《基于阈值的图像分割方法研究与实现》由会员分享，可在线阅读，更多相关《基于阈值的图像分割方法研究与实现（34页珍藏版）》请在金锄头文库上搜索。
1、本科毕业设计（2011届）题 目基于阈值的图像分割方法研究与实现学 院通信工程学院专 业信息对抗技术班 级07083512学 号07083224学生姓名全良荣指导教师张嵩完成日期2011年6月杭州电子科技大学本科毕业设计摘 要本毕业设计主要研究基于Hough变换的图像结构提取方法，通过MATLAB语言编程来实现两种典型的图像阈值分割算法（最大类间方差法和迭代法），并对这两种算法进行比较分析。其主要工作步骤如下：首先介绍数字图像处理和图像分割的基本理论知识。接着对几种图像分割方法进行了介绍。然后了解图像阈值化原理，并在此基础上对两种典型的图像阈值分割算法（最大类间方差法和迭代法）的原理进行了介绍
2、。最后通过MATLAB语言编程实现这两种算法，分别得到这两种算法的分割性能，并对这两种算法的分割性能进行比较。结果表明在大多数情况下，最大类间方差法比迭代法更稳定。关键词：数字图像处理；阈值化；最大类间方差法；迭代法；直方图ABSTRACTThe main aim of this thesis is to analyze image segmentation method based on thresholding, then implement two typical algorithms (Otsu method and Iterative method) by MATLAB langua
3、ge programming, and compare the two algorithms. Its main work procedure is as follows:First the basic theories of digital image processing and image segmentation are introduced. Then several image segmentation algorithms are introduced. Based on knowing the theory of image thresholding, we introduce
4、 the theory of two typical algorithms (Otsu method and Iterative method). Finally through MATLAB language programming, we can get the segmentation performance of the two algorithms respectively, and compare the two algorithms segmentation performance. The result shows that Otsu method is more stable
5、 than Iterative method in most cases. Key words：digital image processing; thresholding; Otsu method; Iterative method; image histogram.目 录1 引言12 数字图像处理基础22.1 数字图像处理的发展概况22.2 数字图像处理的目的与主要内容22.3 数字图像的表示法32.4 图像的灰度直方图43 图像分割技术及其方法53.1 图像分割的基本论述53.2 典型的图像分割方法63.3 结合特定理论的图像分割方法84 图像阈值化分割原理104.1 阈值化分割原理10
6、4.2 迭代法114.3 最大类间方差法124.4 图像阈值化技术的应用现状145 分割效果分析155.1 MATLAB的简介155.2 分割效果的评估标准165.3 分割效果分析166 结论24致谢25参考文献26附录27杭州电子科技大学本科毕业设计1 引言21世纪是科学技术迅猛发展的时代，图像作为现代信息社会中最基本的信息之一得到了广泛的应用。数字图像处理技术是20世纪60年代发展起来的一门新兴学科，几乎在各个行业里都起到了重要作用，随着全球数字化和现代信息技术的不断发展，数字图像处理这门新兴学科也跟着得到了迅速的发展，其理论与方法进一步完善，使得数字图像处理在更多领域得到了广泛的应用，并
7、展示出广阔的应用前景。在数字图像处理中，图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。目前图像分割技术已被广泛应用于很多的领域，如工业自动化，在线产品检验，生产过程控制，文档图像处理，遥感和生物医学图像分析，保安监视，以及军事，体育，农业工程等方面。基于阈值选取方法的图像分割方法，因其计算简单，具有较高的运算效率、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，但是不同方法选取的阈值直接影响到图像分割的质量。从20世纪70年代，图像阈值分割方法一直受到人们的关注和重视，到现在为止已经提出了众多基于阈值的分割算法，但是
8、并没有通用的阈值分割理论，也没有一种图像阈值分割算法适用于所有的情况，每种图像分割算法都有其局限性。其中，迭代法和最大类间方差法（大津法）作为两种典型的算法得到了广泛的应用。本论文就这两种算法进行了研究与实现，通过MATLAB语言编程实现这两种算法，分别对几幅灰度图像进行分割，从而验证这两种算法的有效性，并对它们做对比分析。2 数字图像处理基础2.1 数字图像处理的发展概况数字图像处理(Digital Image Processing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，
9、人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室(JPL)。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT(Computer Tomograph)。CT的基本方法是根据人的头部截面的投影，经计算机
10、处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类
11、视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域1。2.2 数字图像处理的目的与主要内容图像处理就是对图像信息进行加工处理，一般来说，对图像进行加工处理与分析主要目的有3个方面：提高图像的视感质量已达到赏心悦目的目的；提取图像
12、中所包含的某些特征与特殊信息，以便于分计算机析；图像数据的变换、编码和压缩，以便于图像的存储和传输。不图像处理要达到什么样的目的，都需要用计算机处理系统对图像数据进行处理，其中常见的图像处理技术有图像增强、复原、重建、编码压缩和分割等。1 图像复原：当造成图像降质或退化的原因已知时，复原技术可以对图像进行校正。图像复原最关键的是对每种退化都需要有一个合理的模型。复原技术是基于模型和数据的图像恢复，其目的是消除退化的影响，从而产生一个等价于理想成像系统所获得的。2 图像增强：图像增强是对图像质量在一定上进行改善，当造成图像退化的原因未知时，就可以用图像增强技术较为主观的改善图像的质量。所以，图像
13、增强技术是用于改善图像视感质量所采取的一种方法。3 图像重建：图像重建与上述的图像复原、增强不同。图像复原和增强的输入是图像，处理后输出的也是图像，而图像重建是指从数据到图像的处理，即输入的是某种数据，而经过处理后得到的结果是图像.4 图像编码压缩：由于数字图像所包含的信息量庞大，同时又有很多冗余信息，导致不能满足图像数据处理的需要，因此需要对图像进行编码以满足传输与存储的需要。5 图像分割：图像分割就是将图像分成多块区域，然后将图像中有意义的特征部分提取出来，这是进一步进行图像识别、分析和理解的基础，虽然目前已研究出多种分割方法，但还没有一种普遍适用于各种图像的有效方法，因此它是目前图像处理
14、中研究的热点之一。2.3 数字图像的表示法一幅黑白图像可用二维函数f（x，y）表示，其中x，y是平面的二维坐标，f（x，y）表示点（x，y）的亮度值（灰度值）。如果是一幅彩色图像，各点值还应反应出色彩变化，即可用f（x，y，）表示，其中为波长。假如是活动彩色图像，还应是时间t的函数，即可表示为f（x，y，t）。对模拟图像来说，f（x，y）显然是连续函数。为了适应数字计算机的处理，必须对连续图像函数进行空间和幅值数字化。空间（x，y）的数字化称为图像采样，而幅值数字化被称为灰度级量化。经过数字化的图像称为数字图像（或离散图像）。灰度数字图像有两种常用的表示法：矩阵法和链码法。在MATLAB中数字
15、图像是以矩阵的方式存储的。令数字图像排列MN阵列，相应的矩阵表示为： (2-1)图像阵列中每一个元素都是离散值，称为像素（pixel）。在数字图像处理中，阵列M，N和灰度级G都是2的整数次幂。对于一般的的图像，M,N取256或512，灰度级G取256级，即可满足图像处理的要求。2.4 图像的灰度直方图图像的直方图包含了丰富的图像信息，描述了图像的灰度级内容，反应了图像的灰度分布情况。图像直方图是图像处理中一种十分重要的图像分析工具，具有简单实用的特点。它主要用图像分割、图像灰度变换等处理过程中。通过对图像的灰度值进行统计，可以得到一个一维离散的图像灰度统计直方图函数。从数学上说，它统计一幅图像中各个灰度级出现的次数或概率；从图形上来说，它是一个二维图，横坐标表示图像中各个像素点的灰度级，纵坐标为各个灰度级上图像像素点出现的个数或出现的概率。从直方图可以看出图像的许多一般特性。在图2-1(a)所示的直方图中，由于它的大部分灰度集中在暗区，所以呈现出相当暗的图像。而在图2-1(b)所示的直方图中，由于它的大部分像素具有高灰度值，所以整个画面很亮。因此，灰度直方图描述了一幅图像的概貌，是研究图像灰度分布的手段，是数字图像处理中一个非常有用的工具。 (a) 直方图1
