图像分割方法综述matlab论文.docVIP

图像分割方法综述 摘要：图像分割就是根据图像的某些特征或特征集合的相似性准则对图像进行分类，把图像空间分成若干个某些具有一致性属性的不重叠区域。它是图像分析和理解的基础，是计算机视觉领域中最困难的问题之一。图像分割的质量将直接影响着对图像的后续处理，所以图像分割被视为图像处理的瓶颈，具有十分重要的意义。人们很早就开始了对图像分割方法的研究，并且几十年来，这方面的研究从来没有间断过。到目前为止，已经有大量的关于图像分割的理论、技术、方法被人们相继提出并广泛应用。 关键字：图像分割；阈值；区域和边缘；交互式算法；纹理分割 彩色图像分割 引言 图像分割是一项基于计算机技术的重要的图像分析和处理技术，从其产生至今，已经广泛的应用于各个领域，为人们的生产和生活中图像处理的水平提高做出了重大贡献。 国内外发展的状况 人工生命是一个快速发展的多学科交叉的研究领域，是计算机科学新的发展方向之一。目前，已经有科研人员尝试将人工生命应用到图像分割领域中。虽然目前使用人工生命进行图像分割的研究还比较少，但是这些相关研究成果表明将人工生命引入到图像分割中能获得有意义的成功，显示出了巨大的潜力。 在医学数据可视化方面，也有了许多硕果。如：医学图像如CT图像和 MRI 图像的三维重建、显示与分析处理；大脑生理形态分析，神经细胞中钙活性的可视化；计算机辅助外科手术模拟与计划等。其中值得一提的：如美国国家超级计算机应用中心利用远程的并列计算机资源，用体绘制技术实现了CT扫描三维数据的动态显示。其内容为显示一个狗心脏跳动周期的动态图像。 图像分割概述 人类感知外部世界的两大途径是听觉和视觉，尤其是视觉，因此图像信息是非常重要的一类信息。在一幅图像中，人们往往只对其中的某些目标感兴趣，这些目标通常占据一定的区域，并且在某些特性（如灰度、轮廓、颜色、纹理等）上和周围的图像有差别。这些特性差别可能非常明显，也可能很细微，以致人眼觉察不出来。计算机图像处理技术的发展，使得人们可以通过计算机来获取与处理图像信息。现在，图像处理技术已经成功应用于许多领域，其中，纸币识别、车牌识别、文字识别、指纹识别等已为大家所熟悉。 图像分割是指将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。好的图像分割应具有以下特征：（1）分割出来的各区域对某种性质（例如灰度、纹理）而言具有相似性，区域内部是连通的且没有过多小孔。（2）相邻区域对分割所依据的性质有明显的差异。（3）区域边界是明确的。 大多数图像分割方法只是部分满足上述特征。如果强调分割区域的同性质约束，则分割区域很容易产生大量小孔和不规则边缘；若强调不同区域间性质差异的显著性，则易造成不同性质区域的合并。具体处理时，不同的图像分割方法总是在各种约束条件之间寻找一种合理的平衡。 图像分割算法的具体分类 目前从国际上的图像分割方法来看，具体的操作过程中的分割方法的种类是非常繁多和复杂的，并没有一个公认的统一的标准。虽然图像分割算法的分类并不影响它的使用，但是优化其分类可以帮助我们更好的筛选和取得需要的图像信息。尤其是面对不同的图像处理对象，明确的分类可以使得我们更好的从事图像分割的研究工作。 基于这种分类理念，我们将图像分割算法分为常见的这样几类，即基于阈值的方法、基于聚类的方法、基于区域和边缘的方法、基于全局优化的方法以及其他方法，并逐一进行简要介绍。 4.1 基于阈值的方法 相较于以上的其他图像分割方法,该方法是目前实践中应用最广的一项技术，它的操作优势是比较明显的，即操作简便易行，且效果良好，能够满足大部分普通的图像分割的需要。该方法的主要工作原理是通过图像中的待分割出的目标图像和其余的图像背景的灰度的不同，定义一个阈值,以达到在图像中将二者的属性区别开的目的。这种基于图像的属性的分离和切割方法可以更好的确定目标图像，达到分割的效果。 聚类法作为基于阈值的最主要的分割方法之一，是实践中最为常用的，其工作原理主要将各种图像的组成部分划分为不同的区域，并选择一定的图像样本进行区域间的分类，以达到一个图像切割的目的，这种方法的优点是便于不同特性的图片的统一提取，大大的提高了图像的切割效率。 4.2 基于区域和边缘的方法 所谓图像的区域和边缘，就是整体图像的可对称部位，操作中我们根据图像的不同的对称和比例问题，将图像划分为整齐的各个区域。这种方法的划分图像的特点和传统的区域分割算法有着异曲同工之处，即通过对于某种图像的对称的特性的利用，达到将图像分块的目的。但是经过实践检验，我们发现这种算法的应用范围受限，即主要应用于面积较小的图像处理的过程中，并且其分割的效果极易受到种子点的位置的影响，不便于操作中的灵活掌握。所以，针对于这种传统的区域分割法的缺点，新型的基于区域和边缘的对称分割法应运而生。这种新型的算法的最主要的表现形式是