《毕业设计论文数字图像并行边界分割技术的研究》由会员分享，可在线阅读，更多相关《毕业设计论文数字图像并行边界分割技术的研究（50页珍藏版）》请在金锄头文库上搜索。
1、 数字图像并行边界分割技术的研究 专业：自动化 班级：2007级2班 姓名： 目 录 引言31图像及图像分割51.1图像和数字图像51.2图像技术的发展61.3图像分割在图像工程中的地位71.4 图像分割的研究意义91.5 图像分割的研究现状及发展趋势102 图像分割的基本理论122.1图像分割的定义122.2图像分割的体系结构122.3图像分割方法分类132.3.1 阈值分割方法142.3.2 边缘检测方法142.3.3 区域提取方法162.3.4 结合特定理论工具的分割方法182.4图像分割的质量评价183 图像的并行边界分割技术203.1基本概念203.2经典算法203.2.1微分算子边
2、缘检测203.2.2边界闭合243.2.3边缘拟合253.2.4哈夫变换284 结合微分算子与边界闭合的图像分割304.1 边缘检测304.1.1 拉普拉斯高斯算子检测图像边缘314.1.2 Sobel算子检测图像边缘324.2图像的二值化处理344.3图像的边界闭合354.4实验结果与分析36结 论39致 谢40参考文献41附录 源程序代码43 沈阳大学毕业设计（论文）摘 要图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，也是图像处理、模式识别等多个领域中一个十分重要且又十分困难的问题。在图像处理过程中，原有的图像分割方法都不可避免的会产生误差，这些误差会影响到图像
3、处理和识别的效果。并行边界分割技术作为一种求解问题的高效并行的全局搜索方法。以其固有的并行性和自适应性，使之非常适于大规模搜索空间的寻找，已广泛应用于许多学科及工程领域。这种技术在计算机视觉领域中的应用也正日益受到重视，为图像分割问题提供了有效的方法。 本文对并行边界分割技术的基本概念和研究进展进行了综述；重点阐述了微分算子边缘检测与边界闭合相结合的图像分割方法，重点研究了两种算子Sobel算子和LoG算子。并基于Matlab软件进行了仿真实现。实验结果表明基于并行边界分割技术的边界闭合方法分割速度快，轮廓区域分割明显，分割质量较高，达到了预期目的。关键词：图像处理；图像分割；边缘检测；二值化
4、；微分算子；边界闭合AbstractImage segmentation is the first step of image analysis and the basic of computer vision. It is an important part of the image understanding, which is a very important and difficult problem in the field of image processing, pattern recognition.In image processing process, the origin
5、al method of image segmentation can produce inevitable errors and these errors can affect the effect of image processing and identification .Parallel boundary segmentation technology is a sort of efficient，paralled，global search method with its inherent virtues of parallel and self-adaptive characte
6、rs. It is suitable for searching the optimization result in the large search space. Now it has been applied widely and perfectly in many study fields and engineering areas.These methods are paid more and more attention in computer vision field，which offer effective method for image segmentation.This
7、 paper discusses the current situation of the parallel technology in the image segmentation. The image segmentation method based on differential edge detect and boundary closing is deseribed importantly .Sobel and LoG are studied importantly .the simulation is realized based on Matlab.The experiment
8、al results show that this method works well in segmentation speed,the outline of the division and separate areas of high quality and achieve the desired effect.Keywords:Image processing; image segmentation; edge detection; Binarization; differential operator; boundary closing 引言数字图像处理技术是一个跨学科的领域。随着计
9、算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，也是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背
10、景进行标记、定位，然后将目标从背景或其他伪目标中分离出来。由于这些被分割的区域在某些特性上相近，因而图像分割常用于模式识别与图像理解以及图像压缩与编码两大类不同的应用目的。由分割产生的区域是图像内容的一种表示，它是对图像进行视觉分析和模式识别的基本前提，分割结果的质量直接影响到以后的图像分析、识别和解释的质量，具有重要的意义。图像分割的目的在于根据某些特征(如灰度级、频谱、纹理等)将一幅图像分成若干有意义的区域，使得这些特征在某一区域内表现一致或相似，而在不同区域间表现出明显的不同。图像分割的应用非常广泛，几乎出现在有关图像处理的所有领域，如:工业自动化、在线产品检验、生产过程控制、文档图像处
11、理、图像编码、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。在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。虽然人们对图像分割已进行了大量的研究，但还没有一种适合于所有图像的通用的分割算法。所以，图像分割一直以来都是图像技术中的研究热点。因此，从原理、应用和应用效果等方面来深入研究图像分割技术，对于提高图像分析和图像理解系统的性能以及提高图像处理技术的应用水平都具有十分重要的意义。 图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有
12、一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述并将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法4类。 其中边缘检测方法是本文要详细介绍的，所谓图像的边缘是指图像局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像
13、分割所依赖的重要特征，边缘检测主要是图像的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不同的边缘检测方法。在我们常用的几种用于边缘检测的算子中LoG算子常常会产生双边界；而其他一些算子如Sobel算子又往往会形成不闭合区域。本文主要讨论了LoG算子和Sobel算子在边缘检测中，获取封闭边界区域进而进行图像分割的算法。1图像及图像分割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1。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
14、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2。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
15、，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。1.2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
