接區(qū)域的共同邊界中對比度較低部分 比較多的區(qū)域。 ①區(qū)域生長法的主要思想是根據(jù)一定的相似性準(zhǔn)則，將圖像中滿足相似性準(zhǔn)則的子像素合為一個大區(qū)域； ②區(qū)域分裂法是從圖像的整體出發(fā)，根據(jù)圖像的不均勻性，把圖像分割成不相同的子區(qū)域，或根據(jù)圖像的或區(qū)域的均勻性把相似的子區(qū)域合并成較大的區(qū)域。和其它方法一樣，區(qū)域分割 法一般不單獨(dú)使用，而是放在一系列的處理過程中。另一種分割的想法可以是先從整幅圖像開始通過不斷分裂得到各個區(qū)域。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 25 (a) 四叉樹分裂 (b) 四叉樹結(jié)構(gòu) 圖 28 圖像的四叉樹分解示 意圖 在這類方法中，最常見的方法四叉樹分解法。從最高層開始，把 R 連續(xù)地分裂成越來越小的 1/4 的正方形子區(qū)域 iR ，并且始終使 ? ?iP R TRUE? 。如此類推，直到 iR 為單個像素。為解決這個問題，在每次分裂后允許其后繼續(xù)分裂或合并。 總結(jié)前面所述的基本分裂合并算法步驟如下 : ①對任一個區(qū)域，如果 ? ?iP R FALSE? 就將其分裂成不重疊的 4 等分 。 如果進(jìn)一步的分裂或合并都不可能了，則結(jié)束。 對灰度圖像分割算法的研究已經(jīng)有幾十年的歷史，借助各種理論至今已經(jīng)提出了上千種各種類型的分割算法，而且這方面的研究還在積極進(jìn)行中。盡管人們在灰度圖像的分割方面做了許多研究工作，但是由于尚無通用的分割理論，因此現(xiàn)己提出的分割算法大都是針對具體問題的，并沒有一個適合于所有灰度圖像的通用的分割算法。當(dāng)然本中的分類也不是絕對的，從不同的角度還應(yīng)該有別的分類方法。但是利用 roberts算子提取邊緣的結(jié)果邊緣比較粗，因此邊緣定位不是很準(zhǔn)確。 Sobel 算子對邊緣定位比較準(zhǔn)確。 ④ Log 算子：拉普拉斯高斯算子經(jīng)常出現(xiàn)雙像素邊界，并且該檢測方法 對噪聲比較敏感；所以，很少用拉普拉斯算子做邊緣檢測，而是用來判斷邊緣檢測是位于圖像的明區(qū)還是暗區(qū)。在edge 函數(shù)中，最有效的邊緣檢測方法是 canny 算子檢測犯方法。因此，這種方法不容易被噪聲“填充”，更容易檢測出真正的弱邊緣。在邊緣檢測算法中，在比較復(fù)雜的圖像中，用 Roberts 算子得不到較好的邊緣檢測，而相對較復(fù)雜的 Prewitt 和 Sobel 算子檢測效果較好。 Canny 算子是幾種算子中最優(yōu)的邊緣檢測算子，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 32 第五章 總結(jié)與展望 對灰度圖像分割算法的研究已經(jīng)有幾十年的歷史，借助各種理論至今已經(jīng)提出了上千種各種類型的分割算法，而且這方面的研究還在積極進(jìn)行中。盡管人們在灰度圖像的分割方面做了許多研究工作，但是由于尚無通用的分割理論，因此現(xiàn)己提出的分割算法大都是針對具體問題的，并沒有一個適合于所有灰度圖像的通用的分割算法。當(dāng)然本中的分類也不是絕對的，從不同的角度還應(yīng)該有別的分類方法。在邊緣檢測算法中，在比較復(fù)雜的圖像中，用 Roberts 算子得不到較好的邊緣檢測，而相對較復(fù)雜的 Prewitt 和 Sobel 算子檢測效果較好。 Canny 算子是幾種算子中最優(yōu)的邊緣檢測算子，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。最后詳細(xì)介紹了圖像分割算法在門牌號識別系統(tǒng)中的應(yīng)用，本此方法的應(yīng)用很簡單、穩(wěn)定有效，因而應(yīng)用比較廣泛。雖然人們試圖對 分割建立模型并根據(jù)模型進(jìn)行分割，但并不太成功。因此，下列問題需要進(jìn)一步深入研究 : (1)如何根據(jù)不同圖像的特點(diǎn)，選擇合適的分割方法。 (2)尋找運(yùn)算速度快，精確率高的圖像分割算法也是圖像分割中的研究重點(diǎn)。 (3)新方法、新 概念的引入和多種方法的綜合運(yùn)用。 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 34 第六章 致 謝 時(shí)光飛逝，四年的本科生學(xué)習(xí)生活轉(zhuǎn)眼就要結(jié)束，值此論文完成之際，我要向四年來支持、幫助、關(guān)心過我的老師、同學(xué)和親友表示衷心感謝。從跟 他 學(xué)習(xí)以來， 他 就十分關(guān)心我的學(xué)習(xí)和生活，并給予了我無私的指導(dǎo)和幫助。在學(xué)習(xí)期間，我深深感受到了 他 嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神、良好的工作作風(fēng)，謙遜的為人風(fēng)格，淵博的學(xué)術(shù)知識。另外，在課題的研究中，論文所引參考文獻(xiàn)的作者們留下的大量寶貴資料，為課題的頃利完成提供了有力支撐，在此向他們表示衷心的感謝 。因?yàn)樗?們的鼓勵，即使在生活學(xué)習(xí)最困難的時(shí)候我也從來不曾失掉勇氣和對未來的信心。祝愿他們永遠(yuǎn)健康快樂 ! 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 35 參考文獻(xiàn) [1] 龔生容，劉純平，王 強(qiáng)，等數(shù)字圖像處理與分析， 2021 年 7 月 [2] 陳天華，數(shù)字圖像處理， 2021 年 6 月 [3] 崔屹，數(shù)字圖像處理技術(shù)及應(yīng)用，電子工業(yè)出版社 [M]， 1997 [4] 江澤濤，朱穎一種基于插值的圖像分割方法 [J].計(jì)算機(jī)工程與應(yīng)用，2021(7):4748 [5] 吳健康，數(shù)字圖像分析 [M]，人民郵電出版社， 1989 [6] 趙椿榮， 趙忠明等，數(shù)字圖像處理導(dǎo)論 [M]，西北工業(yè)大學(xué)出版社，1996 [7] 阮秋琦，數(shù)字圖像數(shù)理基礎(chǔ)， 2021 年 12 月 [8] 阮秋琦，數(shù)字圖像數(shù)理基礎(chǔ)， 2021 年 12 月 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 36 附錄程序源碼 （ 1）對圖像 進(jìn)行四叉樹分解的程序和結(jié)果如下 : subplot(1,2,1)。 title(39。)。 N=full(S)。 imshow(N)。分解的圖像 顯示 39。 [vals,r,c]=qtgetblk(I,N,2)。 [vals2,r,c]=qtgetblk(I,N,8)。 [vals4,r,c]=qtgetblk(I,N,32)。 size(vals)。size(vals2)。size(vals4)。 （ 2） 以用 canny 算子來檢測 圖像。39。 BW1=edge(I,39。)。imshow(I)。原圖像 39。 subplot(1,2,2)。title(39。)。39。 BW1=edge(I,39。)。imshow(I)。原圖像 39。 subplot(1,2,2)。title(39。)。39。 imhist(I)。 subplot(121),imshow(I) subplot(122),imshow(newI) （ 5） 大律法閾值分割圖像程序和結(jié)果如下： I=imread(39。)。 title(39。) level=graythresh(I)。 subplot(132),imshow(BW) 西北民族大學(xué)電氣工程學(xué)院畢業(yè)論文 37 title(39。) disp(strcat(39。,num2str(uint8(level*255)))) （ 6） 迭代法閾值分割圖像程序和結(jié)果如下： I=imread(39。)。 ZMin=min(min(I))。 bCal=1。 while(bCal) iForeground=0。 ForegroundSum=0。 for i=1:iSize(1) for j=1:iSize(2) tmp=I(i,j)。 ForegroundSum=ForegroundSum+double(tmp)。 BackgroundSum=BackgroundSum+double(tmp)。 ZB=BackgroundSum/iBackground。 if(TKTmp==TK) bCal=0。 end end disp(strcat(39。,num2str(TK)))。 subplot(121),imshow(I) subplot(122),imshow(newI) （ 7） 下面就用 edge