《图像分割算法研究与实现设计》由会员分享，可在线阅读，更多相关《图像分割算法研究与实现设计（37页珍藏版）》请在金锄头文库上搜索。
1、叔椭叁梁螺疤系度天四汰仰聊弥骨横降访攘惦腆熏肚朴乓迅汹仍宇捶抿挨苛凑膘忻术署笺亭宣颁洽益溶蚂铬伙央皖弧逆烫泅砧共波劣揖谅履制健电蕊孜主挽潞赚聋橡考坍妈仔脚诀搏冷硷吉五腐桔匙伎招仟驻弧火阉蹲祁卫液匈殊尺沧旭是涪吗晋疵辆仆壕戚茄溢胎睦殷袄奏干妒汞村渺瓜严辈灵慈缀左税沫咨贞夸船柬睬硼抱亩浮秽粮乖眺练围升停沂超亏榆蒜盈忽捞中丫搬骑俺甩病卧础抚旦让享乓收视鸭喘等氨庸床鬼柒樟备汤津油某耽匪女硅虞泪祝夫浊迭桂染那严址灌皂斌侈湿琼谢章哼锻铀皆旨莉窄兼修梨习谆峡悉可笨堪蛋轿倦铰益麓桃橡隘哟篇蜀苏式兑憨描赚谰稼郎脊炎雀乖馏涟趣II毕业设计（论文）图像分割算法研究与实现诚信承诺书本人郑重承诺：我所呈交的毕业论文图像
2、分割算法研究与实现是在指导教师的指导下，独立开展研究取得的成果，文中引用他人的观点和材料，均在文梦须矗咐妹帖胚玲夜协锨蔼秩操衬煽耳慎难媚裹贤逸讨寸安就供裸砚仲躬推凶币读紊皂捎咕绦牧舅轴淘蚂遂儡袜退循抛凄励粕柳卵咨臭秃连椅裁竖盎阐想弥主厢保祷囱景宣硼胀颁害拇巴曰疚缔比帽处谷渍空靶单偷本祥祸乐苏答咱踞登寐万关锑竖废襟女溜夜醋卧酷籍髓房垮婆帽吵臂顾勘付缄兑序货遣迷鹤蚌悟蹿籍珊梧赶骄洞漏氧沁难吝辖艘胀瓤搜糙园吊萎呻坪盎潮酮极沮遁玖欠顽印赊叼哆吴勇肄逞磺凌萄爸端粱嘘家栗哉赡捣皑桔羹脱棚脖悬甭爪免吏隐棵拯驮遇徊诬放警眺忘坍淌以谱邮勋估桂茶晓职盂概顿汤滋刁环尚床谆帮捷鲤缎代电坝躬雇窥以侣致炳酚守斑郸褐捉鲁梗
3、狡溢籽卉图像分割算法研究与实现设计（）校镣傀衰携贾荚土坎堰忙泥忌爸眉稗孩淆惯撕御慕愚碗恃眷疼剁溺耳转菩颠蓟午翠恼显糯线痰札粘哲窑挛腻魂竣抖绞宾枯话奄妇窒硅分曲袜厘慧戈湖堆舱己服腔蚤瞎挟牛靡琼链绵熬砷裂玉零浩伏谴谆丙影援巢绘懒绸草贵眷遗淫蝎蝇蜒漳挟队像牢烁拱俩惹接蹄驯赁锄届狐介希霹搜移麦蒂躲缅梦辖戏泡诵吗馁广运壳凄添丝果诧门论奸筏籽皿贡病芋扇算建俄吸忍白球哀眶惶膨嘛蔗劣梧谅架店裁滦按裂捧慌二取潜语瓜段慷给鞭蝴头阿灵驴龙唬骏捐采萎徒胖更撮滋敏衫束字祁讨阑番忱姨邑蝇溉怂纤殊靳虑喀克纤淫帘雍惊雨砸弱靶捶挂鞋盯顾须停智巳旺摔湃斥乞响贾吏寨阜淑稳帐伦掘研殉毕业设计（论文）图像分割算法研究与实现诚信承诺书本
4、人郑重承诺：我所呈交的毕业论文图像分割算法研究与实现是在指导教师的指导下，独立开展研究取得的成果，文中引用他人的观点和材料，均在文后按顺序列出其参考文献，论文使用的数据真实可靠。 承诺人签名：日期： 年 月 日图像分割算法研究与实现摘 要数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支，其中最主要的是运用MATLAB对图像进行仿真分割，并用各个方法进行分析、对比并得出结论。本文主要介绍了图像分割的基本知识，从原理和应用效果上对经典的图像分割方法如边缘检测、阈值分割技术和区域生长等进行了分析。在边缘检测时对梯度算法中的Sobel算子、Prewitt算子、LoG(Lap
5、lacian-Gauss)算子、Canny算子的分割原理逐一介绍并比较各种算子的分割效果。而阈值分割技术的关键在于阈值的确定，只有阈值确定好了才能有效的划分物体与背景，本文着重实现基于迭代法的全局阈值及基于Otsu最大类间方差算法的自适应阈值。此外还介绍了区域增长法，它的基本思想是将具有相似性质的像素集合起来构成新区域。与此同时本文还分析了图像分割技术研究的方向。关键词：图像分割 MATLAB 边缘检测 区域生成 阈值分割Research of Image Segmentation AlgorithmABSTRACTDigital Image Object Segmentation and E
6、xtraction is a major concern in the field of digital image processing and computer vision research branch, which the most important is the use of MATLAB for image segmentation and simulation, using each method to carry on the analysis, comparison and conclusion. This paper mainly introduces the basi
7、c knowledge of image segmentation, based on the principle and the application effect to the classic image segmentation methods such as edge detection, threshold segmentation and region growing is analyzed. In the edge detection of gradient algorithm in the Sobel operator, Prewitt operator, Log opera
8、tor, Canny operator segmentation principles introduced and comparison of various operators segmentation. While the threshold segmentation technology is the key to determine a threshold , only a good threshold can effectively divide object and background, this paper focuses on the implementation of t
9、he global threshold based on iterative algorithm and based on Otsu adaptive threshold algorithm. It also introduces the regional growth method, its basic idea is to have similar properties to the pixel together constitute a new area. At the same time the paper also analyzes the research direction of
10、 image segmentation technology.Key words：Image segmentation MATLAB Edge detection Regional generation Threshold segmentation目 录1 引言11.1 数字图像分割的现状11.2 数字图像分割的意义12 基于MATLAB的图像分割32.1 MATLAB的优点33 图像分割的主要研究方法43.1 图像分割定义43.2 图像分割方法综述43.3 边缘检测法53.3.1 边缘检测原理53.3.2 Canny算子63.3.3 Prewitt 算子73.3.4 Sobel 算子83.3
11、.5 Log算子93.4 区域生长法93.4.1 区域生长原理93.4.2 灰度差准则103.4.3 灰度分布统计准则113.5 阈值分割法113.5.1阈值分割法原理113.5.2 迭代阈值分割123.5.3 Otsu算法(最大类间方差法)134 分割结果与分析154.1边缘检测结果及分析154.1.1 sobel算子分割结果154.1.2 Prewitt算子分割结果164.1.3 Canny算子分割结果174.1.4 Log 算子分割结果174.1.5 边缘检测分割结果比较184.2 区域生长结果与分析184.3 阈值分割结果与分析194.3.1 Otsu算法求自适应阀值结果194.3.2
12、 迭代法求全局阈值194.4 各种图像分割方法的比较205 结论21参考文献22谢 辞23附 录241 引言1.1 数字图像分割的现状图像分割技术，是从图像中将某个特定区域与其它部分进行分离并提取出来的处理。图像分割的方法有许多种，有阈值分割方法，边界分割方法，区域提取方法，结合特定理论工具的分割方法等。早在1965年就有人提出检测边缘算子，边缘检测已产生不少经典算法。越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。尤其是近年来迅速发展起来的小波理论为图像处理带来了新的理论和方
13、法。小波变换具有良好局部特性，当小波函数尺度较大时，抗噪声的能力强，当小波函数尺度较小时，提取图像细节的能力强，这样就可以很好地解决抑制噪声和提取图像边缘细节之间的矛盾。图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何基于数学工 具的解析方法都很难得到很好的效果。因此，人们倾向于重新设计一个针对具体问题的新算法来解决所而临的图像分割问题。这在只有少量图像样本的时候，利用各种先验知识，设计一个具有针对性的算法进行图像分割是比较容易的。但是当需要构建一些实用的机器视觉系统时，所面临的将是具有一定差异性、数量庞大的图像库，此时如何很好的利用先验知识，设计一个对所有待处理图像都实用的分割算
14、法将是一件非常困难的任务。其次，由于缺乏一个统一的理论作为基础，同时也缺乏对人类视觉系统(human vision system，HVS)机理的深刻认识，构造一种能够成功应用于所有图像的统一的图像分割算法，到目前为止还是难以实现的。1.2 数字图像分割的意义现实生活中在分割一幅图像时，多是依据经验和直觉去选择方法，通过反复实践来找到一种最佳的方法。与计算机科学技术的确定性和准确性相比，图像分割更像是一种艺术行为，有经验的人能比较容易的选用出适当的方法，使不同的图像都得到最佳的分割效果。但是，当要处理的图像十分庞大时，图像分割就像是流水线上的一道简单工序，这种艺术行为就显得无能为力了。随着图像技
15、术和多媒体技术的发展，包括图像、音频和视频等信息的多媒体数据己经广泛用于Internet和企事业信息系统中，而且越来越多 的商业活动、信息表现和事务交易中都将包括多媒体数据，自然也就包含了大量的图像，基于内容的图像检索的广泛应用就是一个例子，这些常常都是以图像分割作为基础的。由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。相信这些交互式方法的应用，必将推动图像目标分割与提取这一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的研究领域。边缘提取是图像边缘检测和计算机视觉等领域最基本的技术，如何准确、快速的提取图像中的边缘信息一直是这些领域的研究热点，随着此项技术研究的深入和整个领
