《毕业设计（论文） 基于MATLAB图像分割算法研究与实现》由会员分享，可在线阅读，更多相关《毕业设计（论文） 基于MATLAB图像分割算法研究与实现（28页珍藏版）》请在金锄头文库上搜索。
1、基于MATLAB图像分割算法研究与实现摘 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
2、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：图像分割；边缘检测；区域生成；阈值分割 Research of image segmentation algorithm Abstract Image Segmentation is the techniqu
3、e 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 segmentation directly affects the performance of vision system.
4、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 been done, that is based on edge detection method and the
5、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 based on a wide range of EDGE-based functions are introduced
6、, 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 segmentation. Through many experiments later, summed up the general
7、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 there is not general theory of segmentation, the proposed
8、 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 引 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
9、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
10、、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。 第一章 数字图像分割概述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
11、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
12、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、复制和删除某一部分等； (3)重复性好：模拟图像（例
13、如，照片）即便使用非常好的底片和相纸，也会随着时间的流逝而褪色、发黄，而数字图像可以储存在光盘中，上百年后再用计算机重现也不会有丝毫的改变。 1.1.2 图像分割的定义在图像的研究和应用中，人们往往只对一幅图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域（可以对应单个区域，也可以对应多个区域），称之为目标或前景；而其它部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。所谓图像分割，从广义上来讲，是根据图像的某些特征或特征集合（包括灰度、颜色、纹理等）的相似性准则对图像像素进行分组聚类，把图像平面划分成若干个具有某
14、些一致性的不重叠区域。这使得同一区域中的像素特征是类似的，即具有一致性；而不同区域间像素的特征存在突变，即具有非一致性。 从集合的角度出发，图像分割定义如下： 设R代表整个图像区域,对R的分割可看作将R分成若干个满足一下5个条件的非空子集（子区域），(1)即分割成的所有子区域的并应能构成原来的区域R。(2)对所有的i和j及ij，有即分割成的各子区域互不重叠。(3)对于；有1,2,i=，n;有。即分割得到的属于同一区域的像素应具有某些相同的特性。(4)对于，有。即分割得到的属于不同区域的像素应具有不同的性质。()(5)对于；1,2,i，是连通的区域。即同一子区域的像素应当是连通的。1.2 图像分
15、割研究的发展和意义1.2.1 图像技术的发展 图像处理是人类视觉延续的重要手段，可以使人们看到任意波长上所测得的图像。例如，借助的伽马相机、X光机，人们可以看到红外和超声图像；借助CT，人们可以看到物体内部的断层图像；借助相应工具，人们可以看到立体图像和剖视图像。几十年前，美国在太空探索中拍回了大量的月球图片，但是由于种种环境因素的影响，这些图片是非常不清晰的，为此，人们对这些照片进行了一些图像处理手段，使照片中的重要信息得以清晰再现。正是这一方法产生的效果引起了巨大的轰动，从而促进了图像处理技术的蓬勃发展。总体来说，图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期四个阶段。初创期
16、开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中、大型机进行处理。在这一时期，由于图像存储成本高，处理设备造价高，因而其应用面很窄。20世纪70年代进入发展期，开始大量采用中、小型机进行处理，图像处理也渐渐改用光栅扫描显示方式，特别是出现了CT和卫星遥感图像，对图像处理的发展起到了很好的促进作用。到了20世纪80年代，图像处理技术进入普及期，此时的微机能够担当起图形图像处理的任务。VLSI的出现更使得处理速度大大提高，其造价也进一步降低，极大地促进了图像图像系统的普及和应用。20世纪90年代是图像技术的实用化时期，图像处理的信息量巨大，对处理速度的要求极高。据美国每日科学网2011年6月21日报道，美国普渡大学的研究人员开发出一种基于热映像的计算机图像分割算法，可使计算机
