图像分割算法

《图像分割算法》由会员分享，可在线阅读，更多相关《图像分割算法（42页珍藏版）》请在金锄头文库上搜索。

1、安徽工程大学毕业设计（论文） 图像分割算法研究图像分割算法研究 摘摘 要要 图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程， 它 是计算机视觉领域的一个重要而且基本的问题， 分割结果的好坏将直接影响到视觉系统 的性能。因此从原理、应用和应用效果的评估上深入研究图像分割技术具有十分重要的 意义。本课题主要介绍了图像分割的基本知识，研究了图像分割的两大类算法，即基于 边缘检测的方法和基于区域生成的方法。采用 MATLAB 仿真了所有分割过程，得到了 比较理想的分割结果，并分析了各个算法的优点和不足之处,以及适用于何种图像。 基于边缘检测方法种类繁多，主要介绍基于 EDGE 函

2、数、检测微小结构、四叉树分 解和阈值分割的方法实现对图像的边缘检测及提取。 而基于区域的图像分割方法主要包 括区域生长法和分裂-合并分割方法。通过多次的实验过后，总结出一般的图像分割处 理可以用 EDGE 函数。而特定的图像应用阈值分割、检测微小结构和四叉树分解比较简 单。 虽然近年来人们在图像分割方面做了大量的研究工作，但由于尚无通用的分割理 论，因此现已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 用的分割算法，有待于进一步解决。 关键字：关键字：图像分割；边缘检测；区域生成；阈值分割 I 朱北侠：图像分割算法研究 Research of image segmentat

3、ion algorithm Abstract Image Segmentation is the technique and the process to segment an image into different sub-mages with different characters and to extract the interested objects from the image. It is an important and basic procedure in the field of computer vision, the quality of image segment

4、ation directly affects the performance of vision system. Therefore, from the theory, application and evaluation of application effect of depth of image segmentation is of great significance. This issue introduces the basics of image segmentation, image segmentation of the two major algorithms have b

5、een done, that is based on edge detection method and the method based on regional produce. Segmentation process is simulated and the results have shown perfect. Advantages and disadvantages of each algorithm are discussed at the end of the paper, and to apply to each image. Edge detection method bas

6、ed on a wide range of EDGE-based functions are introduced, the detection of minimal structure, quadtree decomposition and threshold segmentation method to realize the edge detection and extraction. The region-based image segmentation methods include region growing and division - combined segmentatio

7、n. Through many experiments later, summed up the general image segmentation can be EDGE function. The specific application of image segmentation, the detection of minimal structure and quadtree decomposition is simple. Although a lot of image segmentation research has been done in recent years, but

8、there is not general theory of segmentation, the proposed segmentation algorithm has been mostly issue-specific, and there is not a suitable segmentation algorithm for all common image, remains to be resolved. Keywords: Image segmentation; Edge detection; Region segmentation; Threshold segmentation

9、II 安徽工程大学毕业设计（论文） 目 录 目 录 引引 言言.- 1 - 第第 1 章章 绪绪 论论.- 2 - 1.1 基本概念.- 2 - 1.1.1 图像和数字图像.- 2 - 1.1.2 图像分割的定义.- 2 - 1.2 图像分割研究的发展和意义.- 3 - 1.2.1 图像技术的发展.- 3 - 1.2.2 图像分割的研究意义.- 3 - 1.2.1 图像分割的研究现状及发展趋势.- 4 - 1.3 论文的主要工作.- 5 - 第第 2 章章 图像分割技术的基本算法图像分割技术的基本算法.- 6 - 2.1 阈值分割算法.- 6 - 2.1.1 直方图阈值的双峰法.- 6 - 2

10、.1.2 迭代法.- 8 - 2.1.3 大律法.- 10 - 2.2 边缘检测算法研究. - 11 - 2.2.1 拉普拉斯高斯算子.- 12 - 2.2.2 Canny算子- 14 - 2.2.3 一阶微分算子.- 16 - 2.3 区域分割算法研究.- 19 - 2.3.1 区域生长的原理和步骤.- 19 - 2.3.2 生长准则和过程.- 20 - 2.3.3 分裂合并.- 22 - 第第 3 章章 图像分割在车牌号系统识别中应用的介绍图像分割在车牌号系统识别中应用的介绍.- 25 - 3.1 车牌图像二值化算法.- 25 - 3.1.1 阈值的选取.- 26 - 3.1.2 试验及试

11、验结果.- 27 - 3.2 车牌字符分割基本方法.- 27 - 3.2.1 投影分割.- 28 - 3.2.2 基于聚类分析的字符分割- 28 - 3.2.3 基于模板匹配的字符分割- 28 - 3.2.4 直方图合并和分裂的处理.- 29 - 总结与展望总结与展望.- 30 - 致致 谢谢.- 31 - 参考文献参考文献.- 32 - 附录附录A 英语引文及翻译英语引文及翻译 - 33 - 附录附录B 主要参考文献的题录及摘要主要参考文献的题录及摘要- 37 - III 朱北侠：图像分割算法研究 IV 插图清单插图清单 图 2-1 直方图的双峰与阈值.- 7 - 图 2-2 双峰法分割前后

12、的图像.- 7 - 图 2-3 迭代法分割前后的图像.- 9 - 图 2-4 大律法分割前后的图像. - 11 - 图 2-5 拉普拉斯运算模板.- 13 - 图 2-7 canny算子边缘检测.- 16 - 图 2-8 Roberts算子模板 - 16 - 图 2-9 Sobel算子模板- 17 - 图 2-10 Prewitt算子模板.- 17 - 图 2-11 三种微分算子边缘检测.- 18 - 图 2-12 区域生长示例.- 20 - 图 2-13 图像的四叉树分解示意图.- 22 - 图 2-14 四叉树分解结构.- 24 - 图 3-1 汽车牌照自动识别系统.- 25 - 图 3-

13、2 具有明显双峰的直方图.- 26 - 图 3-3 车牌二值化.- 27 - 图 3-4 分割后的车牌字符显示图像.- 29 - 安徽工程大学毕业设计（论文） 引引 言言 图像分割是数字图像处理中的一项关键技术，它使得其后的图像分析，识别等高级 处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。由于分割 中出现的误差会传播至高层次处理阶段，因此分割的精确程度是至关重要的，多年来一 直受到研究人员的高度重视，被认为是计算机视觉中的一个瓶颈。 图像分割是图像处理中的主要问题，也是计算机视觉领域低层次视觉中的主要问 题，同时它又是一个经典难题。由于问题的重要性和困难性，从七十年代起

14、图像分割问 题就吸引了很多研究人员为之付出了巨大的努力， 但到目前为止还未存在一个通用的方 法，也不存在一个判断分割是否成功的客观标准。 近几年来，很多研究人员做了大量的工作，提出了很多实用的分割算法，随着统计 学理论、模糊集理论、神经网络、形态学理论、小波理论等在图像分割中的应用日渐广 泛，遗传算法、尺度空间、多分辨率方法、非线性扩散方程等近期涌现的新方法和新思 想也不断被用于解决分割问题， 国内外学者提出了不少针对一些具体应用的好的分割方 法。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，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选择不同的分割

15、算法 提供了一定的依据。需要指出的是，由于从不同的角度将得到不同的分类结果，本文中 涉及方法的分类并不是绝对的，而且许多分割方法还是多种简单方法的综合体，我们只 能大致将它们分为属于最能反映其特点的某一类。 - 1 - 朱北侠：图像分割算法研究 第第 1 章章 绪绪 论论 1.1 基本概念 1.1.1 图像和数字图像 图像就是用各种观察系统以不同的形式和手段观察客观世界而获得的， 可以直接的 或间接的作用于人眼而产生视知觉的实体。科学研究和试验表明，人类从外界获得的信 息 75%来自于视觉系统，也就是说，人类的大部分信息都是从图像中获得的。图像是人 们从出生以来体验到的最重要、最丰富、信息量获

16、得最大的部分。 图像能以各种各样的形式出现，例如，可视和不可视的，抽象的和实际的，适于计 算机处理的和不适于计算机处理的。就其本质来说，可以将图像分为两大类： 一类是模拟图像，包括光学图像、照相图像和电视图像等，例如，在生物医学研究 中，人们在显微镜下看到的图像就是一幅光学模拟图像，照片、用线条画的图、绘画也 都是模拟图像。模拟图像处理速度快，但精度和灵活性差，不易查找和判断。 另一类是将连续的模拟图像经过离散化处理后变成计算机能够识别的点阵图像， 成 为数字图像。严格的数字图像是一个经过等距离矩形网格采样，对幅度进行等间隔量化 的二维函数，因此，数字图像就是实际上就是被量化的二维采样数组。 与模拟图像相比，数字图像具有以下显著特点： (1)精度高：目前的计算机技术可以将一幅模拟图像数字化为任意的二维数组，即数 字图像可以由无限个像素组成，每个像素的亮度可以量化为 12 位（即 4096 个灰度级） ， 这样的精度使数字图像与彩色图像的效果相差无几； (2)处理方便：由于数字图像本质上是一组数据，所以可以用计算机对它进行任意 方式的修改，例如，放大、缩小、改变颜色、复制