《对于基于小波变换的图像分割算法设计与实现》由会员分享，可在线阅读，更多相关《对于基于小波变换的图像分割算法设计与实现（11页珍藏版）》请在金锄头文库上搜索。
1、对于基于小波变换的图像分割算法设计与实现172基于小波变换的图像分割算法设计与实现172论文导读：本论文是一篇关于基于小波变换的图像分割算法设计与实现172的优秀论文范文,对正在写有关于分割论文的写有一定的参考和指导作用,本课题研究的主要内容本文主要介绍了图像分割的基本知识，研究了图像分割的几大类算法，包括给定一个阈值进行分割的算法，以及以区域生成为基础的算法和以边缘检测为基础的算法进行了深入研究。首先对它们的原理进行介绍，并分析了各个算法的优点和不足之处，然后利用MATLAB对这些算法的分割和边界提取过程进行了仿真，为熟悉基于小波变换的图像分割算法设计与实现摘要图像分割是图像处理中的一项关键
2、技术，在图像工程中占据着重要的位置。随着信息技术的快速发展，它在地质、环保、气象、医疗等领域有着广泛的应用。传统的分割算法包括区域提取方法、边缘检测方法、阈值分割方法和结合特定理论工具分割方法。本文主要介绍了图像分割的基本知识，研究了图像分割的几大类算法，包括阈值分割算法、基于边缘检测的方法和基于区域生成的方法，最后对基于小波变换的图像分割技术进行研究，通过与传统的图像分割方法进行对比，并利用Matlab对其进行仿真，得出各自算法的优缺点，从而对图像分割的知识有了更深地熟悉和掌握，具有一定的实际意义。关键词：图像分割；传统图像分割算法；小波变换；仿真目 录第一章 引言31.1 本课题研究的背景
3、31.2 本课题研究的目的和意义41.3 本课题研究的主要内容4第二章 图像分割技术基本现状和发展趋势52.1 图像分割的意义52.2 图像分割技术的基本现状52.3 图像分割技术的发展趋势6第三章 图像分割算法概述63.1 阈值分割法73.2 区域分割法103.3 边缘检测分割法123.3.1 梯度算子123.3.2 拉普拉斯算子133.3.3 Canny算子143.4 图像分割中的小波阈值法153.4.1 小波阈值法的原理153.4.2 图像直方图的多分辨率分析16第四章 图像分割算法的仿真174.1 阈值分割算法的仿真174.1.1 直方图双峰法的仿真174.1.2 最大类间方差法的仿真
4、194.1.3 迭代法的仿真204.2 区域分割算法的仿真214.2.1 区域生长法的仿真214.2.2 区域分裂与合并法的仿真224.3 边界提取算法的仿真244.4 小波阈值分割算法的仿真25结束语28基于小波变换的图像分割算法设计与实现172论文导读：本论文是一篇关于基于小波变换的图像分割算法设计与实现172的优秀论文范文,对正在写有关于分割论文的写有一定的参考和指导作用,边缘检测法、区域法。3.1 阈值分割法简单地用一个或几个阈值将图像的直方图分成几类，在同一个灰度类内的象素，图像中灰度值属干同一个类，通过这个过程决定出的灰度值就称为阈值。它可以分为全局阈值分割和局部阈值分割。阈值法的
5、优点是计算简单，速度快，易于实现；缺点是当图像中不存在明显的灰度差异或灰度值范围有较大的重叠时，分割效果不理想。阈值法的几种阈值选择方法:全局阈值法：（1）双峰法这种方法最大的特点就是比较简单,但是它却不能被应用于波峰不明显或波谷宽阔平坦的灰度直方图的图像中。假设，一副图像只有物体和背景两部分组成，其灰度图直方图呈现明显的双峰值，如下图3-1所示:图3-1 双峰法灰度直方图找出阈值T，则可以对整个图像进行二值化赋值。其具体的实现流程图如图3-2所示：（2）灰度直方图变换法根据图像像素点的局部特征对其进行灰度强弱的变换是该方法的一个主要特征。这种方法的前提是假设图像由单峰分布的目标和背景灰度直方
6、图组成，它不是通过直接选取一个阈值，而是对灰度直方图进行变换，使其具有更明显的波谷和波峰，这样最优阈值就可利用双峰法求得。（3）迭代法（最优方法）运用如下的计算表达式来体现他的思想运用，逼近原则：第一，分别用Max和Min，来表示图像上所得出的灰度值的的最大和最小值，：进而得出，这便是初始阈值。在这个基础上如果想求出与，也就是说求他们的各自的平均灰度值的和，那么就必须依据已经划分出前景与背景图像的上的的阈值进行求算；第二，求出阈值；第三，如果；则所得即为我们所需要的最终结果，阈值；如果不是，那便用再次进行迭代求算，以求得到最终需要的计算结果。采用求出局部阈值之法：对最基本和原始的图像进行分割，
7、以此得到相应的次一级子图像，这样，便可以进一步求得次级子图像最优分割的各个阈值。（1）自适应阈值自适应阈值最大的优点就是在对于像不容易采取分割手段的图像，如果以全局阈值来求算，它的分割效果所带来的好处显而易见。根据普遍的手段，采用对基础的图像分块处理，并对分块的区域得到的局部阈值结果分割处理。并且，虽然基于它本身较为复杂的空间要求和时间要求，可是它所带来的却是极具高强度的但是抗噪能力体现 。（2）多阈值分割多阈值分割其实就是要求选取得到几个特定目标结果，而这些目标结果又需要基于进一步的对于每个目标结果的多个阈值的使用，当然，这其中的主要目的是要使得目标结果有所区别，那么必然需要进行对目标结果的
8、选定的特点的进行仔细掌握，有所理解。可是在生活的实际的使用上，这种阈值选择和最终带到的结果并不是很是让人肯定和满意。因为这其中会受到噪声等相关因素的影响，在直方图的表现上，这种峰值表现就会显得不够突出。其分割效果往往比较好，被应用到各个领域中。3.2 区域分割法基于区域的图像分割是说在运用图像自身的相关区域的特点表现，以均匀性的的相关像素统计，伴以图像灰度等条件，具有针对性的把图像中的相关要素划归到相应的图像局部领域中，这种将图像分割开来的方式呢，便称之为区域分割法。基于一定的准则，使其在相似性的标准中，把其图像中能够用以合并的子区域或者具有相似性准则的像素整合成超过原图像中所未有的区域，这种
9、区域分割，叫做区域生长法；在基于图像相关的区域表现的不均匀和均匀原则中，依靠均匀性原则的,便可以把相邻的次级区域组合成为新出现的较大的分割区域，以不均匀性原则来要求的，便可以对图像和相关区域进行新的区域分割，从而生成新的区域。区域生长法的优点是计算简单。区域生长的缺点是：每一个需要提取的区域都必须人工给出一个种子点，这样有多个区域就必须给出相应的种子个数。区域分割的流程图如图3-3所示：设我们的判断标准是：首先设置一个限制值T，一旦像素与种子像素灰度差之间的绝对值太小，超过了这个限制值，这个像素就会被种子像素区域包含。图3-3（a）就是我们需要进行分割的图像。图3-3（b）显示的是T=3时的区
10、域生长结果，整幅图的划分劫夺比较好，两个区域界限明显；图3-3（c）显示的是T=1时的区域生长结果；图3-3（d）显示的是T=6时的区域生长结果。从上面的示例可知，在以下三个问题是需要亟待解决的：第一，种子像素的选择，要选取比较有代表性的种子像素；第二， 包括准则的确定，在生长过程中要确保可以将相邻的像素囊括进来；第三， 生长终止确定的条件和相关规则怎样制定。3.3 边缘检测分割法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。传统的
11、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。要确保边缘被很好地检测，第一，要了解需要进行检测的图像是怎样变化的，以此为依据选择相应的检测方法。第二，要明白图像的特性变化有一定的空间限制。第三，要考虑噪声的影响。第四，可以考虑各种方法的组合。第五，在正确检测边缘的基础上要考虑精确定位的问题。3.3.1 梯度算子梯度和一阶导相对应，相应的梯度算子也和一阶导数的算子相对应。对于具体的连续函数，在处的梯度定义如式3-1所示： （3-1）梯度是一个向量，其幅度和相位分别如式3-2和式3-3
12、所示： （3-2） （3-3）式中的偏导数用来计算确定每个像素的位置，在实际的操作过程中，经常利用小型模版计算卷积得到近似值，和各自使用一个模版。常用的梯度算子主要有Roberts算子，Prewitt算子和Sobel算子。通过算子检测、二值处理后找到边界点。应用梯度算子进行边缘检测，Sobel算子的检测效果最好。1）Prewitt算子这个算子有两个主要功能，第一是可以检测边缘点，第二是能够消除噪声的影响，所以能够很好地分割灰度和噪声较多的图像。Prewitt边缘算子隶属于边缘样板算子，利用像素点周边点的灰度差值，在边缘处达到最大最小的检测值，能够有效地消除噪声。2）Sobel算子Sobel算子
13、通常对灰度渐变和噪声较多的图像处理得较好。Sobel算子是一组方向算子，不是简单的求平均再差分，而是从不同的方向检测边缘，增强了中心像素周边方位像素的权重，经过运算，能够得到一副边缘图像。3）Roberts算子该算子具有相当高的定位精度，不仅在水平方向具有很好的应用效果，在垂直方向也能被很好地应用，但Roberts算子对噪声的响应比较强烈，Roberts边缘算子采用的计算方法是一种斜向偏差分的梯度计算，边缘的强度就代表了梯度的大小，两者走向相互垂直。3.3.2 拉普拉斯算子拉普拉斯算子（Laplacian）是一种二阶倒数算子，对一个具体的连续函数，在处的拉普拉斯算子如式3-4所示： （3-4）
14、 采用拉普拉斯算子进行检测，经常会出现双像素边界，采用这种检测方法，最大的缺陷就是难以检验边缘方向，并且这种检测方法受图像噪声影响比较大，因此在进行边缘检测时，不推荐使用这种方法。3.3.3 Canny算子 Canny算子也可以用于边缘检测，用来挑选最优边缘，与其他的边缘检测方法不尽相同，只有检测图像的强弱边缘相连时，才可以在输出图像中显示出弱边缘，同时它使用两种不同的阈值分别检测强边缘和弱边缘，因此，在许多图像处理领域中， 5 基于小波变换的图像分割算法设计与实现172论文导读：本论文是一篇关于基于小波变换的图像分割算法设计与实现172的优秀论文范文,对正在写有关于分割论文的写有一定的参考和
15、指导作用,（3-10）（3-11）则可得出相应的阈值分割算法。第四章图像分割算法的仿真4.1阈值分割算法的仿真4.1.1直方图双峰法的仿真该阈值法的依据是图像的直方图，通过对直方图进行各种分析来实现对图像的分割。若灰度图像的直方图，其灰度级范围为，当灰度级为k时的像素数为，则一幅图像的总像它都被广泛地应用。3.4 图像分割中的小波阈值法3.4.1 小波阈值法的原理 阈值的是一个系统的界限，而阈值是指阈的数值，图像中的阈值命令就是把彩色或灰度图像转换成高对比度的黑白图像，阈值命令有利于确定图像的最亮或最暗区域，比如可把阈值设为某个色阶，而所有比该色阶暗的像素变为黑色；所有比该色阶亮的像素变为白色。阈值分割法是一种以区域为基础的图像分割技术。这种分割方法按照特征的不同选择特定的阀值，将图像像素点划分为不同的种类。一些主要的参考特征包含原始图像中的彩色或灰度等
