基于区域生长的图像分割 金宇.docVIP

课 程 设 计 题 目： 基于区域生长的图像分割 课 程 名 称： 数字图像处理 院 （系）： 信息工程学院 专 业： 09通信工程 班 级: 09通信一班 学 生 姓 名: 金 宇 学 号: 090110079 指 导 教 师: 刘 润 杰 日 期： 2012-6-6  【摘要】 图像分割的目的是将图像划分为不同的区域，基于区域生长是以直接找寻区域为基础的分割技术。区域生长是一种根据事先定义的准则将像素或子区域聚合成为更大的区域的过程。基本方法是以一组“种子”点开始，将与种子点性质相似（诸如灰度级等）的相邻像素附加到生长区域的每个种子上。 区域生长的一个问题是用公式描述一个终止规则。基本上，在没有像素满足加入某个区域的条件时，区域生长就会停止。在此次课程设计中，在算法的设计上充分反映了这一点。在遍历图像的过程中调用函数testnei，测试i,j点处的邻域满足条件的像素。将每次新增长的种子点作为下次遍历的中心点，直到区域不再生长。 关键字： 区域生长 种子点 分割 绪论 人们只关心在图像的研究和应用中的某些部分，这些部分经常被称为目标或前景，它们通常对应于图像的特定性质或特定领域。这就需要提取并将它们分辨识别和分析对象。在此基础上可能进一步对目标作用。图像分割是一种技术和工艺，它可以将其分为不同的区域形象特征，并提取有利的目标。这些特色可以是像素，灰度，颜色，质地等。图像分割是从图像处理到图像分析的关键步骤。一方面它是目标表达的基础，并对测量有重要影响。另一方面，作为图像分割是以分割为基础的描述，提取特征和测量参数使原始图像变得更抽象，形式更紧凑，以此来实现更高层次的图像分析和理解。 在实际生活中，图像分割的应用也很广泛，几乎出现在所有图像处理的相关领域并涉及各种图像类型。例如。卫星图像处理遥感应用，图像的脑部MR分析在医药的应用等。 在这些应用中，图像分割通常应用于图像的分析，识别和压缩编码等。提取的准确性将直接影响后续工作的成效，因此分割的方法和准确度非常重要。 二、 基于区域生长的图像分割的实现方法 区域生长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。基本方法是以一组种子点开始，将与种子性质相似的相邻像素附加到生长区域的每个种子上。 区域生长算法的重点是： 种子点的选取 生长准则的确定 算法流程设计： (1)图像读取： A=imread(4.jpg); B=rgb2gray(A); f=double(B); figure imshow(f); title(源图像); (2)以种子点对原图像二值分割： seed=175; S=abs(double(f)-double(seed))70; %以初始种子点进行二值图像分割； figure imshow(S); title(初始种子点); (3)以种子点进行区域生长： 以种子点所在位置开始遍历，当判断满足种子点条件时调用函数： function A=neitest(i,j,f,T) %返回当前（i，j）位置种子点的 S=S|temp; %更新当前位置的8邻域满足阈值条件的点；使S中始终加入最近的种子点。 最终循环条件截止条件： if(sum(sum(abs(double(S)-double(sd))))==0) %当前一次的种子加入点数和本次的相同时说明生长完毕，种子不再生长； break; end (4)对生长完毕的图像进行膨胀操作： B=[1 1 1;1 1 1;1 1 1]; S=imdilate(S,B); figure imshow(S) title(膨胀后的图像) （5）对膨胀后的图像进行中值滤波： C = medfilt2(S,[5 5]); figure imshow(C) title(经过中值滤波后的图像); 三、功能描述 1、对图像进行种子点的选取，并进行阈值分割操作，在种子点的选取上可以借助图像的灰度直方图，看目标图像的灰度取值范围，然后取其中间值作为种子值并允许其灰度值在±70范围内。 2、函数function A=neitest(i,j,f,