当前位置：文档视界 › 图像分割算法研究与实现毕业设计(论文)

图像分割算法研究与实现毕业设计(论文)

毕业设计（论文）

图像分割算法研究与实现

诚信承诺书

本人郑重承诺：我所呈交的毕业论文《图像分割算法研究与实现》是在指导教师的指导下，独立开展研究取得的成果，文中引用他人的观点和材料，均在文后按顺序列出其参考文献，论文使用的数据真实可靠。

承诺人签名：

日期：年月日

图像分割算法研究与实现

摘要

数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支，其中最主要的是运用MATLAB对图像进行仿真分割，并用各个方法进行分析、对比并得出结论。本文主要介绍了图像分割的基本知识，从原理和应用效果上对经典的图像分割方法如边缘检测、阈值分割技术和区域生长等进行了分析。在边缘检测时对梯度算法中的Sobel算子、Prewitt算子、LoG(Laplacian-Gauss)算子、Canny算子的分割原理逐一介绍并比较各种算子的分割效果。而阈值分割技术的关键在于阈值的确定，只有阈值确定好了才能有效的划分物体与背景，本文着重实现基于迭代法的全局阈值及基于Otsu最大类间方差算法的自适应阈值。此外还介绍了区域增长法，它的基本思想是将具有相似性质的像素集合起来构成新区域。与此同时本文还分析了图像分割技术研究的方向。

关键词：图像分割MATLAB 边缘检测区域生成阈值分割

Research of Image Segmentation Algorithm

ABSTRACT

Digital Image Object Segmentation and Extraction is a major concern in the field of digital image processing and computer vision research branch, which the most important is the use of MATLAB for image segmentation and simulation, using each method to carry on the analysis, comparison and conclusion. This paper mainly introduces the basic knowledge of image segmentation, based on the principle and the application effect to the classic image segmentation methods such as edge detection, threshold segmentation and region growing is analyzed. In the edge detection of gradient algorithm in the Sobel operator, Prewitt operator, Log operator, Canny operator segmentation principles introduced and comparison of various operators segmentation. While the threshold segmentation technology is the key to determine a threshold , only a good threshold can effectively divide object and background, this paper focuses on the implementation of the global threshold based on iterative algorithm and based on Otsu adaptive threshold algorithm. It also introduces the regional growth method, its basic idea is to have similar properties to the pixel together constitute a new area. At the same time the paper also analyzes the research direction of image segmentation technology.

Key words：Image segmentation MATLAB Edge detection Regional generation Threshold segmentation

1 引言 (1)

1.1数字图像分割的现状 (1)

1.2数字图像分割的意义 (1)

2 基于MA TLAB的图像分割 (3)

2.1MATLAB的优点 (3)

3 图像分割的主要研究方法 (4)

3.1图像分割定义 (4)

3.2图像分割方法综述 (4)

3.3边缘检测法 (5)

3.3.1边缘检测原理 (5)

3.3.2C ANNY算子 (6)

3.3.3P REWITT 算子 (7)

3.3.4S OBEL 算子 (8)

3.3.5L OG算子 (9)

3.4区域生长法 (9)

3.4.1区域生长原理 (9)

3.4.2灰度差准则 (10)

3.4.3灰度分布统计准则 (11)

3.5阈值分割法 (11)

3.5.1阈值分割法原理 (11)

3.5.2迭代阈值分割 (12)

3.5.3O TSU算法(最大类间方差法) (13)

4 分割结果与分析 (15)

4.1边缘检测结果及分析 (15)

4.1.1 SOBEL算子分割结果 (15)

4.1.2P REWITT算子分割结果 (16)

4.1.3C ANNY算子分割结果 (17)

4.1.4L OG 算子分割结果 (17)

4.1.5边缘检测分割结果比较 (18)

4.2区域生长结果与分析 (18)

4.3阈值分割结果与分析 (19)

4.3.1O TSU算法求自适应阀值结果 (19)

4.3.2迭代法求全局阈值 (19)

4.4各种图像分割方法的比较 (20)

5 结论 (21)

参考文献 (22)

谢辞 (23)

附录 (24)

1 引言

1.1 数字图像分割的现状

图像分割技术，是从图像中将某个特定区域与其它部分进行分离并提取出来的处理。图像分割的方法有许多种，有阈值分割方法，边界分割方法，区域提取方法，结合特定理论工具的分割方法等。早在1965年就有人提出检测边缘算子，边缘检测已产生不少经典算法。越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。尤其是近年来迅速发展起来的小波理论为图像处理带来了新的理论和方法。小波变换具有良好局部特性，当小波函数尺度较大时，抗噪声的能力强，当小波函数尺度较小时，提取图像细节的能力强，这样就可以很好地解决抑制噪声和提取图像边缘细节之间的矛盾。

图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何基于数学工具的解析方法都很难得到很好的效果。因此，人们倾向于重新设计一个针对具体问题的新算法来解决所而临的图像分割问题。这在只有少量图像样本的时候，利用各种先验知识，设计一个具有针对性的算法进行图像分割是比较容易的。但是当需要构建一些实用的机器视觉系统时，所面临的将是具有一定差异性、数量庞大的图像库，此时如何很好的利用先验知识，设计一个对所有待处理图像都实用的分割算法将是一件非常困难的任务。其次，由于缺乏一个统一的理论作为基础，同时也缺乏对人类视觉系统(human vision system，HVS)机理的深刻认识，构造一种能够成功应用于所有图像的统一的图像分割算法，到目前为止还是难以实现的。

1.2 数字图像分割的意义

现实生活中在分割一幅图像时，多是依据经验和直觉去选择方法，通过反复实践来找到一种最佳的方法。与计算机科学技术的确定性和准确性相比，图像分割更像是一种艺术行为，有经验的人能比较容易的选用出适当的方法，使不同的图像都得到最佳的分割效果。但是，当要处理的图像十分庞大时，图像分割就像是流水线上的一道简单工序，这种艺术行为就显得无能为力了。随着图像技术和多媒体技术的发展，包括图像、音频和视频等信息的多媒体数据己经广泛用于Internet和企事业信息系统中，而且越来越多的商业活动、信息表现和事务交易中都将包括多媒体数据，自然也就包含了大量的图像，基于内容的图像检索的广泛应用就是一个例子，这些常常都是以图像分割作为基础的。

由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。相信这些交互式方法的应用，必将推动图像目标分割与提取这一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的研究领域。

边缘提取是图像边缘检测和计算机视觉等领域最基本的技术，如何准确、快速的提取图像中的边缘信息一直是这些领域的研究热点，随着此项技术研究的深入和整个领域的不断发展，边缘提取技术已经成为图像分割、目标识别、图像压缩等技术的基础。其理论意义深远，应用背景广泛，有相当的使用价值和理论难度。边缘提取算法的提出通常是面向具体问题的，普遍实用性较差。

物体的边缘是由灰度不连续性所反映的。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，即边缘检测局部算子法。众所周知，边缘是图像的基本特征，所谓边缘就是指周围灰度强度有变化的那些像素的集合，是图像分割、纹理分析和图像识别的重要基础。

区域提取法有两种基本形式：一种是从单个像素出发，逐渐合并以形成所需的分割区域；另一种是从全图出发，逐渐分裂切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。根据以上两种基本形式，区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的。该方法的关键是要选择合适的生长或相似准则。生长准则一般可分为三种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。区域提取法的缺点是往往会造成过度分割，即将图像分割成过多的区域，因此近年来针对这种方法的研究较少。

阈值分割法是一种简单高效的图像分割技术。它通过设定不同的特征阈值，把图像像素点分为若干类。在一幅图像中用灰度等级表示各像素点的特征，许多阈值分割方法根据一维灰度直方图或者二维灰度直方图从背景中提取感兴趣的目标。阈值的选取是阈值分割技术的关键，如果阈值选取过高，过多的目标点被误归为背景；阈值选取过低，则会出现相反的情况。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像本身的特点，可分为单阈值分割方法和多阈值分割方法：也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法。

2 基于MATLAB的图像分割

2.1 MATLAB的优点

MATLAB使用方便

MATLAB允许用户以数学形式的语言编写程序，用户在命令窗口中输入命令即可直接得出结果，这比C++、Fortran和Basic等等该机语言都要方便的多。而且它是用C 语言开发的，其流程控制语句与C语言中的相应语句几乎一致。这给使用上带来了方便，使我能较快的适应与使用MATLAB这门语言。

MATLAB内部函数丰富

MATLAB的内部函数提供了相当丰富的函数，这些函数解决许多基本问题，如矩阵的输入。在其它语言中(比如C语言中)，要输入一个矩阵，先要编写一个矩阵的子函数，而MATLAB语言则提供了一个人机交互的数学系统环境，该系统的基本数据结构是矩阵，在生成矩阵对象时，不要求做明确的维数说明。与利用C语言或Fortran①等等高级语言编写数值计算的程序相比，利用MATLAB可以节省大量的编程时间。这就给用户节省了很多的时间，使用户可以把自己的精力放到创造方面，而把繁琐的问题交给内部函数来解决。

除了这些数量巨大的基本内部函数外，MATLAB还有为数不少的工具箱。这些工具箱用于解决某些领域的复杂问题。

MATLAB强大的图形和符号功能

MATLAB具有强大的图形处理功能，它本身带有许多绘图的库函数，可以很轻松地画出各种复杂的二维和多维图形。这些图形可以在与运行该程序的计算机连接的任何打印机设备上打印出来，这使得MA TLAB成为技术数据可视化的杰出代表。

①译为“公式编译器”，它是世界上最早出现的计算机高级程序设计语言，广泛应用于科学和工程计算领域。

3 图像分割的主要研究方法

3.1 图像分割定义

图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出了上千种各种类型的分割算法，现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分割算法，而且近年来每年都有上百篇相关研究报道发表。然而，还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际问题。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一[1]。

多年来人们对图像分割提出了不同的解释和表述，借助集合概念对图像分割可给出如下定义：令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，…，R N；

（1）在分割结果中，每个区域的像素有着相同的特性；

（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性；

（3）分割的所有子区域的并集就是原来的图像；

（4）各个子集是连通的区域；

图像分割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目标的技术和过程，这些特性可以是像素的灰度①、颜色、纹理等提取的目标可以是对应的单个区域，也可以是对应的多个区域。

3.2 图像分割方法综述

图像分割是指将图像划分为与其中含有的真实世界的物体或区域有强相关性的组成部分的过程。图像分割是图像处理和分析中的重要问题,也是计算机视觉研究中的一个经典难题。尽管它一直受到科研人员的重视,但是它的发展很慢,被认为是计算机视觉的一个瓶颈。迄今为止,还没有一种图像分割方法适用于所有的图像,也没有一类图像所有的方法都适用于它。近几年来,研究人员不断改进原有方法并将其它学科的新理论和新方法引入图像分割,提出了不少新的分割方法。本文对传统的图像分割方法进行分析。

典型的图像分割方法有阈值法，边缘检测法，区域法。分析各种图像分割方法可以发现，它们分割图像的基本依据和条件有以下4方面:

(l)分割的图像区域应具有同质性，如灰度级别相近、纹理相似等;

(2)区域内部平整，不存在很小的小空洞;

(3)相邻区域之间对选定的某种同质判据而言，应存在显著差异性;

(4)每个分割区域边界应具有齐整性和空间位置的准确性。

现有的大多数图像分割方法只是部分满足上述判据。如果加强分割区域的同性质约束，分割区域很容易产生大量小空洞和不规整边缘:若强调不同区域间性质差异的显著性，则极易造成非同质区域的合并和有意义的边界丢失。不同的图像分割方法总有在各种约束条件之间找到适当的平衡点[2]。

3.3 边缘检测法

3.3.1 边缘检测原理

边缘(或边沿)是指其周围像素灰度有阶跃变化或“屋顶”变化的那些像素的集合，也即边缘是灰度值不连续的结果，这种不连续常可以用求导数方便的检测到，一般常用一阶导数和二阶导数来检测边缘。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此，它是图像分割所依赖的重要特征，而边缘信息是一种图像的紧描述，所包含的往往是图像中最重要的信息，故对图像提取边缘能极大地降低我们要处理的数据量[3]。

在讨论边缘算子之前，首先给出下列术语的定义。

边缘点：图像中亮度显著变化的点。

边缘段：边缘点坐标[i,j]及其方向θ的综合，边缘的方向是可以是梯度角。

边缘检测器：从图像中抽取边缘（边缘点或边缘段）集合的算法。

轮廓：边缘列表，或是一条边缘列表的曲线模型。

边缘连接：从无序边缘表形成有序边缘表的过程。习惯上边缘的表示采用顺时针方向来排序。

边缘跟踪：一个用来确定轮廓图像（指滤波后的图像）的搜索过程。

边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示。边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的是输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或者缩放。边缘段可以用像素点尺寸大小的小线段定义，或用具有方向属性的一个点定义。在实际应用中，边缘点和边缘段都称为边缘。

虽然图像边缘点产生的原因不同，但他们都是图像上灰度不连续点，或是灰度变化剧烈的地方。

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。边缘检测算子①检查每个像素的邻域并对灰度变化率进行量化，也包括方向的确定。常用的边缘检测方法的基础是微分运算，边缘点对应于一阶微分幅度大的点，或对应于二阶微分的过零点。

传统的边缘检测算法通过梯度算子来实现，在求边缘的梯度时，需要对每个象素位置计算。经典的梯度算子模板有Prewitt 模板、Canny 模板、Sobel 模板、Log 模板等[4]。

3.3.2 Canny 算子

Canny 边缘检测利用高斯函数的一阶微分，在噪声抑制和边缘检测之间寻求较好的平衡，其表达式近似于高斯函数的一阶导数。Canny 边缘检测算子对受加性噪声影响的边缘检测是最优的。

在高斯噪声中，一个典型的边缘代表一个阶跃的强度变化。根据这个模型，好的边缘检测算子应该有3个指标：（1）低失误概率，即真正的边缘点尽可能少的丢失又要尽可能避免将非边缘点检测为边缘：（2）高位置精度，检测的边缘应尽可能接近真实的边缘；（3）对每一个边缘点有惟一的响应，得到单像素宽度的边缘。坎尼算子提出了边缘算子的如下3个准则：

信噪比准则：

信噪比越大，提取的边缘质量越高。信噪比SNR 定义为：

()()()?

?+-+--=

x h dx

x h x G SNR 2σ

（式3.1)

其中G （x ）代表边缘函数，h(x)代表宽度为W 的滤波器的脉冲响应。

定位精确度准则：

边缘定位精度L 如下定义：

()()()dx

x h dx

x h x G L w

+-+--=

'''σ

（式3.2)

其中()X G '和()X H '分别是()X G 和()X h 的导数。L 越大表明定位精度越高。

单边缘响应准则：

为了保证单边缘只有一个响应，检测算子的脉冲响应导数的零交叉点平均距离

()

'f D 应满足：

()

()()2

'2''??

???????=??∞-∞

+∞-dx x h dx x h f D π （式3.3） ()x h ''是()x h 的二阶导数

以上述指标和准则为基础，利用泛函数求导的方法可导出坎尼边缘检测器是信噪比与定位之乘积的最优逼近算子，表达式近似于高斯函数的一阶导数。将坎尼3个准则相结合可以获得最优的检测算子[5]。

3.3.3 Prewitt 算子

Prewitt 与Sobel 算子的方程完全一样，只是常系数c=1。所以x s 和y s 可分别用卷积模板表示为：

下面使用MATLAB 图像处理工具箱中的edge 函数利用以上算子来检测边缘。Edge 函数提供许多微分算子模板，对于某些模板可以指定其是对水平边缘还是对垂直边缘（或者二者都有）敏感（即主要检测是水平边缘还是垂直边缘）。Edge 函数在检测边缘时可以指定一个灰度阈值，只有满足这个阈值条件的点才视为边界点。Edge 函数的基本调用格式如下：

() ,,'',parameter

type I edge BW = （式3.4）

其中，I 表示输入图像，type 表示使用的算子类型，parameter 则是与具体算子有关的参数。

3.3.4 Sobel 算子

采用3×3邻域可以避免在像素之间内插点上计算梯度。考虑下图中所示的点()j i ,周围点的排列。

Sobel 算子也是一种梯度幅值:

22y x s s M += （式3.5）

其中的偏导数用下式计算:

()()670432a ca a a ca a s x ++-++= （式3.6）

()()670432a ca a a ca a s y ++-++= （式3.7）

其中常系数c=2。

和其他的梯度算子一样x s 和y s 可分别用卷积模板表示为:

这一算子把重点放在接近于模板中心的像素点。Sobel 算子是边缘检测中最常用的算子

之一。

3.3.5 Log 算子

Log 算子也就是Laplacian-Gauss 算子，它把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。

这种方法的特点是图像首先与高斯滤波器①进行卷积，这一步既平滑了图像又降低了噪声，孤立的噪声点和较小的结构组织将被滤除。由于平滑会导致边缘的延展，因此边缘检测器只考虑那些具有局部梯度最大值的点为边缘点。这一点可以用二阶导数的零交叉点来实现。拉普拉斯函数用作二维二阶的近似，是因为它是一种无方向算子。为了避免检测出非显著边缘，应选择一阶导数大于某一阈值的零交叉点作为边缘点[6]。

LoG 算子对图像()y x f ,进行边缘检测，输出()y x h ,是通过卷积运算得到的，即：

()()y x f e y x y x h y

x ,*2,22

224222???

???

????? ??-+=+σσσ （式3.8) 滤波（或平滑）、增强和检测3个边缘检测的步骤对LoG 算子边缘检测依然成立。其中高斯滤波器对图像进行平滑，拉普拉斯算子将边缘点转换成零交叉点来实现，边缘检测通过零交叉点的检测实现。

3.4 区域生长法 3.

4.1 区域生长原理

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[7]。

区域生长的一个关键是选择合适的生长或相似准则，大部分区域生长准则使用图像的局部性质。生长准则可根据不同原则制定，而使用不同的生长准则会影响生长的过程。下面介绍2种基本的生长准则和方法。

①

高斯滤波实质上是一种信号的滤波器，其用途是信号的平滑处理，我们知道数字图像用于后期应用，其

噪声是最大的问题。

3.4.2 灰度差准则

区域生长方法将图像以像素为基本单位来进行操作，基于区域灰度差的方法主要有如下步骤：

1. 设灰度差的阈值①为零，用上述方法进行区域扩张，使灰度相同像素合并。 2．求出所以邻接区域之间的平均灰度差，并合并具有最小灰度差的邻接区域。

3. 设定终止准则，通过反复进行上述步骤（2）中的操作将区域依次合并直到中指准则满足为止[8]。

另外，当图像中存在缓慢变化的区域时，上述方法有可能会将不同区域逐步合并而产生错误。为克服这个问题，可不用新像素的灰度值去与邻域像素的灰度值比较，而用新像素所在区域的平均灰度值去与各邻域像素的灰度值进行比较。

对一个含N 个像素的区域R ，其均值为：

()∑=

y x f N m ,1

（式3.9）

对像素是否合并的比较测试表示为:

()T m y x f R

<-,max (式3.10)

其中T 为给定的阈值。

区域生长的过程中，要求图像的同一区域的灰度值变化尽可能小，而不同的区域之间，灰度差尽可能大。两种情况进行讨论：

1. 设区域为均匀的，各像素灰度值为均值m 与一个零均值高斯噪声的叠加。当用（式3.10）测试某个像素时，条件不成立的概率为:

()?

∞

???

? ??-=

dz z T P 222exp 22

σσ

π (式3.11) 这就是误差概率函数，当T 取3倍的方差时，误判概率为1～99.7%。这表明，当考虑灰度均值时，区域内的灰度变化应尽量小。

2. 设区域为非均匀，且由两部分不同目标的图像像素构成。这两部分像素在R 中所占比例分别为1q 和2q ，灰度值分别为1m 和2m ，则区域均值为2211m q m q +。对灰度值为m

①

阈值：输入图像像元密度值(灰度、亮度值)按对数函数关系变换为输出图像。

的像素，它与区域均值的差为：

()22111m q m q m S m +-= （式3.12）

根据（式3-10），可知正确的判决概率为：

()()()[]m m S T P S T P T P ++-=

（式3.13）这表明，当考虑灰度均值时，不同部分像素间的灰度差距离应尽量大。

3.4.3 灰度分布统计准则

这里考虑以灰度分布相似性作为生长准则来决定区域的合并，对灰度分布的相似性常用两种方法检测（设()z h 1，()z h 2分别为两邻接区域的累积灰度直方图）：

Kolmogorov —Smirnov 检测：

()()z h z h z

21max - （式3.14）

Smoothed —Difference 检测：

()()∑-z

z h z h 2

（式3.15）

如果检测结果小于给定的阈值，即将两区域合并[9]。

采用灰度分布相似判别准则合并法形成区域的处理过程与灰度差别准则的合并法相类似。灰度分布相似合并法生成区域的效果与微区域的大小和阈值的选取关系密切，一般说来，微区域太大，会造成因过渡合并而漏分区域；反之，则因合并不足而割断区域。而且，图像的复杂程度，原图像生成状况的不同，对上述参数的选择会有很大影响。通常，微区域大小q 和阈值T 由特定条件下的区域生成效果确定。

3.5 阈值分割法 3.5.1阈值分割法原理

阈值分割法是简单地用一个或几个阈值将图像的直方图分成几类, 图像中灰度值在同一个灰度类内的象素属干同一个类。其过程是决定一个灰度值, 用以区分不同的类, 这个灰度值就叫做“阈值”。它可以分为全局阈值分割和局部阈值分割。所谓全局阈值分割是利用利用整幅图像的信息来得到分割用的阈值, 并根据该阈值对整幅图像进行分割而局部阈值分割是根据图像中的不同区域获得对应的不同区域的阈值, 利用这些阈值对

各个区域进行分割, 即一个阈值对应相应的一个子区域, 这种方法也称适应阈值分割[9]。

阈值法是一种简单但是非常有效的方法, 特别是不同物体或结构之间有很大的强度对比时, 能够得到很好的效果它一般可以作为一系列图像处理过程的第一步。它一般要求在直方图上能得到明显的峰或谷, 并在谷底选择阈值。如何根据图像选择合适的阈值是基于阈值分割方法的重点所在, 也是难点所在。

把图像中各种灰度的像素分成两个不同的类，需要确定一个阈值。如果要把图像中各种灰度的像素分成多个不同的类，那么需要选择一系列阈值以将每个像素分到合适的类别中去。如果只用一个阈值分割称为单阈值分割方法，如果用多个阈值分割称为多阈值分割方法。单阈值分割可以看作是多阈值分割的特例，许多单阈值分割算法可推广以进行多阈值分割。反之，有时候也可以将多阈值分割问题转化为一系列单阈值分割问题来解决。不管用任何方法选取阈值，一幅原始图像f(x,y)取单阈值T 分割后的图像可定义为：

()()()??

?≤>=T

y x f T y x f y x g ,0

, （式3.16）

这样得到的()y x g ,是一幅二值图像。

在一般的多阈值情况下，取阈值分割后的图像可表示为：

()()K k T y x f T k y x g k

k ,,2,1,,1 =≤≤=- （式3.17）

其中k T T T ,,,10 是一系列分割阈值，k 表示赋予分割后图像各区域不同的标号。以

下对两种常用的阈值分割方法做一下简单的介绍。

3.5.2 迭代阈值分割

阈值也可以通过迭代计算得到。首先选取图像的灰度范围的中值作为初始值0T ，然后按下式迭代①：

???

??????

??????+?=∑∑∑∑--+=+===+1

00121L i L i i i T k k T k k T k k T k k i h k h h k h T （式3.18）式中k h 是灰度为k 值的像素个数，共有L 个灰度级。迭代一直进行到i i T T =+1结束，取结束时的i T 为阈值。

①

迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点,让

计算机对一组指令(或一定步骤)进行重复执行,在每次执行这组指令(或这些步骤)时,都从变量的原值推出它的一个新值。

迭代法阈值选取可以完成阈值的自动选取，具体方法如下：

1)选择一个初始阈值T ，例如，假定图像像素的最大灰度值和最小灰度值分别为f min 和f max ，则初始阈值T 可以选择为()max min 2

f f T +=

。 2)利用选择的阈值T 对图像进行分割，根据图像像素的灰度值，可以将图像分割为两部分，灰度值大于T 的图像区域G 1和灰度值小于等于T 的图像区域G 2。

3)分别计算G 1和包含G 2的像素的灰度值均值μ1和μ2。 4)计算新的阈值2

1μμ+=

T 。

5)重复步骤2)、3)、4)，直到连续两次计算得到的T 的差值满足设定的范围，从而完成阈值的自动计算。

3.5.3 Otsu 算法(最大类间方差法)

最大类间方差法是在判决分析或最小二乘法原理的基础上推导出来的，最大类间方差法分割图像的计算方法如下：把一幅数字图像f(x,y)中的像素按灰度级用阈值T 分为C 0和C 1类，即

()()},|,{min 10T y x f f y x f C ≤≤= （式3.19）

()()},|,{max 21T y x f f y x f C >≥= （式3.20）

其中，f min 、f max 分别为图像f(x,y)中灰度的最小值和最大值。设N i 是灰度值为i （f min ≤ i ≤ f max ）的像素数，则图像f(x,y)总的像素为N=∑N i ，因此，各灰度级出现的概率为P(i)=N i /N ，则，

0C 类出现的总概率为：

()∑==

f i i P P m in

0 （式3.21）

均值为：

()∑+==

T i P

i iP 1

0μ （式3.22）

1C 类出现的总概率为：

()∑+==

max

1f T i i P P （式3.23）

均值为：

()∑+==

max

1f T i P i iP μ （式3.24）

图像()y x f ,的均值为：

()∑==

a x

i n

f f i i iP μ()()110

a x

i n

μμ

P P i iP i iP f T i T f i +=+=∑∑+== （式3.25）

定义两类的类间方差为()T 2σ

()()2

112

002μμμμσ-+-=P P （式3.26）

最大类间方差把两类的类间方差作为阈值选择的判决依据，认为最好的阈值*T 应该是使类间方差()T 2σ取得最大值时的阈值,即

()()[]{}

max min 22,,|f f T T T T T ∈?≥=***σσ （式3.27）

图像分割毕业设计

目录摘要........................................................... I Abstract......................................................... I I 第1章绪论 (1) 1.1图像分割概述 (1) 1.2图像分割特征 (1) 1.3图像分割的发展及现状 (1) 1.4研究的背景与意义 (2) 第2章数字图像处理 (3) 2.1发展概况 (3) 2.2主要目的 (4) 2.3常用方法 (4) 2.4应用领域 (5) 2.5研究方向 (7) 2.6基本特点 (7) 2.7MATLAB软件 (8) 第3章阈值分割 (10) 3.1图像二值化 (10) 3.2阈值分割基本原理 (10) 3.3阈值分割方法定义 (11) 3.4阈值分割描述 (11) 3.5阈值分割分类 (12) 第4章阈值分割方法 (13) 4.1直方图法 (13)

4.2迭代法 (14) 4.3最大类间方差法 (17) 4.4小结 (20) 第5章最大类间方差法的改进 (21) 结论 (27) 参考文献 (28) 致谢 (29)

通常人们只对图像的某个区域感兴趣，为了能够把感兴趣的区域提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像处理与分析。图像分割是图像处理的关键，在灰度图像中分割出有意义区域的最基本方法是设置阈值的分割方法。选择阈值的主要方法有：直方图法，迭代法，最大类间方差法。本文主要比较三种方法的优缺点，并对其中的最大类间方差法进行优化，改进分割效果。关键词：阈值直方图迭代法最大类间方差法

关于图像分割算法的研究

关于图像分割算法的研究黄斌（福州大学物理与信息工程学院福州 350001）摘要：图像分割是图像处理中的一个重要问题，也是一个经典难题。因此对于图像分割的研究在过去的四十多年里一直受到人们广泛的重视，也提山了数以千计的不同算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决。本文从图像分割的定义、应用等研究背景入手，深入介绍了目前各种经典的图像分割算法，并在此基础比较了各种算法的优缺点，总结了当前图像分割技术中所面临的挑战，最后展望了其未来值得努力的研究方向。关键词：图像分割阀值分割边缘分割区域分割一、引言图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来[1]。图像分割可以形式化定义如下[2]：令有序集合表示图像区域(像素点集)，H 表示为具有相同性质的谓词，图像分割是把I 分割成为n 个区域记为Ri ，i=1，2，…，n ，满足： (1) 1,,,,n i i j i R I R R i j i j ===??≠ (2) (),1,2,,i i i n H R True ?== (3) () ,,,i j i j i j H R R False ?≠= 条件(1)表明分割区域要覆盖整个图像且各区域互不重叠，条件(2)表明每个区域都具有相同性质，条件(3)表明相邻的两个区域性质相异不能合并成一个区域。自上世纪70年代起，图像分割一直受到人们的高度重视，其应用领域非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。主要表现在： 1)医学影像分析：通过图像分割将医学图像中的不同组织分成不同的区域，以便更好的

图像分割算法开题报告

图像分割算法开题报告摘要：图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，并在医学、工业、军事等领域得到了广泛应用。近年来具有代表性的图像分割方法有：基于区域的分割、基于边缘的分割和基于特定理论的分割方法等。本文主要对基于自动阈值选择思想的迭代法、Otsu法、一维最大熵法、二维最大熵法、简单统计法进行研究，选取一系列运算出的阈值数据和对应的图像效果做一个分析性实验。关键字：图像分割，阈值法，迭代法，Otsu法，最大熵值法 1 研究背景 1．1图像分割技术的机理图像分割是将图像划分为若干互不相交的小区域的过程。小区域是某种意义下具有共同属性的像素连通集合，如物体所占的图像区域、天空区域、草地等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分。图像分割有3种不同的方法，其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法，其二是通过直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘像素，然后再将边缘像素连接起来构成边界的方法。图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，两者是紧密关联的。图像分割在一般意义下十分困难的，目前的图像分割处于图像的前期处理阶段，主要针对分割对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。 1．2数字图像分割技术存在的问题

虽然近年来对数字图像处理的研究成果越来越多,但由于图像分割本身所具有的难度,使研究没有大突破性的进展,仍然存在以下几个方面的问题。现有的许多种算法都是针对不同的数字图像,没有一种普遍适用的分割算法。缺乏通用的分割评价标准。对分割效果进行评判的标准尚不统一,如何对分割结果做出量化的评价是一个值得研究的问题,该量化测度应有助于视觉系统中的自动决策及评价算法的优劣,同时应考虑到均质性、对比度、紧致性、连续性、心理视觉感知等因素。与人类视觉机理相脱节。随着对人类视觉机理的研究,人们逐渐认识到,已有方法大都与人类视觉机理相脱节,难以进行更精确的分割。寻找到具有较强的鲁棒性、实时性以及可并行性的分割方法必须充分利用人类视觉特性。知识的利用问题。仅利用图像中表现出来的灰度和空间信息来对图像进行分割,往往会产生和人类的视觉分割不一致的情况。人类视觉分割中应用了许多图像以外的知识,在很多视觉任务中,人们往往对获得的图像已具有某种先验知识,这对于改善图像分割性能是非常重要的。试图寻找可以分割任何图像的算法目前是不现实,也是不可能的。人们的工作应放在那些实用的、特定图像分割算法的研究上,并且应充分利用某些特定图像的先验知识,力图在实际应用中达到和人类视觉分割更接近的水平。 1．3数字图像分割技术的发展趋势从图像分割研究的历史来看,可以看到对图像分割的研究有以下几个明显的趋势。对原有算法的不断改进。人们在大量的实验下，发现一些算法的效

数字图像处理毕业论文

毕业论文声明本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。学位论文作者（签名）：年月

关于毕业论文使用授权的声明本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。论文作者签名：日期：指导教师签名：日期：

图像分割技术与MATLAB仿真

中南民族大学毕业论文(设计) 学院: 计算机科学学院专业: 自动化年级:2012 题目: 图像分割技术与MATLAB仿真学生姓名: 高宇成学号:2012213353 指导教师姓名: 王黎职称: 讲师 2012年5月10日

中南民族大学本科毕业论文（设计）原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名：年月日

目录摘要 (1) Abstract (1) 引言 (3) 1 图像分割技术 (3) 1.1 图像工程与图像分割 (3) 1.2 图像分割的方法分类 (4) 2 图像分割技术算法综述 (5) 2.1 基于阈值的图像分割技术 (5) 2.2边缘检测法 (5) 2.3 区域分割法 (7) 2.4 基于水平集的分割方法 (8) 2.5 分割算法对比表格 (8) 3基于水平集的图像分割 (9) 3.1 水平集方法简介 (9) 3.2 水平集方法在图像分割上的应用 (9) 3.3 仿真算法介绍 (10) 3.4 实验仿真及其结果 (11) 结论 (18) 致谢 (19) 参考文献 (19)

图像分割技术研究及MATLAB仿真摘要：作为一项热门的计算机科学技术，图像分割技术已经在我们生活中越来越普及。顾名思义这项技术的目的就是，将目标图像从背景图像中分离出去。由于这些被分割的图像区域在某些属性上很相近，因此图像分割与模式识别以及图像压缩编码有着密不可分的关系。完成图像分割所采用的方法各式各样，所应用的原理也不同。但他们的最终目的都是把图像中性质相似的某些区域归为一类，把性质差异明显的不同区域分割开来。通常在分割完成之后，我们就要对某些特定区域进行分析、计算、评估等操作，因而分割质量的好坏直接影响到了下一步的图像处理[1]，因此图像分割是图像处理的一个关键步奏。图像分割技术在各个领域都有着及其重要的意义；在工业上有卫星遥感，工业过程控制监测等等；在医学方面，水平集的分割方法还可以通过医学成像帮助医生识别模糊的病变区域；在模式识别领域还可应用到指纹扫描、手写识别、车牌号识别等等。本课题的研究内容是对图像分割技术的几种常用的方法进行综述和比较，并基于其中一种方法进行MATLAB仿真测试，给出性能分析比较结果。关键字：图像分割，MA TLAB仿真，模式识别 Image Segmentation and Matlab Simulation Abstract:Image segmentation is to image representation for the physically meaningful regional connectivity set, namely according to the prior knowledge of target and background, we on the image of target and background of labeling and localization, then separate the object from the background. Because these segmented image regions are very similar in some properties, image segmentation is often used for pattern recognition and image understanding and image compression and coding of two major categories. Because the generated in the segmented region is a kind of image content representation, it is the image of visual analysis and pattern recognition based and segmentation results of quality of image analysis, recognition and interpretation of quality has a direct impact. Image segmentation it is according to certain features of the image (such as gray level, spectrum, texture, etc.) to a complete picture of the image is segmented into several meaningful area. These features made in a certain region of consistent or similar, and between different regions showed significantly different. Image segmentation technology in various fields have most of the field and its important significance in digital image processing, image segmentation has a wide range of applications, such as industrial automation, process control, online product inspection, image coding, document image processing, remote sensing and medical image analysis, security surveillance, as well as military, sports and other aspects. In medical image processing and analysis, image segmentation for body occurrence of three-dimensional display of the diseased organ or lesion location determination and analysis plays an effective role in counseling; in the analysis and application of road traffic conditions,

数字图像处理系统毕业论文

数字图像处理系统毕业论文基于ARM的嵌入式数字图像处理系统设计

摘要简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。关键词：linnux 嵌入式图像处理边缘检测 Abstract This paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve. Keywords:linux embedded system image processing edge detection

图像分割算法的研究与实现本科学士学位毕业论文

TP391.41 学士学位论文（设计）论文题目图像分割算法研究与实现作者姓名指导教师所在院系专业名称完成时间

毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：日期：

学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日

图像分割方法的比较研究

图像分割方法的比较研究在计算机视觉的相关研究中,图像分割是连接低级视觉和高级视觉的桥梁和纽带,而图像分割是计算机视觉系统中最关键和重要的一个环节。在概要介绍几种常用图像分割方法的基础上,比较了每种图像分割算法的优缺点及其适应范围,结果表明:不同工程应用中,应根据其需求与图像特点合理采用不同的图像分割方法以达到更好的处理效果。标签：图象分割;图象处理 1 引言近年来,随着工业、农业、医学、军事等领域自动化和智能化需求的迅速发展,对图像处理技术的要求也日益提高。其中,对图像的自动识别与理解就是一项重要任务,而对图像进行分割来提取目标是其关键步骤之一,如果得不到合理的图像分割图,也就无法对图像进行正确的识别与理解。在过去的四十多年里,图像分割的研究一直受到人们高度的重视。迄今为止,研究者提出了上千种不同类型的分割算法,而且近年来每年都有上百篇相关研究成果发表。但是,现有的方法多是为特定应用设计的,有很大的针对性和局限性,对图像分割的研究还缺乏一个统一的理论体系。Fu和Mui从细胞学图像处理的角度将图像分割技术分为三大类:特征阈值或聚类、边缘检测和区域提取。依据算法所使用的技术或针对的图像,Pal and Pal把图像分割算法分成了6类:阈值分割、像素分割、深度图像分割、彩色图像分割、边缘检测和基于模糊集的方法。本文将依据上述两种分类方法进行深入研究。 2 图象分割方法简而言之,图像分割(Image Segmentation)就是把图像中的物体与背景或物体与物体分割开,实现不同区域的特殊处理。 2.1 基于阈值的分割方法这类方法简单实用,在过去的几十年间备受重视,其分类也不一而足。根据使用的是图像的整体信息还是局部信息,可以分为上下文相关方法和上下文无关方法;根据对全图使用统一阈值还是对不同区域使用不同阈值,可以分为全局阈值方法和局部阈值方法;另外,还可以分为单阈值方(bileverthresholding)和多阈值方法。阈值分割的核心问题是如何选择合适的阈值。其中,最简单和常用的方法是从图像的灰度直方图出发,先得到各个灰度级的概率分布密度,再依据某一准则选取一个或多个合适的阈值,以确定每个像素点的归属。选择的准则不同,得到的阈值化算法就不同。下面就常见的几种阈值分割算法进行比较:

毕业论文外文翻译-图像分割

图像分割前一章的资料使我们所研究的图像处理方法开始发生了转变。从输人输出均为图像的处理方法转变为输人为图像而输出为从这些图像中提取出来的属性的处理方法〔这方面在1.1节中定义过)。图像分割是这一方向的另一主要步骤。分割将图像细分为构成它的子区域或对象。分割的程度取决于要解决的问题。就是说当感兴趣的对象已经被分离出来时就停止分割。例如，在电子元件的自动检测方面，我们关注的是分析产品的图像，检测是否存在特定的异常状态，比如，缺失的元件或断裂的连接线路。超过识别这此元件所需的分割是没有意义的。异常图像的分割是图像处理中最困难的任务之一。精确的分割决定着计算分析过程的成败。因此，应该特别的关注分割的稳定性。在某些情况下，比如工业检测应用，至少有可能对环境进行适度控制的检测。有经验的图像处理系统设计师总是将相当大的注意力放在这类可能性上。在其他应用方面，比如自动目标采集，系统设计者无法对环境进行控制。所以，通常的方法是将注意力集中于传感器类型的选择上，这样可以增强获取所关注对象的能力，从而减少图像无关细节的影响。一个很好的例子就是，军方利用红外线图像发现有很强热信号的目标，比如移动中的装备和部队。图像分割算法一般是基于亮度值的不连续性和相似性两个基本特性之一。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的边缘。第二类的主要应用途径是依据事先制定的准则将图像分割为相似的区域，门限处理、区域生长、区域分离和聚合都是这类方法的实例。本章中，我们将对刚刚提到的两类特性各讨论一些方法。我们先从适合于检测灰度级的不连续性的方法展开，如点、线和边缘。特别是边缘检测近年来已经成为分割算法的主题。除了边缘检测本身，我们还会讨论一些连接边缘线段和把边缘“组装”为边界的方法。关于边缘检测的讨论将在介绍了各种门限处理技术之后进行。门限处理也是一种人们普遍关注的用于分割处理的基础性方法，特别是在速度因素占重要地位的应用中。关于门限处理的讨论将在几种面向区域的分割方法展开的讨论之后进行。之后，我们将讨论一种称为分水岭分割法的形态学

基于Matlab的数字图像处理系统毕业设计论文

论文（设计）题目：基于MATLAB的数字图像处理系统设计姓名宋立涛学号２０１２１１８６７学院信息学院专业电子与通信工程年级２０１２级２０１３年６月１６日

基于MATLAB的数字图像处理系统设计摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。关键词：MATLAB 数字图像处理图像处理工具箱图像变换

第一章绪论 1.1 研究目的及意义图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGACPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，

信息熵在图像分割中的应用毕业论文

信息熵在图像分割中的应用毕业论文目录摘要 ....................................................... .. (1) ABSTRACT (2) 目录 (3) 1 引言 (5) 1.1信息熵的概念 (5) 1.2信息熵的基本性质及证明 (6) 1.2.1 单峰性 (6) 1.2.2 对称性 (7) 1.2.3 渐化性 (7) 1.2.4 展开性 (7) 1.2.5 确定性 (8) 2基于熵的互信息理论 (9) 2.1 互信息的概述 (9) 2.2 互信息的定义 (9) 2.3 熵与互信息的关系 (9) 3 信息熵在图像分割中的应用 (11) 3.1图像分割的基本概念 (11) 3.1.1图像分割的研究现状 (11) 3.1.2 图像分割的方法 (11) 3.2 基于改进粒子群优化的模糊熵煤尘图像分割 (12) 3.2.1 基本粒子群算法 (12) 3.2.2 改进粒子群优化算法 (13) 3.2.3 Morlet变异 (13)

3.2.4改建粒子群优化的图像分割方法 (14) 3.2.5 实验结果及分析 (16) 3.3 一种新信息熵的定义及其在图像分割中的应用 (19) 3.3.1香农熵的概念及性质 (19) 3.3.2一种信息熵的定义及证明 (19) 3.3.3信息熵计算复杂性分析 (21) 3.3.4二维信息熵阈值法 (22) 3.3.5二维信息熵阈值法的复杂性分析 (24) 3.3.6 结论及分析 (25) 4 信息熵在图像配准中的应用 (27) 4.1图像配准的基本概述 (27) 4.2基于互信息的图像配准 (27) 4.3P OWELL算法 (28) 4.4变换 (28) 4.4.1平移变换 (29) 4.4.2旋转变换 (30) 4.5基于互信息的图像配准的设计与实现 (31) 4.5.1总体设计思路和图像配准实现 (31) 4.5.2直方图 (33) 4.5.3联合直方图 (33) 4.5.4灰度级差值技术 (34) 4.4.5优化搜索办法级结论 (35) 5结语 (37) 致谢 (38) 参考文献 (39) 1 引言 1.1.信息熵的概念 1948年，美国科学家发表了一篇著名的论文《通信的数学理论》。他从研究通信系统传输的实质出发，对信息做了科学的定义，并进行了定性和定量的描述。

基于MATLAB的图像分割算法研究毕业设计

基于MA TLAB的图像分割算法研究基于MATLAB的图像分割算法研究摘要本文从原理和应用效果上对经典的图像分割方法如边缘检测、阈值分割技术和区域增长等进行了分析。对梯度算法中的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、LoG(Laplacian-Gauss)算子、坎尼（Canny）算子的分割步骤、分割方式、分割准则相互比较可以看出根据坎尼（Canny）边缘算子的3个准则得出的边缘检测结果最满意。而阈值分割技术的关键在于阈值的确定，只有阈值确定好了才能有效的划分物体与背景，但这种方法只对于那些灰度分布明显，背景与物体差别大的图像的分割效果才明显。区域增长的基本思想是将具有相似性质的像素集合起来构成新区域。与此同时本文还分析了图像分割技术研究的方向。关键词：图像处理图像分割 Abstract This article analyses the application effect to the classics image segmentation method like the edge examination, territory value division technology, and the region growth and so on.For comparing the Roberts operator, Sobel operator, Prewitt operator, the operator of Laplacian and the operator of LoG(Laplacian-Gauss),Canny operator in gradient algorithm,the step, the way and the standard of the image segmentation,we can find out the three standard of Canny edge operator the edge detection result of reaching most satisfy. And the key point of threshold segmentation lie in fixing the threshold value, it is good to have only threshold value to determine it then can be effective to divide object and background,but this kind of method is good to those gray scales,the big difference image effect between the background and obiect. The basic idea of area is to form the new region from similar nature.And also, this paper analyses the research direction of image segmentation technology at the same time. Key words: image processing image segmentation operator

图像分割算法研究及实现

中北大学课程设计说明书学生姓名：梁一才学号：10050644X30 学院：信息商务学院专业：电子信息工程题目：信息处理综合实践: 图像分割算法研究与实现指导教师：陈平职称: 副教授 2013 年 12 月 15 日

中北大学课程设计任务书 13/14 学年第一学期学院：信息商务学院专业：电子信息工程学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践: 图像分割算法研究与实现起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平系主任：王浩全下达任务书日期: 2013 年12月15 日

课程设计任务书 1．设计目的： 1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力； 2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理； 3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。 2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）： (1)编程实现分水岭算法的图像分割； (2)编程实现区域分裂合并法； (3)对比分析两种分割算法的分割效果； (4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。 3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕：每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。

(完整版)基于matlab的数字图像处理毕业设计论文

优秀论文审核通过未经允许切勿外传摘要数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。关键词：MATLAB，数字图像处理，图像增强，二值图像

Abstract Digital image processing is an emerging technology, with the development of computer in various areas on the processing speed requirement is relatively ），线性量化（liner quantization ），对数量化，MAX 量化，锥形量化（tapered quantization ）等。 3. 采样、量化和图像细节的关系上面的数字化过程，需要确定数值N 和灰度级的级数K 。在数字图像处理中，一般都取成2的整数幂，即: (2.1) (2.2) 一幅数字图像在计算机中所占的二进制存储位数b 为: *log(2)**()m N N b N N m bit == (2.3) 例如，灰度级为256级(m=8)的512×512的一幅数字图像，需要大约210万个存储位。随着N 和m 的增加，计算机所需要的存储量也随之迅速增加。由于数字图像是连续图像的近似，从图像数字化的过程可以看到。这种近似的程度主要取决于采样样本的大小和数量(N 值)以及量化的级数K(或m 值)。N 和K 的值越大，图像越清晰。 2.2 数字图像处理概述 2.2.1 基本概念数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的

图像分割技术与MATLAB仿真知识讲解

图像分割技术与M A T L A B仿真

目录摘要 0 Abstract 0 引言 (2) 1 图像分割技术 (3) 1.1 图像工程与图像分割 (3) 1.2 图像分割的方法分类 (4) 2 图像分割技术算法综述 (5) 2.1 基于阈值的图像分割技术 (5) 2.2边缘检测法 (6) 2.3 区域分割法 (8) 2.4 基于水平集的分割方法 (9) 2.5 分割算法对比表格 (9) 3基于水平集的图像分割 (11) 3.1 水平集方法简介 (11) 3.2 水平集方法在图像分割上的应用 (12) 3.3 仿真算法介绍 (13) 3.4 实验仿真及其结果 (14) 结论 (22) 致谢 (23) 参考文献 (23)

图像分割算法研究与实现毕业设计(论文)

图像分割毕业设计

关于图像分割算法的研究

图像分割算法开题报告

数字图像处理毕业论文

图像分割技术与MATLAB仿真

数字图像处理系统毕业论文

图像分割算法的研究与实现本科学士学位毕业论文

图像分割方法的比较研究

毕业论文外文翻译-图像分割

基于Matlab的数字图像处理系统毕业设计论文

信息熵在图像分割中的应用毕业论文

基于MATLAB的图像分割算法研究毕业设计

图像分割算法研究及实现

(完整版)基于matlab的数字图像处理毕业设计论文

图像分割技术与MATLAB仿真知识讲解

基于matlab的数字图像处理本科毕业设计论文