图像分割 阈值和均值法法.docVIP

学号： XXXXX大学 数字图像处理实验报告 实验六 图像分割 院 （系） 计算机与信息工程学院 专 业 控制理论与控制工程 学生姓名 XXXX 成 绩 指导教师 XXXXXXX 2013年5月 实验目的 1.熟悉数字图像分割的一般方法，包括：图像并行区域和串行区域分割 2.掌握用阈值法进行图像分割的基本方法。 2.实验内容 1.设计并实现对数字图象根据直方图设定域值进行图像分割 2.设计并实现对数字图象进行边缘检测 3.分析所得到的结果。 3.实验原理 3.1阈值法 阈值分割法是一种简单的机遇区域的分割技术，同时也是一种广泛使用的图像分割技术[8]。它主要是利用图像中要提取的目标在灰度特性方面的差异，把图像视为具有不同灰度级的两类区域的组合，然后通过选取一个合适的阈值，然后确定某一像素点是属于所要分割的目标还是普通背景。这种方法不仅可以极大的压缩数据量，同时也大大的简化了图像信息的分析和处理步骤。阈值法首先应当确定一个处于图像灰度级范围内的灰度阈值，然后将图像每个像素点的灰度值与该阈值进行比较，，根据该点灰度值是否超过阈值从而将该像素点进行归类。比较常用的方法是设定阈值T，然后将图像的像素点分为大于阈值的像素群和小与阈值的像素群两类。这两类一般对应与图像的两类区域从而达到了区域分割的目的。设输入图像为F（x,y),输出图像为B（x,y),则： B（x,y)= （2-10） 从该方法中可知，该种方法最关键的部分在于最优阈值的确定，同时这也是阈值法的一个难点。由此阈值分割的实质就是按照一定的准则确定出最佳阈值的过程。现阶段大多数关于阈值法的研究都集中在阈值确定的研究上。 目前提出了很多的阈值法，对应的分类也非常多。阈值法根据本身的特点可以分为单阈值分割方法和多阈值分割方法；也可以分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标的阈值分割方法。若根据算法所具有的性质或准则，还可以分为直方图峰谷法、最大类空间方法、最大熵法、模糊集法等。 1.灰度阈值分割法（并行区域技术） 事先决定一个阈值，当一个像素的灰度值超过这个阈值，我们就说这个像素属于我们所感兴趣的对象；反之则属于背景部分。 如果图像适合这种分割法，那么图像的直方图在表示对象和背景的小范围灰度值附近出现一个高峰值。适合这种分割法的图像的直方图应是双极模式，我们可以在两个峰值之间的低谷处找到一个合适的阈值。 参考图1： 2.自适应全局阈值（单阈值）算法步骤： 1）初始化阈值T (一般为原图像所有像素平均值)。 2）用T分割图像成两个集合：G1 和G2，其中G1包含所有灰度值小于T的像素，G2包含所有灰度值大于T的像素。 3）计算G1中像素的平均值m1及G2中像素的平均值m2。 4）计算新的阈值：T ＝ （m1＋m2）/2 。 5）如果新阈值跟原阈值之间的差值小于一个预先设定的范围，停止循环，否则继续2－4步。 全局单阈值分割只适用于很少的图像。对一般图像采用局部阈值法或多阈值法会得到更好的效果 参考图2： 3.2 基于边缘的分割方法 基于边缘的分割方法是将图像中所要求分割的目标的边缘提取出来，从而将目标分割出来，主要依赖于图像中不同区域间的不连续性。这类技术的优点是边缘定位准确，运算速度快；缺点是对噪声敏感，而且边缘检测方法只使用了局部信息，难以保证分割区内部的颜色一致，且不能产生连续的闭轮廓。因此基于边缘的分割技术通常需要进行后续处理或与其他分割算法结合起来，才能完成分割任务。 边缘分割算法一般有如下四个步骤[10]： 滤波：边缘分割算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。 2）增强：增强边缘的基础是确定图像各邻域强度的变化值，增强算法可以将邻域强度值有显著变化的点突显出来。 3）检测：在图像中有许多点的梯度幅度值比较大，而这些点在特定的应用领域并不都是边缘，所以应当用某种方法来确定哪些点是边缘点。 4）定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在亚像素分辨率上来估计，边缘的方位也可被估计出来。在边缘检测算法中，前三个步骤用的十分普遍。这是因为在大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向。 边缘检测算法主要是利用图像的一阶导数的极值或二阶导数的