关于一维数字图像二值化实现 答辩pptPPT.pptVIP

基于图像处理的一维医学曲线读取二值化方法研究与实现 答辩人：*** 本论文概述 在人类获取的信息中，视觉信息约占60%，听觉约占20%，其它约占20%。由此可见，视觉信息对人类非常重要。同时，图像是人类获取视觉信息的主要途径。图像二值化是图像预处理中的一项重要技术，在模式识别、光学字符识别、医学成像等方面都有重要应用。 论文介绍了图像及数字图像处理技术的一些概念和相关知识；课题重点实现了图像分割技术中灰度图像二值化方法，如Otsu算法、自适应阈值分割算法，并对这些算法运行的实验结果进行分析。 本论文一览 第一章 前言 1.图像与数字图像 2.数字图像处理概述 3.数字图像二值化及其意义 第二章 图像预处理 1.图像灰度化 2.图像直方图 第三章 图像二值化方法 1.bmp文件格式 2.几种二值化方法 3.二值化方法研究动态 第四章 Otsu方法 1.Otsu算法分析 2.Otsu方法流程图 第五章 自适应阈值方法 1.固定阈值二值化方法 2.自适应阈值分割 第六章 实验结果 1.实验结果 2.总结 1.1图像与数字图像 模拟图像。包括光学图像、照相图像、电视图像等。 数字图像。数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够辨识的点阵图像。在严格意义上讲，数字图像是经过等距离矩形网格采样，对幅度进行等间隔量化的二维函数。因此，数字图像实际上就是被量化的二维采样数组。 数字图像优势：精度高 处理方便 重复性好 1.3二值化及其意义 一幅图像包括目标物体、背景还有噪声，要想从多值 的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（BINARIZATION）。 意义：有利于再对图像做进一步处理时，图像的集合性质只与像素的值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。 2图像预处理 在进行图像二值化操作前要对图像进行预处理，包括彩色图像灰化和增强。流程图如下： 只用Y 分量就完全能够表示出一幅灰度图来。 2.1图像灰度化 这部分我们要把图像进行灰度化处理。我们可以利用另一个色彩系统和RGB色彩系统的关系来实现256图像的灰度化。 YUV 和RGB 之间有着如下的对应关系： 2.2图像直方图 当我们需要知道一幅图中的灰度分布情况，这时就可以采用灰度直方图(histogram)来表示，往往我们用横坐标表示灰度值，纵坐标表示该灰度值出现的次数(频率)。 3 几种二值化方法 灰度图像的二值化处理有很多种方法，主要分为全局阈值法和局部阈值法。 3.1全局阈值法 全局阈值法是指在二值化过程中只使用一个全局阈值T的方法。它将图像的每个像素的灰度值与T进行比较，若大于T，取白色。否则，取黑色。 3.2局部阈值法 由当前像素灰度值与该像素周围点局部灰度特征来确定像素的阈值。例如可以将原图像划分为一些不相交的小块，将各块图像的灰度均值作为该部块图像的阈值，在局部上采用上面的整体阈值法。 4 Otsu算法 4.1该方法的原理是： 设阈值将图像分割成两组，一组灰度对应目标，另一组灰度对应背景，分别计算两组灰度值的类内方差。当被分割成的两类类间方差最大时，此灰度值就作为图像二值化处理的阈值。这种方法于1980 年由日本的大津展之提出, 主要依据是概率统计与最小二乘法原理。 对于图像I(xy)前景(即目标)和背景的分割阈值记作T属于前景的像素点数占整幅图像的比例记为ω0其平均灰度μ0;背景像素点数占整幅图像的比例为ω1其平均灰度为μ1。图像的总平均灰度记为μ类间方差记为g。假设图像的背景较暗并且图像的大小为M×N图像中像素的灰度值小于阈值T的像素个数记作N0像素灰度大于阈值T的像素个数记作N1则有:ω0=N0/ M×N (1)ω1=N1/ M×N (2)N0+N1=M×N (3)ω0+ω1=1 (4)μ=ω0*μ0+ω1*μ1 (5)g=ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)将式(5)代入式(6)得到等价公式: g=ω0ω1(μ0-μ1)^2 (7) 4.2 Otsu方法流程图 实验结果