图像的区域分割与研究

《图像的区域分割与研究》由会员分享，可在线阅读，更多相关《图像的区域分割与研究（7页珍藏版）》请在装配图网上搜索。

1、黑龙江科技大学本科课程设计报告题 目图像的区域分割技术的研究1、 设计目的（题目来源、设计背景及意义）在对图像的研究和应用中，人们往往只对图像中的某些部分感兴趣，这些部分通常称为目标，它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，要将它们分别提取出来,在此基础上才有可能对目标进一步利用。图像区域分割便是提取感兴趣部分的过程1。图像区域分割一直是图像处理领域中的重点和难点，多年来一直得到人们的高度重视。早在50年代中期，计算机视觉理论体系形成以前，人们就开始了图像分割的研究2。在图像分割最初发展的二十年里的分割方法的研究大多只是将图像分割成目标和背景两部分，丢失了许多图像信息

2、。进入八十年代以后，人们进一步研究了多区域分割，将图像分成由多个目标和背景组成的多个区域。而且越来越多的将图像分割技术与许多其它学科和领域,例如数学、物理、心理学、电子学、计算机科学等学科联系起来3。近年来,随着各学科许多新理论和方法的提出，人们也提出了许多结合一些特定理论、方法和工具的分割技术。每当有新的数学工具或方法提出来,人们就试着将其用于图像分割,因而提出了不少特殊的算法,例如基于马尔可夫随机场、数学形态学、遗传算法、模拟退火、小波变换、等理论的分割算法4。多年来，对图像分割的研究一直是图像技术研究中的热点和焦点，很多研究人员为之付出了巨大的努力，人们对其的关注和投入也不断提高。从兴起

3、到现在，图像分割算法得到了不断的改进和创新，在不同的领域也取.得了相当的进展与成就。至今己提出了上千种各种类型的分割算法。图像区域分割是图像处理与机器视觉的基本问题之一，是由图像处理前进到图像分析的关键一步,在图像工程中占有重要的地位和影响。一方面，它是目标表达的基础,对特征测量有重要的影响。另一方面，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5。图像分割的质量直接影响对图像的后续处理，如特征提取、目标识别的效果，所以图像分割被视为图像处理中的瓶颈，具有十分重要的意义6。2、 设计要求（设计任务、实现功能及技术

4、指标）设计任务：（1）学习利用MATLAB编写图像区域分割程序。（2）通过观察经过图像区域分割后的图象效果，加深对图像区域分割物理意义的理解。（3）掌握编程调试方法。实现功能：本设计将利用灰度直方图的方法用MATLAB对图像进行处理实现图像的区域分割，也就是将特定的图像分割成区域内部属性一致而区域间不一致的图像。技术指标：原始图象为128128像素256级灰度图象。分割点为灰度范围的1/3,1/2,2/3、双峰直方图的谷底。3、设计方案（理论分析、设计步骤或方法）图像直方图是图像处理中一种十分重要的图像分析工具，它描述了一幅图像的灰度级内容，任何一幅图像的直方图都包含了丰富的信息，它主要用在图

5、象分割，图像灰度变换等处理过程中7。从数学上来说图像直方图是图像各灰度值统计特性与图像灰度值的函数，它统计一幅图像中各个灰度级出现的次数或概率；从图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵坐标为各个灰度级上图像各个像素点出现的次数或概率8。本设计利用MATLAB软件通过C语言并用直方图方法对图像进行区域分割处理。4、 设计内容（应用的技术原理及具体的实现方法）技术原理：图像区域分割含义是的根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域的过程。这些子区域四某种意义下具有共同属性的像素的连通集合。灰度直方图变换法即是通过变换图像的灰度直方图，这样变换之后直方

6、图就满足了适合阈值法的条件，之后就可以使用双峰法做后续处理了。这种方法的实现是基于像素的局部特征，将比较分散的像素集中处理，因为灰度是影响阈值法的唯一因素，所以我们只要将比较平均或者分散的灰度直方图做集中化处理即可，由于对灰度直方图做了类似聚类的处理，呈现的直方图会表现出很明显的波峰和波谷9。直方图法可以利用像素本身的特点把图像原有的直方图变换成可以明显看出谷底的直方图，这个新的直方图和原始的直方图比较，双峰之间的谷底更深，或者把谷底转换为峰从而更容易检测，这样我们就可以从直方图看出图像的阈值10。例如，因为目标区域的像素点具有一致性和相关性，背景区域就会类似，梯度值比较小。而边界区域因为噪音

7、会有较大的梯度值。使用直方图变换法，就可以根据梯度值加权，梯度值小的像素权加大，梯度值大的像素值减小。这样就可以明显的看出直方图的谷底。阈值分割算法主要有两个步骤：首先就是确定一个阈值T，第二步当然就是把每个像素的灰度级与选定的阈值T进行比较；比较的结果也无非分为大于、小于和等于，我们把图像中灰度值大于T的像素点设为目标点（值为1）其余的像素点设为背景点（值为0），或者我们把他们叫做目标区域和背景区域也可以。用函数也可以表示为： 1 f（x，y）Tf（x，y）=0 f（x，y）T 也就是说当表达式f（x，y）的值为1的时候它所代表的就是目标点，反之值为0着表示背景点。全局分割有多种分割方法，如

8、极小值阈值法、迭代阈值法、最优阈值法、Otsu阈值法、p参数法等等。实际使用时我们可以根据图像像素点的特征来确定我们应该用哪种分割方法。 最小阈值法： 当一幅图像中点状目标与背景之间具有鲜明的对比的时候，这时候我们可以先做出它的直方图，这是我们就可以看到它的直方图就会表现出双峰特点，这时候我们可以选取双峰之间的谷底作为阈值点。我们假设p(z)代表直方图，那么极小点应该要满足：P(z) = 0 且 P(z) 0迭代阈值法：迭代阈值算法如下：(1)首先我们要选定一个初始阈值T1。(2)根据阈值T1我们可以把一幅图像分为两部分，然后在分别求出这两部分的平均灰度值Z1和Z2即最小灰度值和最大灰度值，根

9、据Z1和Z2可以计算出一个新的阈值。T2= Z1+Z2/2。计算T2T1T（T是预先指定的一个很小的正数，这个数也可以是0，也就是说当T2和T1很接近时就可以终止迭代，否则T2T1，重复第(2)步。(3)第(3)步结束后T2就是最佳阈值。最优阈值法: 以上两种方法有时候也会出现误差，我们有可能把目标像素部分错划分为背景部分，也有可能把背景部分误认为是目标部分，而最优阈值法的根本思想就是选取一个阈值使得分割的误差概率最小。实现方法：根据以上的原理，在电脑里选取一张像素为128128、256级灰度的原始灰度图，通过程序用MATLAB对原始灰度图进行处理得到灰度直方图，用双峰法对此做后期处理，选取分

10、割点(阀值选为峰谷)最后再通过程序用MATLAB对图像进行处理将得到分割后到的图像。 5、 仿真方案实现5.1仿真流程图原灰度图MATLAB对图像处理灰度直方图变换阀值选取MATLAB对图像处理分割后图像图1（图像区域分割流程图）5.2仿真程序实现(1)分割点为灰度范围的1/2此图也就是峰谷J=imread(D:shiyantupianhuidutu陈泽铭实验renwu.bmp);figure(1);imshow(J);title(原始图片);figure(2);imhist(J);title(直方图);Inew=im2bw(J,150/255);figure(3);imshow(Inew);

11、title(阈值选为峰谷（也是灰度范围的1/2）);（2）分割点为灰度范围的1/3J=imread( D:shiyantupianhuidutu陈泽铭实验renwu.bmp );figure(1);imshow(J);title(原始图片);figure(2);imhist(J);title(直方图);Inew=im2bw(J,110/255);figure(3);imshow(Inew);title(阈值选为峰谷（也是灰度范围的1/3）);（3）分割点为灰度范围的2/3J=imread( D:shiyantupianhuidutu陈泽铭实验renwu.bmp );figure(1);imsh

12、ow(J);title(原始图片);figure(2);imhist(J);title(直方图);Inew=im2bw(J,190/255);figure(3);imshow(Inew);title(阈值选为峰谷（也是灰度范围的2/3）);6、调试及仿真结果通过分析，编出算法后，用matlab6.5实现，实验结果如下所示：首先我们用matlab通过imread函数读入原始图像，原始图像如下图所示，用matlab运行我们编写好的程序，就可以得到分割后的图像以及直方图；下面将待处理的图片和处理过的图片进行对比（1）分割点为灰度范围的1/2此图也就是峰谷图2（分割点为灰度范围的1/2此图也就是峰谷）

13、（2）分割点为灰度范围的1/3 图3（分割点为灰度范围的1/3）（3）分割点为灰度范围的2/3图4（分割点为灰度范围的2/3）7、设计结论及心得这次课程设计，我在MATLAB软件上通过程序用直方图的方法成功将原始灰度图像进行了区域分割，得到了一个分割后的图像。在这次设计中我不仅仅了解了图像区域分割方面的基本知识和基本的理论，在学习图像分割知识的过程中对自己原有的那部分图像知识也有了进一步的巩固，在新知识的学习过程中，编程能力也得到了提高。另外在课程设计过程中对自己以前学过的知识进行了一个系统的整理和回顾，为我以后的工作打下了坚固的基础。8、参考文献1章毓晋.图象分割M. 北京：科学出版社,20

14、112闫敬文.数字图像处理:MATLAB版M.国防工业出版,2007.3Perez A, Gonzalez R C. An iterative thresholding algorithm for image segmentation.IEEE Trans，2012；PAMI-9(6):742-751.4Yanowitz S D,Bruckstein A M.A new method for image segmentation.In: Proc 9ICPR,2006:270-275.5章毓晋.图像工程M北京：清华大学出版社，20096于新文.几种图像分割算法在棉铃虫图像处理中的应用J.中国农

15、业大学学报 .2011.67Otsu N. Discriminant and least square threshold selection. In: Proc 4IJCPR,2008:592-596.8刘翠艳.基于MATLAB 的图像处理方法及分析J电脑与电信，2009（4）：84-869Rafael C.等.数字图像处理：MATLAB 版M北京：电子工业出版社，200510W.Y.Ma and B.S.Manjunath.”Edge flow:a framework of boundary detection and image segmentation”Pro.of CVPR,pp 744-49,2007.指导教师意见：教师签字或盖章： 年 月 日教研室主任意见: 教研室主任签字或盖章：年 月 日