基于阈值的灰度图像分割.docVIP

对以CPT算法为主的灰度阈值化方法的研究 目录： 第一章：绪论 第二章：图像的预处理 第三章：图像分割概述 第四章：灰度阈值化图像分割方法 第五章：CPT算法及其对它的改进 第六章：编程环境及用PhotoStar对改进的CPT算法和其他算法的实现 第七章：实验结果与分析 第一章：绪论 1.1数字图像处理技术的发展 人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20％，视觉占60％，其他如味觉、触觉、嗅觉总的加起来不过占20％。所以，作为传递信息的重要媒体和手段——图像信息是十分重要的。【5】对于图像信息的处理，即图像处理当然对信息的传递产生很大影响。 数字图像处理技术起源于20世纪20年代，当时通过海底电缆从伦敦到纽约传输了一幅图片，它采用了数字压缩技术。1964年美国的喷气处理实验室处理了太空船“徘徊者七号”发回的月球照片，这标志着第三代计算机问世后数字图像处理概念得到应用。其后，数字图像处理技术发展迅速，目前已成为工程学、计算机科学、生物学、医学等领域各学科之间学习和研究的对象。 经过人们几十年的努力，数字图像处理这一学科已逐渐成熟起来。人们总是试图把各个学科应用到数字图像处理中去，并且每产生一种新方法，人们也会尝试它在数字图像处理中的应用。同时，数字图像处理也在很多学科中发挥着它越来越大的作用。 1.2图像分割概述和本论文的主要工作 图像分割的目的是把图像空间分成一些有意义的区域，是数字图像处理中的重要问题，是计算机视觉领域低层次视觉问题中的重要问题，同时它也是一个经典的难题。几十年来，很多图像分割的方法被人们提出来，但至今它尚无一个统一的理论。 图像分割的方法很多，有早先的阈值化方法、最新的基于形态学方法和基于神经网络的方法。 阈值化方法是一种古老的方法，但确是一种十分简单而有效的方法，近几十年人们对阈值化方法不断完善和探索，取得了显著的成就，使得阈值化方法在实际应用中占有很重要的地位。 本文将主要对图像分割的阈值化方法进行探讨。在对阈值化方法的研究过程中，本人首先将集中精力对效果比较好的阈值化方法进行探讨，并对其存在的不足加以改进，从而作出性能优良的计算机算法；由于目前很多方法各有其特点，所以将对具有不同特点的图像用不同的方法处理进行研究。在论文正文部分还将其应用到实践中去，并对其加以评价。 第二章：图像的预处理 2.1图像预处理的概述 由于切片染色和输入光照条件及采集过程电信号的影响，所采集的医学图像会存在些噪声和畸变。去掉这样的噪声和畸变，把图像具有的信息变得医生容易观看，或把图像变换成某种标准的形式，使特征提取和识别易于进行，这样的处理在图像分析和识别中使非常必要的，对于医学图像的分割来说，它直接影响分割的质量，甚至直接决定了是否能正确得到分割结果，这些前期处理通常叫做预处理，包括噪声的去处、对比度的增强、几何畸形的校正等。 2.2图像预处理的方法 本论文研究的预处理主要是针对噪声而言，所以主要介绍两种去噪的预处理方法。 2.2.1多图像平均法 多图像平均法即把一系列图像相加取平均的方法。是医学图像处理中常用的方法，像由于瑞利散射引起的噪声用这种方法会得到很好的效果。 如果一幅图像含有噪声，可以假设这些噪声相对于每一坐标点(x,y)是不相关的，且数学期望为零。设g(x,y) 是有噪声的图像，它是有噪声图像e(x,y)和原始图像f(x,y)叠加而成的。即 对M次采集的噪声图像{gi(x,y)}(i=1,2…,M)取平均。即： 可以证明它们的期望值为： 如果考虑新图像和噪声图像各自均方差的关系，则有： 可见随着取平均的图像的数目M增加，噪声在每个像素位置(x,y)的影响逐步减小。 2.2.2中值滤波 中值滤波是一种非线性、非参数的图像预处理技术，中值滤波器是一个含有奇数个像素的滑动窗口，窗口正中的像素的灰度由窗口内各像素的灰度值中值代替。 中值滤波很好的解决了消除脉冲干扰和保持图像边缘的问题。如果最大值是单调增加数列中的一个噪声尖峰，则中值滤波带来有效的改善；但是，如果最大值是一个信号脉冲，则结果会使图像中的一些细线、尖锐边角缺失。 本文将通过在计算机上实现其算法对其效果进行观察、分析。 第三章：图像分割概述 3.1什么是图像分割 图像分割就是将图像中具有特殊含义的不同区域区分开来，这些区域互不相交，每一个区域满足一致性。 用数学形式可以表达为： 设图像为g(x,y),其中0≤x≤Max(x),0≤y≤Max(y)。将图像进行分割就是将图像分割为满足以下条件的子区域g1,g2,g3……。 1)，即所有子区域组成了整幅图像； 2)gk是连通的区域； 3)gk(x,y)∩gi(