毕业答辩--基于分水岭技的图像分割算法实现.pptx

基于分水岭技术的图像分割算法实现 答辩人： 指导教师： CONTENTS 1 课题研究目的、意义 2 课题研究现状及分析 3 研究或解决的问题 4 传统方法与分水岭算法对比 5 分水岭算法的具体实现 6 总结 在数字图像处理中，图像分割是一项重要的技术，也是一个较为复杂的的难题，发展至今仍没有找到一个一般（全面）的方法，也没有找到一个可以预见分割算法难易的标准。图像分割就是把图像分成若干个特定的、具有特殊性质的区域并提出感兴趣目标的技术和过程。近年来，随着各科学新理论和新方法的提出，人们也提出了一些特定原理、方式和工具相联结的分割方式，其中基于形态学得分割算法是目前使用较为广泛的算法之一。 基于标记的分水岭算法是一个经典的图像分割的方法，它因为快捷，高效，精准的分割结果得到人们的注视。分水岭算法操作简单，精确度高，但由于分水岭算法对图像中的噪声弱边缘有一定的影响，表面细微灰度变化，会产生过分割现象。 数学形态学(Mathematical Morphology)产生于1964年，是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣，在从事铁矿核的岩石学分析及预测其开采价值的研究中提出“击中和击不中变换”的理论，并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。 目前，还没有一个模制的图像分割的理论。因此，图像分割没有标准方法。然而，一些具体的方法，已被广泛使用。因为这些方法都有一个特定的范围，因此它们实际使用的范围是有限的。 分水岭算法（Watershed Segmentation）是近年流行起来的一种基于数学形态学的图像分割方式，主要可以应用于图像分割，梯度图片的抽取等。分水岭分割算法把地形学和天文学的思想引入到图像分割中，特别适合相邻区域的分割。 1．理解并分析图像分割原理。 2．实现基于分水岭变换的图像分割算法。 3．进行基于分水岭变换的图像分割算法与传统分割算法的比较。 分割方法 优点 缺点 基于阈值的分割方法 计算简单、运算效率较高、速度快. 对噪声很敏感. 基于边缘的分割方法 利用多种边缘检测算法可解决抗噪性与检测精度之间的矛盾. 平衡抗噪性与检测精度之间的矛盾. 基于区域的分割方法 可以有效地克服其他方法存在的图像分割空间小连续的缺点. 易造成图像的过度分割，与边缘检测结合，可获得更好的分割结果. 基于聚类分析的分割方法 需要人工干预参数的初始化以接近全局最优解，提高分割速度. 此算法没有考虑空间信息，对噪声和灰度不均匀敏感. 基于数学形态学的分割方法 定位效果好、分割精度高、抗噪声性能好. 不能很好地解决耗时问题，将其与节约时间的一些方法结合，可得到更好效果. 基于分水岭技术的分割方法 操作简单、精确度高、快捷. 对噪声弱边缘有一定的影响，会产生过度分割的现象. 彩色图像 灰度图像 rgb2gray 水平 垂直 边缘检测算子 X，Y轴滤波后的图像 求值取模 梯度幅值图像 预防过度分割 前景标记图像 分水岭变换脊线图 前景标记 背景标记 分水岭变换分割图像 分水岭分割 算法流程图如下： 可视化效果图像(即将标记与边缘检测叠加到原图像上观察效果)： 本文提出了分水岭图像分割算法对图像进行分割的方法、梯度分割的方法以及区域合并的方法。先对图像进行灰度图像的转化，在进行梯度分割，分割出区域目标联结图像和最小生成树图像，然后对他们整合。并作出了实验结果。 在图像的处理上，图像分割一直是至关重要的技术。随着科技的进步，以及人们对图像分割的探索，使得图像分割技能越来越完善，处理图像的方法越来越多。达到处理图像的目标越来越精确，但是这还是图像处理上的一个重要难题。需要我们不停地去探索，来完善这一技术，让图像分割更好的能在各个领域上运用。 The End