迭代阈值法(共14页)

《迭代阈值法(共14页)》由会员分享，可在线阅读，更多相关《迭代阈值法(共14页)（14页珍藏版）》请在装配图网上搜索。

1、摘 要数字图像处理的目的之一是图像识别, 而图像分割是图像识别工作的基础。图像分割是指把图像分解成具有特性的区域并提取出感兴趣目标的技术和过程，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。图像分割的算法有阈值分割法，边缘检测法，区域分割等，本设计重点介绍了基于最小点阈值方法，基于最优阈值分割方法，基于迭代图像分割方法，最大类间方差法（OTSU）的图像分割法的原理和他们的MATLAB的实现代码与运行结果。关键词：图像分割； MATLAB； 阈值分割

2、；目 录迭代阈值法1 课程设计目的本设计的课题任务是掌握图像阈值分割算法研究，实现对图像的分割。了解图像分割的应用及基本方法，理解阈值化图像分割原理，理解三类典型的阈值化分割算法，并利用之进行图像分割，给出实验结果并做出分析。2 课程设计要求 查阅相关资料； 理解基于各像素值的阈值分割算法，基于区域性质的阈值分割算法, 基于坐标位置的阈值分割算法1；软件编程实现利用基于各像素值的阈值分割算法进行图像分割，要求完成如下内容：包括极小值点阈值、最优阈值、迭代阈值，基于最大方差的阈值，基于最大熵的阈值等方法，利用之实现图像分割，这里的图像可以针对核磁共振图像（MRI）2 用MATLAB实现，并观察各

3、算法之间的区别。3 相关知识3.1 图像分割的概述 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来，在此基础上才有可能对目标进一步利用。就是指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区域3。现有的图像分割算法有：阈值分割、边缘检测和区域提取法。本文着重研究基于的图像分割技术。 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个

4、互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术3。已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目

5、标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割4；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产中，机器视觉运用于产品质量检测等等。在这些应用中，分割是对图像进一步分析、识别的前提，分割的准确性将直接影响后续任务的有效性，其中阈值的选取是图像阈值分割方法中的关键技术。3.2 阈值分割的基本原理图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之

6、前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性5。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。 阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像像素点分为若干类常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征设原始图像为f(x，y)，按照一定的准则在f(x，y)中找到特征值T，将图像分割为两个部分，分割后的图像为 : gx,y=b0, &fx,ydelamax delamax=

7、dela(k); threshold=k-1; endendBW1=im2bw(I,threshold/255); %阈值分割figureimshow(BW1),title(自编程序运行结果)%显示图片disp(自编程序求的的阈值：)%显示提示信息disp(threshold) %显示结果%调用系统函数OTSU阈值分割level=graythresh(I);%调用系统函数计算阈值BW2=im2bw(I,level); %阈值分割figureimshow(BW2),title(调用库函数运行结果)level=round(level*255);disp(调用库函数求得的阈值：)disp(level

8、)%全局阈值function fun2(I) %阈值分割程序 width height=size(I);%获取图片宽高th=input(请输入阈值:);for i=1:width for j=1:height if(I(i,j)th) %灰度小于阈值时则为黑色 BW1(i,j)=0; else % 灰度大于等于阈值时则为白色 BW1(i,j)=1; end endendfigureimshow(BW1),title(全局阈值) %迭代法function fun3(I) %迭代法求阈值J=double(I); T=(min(J(:)+max(J(:)/2; %T的初始阈值done=false;

9、%done 的初始值为falsei=0;while done %当done为false是则执行循环 r1=find(JT); %找出大于T的所有像素点索引值 Tnew=(mean(J(r1)+mean(J(r2)/2; %计算新的阈值 done=abs(Tnew-T)1; %判断|T2-T1|是否小于T0 T=Tnew; i=i+1;endJ(r1)=0; %小于等于阈值的为黑J(r2)=1 ; %大于阈值的为白figureimshow(J),title(迭代法求阈值)function yuantu(I) %显示原图figureimshow(I);title(原图)6 结果与分析图 6.1 原

10、图，自编程结果图，调用库函数图不同阈值的全局阈值图，迭代法求阈值图的比较结果分析：调用系统函数与自编的程序求得的阈值一样，处理的结果完全一样。手动输入阈值分割的话输入的阈值不同处理的结果也不一样，阈值差别越大图像的区别越明显但如果输入的阈值和OTSU算出的阈值一样，处理结果就完全一样。另外采用迭代法，通过多次用不同的图片处理发现算出的阈值和最大类间方差法基本一样，但有时会有误差，处理结果基本一样。 结束语 通过本学期对数字图像处理的学习，在老师的指导下，对选取的图像进行迭代阈值法的处理得到处理结果，并对结果进行分析。这个过程分为三步：第一步：熟悉所运用的仿真软件MATLAB，查阅相关资料了数字

11、图像处理中的迭代阈值法的原理。第二步：设计相应的程序并选取合适的图像，运用仿真软件对图像进行仿真处理，从而得到处理结果。第三步：对得到的处理结果进行分析，比较不同的迭代法的优缺点，加深对这种方法的理解。通过这个课程设计的学习，使我对数字图像处理的理解更加深刻了。数字图像处理和我们的生活息息相关，理解它就是理解生活，同时我也感受到老师对我们学习科学知识的重要性，并且明白想要知道更多的东西就要在动脑的同时多动手进行实践，帮助我们去理解，即理论与实际相结合。 参考文献1 王家文.MATLA.图形图像处理M.北京，国防工业出版社.2001:12-17:30-552 甲永红.数字图像处理M .武汉，武汉大学出版社.2011:71-84.:25-683 李红梅.二值图像的阈值分割方法探讨J .上海，科技经济市 场.2007:38-42:68-794 刘刚. MATLAB数字图像处理M.北京，机械工业出版社.2010：34-45.:128-2055张强, 王正林.精通MATLAB图像处理. 电子工业出版社，1997:99-1066陈怀琛.MATLAB及其在课程中的应用指南. 西安电子科技大学出版社，2000:256-3067朱习军.MATLAB在信号与系统与图象处理中的应用. 电子工业出版社，2002:78-109