工程模式识别实验..docx

实验 1 图像的贝叶斯分类 1.1 实验目的 将模式识别方法与图像处理技术相结合， 掌握利用最小错分概率贝叶斯分类 器进行图像分类的基本方法，通过实验加深对基本概念的理解。 1.2 实验仪器设备及软件 HP D538、 MATLAB 1.3 实验原理 1.3.1 基本原理 阈值化分割算法是计算机视觉中的常用算法， 对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值， 然后将图像中每个像素的灰度值与这个阈值相比较。 并根据比较的结果将对应的像素划分为两类， 灰度值大于阈值的像素划分为一类， 小于阈值的划分为另一类， 等于阈值的可任意划分到两类中的任何一类。此过程中，确定阈值是分割的关键。 对一般的图像进行分割处理通常对图像的灰度分布有一定的假设， 或者说是基于一定的图像模型。 最常用的模型可描述如下： 假设图像由具有单峰灰度分布的目标和背景组成， 处于目标和背景内部相邻像素间的灰度值是高度相关的， 但处于目标和背景交界处两边的像素灰度值有较大差别， 此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。 而且这两个分布应大小接近， 且均值足够远， 方差足够小， 这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标， 则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错