数字图像处理论文 基于灰度图像阈值分割改进方法.doc

基于灰度图像的阈值分割改进方法 摘 要 通常人们只对图像的某个部位感兴趣，为了能够把感兴趣的部分提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像分析和理解。图像增强就是突出人们感兴趣有用的部分，或者是改善图像的质量，使它尽可能的逼近原图像。本论文分析了传统的灰度阈值图像分割，即双峰法、迭代法和最大类间方差法在细节部分分割上的缺点，然后，结合图像增强中的微分梯度，对原有图像的细节进行锐化增强，然后再使用这三种方法进行分割，得到的分割结果和传统的分割方法得到的结果进行比较，该方法确实达到了改善分割后图像细节的效果。 该方法在matlab环境下进行了实现，实验结果表明，与传统的阈值分割方法相比，本文的方法不仅克服了传统阈值分割方法的不足，而且还对复杂灰度图像的细节部分具有较好的分割效果，为图像分割方法的改进提供了技术支持。 关键词：图像分割；图像增强；阈值；梯度；matlab 目 录 1.引 言 1 1.1图像分割概述 1 1.2图像分割的特征 1 1.3图像分割的发展及现状 2 1.4研究背景与意义 2 2.1数字图像处理常用的方法 3 2.2数字图像处理的目的 4 2.3数字图像处理的主要内容 5 2.4数字图像处理应用的工具 6 3.图像分割的主要方法 7 3.1基于区域的分割方法 7 7 3.3基于聚类分析的图像分割方法 8 8 3.5基于神经网络的分割方法 9 3.6 基于模糊集理论的分割方法 9 10 4.1.设计流程图 10 4.2双峰法图像分割 10 4.3 迭代法 13 4.4最大类间方差法图像分割 14 4.5小结 16 5. 基于图像增强的分割改进算法 16 5.1具体算法 16 5.2 双峰法分割 17 5.3 迭代法分割 18 5.4最大类间方差法分割 18 5.5 重复实验步骤 19 5.6小结 20 结 论 21 1.引 言 1.1图像分割概述 图像分割就是将图像按照人们的意愿分成许多个区域，使这些区域具有不重叠的特性或者该区域具有实际意义或是几个区域的图像特征相差不大。图像分割使得人们分离出目标区域，同时人们可以对图像的特征进行提取或者是对目标的一些参数进行一些简单的测量，为人们进行更深入的图像研究提供了基础。图像分割是图像处理的一个重要步骤，在人们进行图像处理研究的初期就已经受到人们的高度重视。经过几十年的发展，到目前为此，人们已经提出了很多种分割方法。尽管图像分割的方法和种类有很多，却没有唯一的标准的分割方法。有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。 1.2图像分割的特征 （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）区域边界是明确的； （3）相邻区域对分割所依据的性质有明显的差异。 （4）基于亮度值的两个基本特性之一：跳跃性不连续性和相似性. 第1类性质的应用途径是基于亮度的跳跃（不连续）变化分割图像,比如图像的边缘. 第2类的主要应用途径是依据事先制定的准则将图像分割为相似的区域、门限(阈值)处理、区域生长、区域分离和聚合都是这类方法的实例。 1.3图像分割的发展及现状 分割问题的主要困难在于图像数据的模糊和噪声的干扰。到目前为止，还没有一种或者几种完善的分割方法，可以使按照人们的意愿准确无误的分割任何一种图像。实际图像中景物情况各异，具体问题具体分析，需要根据实际情况选择适合的方法。分割结果的好坏或者正确与否，目前还没有一个统一的评价判断准则，分割的好坏必须从分割的效果和实际应用场景来判断。不过在人类研究图像的历史中，还是积累了许多经典的图像分割方法。虽然这些分割方法不适合所有类型的图像分割，但是这些方法却是图像分割方法进一步发展的基础。事实上，现代一些分割算法恰恰是从经典的分割方法衍生出来的。 早期的图像研究中，图像的分割方法主要可以分为两大类。一类是边界方法，这种方法的假设是图像分割结果的某个子区域在原来的图像中一定会有边缘存在；一类是区域方法，这种方法的假设是图像分割结果的子区域一定会有相同的性质，而不同区域的像素没有共同的性质。这两种方法都有缺点和优点，有的学者也试图把两者结合起来进行图像分割，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、模糊集、纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号