图像分割算法研究与现毕业论文.doc

数字图像处理期末考试 题目 图像分割算法研究与实现 专业班级11通信工程一班 姓名 学号 1109131  目 录 摘　要: 1 1．前言 2 2．图像分割概念 2 2.1图像分割定义 2 2.2图像分割方法综述 4 2.3阈值法 4 2.4 基于边缘检测的分割方法 8 2.5基于区域的分割方法 11 3．图像分割方法详述 12 3.1图像分割方法 12 3.2 图像分割方法实现 12 4．实验结果及分析 14 4.1 实验结果 14 4.2 实验结果分析 18 5．小结 20 5.1 主要工作总结 20 5.2 结论 20 6．附录 23 图像分割算法研究与实现 摘　要: 图像分割是图像处理与计算机视觉的基本问题之一,是图像处理图像分析的关键步骤。因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。因此，图像分割多年来一直得到人们的高度重视.本文首先将现有的多种类型图像分割方法归结为3类典型的方法 , 并分析各自的特性;然后提出图象分割方案，并利用MATLAB 软件编写程序，展示实验现象，最后对所做工作进行总结。 关键词:图像分割 阈值法 边缘检测 微分算子 局部阈值 1．前言 在图像的研究和应用过程中，人们往往仅对各幅图像中的某些部分感兴趣.这些部分常称为目标或前景，它们一般对应图像中特定的具有独特性质的区域.为了辨别和分析目标，需要将这些区域分离提取出来，在此基础上才有可能对目标进一步利用.图像分割就是将图像分成各具特性的区域并提取出感兴趣的目标的技术和过程.在进行图像分割时，首先要根据目标和背景的先验知识来对图像中的目标、背景进行标记、定位，然后将等待识别的目标从背景中分离出来.图像分割是由图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术.这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始的图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能.因此，图像分割多年来一直得到人们的高度重视[1]。 图象分割在实际中已得到广泛的应用，例如在工业自动化，在线产品检验，生产过程控制，文档图象处理，遥感和生物医学图象分析，保安监视，以及军事，体育，农业工程等方面。概括来说，在各种图象应中，只要需对图象目标进行提取，测量等都离不开图象分割。近年来，图象分割在对图象的编码中也起到越来越重要的作用，例如国际标准MPEG一4R的分割可看作将R分成若干个满足如下五个条件的非空的子集（子区域）： （1）（分割所得全部子区域的总和（并集）应能包括图象中所有象素或将图象中每个象素都划分进一个子区中） （2）对所有的i 和j ,有Ri ∩ Rj = ? (i≠j);（各子区互不重叠） （3）对i=1，2，3……，N，有P（Ri）=TRUEi≠j，有P(Ri ∪Rj)=FALSE；（属于不同子区象素应具有某些不同特性） （5）对i=1，2，……，N，Ri,也是计算机视觉研究中的一个经典难题。尽管它一直受到科研人员的重视,但是它的发展很慢,被认为是计算机视觉的一个瓶颈。迄今为止,还没有一种图像分割方法适用于所有的图像,也没有一类图像所有的方法都适用于它。近几年来,研究人员不断改进原有方法并将其它学科的新理论和新方法引入图像分割,提出了不少新的分割方法。本文对传统的图像分割方法进行分析。 典型的图像分割方法有阈值法，边缘检测法，区域法。 分析各种图像分割方法可以发现，它们分割图像的基本依据和条件有以下4方面: (l)分割的图像区域应具有同质性，如灰度级别相近、纹理相似等; (2)区域内部平整，不存在很小的小空洞; (3)相邻区域之间对选定的某种同质判据而言，应存在显著差异性; (4)每个分割区域边界应具有齐整性和空间位置的准确性。 现有的大多数图像分割方法只是部分满足上述判据。如果加强分割区域的同性质约束，分割区域很容易产生大量小空洞和不规整边缘:若强调不 同区域间性质差异的显著性，则极易造成非同质区域的合并和有意义的边界丢失。不同的图像分割方法总有在各种约束条件之间找到适当的平衡点[3]。 2.3阈值法 阈值法的优点是计算简单，速度快，易于实现。尤其是对于不同类的物体灰度值或其他特征值相差很大时，能很有效地对图像进行分割。 阈值法的缺点是当图像中不存在明显的灰度差异或灰度值范围有较大的重叠时，分割效果不理想。并且阈值法仅仅考虑图像的灰度信息而没有考虑图像的空间信息，致使阈值法对噪声和灰度不均匀十分地敏感。在实际应用中，阈值法通常与其他方法结合使用[4]。