图像分割程序设计.doc-资料库

u011113461-5804491-16359647541337389786.doc.pdf-第1页.png

第1页 / 共24页

u011113461-5804491-16359647541337389786.doc.pdf-第2页.png

第2页 / 共24页

u011113461-5804491-16359647541337389786.doc.pdf-第3页.png

第3页 / 共24页

u011113461-5804491-16359647541337389786.doc.pdf-第4页.png

第4页 / 共24页

u011113461-5804491-16359647541337389786.doc.pdf-第5页.png

第5页 / 共24页

u011113461-5804491-16359647541337389786.doc.pdf-第6页.png

第6页 / 共24页

u011113461-5804491-16359647541337389786.doc.pdf-第7页.png

第7页 / 共24页

u011113461-5804491-16359647541337389786.doc.pdf-第8页.png

第8页 / 共24页

******************* 实践教学 ******************* 兰州理工大学计算机与通信学院 2012 年秋季学期图像处理综合训练题目：图像分割程序设计专业班级：姓学名：号：指导教师：成绩：

目录摘要.......................................................................................................2 一、前言.....................................................................................................3 二、算法分析与描述.................................................................................4 三、详细设计过程.....................................................................................5 四、调试过程中出现的问题及相应解决办法........................................ 6 五、程序运行截图及其说明.....................................................................7 六、简单操作手册...................................................................................10 设计总结...................................................................................................14 参考资料...................................................................................................15 致谢........................................................................................................... 16 附录........................................................................................................... 17

摘要图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程，它是计算机视觉领域的一个重要而且基本的问题，分割结果的好坏将直接影响到视觉系统的性能。因此从原理、应用和应用效果的评估上深入研究图像分割技术具有十分重要的意义。本课题主要介绍了图像分割的基本知识，研究了图像分割的两大类算法，即基于边缘检测的方法和基于区域生成的方法。采用 MATLAB 仿真了所有分割过程，得到了比较理想的分割结果，并分析了各个算法的优点和不足之处,以及适用于何种图像。基于边缘检测方法种类繁多，主要介绍基于 EDGE 函数、检测微小结构、四叉树分解和阈值分割的方法实现对图像的边缘检测及提取。而基于区域的图像分割方法主要包括区域生长法和分裂-合并分割方法。通过多次的实验过后，总结出一般的图像分割处理可以用 EDGE 函数。而特定的图像应用阈值分割、检测微小结构和四叉树分解比较简单。虽然近年来人们在图像分割方面做了大量的研究工作，但由于尚无通用的分割理论，因此现已提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用的分割算法，有待于进一步解决。图像分割；边缘检测；区域生成；阈值分割关键词：图像分割；边缘检测；区域生成；阈值分割 2

一、前言图像分割是数字图像处理中的一项关键技术，它使得其后的图像分析，识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。由于分割中出现的误差会传播至高层次处理阶段，因此分割的精确程度是至关重要的，多年来一直受到研究人员的高度重视，被认为是计算机视觉中的一个瓶颈。图像分割是图像处理中的主要问题，也是计算机视觉领域低层次视觉中的主要问题，同时它又是一个经典难题。由于问题的重要性和困难性，从七十年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力，但到目前为止还未存在一个通用的方法，也不存在一个判断分割是否成功的客观标准。近几年来，很多研究人员做了大量的工作，提出了很多实用的分割算法，随着统计学理论、模糊集理论、神经网络、形态学理论、小波理论等在图像分割中的应用日渐广泛，遗传算法、尺度空间、多分辨率方法、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，国内外学者提出了不少针对一些具体应用的好的分割方法。本文针对当前主流的灰度图像分割算法进行了分析、分类、归纳和总结，指出了各类方法的优缺点，为人们在不同的应用场合及不同的图像数据条件选择不同的分割算法提供了一定的依据。需要指出的是，由于从不同的角度将得到不同的分类结果，本文中涉及方法的分类并不是绝对的，而且许多分割方法还是多种简单方法的综合体，我们只能大致将它们分为属于最能反映其特点的某一类。 3

二、算法分析与描述图像分割（Image Segmentation）是把图像分割成若干个特定的、具有独特性质的区域并提取出感兴趣的目标的技术和过程。在对图像的研究和应用中，人们往往仅对图像的某些部分感兴趣（目标或背景），他们一般对应图像中的特定的、具有独特性质的区域。为了分析和识别目标，需要将他们分割并提取出来。图像分割是由图像处理转到图像分析的关键。一方面，它是目标图像表达的基础，对特征测量有重要的影响。另一方面，图像分割和分割的目标表达、特征提取和参数测量等将原始图像转化为数学表达形式，使得利用计算机进行图像分析和理解成为可能。本章主要介绍图像分割的基本概念和分割所用的主要方法。图像分割算法的研究一直受到人们的高度重视，到目前为止，提出的分割算法已经多达上千种，由于现有的分割算法粉肠多，所以将它们进行分类的方法也提出了不少。例如有把分割算法分成 3 类的：①边缘检测、②阈值分割③区域生长。 4

三、详细设计过程 3.1 阈值化分割原则阈值化分割原则阈值化分割原则阈值化分割原则阈值化分割算法是图像分割中应用数量最多的一类。简单地说，对灰度图像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，然后将图像中各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（分割）为两类：像素灰度大于阈值的一类，像素灰度值小于阈值的为另一类，灰度值等于阈值的像素可以归如这两类之一。分割后的两类像素一般分属图像的两个不同区域，所以对像素根据阈值分类达到了区域分割的目的。由此可见，阈值分割算法主要有两个步骤：（1）确定需要分割的阈值；（2）将分割以上步骤中，确定阈值阈值与像素点的灰度值比较，以分割图像的像素。是分割的关键，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值比较和像素分割可对像素并行地进行，分割的结果直接给出图像区域。 3.2 区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某些事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。这样一个区域就长成了。 5

四、调试过程中出现的问题及相应解决办法在实际因果能够区域生长方法时需要解决 3 个问题： ① 如何选择一组能正确代表所需区域的种子像素； ② 如何确定在生长过程中能将相邻像素包括进来的准则； ③ 如何确定生长终止的条件和规则。第一个问题通常可以根据具体图像的特点来选取种子像素。例如，在红外图像检测技术中，通常目标的辐射都比较大，所以可以选择图像中最亮的像素作为种子像素。如果没有图像的先验知识，那么可以借助生长准则对像素进行相应的计算。如果计算结果可以看出聚类的情况，那么可以选择聚类中心作为种子像素。第二个问题的解决不但依赖于具体问题的特征，还与图像的数据类型有关。如果图像是 RGB 彩色图像，那么如果使用单色准则就会影响分割结果。另外，还需要考虑像素间的连通性是否有时会出现无意义的分割结果。一般生长过程在进行到再没有满足生长准则需要的像素时停止。但常用的基于灰度、纹理、彩色的准则大都基于图像中的局部性质，并没有充分考虑生长的“历史”。为增加区域，长的能力长需要考虑一些与尺寸、形状等图像和目标的全局性质有关的准则, 在这种情况下需对分割结果建立一定的模型或辅以一定的先验知识。 6

五、程序运行截图及其说明 1.处理前后原图：图 5.1 2.区域生长处理前后: 7

资料库

图像分割程序设计.doc

相关推荐

开发技术

热门标签

最新资料