占三建论文(定稿).doc

装订线 本科生毕业论文（设计） 题目： 基于MATLAB的图像分割研究 系 部 物理与电子工程系 专 业 电子信息工程（专升本） 学 号 0908211056 姓 名 占三建 指导教师 周元元 2011年 5 月 19 日摘 要近年来，由于计算机技术的迅猛发展，计算机的速度越来越快，图像处理系统的价格日益下降，从而使图像处理得以广泛应用于众多的科学与工程领域。自然景物一般由多个目标组成，这些目标反映在图像中就是众多的区域，每个区域可以理解成具有某种意义的最小单元。图像分析中图像分割的任务就是把图像分成互不交叠的有意义的区域，以便进一步的处理、分析、应用。本文主要介绍图像分割技术，并相关算法实现。图像分割是由图像处理过渡到图像分析的关键步骤,在图像工程中占据重要的位置。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,并且应用Matlab进行了仿真实验,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下选择不同的分割算法提供了一定的依据。关键词：图像工程 图像分割 图像边缘检测 计算机仿真ABSTRACTIn recent years, because of the rapid development of computer technology, the speed of computer is faster and faster, The price of image processing system as been increasingly declined, so image processing were widely used in many fields of science and engineering.The natural scenery is composed by multiple targets generally, these goals reflected in image are a lot of areas, and each area can be interpreted as the smallest unit of certain significance. The task of image segmentation is to fold each image into meaningful area, in order to further processing, analysis and applications. This paper mainly introduced image segmentation technology, and related algorithm.Image segmentation is the key steps of the process of image processing transition to image analysis, play an important role in the image project. The current mainstream grayscale image segmentation algorithm is analyzed, classification, conclude and summarized in the paper, and the application of matlab simulation experiment, points out the advantages and disadvantages of various methods, provides certain basis for choosing different segmentation algorithm for people in different applications and different image data condition Key words：Image Engineering Image segmentation Edge Detection Computer Simulation目 录一 MATLAB简介11.1 MATLAB的概况11.2 MATLAB的语言特点1二 数字图像基础简介32.1 图像的基本概念及其特点32.2 图像的格式32.2.1 BMP图像格式42.2.2 JPEG图像格式42.2.3 TIFF图像格式42.2.4 GIF图像格式42.2.5 PNG图像格式5三 边缘检测63.1 梯度算子63.2 Laplacian算子63.3 Log算子83.4 Canny算子8四 图像分割104.1 图像分割算法的定义与分类104.2 基于阈值的分割114.2.1 边沿检测算子114.2.2 阈值分割134.2.3 基于MATLAB的图像分割研究14五 总结与展望16结 束 语17致 谢18一 Matlab简介1.1 MATLAB的概况MATLAB是矩阵实验室（MatrixLaboratory）之意。除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。MATLAB的基本数据单位是矩阵，它的指令表达式与数学,工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完相同的事情简捷得多.当前流行的MATLAB包括拥有数百个内部函数的主包和三十几种工具包(Toolbox).工具包又可以分为功能性工具包和学科工具包.功能工具包用来扩充MATLAB的符号计算,可视化建模仿真,文字处理及实时控制等功能.学科工具包是专业性比较强的工具包,控制工具包,信号处理工具包,通信工具包等都属于此类.开放性使MATLAB广受用户欢迎.除内部函数外,所有MATLAB主包文件和各种工具包都是可读可修改的文件,用户通过对源程序的修改或加入自己编写程序构造新的专用工具包.1.2 MATLAB的语言特点一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点，正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB最突出的特点就是简洁。MATLAB用更直观的，符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观，最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点1。1. 语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用起丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用MATLAB进行科技开发是站在专家的肩膀上。更为难能可贵的是，MATLAB甚至具有一定的智能水平，所以用户根本不用怀疑MATLAB的准确性。2. 运算符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短。 3. MATLAB既具有结构化的控制语句（如for循环，while循环，break语句和if语句），又有面向对象编程的特性。 4. 程序限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵预定义就可使用。 5. 程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。 6. MATLAB的图形功能强大。在FORTRAN和C语言里，绘图都很不容易，但在MATLAB里，数据的可视化非常简单。MATLAB还具有较强的编辑图形界面的能力。 7. MATLAB的缺点是，它和其他高级程序相比，程序的执行速度较慢。由于MATLAB的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。 8. 功能强大的工具箱是MATLAB的另一特色。MATLAB包含两个部分：核心部分和各种可选的工具箱。核心部分中有数百个核心内部函数。其工具箱又分为两类：功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能，图示建模仿真功能，文字处理功能以及与硬件实时交互功能。功能性工具箱用于多种学科。而学科性工具箱是专业性比较强的，如control,toolbox,signl proceessing toolbox,commumnication toolbox等1。这些工具箱都是由该领域内学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高，精，尖的研究。 9. 源程序的开放性。开放性也许是MATLAB最受人们欢迎的特点。除内部函数以外，所有MATLAB的核心文件和工具箱文件都是可读可改的源文件，用户可通过对源文件的修改以及加入自己的文件构成新的工具箱。二 数字图像基础简介图像处理的首要一步，就是要了解图像的基本性质与特点。只有充分了解和掌握了所要处理得图像的特点和性质，才能在接下来的处理中根据图像的特点获取所需的信息，并对其进行相应的处理。本章将介绍数字图像的基础知识，以及图像在计算机处理中的信息表达形式，并对几种常用的图像文件格式Bmp, Jpeg以及Png等做简要的介绍。2.1 图像的基本概念及其特点 要对图像进行处理，必须清楚图像的概念。一般来说，二维或三维景物呈现在人眼中的样子就是图像。图像具有以下三个方面的特点: 像带有大量的信息，一幅图像顶得上千言万语； 图像种类繁多，包括照片、绘图视频图像等； 类从外界获得的大部分信息来自视觉系统。人们看到的任何自然界的图像都是连续的模拟图像。其形状和形态表现由图像各位置的颜色来决定。可以用表示一幅模拟图像，其中x, y表示空间坐标点的位置，表示图像在点(x, y)的某种性质的数值，如亮度、颜色等，、x、y可以是任意的实数。而把连续空间的图像在坐标空间(X, Y)和性质空间F都离散化，以便于计算机进行加工处理的离散化的图像则称为数字图像。数字图像用来表示，其中:为行，为列，表示空间离散点的坐标，I表示离散化的图像f。I, r, c都是整数1。实际中仍习惯用表示数字图像。图像存储画面的形式为栅格结构：即将图像划分为均匀分布的栅格(像素)，显式的记录每一像素的亮度和颜色；而将像素的坐标值规则地隐含起来，其位置排列规则，通常为矩形排列。2.2 图像的格式组成数字图像的基本单位称为像素(Pixel)，把像素按不同的方式进行组织和存储，就得到不同的图像格式；把图像数据存为文件就得到图像文件。图像文件按其格式的不同一般具有不同的扩展名。常用的图像文件格式有位图文件、JPEG文件、GIF文件、PNG文件等。每一种格式都有它的特点和用途，在选择输出的图像文件格式时，应考虑图像的应用目的以及图像文件格式对图像数据类型的要求。下面我们介绍几种常用的图像文件格式及其特点。2.2.1 BMP图像格式这是一种DOS和Windows兼容计算机系统的标准图像格式。BMP格式支持索引色、灰度等色彩模式。图像存储为BMP格式时，每一个像素所占的位数可以是1位、4位、8位或32位，相对应的颜色数也从黑白一直到真彩色。对于使用Windows格式的4位和8位图像，可以指定采用RLE压缩。BMP图像文件含文件头、调色板数据和图像数据三个层次。这种格式在PC机上应用非常普遍。2.2.2 JPEG图像格式JPEG是由联合照片专家组(Joint Photo graphic Experts Group)开发的一种图像文件格式。它采用有损压缩方式去除冗余的图像和彩色数据，在获取极高的压缩率的同时也能展现十分丰富生动的图像。也就是说，可以用较少的磁盘空间得到较好的图像质。另外，JPEG还是一种比较灵活的格式，当将图像保存为JPEG格式时，允许用户用不同的压缩比例对文件进行压缩，就是可以指定图像的品质和压缩级别。2.2.3 TIFF图像格式TIFF文件主要由三部份组成，包括文件头、标识信息区和图像数据区。T工FF文件的图像数据区以行扫描的方式存取图像，存储图像前先将图像分割成若干部分，压缩后再存储。存储时，单色图像一个字节存储8个点，16色图像一个字节2个点，而256色图像就是一个字节存储一个点。TIFF图像格式是一种应用非常广泛的位图图像格式，几乎被所有绘画、图像编辑和页面排版应用程序所支持。TIFF格式常常用于在应用程序之间和计算机平台之间交换文件。2.2.4 GIF图像格式CIF是Graphics Interchange Format(图形交换格式)的缩写，是由ComputerServe公司推出的一种图像格式。该种图像格式的特点是压缩比高，可以极大地节省存储空间。最初的GIF只是简单的用来存储单幅静止图像，后来可以同时存储若干幅静止图像从而形成连续的动画；同时，GIF格式支持透明背景，可以较好地与网页背景融合在一起2。因此，GIF常常用于保存作为网页数据进行传输的图像文件，成为网络和BBS上使用频率较高的一种图像文件格式。但是GIF最多只能处理256种色彩，不能用于存储真彩色的图像文件。2.2.5 PNG图像格式这种格式称为可移植网络图像文件格式(Portable Network Graphics)，由Thomas Boutell, Tom Lan。等人提出并设计。其特点是:支持48位真彩色图像、16位灰度图像和颜色索引数据图像；主要面向网络图像传输和图像编辑，其提供的二维交叉存储机制使用户在图像网络传输过程中能更快的观察到接近真实的近似图像；对用户完全透明且无专利限制，用户可以从Internet上随时下载与PNG文件格式配套的图像数据压缩算法源程序代码： 具有比GIF高5-20%的压缩效率； 具有可扩展性。作为目前最不失真的图像格式，PNG格式图像吸取了GIF和JPEG二者的优点。它可以把文件压缩到极限以利于网络传输，但由于采用无损压缩方式来减少文件大小，PNG格式能保留所有与图像品质有关的信息。同时，PNG支持图像背景透明，显示速度快2。三 边缘检测图像的边缘信息是重要的图像特征信息，因此边缘检测的方法是图像分析与识别领域中的一个十分引人关注的课题。所谓边缘，是指其周围像素灰度有变化的那些像素集合。图像中目标边缘是由灰度不连续反映的，边缘的种类可以粗略的分为两种：1.阶跃性边缘，它两边的像素的灰度值有显著的不同。2.屋顶状边缘，它位于灰度值从增加到减少的变化转折点。3.1 梯度算子 首先我想谈谈场这个在物理学中非常基本的概念。我们所说的场是指取决于空间位置的一个量。最可能简单的一种物理场是标量场，所谓标量场，是指每点仅有一个单独数量一个标量所标志的那种场。当然这个数量还可随时间而变，不过眼下我们还无需为此操心。我们将只谈论在某一特定时刻，场看来是个什么样子。作为标量场的一个例子，你可以考虑一块固体材料，其中某些地方受热而另一些地方受冷，使得该物体的温度以一种复杂方式逐点改变。于是温度将是从某个迪卡尔坐标系上量得的代表空间每一位置的函数。可见温度是一标量场。另一个常见的例子则是势场。还有一种场叫做矢量场，意义也十分简单。就是在空间每一点给出一个矢量，这个矢量逐点变化。作为一个例子，可考虑一个旋转物体。在每点上物体中原子的速度便是位置函数的矢量。作为第二个例子，考虑在一块材料中的热流。如果某处的温度高于另一处的，热量就会从较热处流至较冷处。在材料中的不同位置热量将朝不同的方向流动，这一热流就是一个矢量场2。当场随时间变化时，可通过给出场对时间的微商来加以描述。我们希望也按同样办法来描述场对空间的变化，因为对于例如或者相邻两点之间的温度或者势能关系我们是感兴趣的。值得注意的是，对任一标量场，由于有这三种微商，而我们又知道要形成一个矢量需要三个数量，也许这三个微商就是一个矢量的分量2！3.2 Laplacian算子Laplacian 算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度的散度。因此如果f是二阶可微的实函数，则f的拉普拉斯算子定义为：(1) f的拉普拉斯算子也是笛卡儿坐标系xi中的所有非混合二阶偏导数：(2) 作为一个二阶微分算子，拉普拉斯算子把C函数映射到C函数，对于。表达式(1)（或(2)）定义了一个算子 : C(R) C(R)，或更一般地，定义了一个算子 : C() C()，对于任何开集2。对于阶跃状边缘，魂不附体导数在边缘点出现零交叉，即边缘点两旁二阶导数取异号。据此，对数字图像的每个像素，取它关于x轴方向和y轴方向的二阶差分之和。函数的拉普拉斯算子也是该函数的黑塞矩阵的迹,可以证明，它具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变。如果邻域系统是4 邻域，Laplacian 算子的模板为：0101-41010如果邻域系统是8 邻域，Laplacian 算子的模板为：1111-81111前面提过，Laplacian 算子对噪声比较敏感，所以图像一般先经过平滑处理，因为平滑处理也是用模板进行的，所以，通常的分割算法都是把Laplacian 算子和平滑算子结合起来生成一个新的模板。结果对比如图3-1。图 3-1对比结果3.3 Log算子由于噪声点（灰度与周围点相差很大的象素点）对边缘检测有一定的影响所以效果更好的边缘检测器是LOG算子，也就是Laplacian-Gauss算子。它把的Gauss平滑滤波器和Laplacian锐化滤波器结合了起来，先平滑掉噪声，再进行边缘检测，所以效果会更好。常用的LOG算子是5×5的模板到中心的距离与位置加权系数的关系曲线象墨西哥草帽的剖面，所以LOG算子也叫墨西哥草帽滤波器。3.4 Canny算子坎尼（Canny）边缘检测算子在灰度图像中得到广泛应用。根据边缘检测的有效性和定位的可靠性，坎尼研究了最优边缘检测器所需的特性，推导出最优边缘检测器的数学表达式。对于各种类型的边缘，坎尼边缘检测算子的最优形式是不同的。坎尼推导的一维边缘检测器与一维M-H边缘检测器几乎是一样的，因为一阶导数算子的最大值和M-H算子的零交叉是一致的3。然而，在二维情况下，坎尼算子的方向性质使边缘检测和定位性能比M-H算子要好，具有更好的边缘强度估计，而且能产生边缘梯度方向和强度两个信息，为后续提供了方便。坎尼给出了评价边缘检测性能优劣的三个指标：好的信噪比，即将非边缘点判为边缘点的概率要低，将边缘点判为非边缘点的概率要低；好的定位性能，即检测出的边缘点要尽可能在实际边缘的中心；对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假边缘响应应得到最大抑制。坎尼首次将上述判据用数学的形式表示出来，然后采用最优化数值方法，得到了对应给定边缘类型的最佳边缘检测模板。对于二维图像，需要使用若干方向的模板分别对图像进行卷积处理，再取最可能的边缘方向。坎尼的分析针对的是一维边缘，对于阶跃形的边缘，坎尼推导出的最优边缘检测器的形状与高斯函数的一阶导数类似，利用二维高斯函数的圆对称性和可分解性，我们可以很容易计算高斯函数在任一方向上的方向导数与图像的卷积。因此，在实际应用中可以选取高斯函数的一阶导数作为阶跃形边缘的次最优检测算子4。下面推导二维次最优阶跃边缘检测算子的数学表达式。设二维高斯函数为 (1)在某一方向n上 (2)式中 是方向矢量，是梯度矢量。我们将图像与作卷积，同时改变的方向，取得最大值时的就间下交于检测边缘的方向。Canny所提出的边缘检测方法类似于Marr边缘检测方法，也是属于先平滑然后求导数的方法。Canny方法8由下列步骤实现：1. 图像平滑Canny建议用以下的高斯函数进行图像平滑高斯函数： (3)图像卷积： (4)其中：是一个尺度参数，越小，则函数越“集中”，即仅在一个很小的局部范围内平滑，越大，则表示图像在一个较大的范围内进行平滑，I(x,y)为原始图像5。2边缘点定位Canny指出用梯度方向的二阶导数的零交叉作为判别边缘点的准则。若该点满足下列条件，则该点为边缘点： (5)其中：为平滑的梯度方向： (6)3边缘强度若某像素满足边缘定位条件，则该像素的边缘强度为： (7)四 图像分割4.1 图像分割算法的定义在图像的研究和应用中，人们往往只对一幅图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域（可以对应单个区域，也可以对应多个区域），称之为目标或前景；而其它部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。所谓图像分割，从广义上来讲，是根据图像的某些特征或特征集合（包括灰度、颜色、纹理等）的相似性准则对图像象素进行分组聚类，把图像平面划分成若干个具有某些一致性的不重叠区域。这使得同一区域中的象素特征是类似的，即具有一致性；而不同区域间象素的特征存在突变，即具有非一致性。从集合的角度出发，图像分割定义设整个图像空间为一集合R 6。根据选定的一致性准则P ，R 被划分为互不重叠的非空子集（或子区域）：R1, R2,L, Rn，这些子集必须满足下述条件（1） R为互不重叠的非空子集（或子区域）（2） 对于所有的i和j ，当，p=空集（3） P(Ri) = True ,对所有的i（4） 所有；Ri ,Rj相邻，（5） 对i =1,2,L,n, Ri是连通区域其中：P(Ri)为作用于Ri 中所有象素的形似性逻辑谓词，i, j =1,2,L,n。上述条件（1）指出分割后的全部子区域的总和应包含图像中的所有元素，或者说分割应将图像中每个象素都分进一个子区域中。（2）指出各个子区域相互不重叠。（3）指出分割后得到的属于同一区域中的元素应该具有某种相同特性。（4）指出对于分割后得到的属于相邻两个区域中的元素具有某种不同的特性。（5）要求同一个子区域内的元素应当是连通的。其中分割准则P 适用于所有象素，由它来确定各区域元素的相同特性。上述数学条件说明了图像分割算法的一些特点，凡不符合以上特点的图像处理算法则不能称为图像分割算法。目前，在己提出的多种类型的分割算法中，大致可以分为基于边缘检测的方法和基于区域的方法。而在实际应用中，这些方法主要又可划分为三种类型: 边缘检测型、阈值型和区域跟踪型7。本文的讨论正是基于阈值型图像分割方法展开的。4.2 基于阈值的分割4.2.1 边沿检测算子经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法。边缘检测的基本思想是通过检测每个像元和其邻域的状态，以决定该像元是否位于一个物体的边界上。如果每一个像元位于一个物体的边界上，则其邻域像元灰度值的变化就比较大。假如可以应用某种算法检测出这种变化并进行量化表示，那么就可以确定物体的边界6。常用的边缘检测算子主要有：索贝尔（Sobel）边缘算子、罗伯特（Roberts）边缘算子、Prewitt边缘算子、拉普拉斯（Laplacian）边缘算子、高斯-拉普拉斯（Laplacian of Gaussian）边缘算子和坎尼（Canny）边缘算子8。1、索贝尔（Sobel）边缘算子。索贝尔算子是一组方向算子，从不同的方向检测边缘。索贝尔算子不是简单求平均再差分，而是加强了中心像素上下左右四个方向像素的权重，运算结果是一幅边缘图像。该算子通常有下列计算公式表示： （8） （9） （10）式中、分别表示x方向和y方向的一阶微分，为Sobel算子的梯度，是具有整数像素坐标的输入图像。求出梯度后，可设定一个常数，当>时，标出该点为边界点，其像素值设定为0，其它的设定为255，适当调整常数的大小来达到最佳效果。索贝尔（Sobel）算子通常对灰度渐变和噪声较多的图像处理得较好8。2、Prewitt边缘算子。Prewitt边缘算子是一种边缘样板算子，利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘，对噪声具有平滑作用。由于边缘点像素的灰度值与其邻域点像素的灰度值有显著不同，在实际应用中通常采用微分算子和模板匹配方法检测图像的边缘7。该算子通常有下列计算公式表示： （11） （12） （13）式中、分别表示x方向和y方向的一阶微分，为Prewitt算子的梯度，是具有整数像素坐标的输入图像，。求出梯度后，可设定一个常数，当>时，标出该点为边界点，其像素值设定为0，其它的设定为255，适当调整常数的大小来达到最佳效果9。Prewitt算子不仅能检测边缘点，而且能抑制噪声的影响，因此对灰度和噪声较多的图像处理得较好。3、坎尼（Canny）边缘算子。坎尼算子是一类最优边缘检测算子，它在许多图像处理领域得到了广泛应用。Canny考核边缘检测算子的指标是：（1）低误判率，即尽可能地把边缘点误认为是非边缘点；（2）高定位精度，即准确地把边缘点定位在灰度变化最大的像素上；（3）抑制虚假边缘9。Canny从这三项指标出发，推导出了最佳边缘检测算子-Canny边缘算子。该算子的基本思想是：先对处理的图像选择一定的Guass滤波器进行平滑滤波，抑制图像噪声；然后采用一种称之为“非极值抑制”(Nonmaxima Suppression)的技术，细化平滑后的图像梯度幅值矩阵，寻找图像中的可能边缘点；最后利用双门限检测通过双阈值递归寻找图像边缘点，实现边缘提取。Canny方法也使用拉普拉斯算子，该方法与其它边缘检测方法的不同之处在于，它使用2种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘与强边缘相连时才将弱边缘包含在输出图像中，因此这种方法较其它方法而言不容易被噪声“填充”，更容易检查出真正的弱边缘。4、罗伯特（Roberts）边缘算子。罗伯特（Roberts）边缘算子是一种斜向偏差分的梯度计算方法，梯度的大小代表边缘的强度，梯度的方向与边缘走向垂直。该算子通常有下列计算公式表示： （14）式中是具有整数像素坐标的输入图像，平方根运算使该处理类似于在人类视觉系统中发生的过程，罗伯特（Roberts）操作实际上是求旋转±45°两个方向上微分值的和。罗伯特（Roberts）边缘算子定位精度高，在水平和垂直方向效果较好，但对噪声敏感。4.2.2 阈值分割1、自适应阈值。在许多的情况下，背景的灰度值并不是常数。物体和背景的对比度在图像中也有变化。这时，一个在图像中某一区域效果良好的阈值在其它区域却可能效果很差。在这种情况下，把灰度阈值取成一个随图像中位置缓慢变化的函数值是适宜的。2、分水岭算法。图4-2说明了这种方法的工作机理。假定图中的物体灰度值低，而背景的灰度值高。该图显示了沿一条扫描线的灰度分布，该线穿过两个靠得很近的物体。图 4-1分水岭算祛图像最初在一个低灰度值上二值化。该灰度值把图像分割成正确数目的物体，但它们的边界偏向物体内部。随后阈值逐渐增加，每一次增加一个灰度级。物体的边界将随着四值增加而扩展。当边界相互接触时，这些物体并没有合并。因此，这些初次接触的点变成了相邻物体间的最终边界。这个过程在阈值达到背景的灰度级之前终止11。也就是说，在被恰当分割的物体的边界正确地确定时终止。分水岭算法不是简单地将图像在最佳灰度级进行阈值处理，而是从一个偏低但仍然能正确分割各个物体的阈值开始。然后随着阈值逐渐上升到最佳值，使各个物体不会被合并。这个方法可以解决那些由于物体靠得太近而不能用全局阈值解决的问题。只要也只有所采用最初的阈值进行分割的结果是正确的，那么，最后的分割也是正确的12。也就是说，图像中每个实际物体都有相应的边界。最初和最终的阈值灰度级都必须很好地选取。如果初始的阈值太低，那么低对比度的物体开始时会被丢失，然后随着阈值的增加就会和相邻的物体合并。如果初始阈值太高，物体一开始便会被合井。最终的阈值决定了最后的边界与实际物体的吻合程度。这一章中讨论的阈值选择方法在确定这两个值时很有用13。4.2.3 基于MATLAB的图像分割研究本文利用MATLAB软件开了一个GUI平台，该平台融合了边缘检测和阈值分割的相关算法。该平台运行时程序主界面如下所示：最左边是显示的是原始的图像，下方是按钮，可以选择引入图片，以及退出该程序。 图 4-2GUI主界面当导入图片之后，可以通过鼠标来选择相应的算法，之后算法开始运行，运行结束之后可以在对应的效果。 图 4-3GUI运行下的主界面图像分割与测量是图像识别工作的基础，图像分割将图像分为一些有意义的区域，如何选取阈值是图像能否正确分割的关键，本文介绍了阈值选取和边缘检测的方法。并对相关的边缘检测和阈值分割算法进行了仿真10。五 总结与展望5.1 总结图像分割是图像处理的一个极其重要的部分，在实际生活中已得到了广泛的应用，并涉及各种类型的图像，包括工业，精密仪器等，农业，医学医疗。在这些应用中，图像分割通常是为了进一步对图像进行分析、识别处理，分割的准确性直接影响后续任务的有效性和正确性，因此具有十分重要的意义。图像分割就是将图像分为各具特色的区域并提取出前景的技术和过程，通常前景的边界是我们感兴趣的对象，如果我们能检测出这些边缘，就可以提取出前景。这种基于边缘的图像分割，也被称为边缘检测。5.2 展望本文对图像分割中的一些问题进行了粗浅的讨论和尝试，还有许多需要进一步改进的地方：1 噪声问题一直是影响图像分割质量一个主要因素，平滑可以消除噪音，但是也会使边界信息损失，小尺度的滤波器，有可能平滑不完全而留有太多的噪声，大尺度滤波器在平滑相互邻近的两个边缘时，可能会将它们连在一起，这样只能检测出一个边缘。因此，在不知道物体尺度和位置的情况下，很难准确确定滤波器的尺度。使用多尺度滤波模板并在滤波器的不同尺度上分析边沿特性的方法仍在研究中，这些方法的基本思想是，通过使用大尺度滤波模板产生精确定位边缘的特性，来检测出图像的最佳边缘。2 我们不能期望用一种检测算子就能最佳检测出发生在图像上的所有特性变化。当需要提取不同特性变化的边缘时，要考虑多种算子的综合应用。3 在正确检测边缘的基础上，要考虑精确定位的问题。由于图像分割本身的重要性和难度的挑战性，吸引了很多的学者和研究人员。图像本身存在许多不确定性和不精确性，虽然几乎自数字图像处理问世不久就开始了图像分割的研究，吸引了很多研究人员为之付出了巨大的努力，在不同的领域也取得了相当的进展与成就，但是人们至今还一直在努力发展新的、更有潜力的分割算法，以期实现更通用、更完美的分割结果。结 束 语经过这一学期的努力，将我这学期的成果都总价在了本论文中。在大学这几年的学习中，使我积累了很多知识。为了对我大学所学知识有一个更好的了解和巩固，特此，我选择该题目作为我的毕业设计题目。该题目与我所学的知识基本相吻合，可以检测出我所学的知识是否到位，并且能了解我的掌握和运用情况。同时通过这个题目，自己的实践动手、动笔能力得到锻炼，增强了跨入社会去竞争，去创造的自信心。完成该设计也是从知识转向能力的一个很好的过程，能让我在其中发现自己的不足，哪些方面需要补充，哪些方面有待于强化，同时在自己动手制作的时候，能够培养我严谨、认真工作的工作态度，这对我在社会生活中有着不可多得的帮助。在做这项毕业设计时，还使我掌握了文献检索、资料查询的基本方法以及获取新知识的能力。同时也训练和提高了我对MATLAB的图像分割的认识。在毕业设计的最后所进行的答辩也能很好的培养我口述的能力，从而让我进入社会需要这项能力的时候，有着很好的自信心。更好的为个人职业规划做好准备。致 谢经过母校这些年来的文化熏陶，在校领导关心，老师的辛勤培育教导下，让我掌握了知识技能，懂得了人生，使我的理想更远大视野更开阔。正是在大学里学到的知识让我在工作中给于我很大的帮助，让我跟更加快速的解决工作中的问题。我要特别感谢指导老师周老师对我的帮助。正是周老师的指导，使我能够及时、顺利地完成此次的毕业设计。同时，也要感谢我的老师和同学们及工作企业在本次毕业设计过程中给予我的支持和帮助。参考文献1.刘刚.MATLAB数字图像处理.北京：机械工业出版社,2010.5:47-49.2.李朝晖.数字图像处理及应用M.北京：机械工业出版社,2004:14-15.3.朱秀昌，刘峰，胡栋.数字图像处理与图像通信M.北京：清华大学出版社,2006:23-24.4.张瑞丰.精通MATLAB 6.5M.北京：中国水利水电出版社,2004:35-36.5.高成,等. MATLAB数字图像处理与应用M.2版.北京：国防工业出版社,2007。45-476.王爱民,沈兰荪.图像分割研究综述J.测控技术,2000,19(5):62-65.7.岳海萍.利用Mat lab进行数字图像的边缘检测J.辽阳石油化工高等专科学校学报.2002,18(4):3-5.8.赵荣椿,迟耀斌,朱重光.图像分割技术进展J.中国体视学与图像