《matlab图像分割总结报告》由会员分享，可在线阅读，更多相关《matlab图像分割总结报告（16页珍藏版）》请在金锄头文库上搜索。
1、 课程总结报告题目： 图像分割程序设计院院 系系 电气与电子工程学院电气与电子工程学院 专专 业业 xxxxxxxx 班班 级级 研电研电 16xx16xx 学学 号号 116xxxxxx116xxxxxx 姓姓 名名 xxxx 2016 年 11 月 3 日摘 要：图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。其中图像二值化又是图像分割的重点。本文对全局和局部阈值二值化法的几种常用的算法和基本自适应阈值二值化进行了综述。每基于一定理论和算法的图像二值化方法都有各自不同的优势和缺点，在实际应用当中应根据不同使用目的和使用标准采取不同的方法以达到最佳效果。本文在MA
2、TLAB 编程技术及其 GUI 图形用户界面设计的基础上，开发了具有交互式特点的数字图像处理 GUI 软件，界面操作简单方便，实现了图像二值化的功能。关键词：二值化；全局阈值法；局部阈值法；基本自适应阈值法；图像分割；MATLAB GUI 0 引言图像分割技术作为图像处理领域中极为重要的内容之一，是实现图像分析和理解的基础，而图像二值化又是图像分割的重点。只有在其基础上才能对目标进行特征提取和参数测量，使得更高层的图像分析和理解成为可能。二值化是图像处理和分析的关键技术，也是个经典难题。随着实际应用的需要，对图像二值化进行深入的研究，不断改进原有方法，提出新方法具有重要的意义。1 图像二值化二
3、值化是图像处理中的一个重要的问题，广泛应用于图像分割，图像增强，图像识别等领域。根据其运算的范围不同，图像的二值化方法可分为全局阈值方法和局部阈值方法。它利用了图像中要提取的目标物与其背景在灰度特性上的差异，把原图像变为仅用两个灰度值表示的图像目标和背景的二值图像。其处理思想是，假设一副灰度图像中的灰度级范围是(0，255)，则图像中每一点像素的灰度值为 f(x，y)，f(x，y)0，1，255)，设阈值为 T(0T255)则：其中：g(x，y)表示二值化后图像中各个像素点的值，若 g(x，y)=1 表示改点为目标；若 g(x，y)=0，表示改点为背景。T),(),(10),(yxfTyxfy
4、xg2 GUI 设计图形用于界面（GUI）是提供人机交互的工具和方法。MATLAB 的 GUI 为开发者提供了一个不脱离 MATLAB 的开发环境，有助于 MATLAB 程序的 GUI 集成。本文设计的程序有以下功能： 1）实现图像的读取及显示其灰度直方图功能，保存功能及退出时“是否保存处理后图像”的提醒功能。2）设计图形用户界面， 让用户能够对图像进行全局阈值分割，可选方法为迭代法、Otsu 法及改进的 Otsu 法，同时显示该方法选取的阈值。3）设计图形用户界面， 让用户能够对图像进行局部阈值分割，可选方法为 Bernsen 法、Niblack 法及改进的 Bernsen 法，同时关闭选取
5、阈值的显示（因为此时每个像素点均有对应的阈值）。4）编写程序对图像进行基本自适应阈值分割，即将用户所选取的图像进行分块后对每块图像用 Otsu 法进行二值化，并实现调整分块大小时实时显示处理后的图像功能。具体 GUI 设计的程序代码及模块、菜单配置过程不在此赘述。MATLAB 中运行相应的 m 文件，会出现如下图所示的初始界面：图 2.1 初始界面可以看到，在图像没有打开之前图像分割功能是不可选的，这是在 GUI 编程中考虑到为避免对空白图像进行二值化可能会产生全黑图像的错误而设计的。点击如下选项，可以打开指定图像，并显示其对应的灰度直方图：图 2.2 “打开”图像现在“图像分割”菜单变为可选
6、，选择相应算法可以得到不同效果的阈值分割结果图，相应可选方法如图：图 2.3 “图像分割”菜单阈值分割完毕后，点击图标 ，可以对处理后的图像进行保存。若不保存直接选择“退出”菜单，程序会弹出如下图所示选框，提醒用户是否保存已更改的图片，可以根据用户需求进行选择，同时避免了错误的发生。图 2.4 “保存”与“退出”3 阈值分割算法与实验分析 3.1 全局阈值分割全局阈值法根据文本图像的直方图或灰度空间分布确定一个阈值，以此实现灰度文本图像到二值图像的转化。此方法的优点在于算法简单，对目标和背景明显分离、直方图分布呈双峰的图像效果良好，但是由于对整幅图使用一个阈值处理，因此其对输入图像有噪声或不均
7、匀光照等情况抵抗能力差，应用受到极大限制，不能广泛地应用于实际。典型的全局阈值分割方法有迭代法、Otsu 方法等。在此引入光照均匀的图 3.1 和光照不均匀的图 3.2，本节将用下述全局阈值方法对其进行处理。图 3.1 原始图像 1 图 3.2 原始图像 23.1.1 迭代法迭代法的主要思想是利用循环迭代的方法 ，逐步逼近最佳阈值 ，其计算步骤主要是：1) 对图像进行灰度化，找出图像灰度的最大值和最小值，分别记为和 maxR，令初始阈值为：minR2/minmaxRRT2) 根据当前的阈值 T 以及图像的各像素的灰度值，将图像像素分成前景与背景两组。3) 分别求出当前前景与背景两组像素的平均灰
8、度值，记为和。1u2u4) 求出新阈值：2/21uuT循环 2)-4)步，直到两组的平均灰度值不再发生新的变化，此时即获得了所需要的阈值。这种方法运算很简单，因此处理图片的速度是很快的。处理光照均匀的图 3.1 后，得到阈值为 0.5312 的图 3.3，可以看到效果还是比较好的；但是在处理光照不均匀的原图 3.2 后，得到阈值为 0.49393 的图 3.4，可见只使用一个阈值，已经没有办法兼顾到所有细节情况了。图 3.3 迭代法处理图 1 图 3.4 迭代法处理图 23.1.2 Otsu 方法二值化的算法之一 Otsu 法，也称大津法，是全局二值化算法的经典算法之一。它是 1979 年由
9、Otsu 提出的，其基本思想是求取最佳门限阈值，此阈值将图像灰度直方图分割成黑白(前景与背景)两部分，使两部分类间方差取得最大值，并使类内方差值最小，即类间分离性最大，而类内的相似性最大，因此，Otsu 法也称最大类间方差法。对于某图像的灰度直方图，设 T 为区分前景灰度与背景灰度的二值化阈值，设为前景像素所占图像总像素的比例，令为所0w0u有前景像素的平均灰度，设为背景点数所占图像总像素的比例，令为所有1w1u背景像素的平均灰度，则图像的所有像素的平均灰度为。在进行1100uwuwu程序运算时，T 的取值可从图像的最小灰度值到图像的最大灰度值依次遍历，当 T 取某值时，类间方差公式能取得最大
10、，此时 T 即2 112 00wbuuwuu为二值化的最佳阈值。使类间方差最大的二值化意味着错分概率最小。同样，我们采用 Otsu 算法对图 3.1 和图 3.2 进行处理，分别得到图 3.5 和图 3.6。图 3.5 所选阈值为 0.49804，可以看到效果依旧很好；图 3.4 所选阈值为 0.49412，效果很不理想。图 3.5 Otsu 法处理图 1 图 3.6 Otsu 法处理图 23.1.3 改进的 Otsu 方法图像二值化是建立在物体和背景可以区分的基础上的，如亮度色调等不同，从而根据这些已知信息分出前背景。而一般的全局二值化如用 Otsu 方法获取最优阈值的方法，都是建立在图像前
11、背景亮度有一定差距的基础上的，即图像直方图有双峰结构。如果对于一幅亮度不均匀的图像这种方法就不适用，解决的方法可以把图像根据整体亮度变化来分成若干小区域，而各区域的直方图中有两个峰，这样就能自适应得时整幅图都比较好的二值化。但是，这样对于一些复杂的图像就难处理，而且可能存在分块邻接缺陷，因此，本程序中先将整幅图的亮度调均匀，然后再用整体二值化就能得到很好的结果。这里使用Retinex 算法把图像的整体亮度调均匀后（此法能很好得将各种照度不均的图调整成直方图中明显有双峰的均匀图），再用 Otsu 方法取阈值二值化。对光照不均匀图 3.2 进行处理，得到图 3.7，可见此时的图像轮廓得到了还原，取
12、得了较好效果。图 3.7 改进的 Otsu 法处理图 13.1.4 全局阈值法小结下面，我们对全局阈值法做一些总结。一般说来，全局阈值法想法都比较简单，实现起来也很高效简单，但这种也是有代价的。它的适用范围相对有限，擅长处理简单图像，比如目标与背景明显分离的，直方图分布呈双峰的图像。但是对于光照不均，模糊的文档及多边缘的图像，就会丢失很多的信息。在此引入文本图像图 3.8。可以看到下半部分是清晰的文字，但是上半部分的表格，则具有淡淡的底，使得字迹看起来变淡了，也就是说模糊了。由于 Otsu 算法在全局阈值二值化方法中具有很好的评价，在这里仅使用法对其进行处理，来看一看效果。图 3.8 原始图像
13、 3使用 Otsu 方法处理图 3.8，所得阈值为 0.7451，处理结果为图 3.9。可以看到，图中下半部分还是比较清楚的，但是上半部分表中的文字显示很不理想。对于这种光照均匀地图像，改进的 Otsu 方法处理结果如图 3.10，其细节丢失更为严重。这正是全局阈值二值化的简单性所付出的代价。由于该类方法只关心整幅图像的灰度值分布特征，然后就迅速进行处理它是高度宏观化的，因而对于局部的变化反映不够灵敏。因此，使用该方法会丢失图像的许多细节信息。图 3.9 Otsu 法处理图 2图 3.10 改进的 Otsu 法处理图 2由于全局阈值法的这一缺点，引出了关注细节的局部阈值二化算法。3.2 局部阈
14、值分割局部阈值法通过定义考察点的邻域，比较考察点与其邻域的灰度值来确定当前考察点的阈值。非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质，使得局部阈值法较全局阈值法有更广泛的应用。局部阈值法虽然能够根据局部灰度特性来自适应地选取阈值，有较大的灵活性，但局部阈值存在速度慢，对文本图像进行二值化处理时，可能导致出现笔画断裂现象以及伪影等问题，直接影响后面的识别工作。常用的局部阈值法有 Bernsen算法、Niblack 算法。 3.2.1 Bernsen 算法Bernsen 算法是一种典型的局部阈值算法，其将窗口中各个像素灰度级最大值和最小值的平均值作为一个窗口的中心像素的阈值
15、，因此此方法不存在预定阈值，适应性较全局阈值法广，不受非均匀光照条件等情况的影响。设图像在像素点(i，j)处的灰度值 f(i，j)，考虑以像素点(i，j)为中心的窗口，则 Bernsen 算法可以描述为： 1212 ),(),(21,minmaxmjmifmjmifjiTnm nm 图像中各个像素点(i，j)的阈值 T 对图像中各个像素点(i，j)用 b(i，j)值逐点进行二值化：j)T(i,),(),(),(10),(jifjiTjifjib在实现算法的过程中会遇到一个不可避免的问题。当一个像素点处于整幅图像的边界处，或是其他距图像边界不足一个像素点单位的位置时，若以它为中心取的小块，那么所取得的小块就会有一部分是缺失的。这里，本文选取的处理方式是对原图像加边，新的边灰度值全赋值为 0。在使用 Bernsen 算法进行图像二值化的时候，是需要选择窗口的大小的，现在结合算法来具体讨论该因素的影响。从 Bernsen 算法求局部阈值公式来看，对于一个固定的像素点(x，y)，当窗口尺度很小的时候，该像素点周围有细微的明暗
