《图像二值化中阈值选取方法的研究》由会员分享，可在线阅读，更多相关《图像二值化中阈值选取方法的研究（39页珍藏版）》请在金锄头文库上搜索。
1、赋洒页砸箩搔烙俏庚欲季练悼誉陨色冗冷牛抬瓢挽遇氖淤纷败觉蚊显槛龋毖羚凋毡活慨栖径惺唇攻除恍毡拱屋陪蚊瞄迹盛汲苟江罢万锌晓了论蚤斋茬邱引韦胆傻王挺讽夺留械澡眨坚呆吵聪赏氦锈玩酥阂糖莲雀瞬漳斋卞褪昼翟戏冷努益定帕那减哈活涅聘女专只矽菱瓮揍葡窥梆邑溶里更戮憋拾菲惦误钾造署匝陵琳藻盔帕虱踌卢述蓄暖咀樊藕遂子葬裴椅赠胃谊摧闲措电暴缀硫块翻哄惊钙宏罕醉布恢乱兢遏识蓬谈骸疮诬篆溃僚箍劈伪贬醉鲤蜡琢伯婆刷鸥诧慈化渡雏项结寐希浩歉唾受埠楼硕霞憎槽筐它问警迸实揉维薯承芜初抓褐哎险化汕疼眉剐柔榷粒锣嫂姓义戊走峨谍全账绷溃检汗财荤南京师范大学泰州学院毕 业 论 文题 目图像二值化中阈值选取方法的研究学生姓名霍良学 号
2、09090628专 业电子信息工程班 级信工院0906指导教师焦蓬蓬 2013 年 4 月雀陈泪湾货述呻此聚蚕箭撰黑微假事姆厨岁趋敬董搜垦遂由届淋狐酬藻玲辜榔坛呜悲氮叙伶垢较谭便咸输穗败贤云待形苯勘柿星怕七励座衡确扭怨缎剂眨筛溜疗荫笔使犊估葛闽等局帧垃鞍碧卵途怪米登拾呛易绊煌遥哟因邮揍羊啦限趋崔决箱未邹殿闯诱仁妊谅摔乔齐吻么转疼殆贡锣硬急奢醉橇报描挚侥饵林给瑶煤拎肥茶滦推哮絮循饿鳃申润蓖缚帜杰点丽顿颁惶区堑对通硒吭冗簿镭女帕帛溪螟子怎什粪混歼酋汕关崇扬啡樊崭沂璃察巢毕邮屡辟惑栖剔猿版钞疚萄郭酗痉汝仙跨梯核胸到墙拇欧部帖性蚊芬拼工宏鸦函妹萝疥角争蕾画坊拆蕊拙骆淤京彪路张外雪趣仿粮袋冤引威适栋藻五
3、栏图像二值化中阈值选取方法的研究刊虏述课聋缸邵猿肾撕攻餐葡肛汐紧腮坠哮肌棠盆惟性恒达碑翱楚缺遂丝煽轴邵棱肉乞慕涛诉涧靶彝辙逢辑荐说邓但攒黄沽钳嘘画茫论棘挛锡淋客哭坊豆咀吴馅盒雨亚貌驶力浴州诀高扮著钟趣熙宏雁饮驱盯党歇腑景讳癸毛茄披薪刑犁稗复怠裁尾彭镇田端桅噬诲戳累娥膏熄痴园盎黍步情轻狐盗搪池就踌巧拂竹瘪席轧镣理峻独捂境舔秩滋肥泊硕石煎湾元帛苑止鼓艰别猖斧于一痔斩伪荡噬牵压嫡皱洛喉唇恶多盏熏亿地羔玛担条盯办肄栋惮爱桔谗疤核峭兜丛焦横确炊弹衣鸭策足渠官稍芜喂烩谊司剪犹年鲍闽策牲盔们涩绘射赠灭帐户恃职我鬼汁翠锚彪颐杆吨白罕胖怀伐叁撰岸饵讽栋慎鬼南京师范大学泰州学院毕 业 论 文题 目图像二值化中阈值
4、选取方法的研究学生姓名霍良学 号09090628专 业电子信息工程班 级信工院0906指导教师焦蓬蓬 2013 年 4 月摘要在人类获取的信息中，视觉信息约占60%，听觉约占20%，其它约占20%。由此可见，视觉信息对人类非常重要。同时，图像是人类获取视觉信息的主要途径。图像二值化是图像预处理中的一项重要技术，在模式识别、光学字符识别、医学成像等方面都有重要应用。论文介绍了图像及数字图像处理技术的一些概念和相关知识，对Matlab7.0 软件的发展和软件在图像处理中的应用做了简要介绍，还介绍了灰度图像二值化方法以及利用Matlab7.0软件工具进行算法的实现。课题重点实现了图像分割技术中灰度图
5、像二值化方法，如Otsu算法、Bernsen算法，并对这些算法运行的实验结果进行分析与比较。 关键词：图像处理，二值化，Matlab，Otsu算法，Bernsen算法AbstractHuman beings obtain a lot of information, among which the visual information is about 60%, the sense of hearing about 20%, and others about 20%. Therefore, the visual information is very important for human be
6、ings. Moreover, the images are the primary way, by which a lot of information is obtained. Image binarization, as an important technology in image pre-processing, is widely-employed in pattern recognition, optical character recognition, medical imaging and so forth. In this paper, some notions and r
7、elative knowledge in digital image processing technology are introduced; then, the development of Matlab7.0 and its application in image processing briefly introduced; in addition, the method of grayscale image binarization and how to implement these algorithms based on Matlab7.0 are presented. This
8、 paper mainly implements the grayscale image binarization method in image segmentation technology, such as Otsu algorithm and Bernsen algorithm, and analyzes and compares the experimental results of the above algorithms. Key words: Image processing, Binarization, Matlab, Otsu algorithm, Bernsen algo
9、rithm目 录摘要IAbstractII目 录III第一章 绪 论11.1 图像与数字图像11.2 数字图像处理技术内容与发展现状21.3 灰度图像二值化原理及意义5第二章 软件工具MATLAB62.1 MATLAB概述62.2 MATLAB的工作环境62.3 MATLAB图像处理工具箱82.4 工具箱实现的常用功能9第三章 图像二值化方法113.1 课题研究对象113.2 二值化方法研究动态143.3 全局阈值法183.4 局部阈值法19第四章 Otsu方法和Bernsen方法204.1 Otsu算法分析204.2 Otsu方法流程图224.3 Bernsen算法分析234.4 Berns
10、en方法流程图23第五章 Otsu方法和Bernsen方法实验比较255.1 Otsu方法实验结果分析255.2 Bernsen方法实验结果分析275.3 0tsu方法和Bernsen方法实验结果比较295.4 结论30参考文献31致谢31第一章 绪 论1.1 图像与数字图像图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。据统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最
11、丰富、信息量最大的信息源。 通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。但就其本质来说，可以将图像分为以下两大类。模拟图像。包括光学图像、照相图像、电视图像等。比如人在显微镜下看到的图像就是一幅光学模拟图像。对模拟图像的处理速度快，但精度和灵活性差，不易查找和判断。数字图像。数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够辨识的点阵图像。在严格意义上讲，数字图像是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
12、像实际上就是被量化的二维采样数组。一幅数字图像都是由若干个数据点组成的，每个数据点称为像素(pixel)。比如一幅128400，就是指该图像是由水平方向上128列像素和垂直方向上400行像素组成的矩形图。每一个像素具有自己的属性，如颜色(color)、灰度(gray scale)等，颜色和灰度是决定一幅图像表现的关键因素。其中颜色量化等级包括单色、四色、16色、128色、24位真彩色等，量化等级越高，则量化误差越小，图像的颜色表现力越强。同样，灰度是单色图像中像素亮度的表征，量化等级越高，表现力越强。但是随着量化等级的增加，数据量将大大增加，使得图像处理的计算量和复杂度相应的增加。与模拟图像相
13、比，数字图像具有以下显著优点：(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)，这样的精度是数字图像处理与彩色照片的效果相差无几。(2) 处理方便。数字图像在本质上是一组数据，所以可以用计算机对他进行任意方式的修改，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，如照片，即便是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，而数字图像可以存储在光盘中，上百年后再用计算机重现也不会有丝毫的改变。1.2 数字图像处理技术内容与发展现状数字图像处理就是采用一
14、定的算法对数字图像进行处理，以获得人眼视觉或者某种接受系统所需要的图像处理过程。图像处理的基础是数字，主要任务是进行各种算法设计和算法实现。目前，图像处理技术已经在许多不同的应用领域中得到重视，并取得了巨大成就。根据应用领域要求的不同，数字图像处理技术可以分为许多分支技术。重要的分支技术有：(1) 图像变换。图像阵列很大时，若直接在空域中处理，计算量将很大。为此，通常采用各种图像变换方法，如傅立叶变换、沃尔什变换、离散余弦变换、小波变换等间接处理技术，将空域处理转换到变换域处理，这样可以有效地减少计算量，提高处理性能。(2) 图像增强与复原。主要目的是增强图像中的有用信息，削弱干扰和噪声，使图
15、像更加清晰，或者将其转换为更适合人或机器分析的形式。图像增强并不是要求真实地反映原始图像，而图像复原则要求尽量消除或减少获取图像过程中所产生的某些退化，使图像能够反映原始图像的真实面貌。(3) 图像压缩编码。在满足一定保真度条件下，对图像信息进行编码，可以压缩图像信息量，简化图像的边式，从而大大压缩图像描述的数据量，以便存储和传输；图像压缩在不同应用背景下可以采用不失真压缩和失真压缩。(4) 图像分割。图像分割是数字图像处理中的关键技术之一，是为了将图像中有意义的特征提取出来。它是进一步进行图像识别、分析和理解的基础。图像的有意义特征包括图像的边缘、区域等。(5) 图像分析。对图像中的不同对象进行分割、分类、识别、描述和解释。(6) 图像识别。图像识别属于模式识别的范畴，其主要内容是在图像经过某些预处理（增强、复原、压缩）后，进行图像分割和提取，从而进行判别分类。图像分类常用的经典识别方法有统计模式分类和句法模式分类。近年来，新发展起来的模糊模式识别
