《毕业论文-- 基于聚类的图像分割系统-分割算法模块》由会员分享，可在线阅读，更多相关《毕业论文-- 基于聚类的图像分割系统-分割算法模块（28页珍藏版）》请在金锄头文库上搜索。
1、河北农业大学现代科技学院 本科毕业论文(设计)题 目： 基于聚类的图像分割系统 分割算法模块 学 部： 工程技术学部 专业班级： 计算机科学与技术0903 学 号： 学生姓名： 指导教师姓名： 指导教师职称： 讲师 2013 年 5 月 30 日摘要图像分割的算法研究已有很多年的历史，一直以来都得到了人们的高度重视。关于图像分割的原理和方法世界各国均有不少的论文发表，但一直以来没有一种一般的分割方法能够适用于所有图像分割处理。传统的图像分割方法的劣势在于不能满足人们的要求，为后续的图像分析和理解带来了困难。随着计算机技术以及计算机性能的迅猛发展，及其相关技术的发展和成熟，结合色彩处理，图像增强
2、等技术，个人计算机上就能够实现图像分割处理。 图像处理技术有很多种，如图像分析，颜色转换，去噪等，但其中最主要的图像处理技术是图像分割技术，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部分进行检测，变换，识别等处理操作。图像的分割是实现图形理解的基础,也是计算机图形学中的一个基本问题,并且在其他很多领域得到了应用。由于图像的格式和色彩形状不同,要实现通用且快速的图像分割仍然是一个难题。图像分割的主要研究内容有：建立可靠有效的分割模型,减少分割算法的运算量，降低分割算法的复杂度,提高分割算法的通用性及抗噪性等。但是因为分割模型的不同,各种分割方法在不同的分割模型表现出不同的优缺点。有阈值
3、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。本文只对这些方法做简单的介绍。本文中着重介绍的是，基于聚类的分割算法，聚类分析是一种无监督分类法,它通过归类相似性质（结构色彩）的样本实现分类。在缺少相关知识时,图像分割可以通过聚类分析完成。基于聚类分析的图像分割算法的通用性好，并且对样本空间的约束小。无论是灰度图像、彩色图像分还是纹理图像,都可以应用聚类分析方法完成分割。但是基于聚类分析的分割方法也有缺点,主要就是因为聚类分析分割算法计算量大,有可能出现极值问题并且对噪声样本比较敏感。 本文分析了当今图像分割的研究成果以及面临的主要问题,针对聚类算法用于图像分割的特点,着重
4、对聚类算法进行了算法实现，并能用图片的形式呈现出来。通过对聚类算法的是实现，本文在其基础上还对分割后的图片进行重新合并的操作，合并操作通过比对，计算图片碎片的相似度进行实现。关键词：图像分割，复杂度，样本空间，聚类分割，合并，相似度ABSTRACTImage segmentation algorithm has several decades of history, has been subject to peoples attention. On the principles and methods of image segmentation and abroad have been man
5、y papers published, but has been without a segmentation method applied to image segmentation processing. The traditional image segmentation method there is a lack of, can not meet the requirements of the people, which makes it difficult for further image analysis and understanding. With the rapid de
6、velopment of computer technology, and related technology development and maturation, combined with technologies such as image enhancement, image segmentation can be implemented on a computer.The image processing technology there are many, such as image analysis, color conversion, denoising, etc., bu
7、t the most important image processing techniques is image segmentation techniques from a particular region of the image will be carried out with the remaining portion was separated and extracted portion detection, transform, identification, and processing operation.Image segmentation is the basis of
8、 visual understanding, a basic problem in computer vision, and has been applied in many fields. Due to the structure and content of the image type, to achieve rapid generic segmentation remains a challenge. The main contents of the image segmentation: establish an effective segmentation model, reduc
9、ing the complexity of the segmentation algorithm, and segmentation algorithm to improve the noise immunity and versatility. Due to the split of the different models, a variety of segmentation methods have different advantages and disadvantages. Thresholding method, boundary segmentation methods, reg
10、ion extraction method, combined with specific theoretical tools segmentation method. This article presents a brief introduction of these methods.Highlighted in this article, cluster analysis is an unsupervised classification, classification by classified samples of similar nature. In the absence of
11、prior knowledge, image segmentation can be done by cluster analysis. Image segmentation method based on cluster analysis of the sample space constraints common good segmentation algorithm. However, cluster analysis-based segmentation method is not perfect, mainly due to cluster analysis of a large a
12、mount of the extreme value problems and sensitive to noise samples. This paper analyzes the the image segmentation current research and the main problems facing the clustering algorithm for image segmentation features, focus on clustering algorithm for image segmentation study.By clustering algorith
13、m is realized, based on the divided picture to re-merge operation, merge operation by comparison, the calculation of the similarity of the pieces on to achieve.Keywords: image segmentation, the complexity of the sample space, clustering split, merge, similarity目录1. 绪论11.1 开发环境概述11.1.1 Visual Studio
14、2008简介11.2 开发语言概述21.2.1 C+简介21.2.2 C+优点21.2.3 C+缺点32.图像分割简介32.1图像分割概述32.1.1图像分割的意义42.1.2图像分割的现状及未来42.2图像分割技术42.2.1图像分割方法及其特点53. 图像分割系统63.1图像获取83.2图像保存93.3图像预处理93.3.1 Lab色彩模型93.3.2 RGB色彩模型103.4聚类图像分割103.4.1首次确定聚类中心103.4.2聚类计算123.4.3重新计算聚类中心143.4.4聚类分割后的优化163.4.5画边界线完成分割173.4.6分割结果展示173.5图像合并173.5.1合并
15、操作的基本步骤183.5.2图像合并结果展示213.6程序中存在的问题223.6.1图像分割中的问题223.6.2图像合并中的问题23结论25致谢26参考文献271. 绪论本毕业设计及毕业论文是在Microsoft Visual Studio 2008开发环境中，基于C+语言中的MFC类库实现的。什么是MFC? MFC(Microsoft Foundation Classes)，是一个微软向开发者提供的功能类库（class libraries），以C+类的形式封装了Windows的大量API，集成了众多功能，并且包含一个应用程序设计框架，以减少开发人员的重复劳动规范软件设计。其中包含的类包含大量Windows句柄封装类和很多Windows的内建控件和组件的封装类。1.1 开发环境概述 1.1.1 Visual Studio 2008简介Microsoft Visual Studio 2008是面向Windows Vista、Office 2007、Web 2.
