圖像分割算法的比較與分析報(bào)告

1、中北大學(xué)課程設(shè)計(jì)說明書學(xué)生姓名：學(xué)號(hào):學(xué)生姓名：學(xué)號(hào):學(xué)生姓名：學(xué)號(hào):學(xué)生姓名：學(xué)號(hào):學(xué)院：信息與通信工程學(xué)院專業(yè)：電子信息工程題目：信息處理綜合實(shí)踐：圖像分割算法的比較與分析指導(dǎo)教師： 陳平職稱： 副教授.下載可編輯.2014 年12月29日中北大學(xué)課程設(shè)計(jì)任務(wù)書14/15 學(xué)年第一學(xué)期學(xué)院：信息與通信工程學(xué)院專業(yè)：電子信息工程學(xué)生姓名：學(xué)號(hào)：課程設(shè)計(jì)題目：信息處理綜合實(shí)踐：圖像分割算法的比較與分析起迄日期： 2015年1月5日2015年1月16日課程設(shè)計(jì)地點(diǎn)：電子信息工程專業(yè)實(shí)驗(yàn)室指導(dǎo)教師：陳平系 主 任：王浩全下達(dá)任務(wù)書日期：2014年12月29日課程設(shè)計(jì)任務(wù)書1 .設(shè)計(jì)目的：1、通過本

2、課程設(shè)計(jì)的學(xué)習(xí)，學(xué)生將復(fù)習(xí)所學(xué)的專業(yè)知識(shí)，使課堂學(xué)習(xí)的理論知識(shí) 應(yīng)用于實(shí)踐，通過本課程設(shè)計(jì)的實(shí)踐使學(xué)生具有一定的實(shí)踐操作能力；2、掌握Matlab使用方法，能熟練運(yùn)用該軟件設(shè)計(jì)并完成相應(yīng)的信息處理 ；3、通過圖像處理實(shí)踐的課程設(shè)計(jì)，掌握設(shè)計(jì)圖像處理軟件系統(tǒng)的思維方法和基本 開發(fā)過程。2 .設(shè)計(jì)內(nèi)容和要求(包括原始數(shù)據(jù)、技術(shù)參數(shù)、條件、設(shè)計(jì)要求等)：(1)利用自適應(yīng)閾值、區(qū)域、分水嶺、形態(tài)學(xué)四種方法，對(duì)圖像進(jìn)行分割；(2)對(duì)四種方法分割的結(jié)果，進(jìn)行對(duì)比分析，并給出量化結(jié)果；(3)要求每位學(xué)生進(jìn)行查閱相關(guān)資料，并寫出自己的報(bào)告。注意每個(gè)學(xué)生的報(bào)告要 有所側(cè)重，寫出自己所做的內(nèi)容。3 .設(shè)計(jì)工作任務(wù)

3、及工作量的要求包括課程設(shè)計(jì)計(jì)算說明書 (論文)、圖紙、實(shí)物樣品等：每個(gè)同學(xué)獨(dú)立完成自己的任務(wù)，每人寫一份設(shè)計(jì)報(bào)告，在課程設(shè)計(jì)論文中寫明自己設(shè)計(jì)的部分，給出設(shè)計(jì)結(jié)果。4 .主要參考文獻(xiàn)：1 .阮秋琦等.數(shù)字圖像處理（第三版）.北京：電子工業(yè)出版社.20112 .岡薩雷斯等.數(shù)字圖像處理（MATLAB版）.北京：電子工業(yè)出版社.20013 .楊杰等.數(shù)字圖像處理及MATLAB實(shí)現(xiàn)：學(xué)習(xí)與實(shí)驗(yàn)指導(dǎo).北京：電子工業(yè)出版社.20104 .劉衛(wèi)國等.MATLAB程序設(shè)計(jì)與應(yīng)用.北京：高等教育出版社.20065 .許國根等.模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn).北京：北京航空航天大學(xué)出版社.20125 .設(shè)

4、計(jì)成果形式及要求：畢業(yè)設(shè)計(jì)說明書仿真結(jié)果6 .工作計(jì)劃及進(jìn)度：2015 年1月5日 1月9日：查資料；1月10日 1月13日：在指導(dǎo)教師指導(dǎo)下設(shè)計(jì)方案；1月14日 1月15日：撰寫課程設(shè)計(jì)說明書；1月16日：答辯系主任審查意見：簽字：年 月 日目錄第一章 緒論 16.1 研究目的和意義16.2 圖像分割的研究進(jìn)展1第二章 區(qū)域生長(zhǎng)法分割圖像42.1 區(qū)域生長(zhǎng)法介紹42.2 區(qū)域生長(zhǎng)法的原理42.3 區(qū)域生長(zhǎng)法的實(shí)現(xiàn)過程5第三章 程序及結(jié)果63.1 區(qū)域生長(zhǎng)算法及程序63.2 圖像分割結(jié)果7第四章 方法比較84.1 閾值法84.2 區(qū)域法84.3 分水嶺法84.4 形態(tài)學(xué)方法9第五章 總結(jié) 10

5、參考文獻(xiàn)11第一章緒論1.1 研究目的和意義圖像分割是一種重要的圖像技術(shù)， 在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重視。 圖像分割的方法和種類有很多， 有些分割運(yùn)算可直接應(yīng)用于任何圖像 ， 而另一些只能適用于特殊類別的圖像。 許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)， 不同類型的圖像， 已經(jīng)有相對(duì)應(yīng)的分割方法對(duì)其分割;但某些分割方法只是適合于某些特殊類型的圖像分割， 所以分割結(jié)果的好壞需要根據(jù)具體的場(chǎng)合及要求衡量。 圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟 ， 可以說 ， 圖像分割結(jié)果的好壞直接影響對(duì)圖像的理解。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟， 在圖像工程中占有重要位置 。

6、 一方面 ， 它是目標(biāo)表達(dá)的基礎(chǔ)， 對(duì)特征測(cè)量有重要的影響。 另一方面， 因?yàn)閳D像分割及其基于分割的目標(biāo)表達(dá)、 特征提取和參數(shù)測(cè)量等將原始圖像轉(zhuǎn)化為更抽象、 更緊湊的表達(dá)形式， 使得更高層的圖像分析和理解成為可能。 因此在實(shí)際應(yīng)用中， 圖像分割不僅僅要把一幅圖像分成滿足上面五個(gè)條件的各具特性的區(qū)域， 而且要把其中感興趣的目標(biāo)區(qū)域提取出來。 只有這樣才算真正完成了圖像分割的任務(wù)， 為下一步的圖像分析做好準(zhǔn)備， 使更高層的圖像分析和理解成為可能。圖像分割在很多方面， 如醫(yī)學(xué)圖像分析， 交通監(jiān)控等， 都有著非常廣泛的應(yīng)用 ， 具有重要的意義。 (1)分割的結(jié)果常用于圖像分析， 如不同形式圖像的配準(zhǔn)與

7、融合， 結(jié)構(gòu)的測(cè)量， 圖像重建以及運(yùn)動(dòng)跟蹤等。 (2)在系統(tǒng)仿真， 效果評(píng)估 ， 圖像的 3D 重建以及三維定位等可視化系統(tǒng)中， 圖像分割都是預(yù)處理的重要步驟 。 (3)圖像分割可在不丟失有用信息的前提下進(jìn)行數(shù)據(jù)壓縮， 這就降低了傳（4）分割后的圖像與噪輸?shù)膸?， 對(duì)提高圖像在因特網(wǎng)上的傳輸速度至關(guān)重要聲的關(guān)系減弱， 具有降噪功能， 便于圖像的理解。1.2 圖像分割的研究進(jìn)展圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)， 至今已提出上千種分割算法。 但因尚無通用的分割理論， 現(xiàn)提出的分割算法大都是針對(duì)具體問題的， 并沒有一種適合所有圖像的通用分割算法。 前人的方法主要有三大類： 閾值分割方法、邊緣檢測(cè)

8、方法和區(qū)域提取方法。（ 1） ） 閾值分割方法閾值分割法分為全局閾值法和局部閾值分割法。 所謂局部閾值分割法是將原始圖像劃分成較小的圖像， 并對(duì)每個(gè)子圖像選取相應(yīng)的閾值。 在閾值分割后 ， 相鄰子圖像之間的邊界處可能產(chǎn)生灰度級(jí)的不連續(xù)性， 因此需用平滑技術(shù)進(jìn)行排除。 局部閾值法常用的方法有灰度差直方圖法、 微分直方圖法。 局部閾值分割法雖然能改善分割效果，但存在以下幾個(gè)缺點(diǎn)：每幅子圖像的尺寸不能太小 ， 否則統(tǒng)計(jì)出的結(jié)果無意義。 每幅圖像的分割是任意的， 如果有一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域， 而根據(jù)統(tǒng)計(jì)結(jié)果對(duì)其進(jìn)行分割， 也許會(huì)產(chǎn)生更差的結(jié)果。 局部閾值法對(duì)每一幅子圖像都要進(jìn)行統(tǒng)計(jì)，

9、速度慢 ， 難以適應(yīng)實(shí)時(shí)性的要求。 全局閾值分割方法在圖像處理中應(yīng)用比較多， 它在整幅圖像內(nèi)采用固定的閾值分割圖像。 經(jīng)典的閾值選取以灰度直方圖為處理對(duì)象。 根據(jù)閾值選擇方法的不同， 可以分為模態(tài)方法、 迭代式閾值選擇等方法。 這些方法都是以圖像的直方圖為研究對(duì)象來確定分割的閾值的。 另外還有類間方差閾值分割法 、 二維最大熵分割法、 模糊閾值分割法以及共生矩陣分割法等等。（ 2） 基于邊緣檢測(cè)法邊緣檢測(cè)法是一種處理不連續(xù)性圖像的分割技術(shù)圖像的大部分信息不會(huì)只存于某個(gè)特定的區(qū)域， 而是存于不同區(qū)域的邊緣上， 而且人的視覺系統(tǒng)在很大程度上都是根據(jù)圖像邊緣差異對(duì)圖像進(jìn)行識(shí)別分析的。 所以通過對(duì)圖像

10、的邊緣信息檢測(cè)， 可以實(shí)現(xiàn)對(duì)圖像的分割。 按照處理技術(shù)可以分為并行邊緣檢測(cè)技術(shù)和串行邊緣檢測(cè)技術(shù)。 檢測(cè)過程中可以通過空域微分算子來完成卷積。 這些微分算子包括、 Sobel 梯度算子 、 Prewitt 梯度算子 、 綜合正交算子等。 這些方法主要是對(duì)檢測(cè)圖像中灰度的變化， 圖像邊緣是灰度突變的地方。 在有噪聲時(shí) ， 得到的邊緣常是孤立不連續(xù)的， 為了得到完整的邊緣信息， 還需進(jìn)行邊界閉合處理。 邊界閉合是根據(jù)像素梯度的幅度及梯度方向滿足規(guī)定的條件將邊緣素連接起來， 就有可能得到閉合的邊界。（ 3） 基于區(qū)域分割法區(qū)域分割法主要包括： 區(qū)域生長(zhǎng)和分裂合并法， 其分割過程后續(xù)步驟的處理要根據(jù)前

11、面步驟的結(jié)果進(jìn)行判斷而確定。區(qū)域生長(zhǎng)法是根據(jù)預(yù)先規(guī)定好的指標(biāo)， 提取圖像中相互連接區(qū)域的方法，它是利用區(qū)域一致性準(zhǔn)則對(duì)目標(biāo)進(jìn)行分割。 規(guī)定的指標(biāo)包括圖像的灰度信息，邊緣 ， 某種特性。 區(qū)域生長(zhǎng)法一般都會(huì)放在一系列過程中使用， 不會(huì)單獨(dú)使用 。 它主要的缺陷是， 每一個(gè)需要提取的區(qū)域， 都必須先給出種子點(diǎn)， 然后提取出和種子一樣， 符合規(guī)定的指標(biāo)的區(qū)域， 這樣有多少區(qū)域就必須給出多少個(gè)種子數(shù) 。 這種法對(duì)噪聲也很敏感， 會(huì)造成分割區(qū)域不連續(xù)。 相反的 ， 局部且大量的噪聲會(huì)使影響會(huì)使原本來分開的區(qū)域連接起來。分裂合并法是從整個(gè)圖像出發(fā)， 將圖像分割成各個(gè)子區(qū)域， 再把前景的區(qū)域合并起來， 這樣

12、就實(shí)現(xiàn)了目標(biāo)的提取。 分裂合并法的目標(biāo)區(qū)域由一些相互連通的像素組成的， 如果把圖像分割到像素級(jí)的話， 就可以判斷該像素是否為目標(biāo)像素 。 當(dāng)所有的分割的子區(qū)域都判斷完， 把目標(biāo)區(qū)域就可得到前景目標(biāo)。 這種方法處理復(fù)雜圖像時(shí)效果較好， 但算法比較復(fù)雜， 計(jì)算量也比較大， 在分裂過程中可能會(huì)破壞目標(biāo)區(qū)域的邊界。. 下載可編輯.第二章 區(qū)域生長(zhǎng)法分割圖像2.1 區(qū)域生長(zhǎng)法介紹區(qū)域生長(zhǎng)方法是根據(jù)同一物體區(qū)域內(nèi)象素的相似性質(zhì)來聚集象素點(diǎn)的方法 ， 從初始區(qū)域（ 如小鄰域或甚至于每個(gè)象素） 開始 ， 將相鄰的具有同樣性質(zhì)的象素或其它區(qū)域歸并到目前的區(qū)域中從而逐步增長(zhǎng)區(qū)域， 直至沒有可以歸并的點(diǎn)或其它小區(qū)域

13、為止。 區(qū)域內(nèi)象素的相似性度量可以包括平均灰度值、 紋理 、 顏色等信息。區(qū)域生長(zhǎng)方法是一種比較普遍的方法， 在沒有先驗(yàn)知識(shí)可以利用時(shí)， 可以取得最佳的性能， 可以用來分割比較復(fù)雜的圖象， 如自然景物。 但是 ， 區(qū)域增長(zhǎng)方法是一種迭代的方法， 空間和時(shí)間開銷都比較大。區(qū)域生長(zhǎng)是一種串行區(qū)域分割的圖像分割方法。 區(qū)域生長(zhǎng)是指從某個(gè)像素出發(fā) ， 按照一定的準(zhǔn)則， 逐步加入鄰近像素， 當(dāng)滿足一定的條件時(shí)， 區(qū)域生長(zhǎng)終止 。 區(qū)域生長(zhǎng)的好壞決定于1. 初始點(diǎn) （ 種子點(diǎn) ） 的選取 ； 2.生長(zhǎng)準(zhǔn)則 ； 3.終止條件 。 區(qū)域生長(zhǎng)是從某個(gè)或者某些像素點(diǎn)出發(fā)， 最后得到整個(gè)區(qū)域， 進(jìn)而實(shí)現(xiàn)目標(biāo)的提取。

14、2.2 區(qū)域生長(zhǎng)法的原理區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。 具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)起點(diǎn) ，然后將種子像素和周圍 鄰域中與種子像素有相同或相似性質(zhì)的像素 (根據(jù)某種事先確定的生長(zhǎng)或相似 準(zhǔn)則來判定)合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子繼續(xù) 上面的過程，直到?jīng)]有滿足條件的像素可被包括進(jìn)來 。這樣一個(gè)區(qū)域就生長(zhǎng)成 了。圖1給出已知種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)的一個(gè)示例。圖1 (a)給出需要分割的圖像，設(shè)已知兩個(gè)種子像素(標(biāo)為深淺不同的灰色方塊)，現(xiàn)要進(jìn)行區(qū)域生長(zhǎng)。設(shè)這里采用的判定準(zhǔn)則是：如果考慮的像素與種子像素灰度值差的絕對(duì)值小于某個(gè)門限T,則

15、將該像素包括進(jìn)種子像素所在的區(qū)域。圖1 (b)給出了T=3時(shí)的區(qū)域生長(zhǎng)結(jié)果,整幅圖被較好地分成2個(gè)區(qū)域；圖1 (c)給出了 T=1 時(shí)的區(qū)域生長(zhǎng)結(jié)果,有些像素?zé)o法判定；圖1 (c)給出了 T=6時(shí)的區(qū)域生長(zhǎng)的 結(jié)果，整幅圖都被分在一個(gè)區(qū)域中了 。由此可見門限的選擇是很重要的。10 4 7 510477014552056522564115 5 5115 5 5115 5 5115 5 5115 5 5(b)115 7 5115 7 7115 5 52 15 5 52 2 5 5 5©區(qū)域生長(zhǎng)是一種古老的圖像分割方法，最早的區(qū)域生長(zhǎng)圖像分割方法是由Levine等人提出的。該方法一般有兩種

16、方式，一種是先給定圖像中要分割的目 標(biāo)物體內(nèi)的一個(gè)小塊或者說種子區(qū)域(seed point),再在種子區(qū)域基礎(chǔ)上不斷將 其周圍的像素點(diǎn)以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有像素點(diǎn) 結(jié)合成一個(gè)區(qū)域的目的；另一種是先將圖像分割成很多的一致性較強(qiáng)，如區(qū)域 內(nèi)像素灰度值相同的小區(qū)域，再按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達(dá)到分 割圖像的目的，典型的區(qū)域生長(zhǎng)法如T. C. Pong等人提出的基于小面(facet) 模型的區(qū)域生長(zhǎng)法，區(qū)域生長(zhǎng)法固有的缺點(diǎn)是往往會(huì)造成過度分割，即將圖像 分割成過多的區(qū)域。2.3 區(qū)域生長(zhǎng)法的實(shí)現(xiàn)過程(1)對(duì)圖像順序掃描找到第1個(gè)還沒有歸屬的像素，設(shè)該像素為(x0,

17、y0);(2)以(x0, y0)為中心，考慮(x0, y0)的4鄰域像素(x, y)如果(x0, y0)滿足生長(zhǎng)準(zhǔn) 則，將(x,y)與(x0, y0)合并(在同一區(qū)域內(nèi)),同時(shí)將(x, y)壓入堆棧；(3)從堆棧中取出一個(gè)像素，把它當(dāng)作(x0, y0)返回到步驟2;(4)當(dāng)堆棧為空時(shí)返回到步驟1;(5)重復(fù)步驟1 - 4直到圖像中的每個(gè)點(diǎn)都有歸屬時(shí)生長(zhǎng)結(jié)束 。第三章區(qū)域生長(zhǎng)程序及結(jié)果3.1 區(qū)域生長(zhǎng)程序image=imread('meitu.jpg');I=rgb2gray(image);.下載可編輯.figure,imshow(I),title('灰度圖像 '

18、);I=double(I)/255;y,x=getpts;% 獲得區(qū)域生長(zhǎng)起始點(diǎn)y1=round(x);%橫坐標(biāo)取整x1=round(y);%縱坐標(biāo)取整M,N=size(I);% 獲取圖像大小stack=y1,x1;%將生長(zhǎng)起始點(diǎn)灰度值存入stack 中suit=1;% 儲(chǔ)存符合區(qū)域生長(zhǎng)條件的點(diǎn)的個(gè)數(shù). 下載可編輯.Y=zeros(M,N);%作一個(gè)全零與原圖像等大的圖像矩陣Y， 作為輸出圖像矩陣Y(y1,x1)=1;%將種子點(diǎn)的灰度值置1%記錄每次判斷一點(diǎn)周圍八點(diǎn)符合條件的新點(diǎn)的數(shù)count=1;threshold=0.05555;%閾值sum=I(y1,x1);%存灰度值adaptM=st

19、ack(1,1);adaptN=stack(1,2);greyvalue=I(adaptM,adaptN);while suit>0adaptM=stack(1,1);%在圍圍八點(diǎn)找符合條件的點(diǎn)adaptN=stack(1,2);for u=-1:1for v=-1:1if adaptM+u<(M+1) & adaptN+u>0 & adaptN+v<(N+1) & adaptN+v>0if abs(I(adaptM+u,adaptN+v)-greyvalue)<=threshold&Y(adaptM+u,adaptN+v)=

20、0suit=suit+1;stack(suit,1)=adaptM+u;%把符合點(diǎn)的坐標(biāo)存入堆棧stack(suit,2)=adaptN+v;Y(adaptM+u,adaptN+v)=1;%符合點(diǎn)灰度值置1count=count+1;sum=sum+I(adaptM+u,adaptN+v); %累加灰度值 end end end%獲新種子點(diǎn)的灰度值endgreyvalue=sum/count;stack=stack(2:1:suit,:);% 棧內(nèi)存放所有符合條件點(diǎn)的坐標(biāo)suit=suit-1;%減去suit 初始值endfigure,imshow(Y),title(' 分割后圖像&#

21、39;)3.2 圖像分割結(jié)果.下載可編輯.第四章 方法比較4.1 閾值法自適應(yīng)閾值就是對(duì)原始圖像分塊， 對(duì)每一塊區(qū)域根據(jù)一般的方法選取局部閾值進(jìn)行分割。 由于各個(gè)子圖的閾值化是獨(dú)立進(jìn)行的， 所以在相鄰子圖像邊界處的閾值會(huì)有突變， 因此應(yīng)該以采用適當(dāng)?shù)钠交夹g(shù)消除這種不連續(xù)性， 子圖像之間的相互交疊也有利于減小這種不連續(xù)性。總的來說 ， 這類算法的時(shí)間和空間復(fù)雜度都較大， 但是抗噪能力強(qiáng)， 對(duì)一些使用全局閾值法不宜分割的圖像具有較好的分割效果。4.2 區(qū)域法基于區(qū)域的分割技術(shù)有兩種基本形式： 區(qū)域生長(zhǎng)和分裂合并。 前者是從單像素出發(fā)， 逐漸合并以形成所需的分割結(jié)果； 后者是從整個(gè)圖像出發(fā)逐漸分裂

22、或合并以形成所需要的分割結(jié)果。 與閾值方法不同， 這類方法不僅考慮了像素的相似性， 還考慮了空間上的鄰接性， 因此可以有效消除孤立噪聲的干擾， 具有很強(qiáng)的魯棒性。 而且 ， 無論分裂還是合并， 都能夠?qū)⒎指钌钊氲较袼丶?jí)， 因此可以保證較高的分割精度。區(qū)域生長(zhǎng)算法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單， 特別適合于分割小的結(jié)構(gòu)。 缺點(diǎn)是需要人工交互以獲得種子點(diǎn)， 同時(shí)對(duì)噪聲也比較敏感。 當(dāng)對(duì)區(qū)域面積較大的圖像分割時(shí)計(jì)算緩慢。分裂合并算法的優(yōu)點(diǎn)是不需要預(yù)先指定種子點(diǎn)。 缺點(diǎn)是分裂合并算法可能會(huì)使分割區(qū)域的邊界被破壞。4.3 分水嶺法分水嶺算法是一種基于區(qū)域分割的圖像分割方法。 該算法的思想來源于浸沒模擬的過程。 由于分

23、水嶺變化吧輸入圖像中的對(duì)象與極小點(diǎn)標(biāo)記相關(guān)聯(lián)， 其中的山頂線對(duì)應(yīng)于對(duì)象的邊界， 因此對(duì)圖像實(shí)施分水嶺變換可以把圖像分割成各個(gè)對(duì)象區(qū)域。 分水嶺算法與其他大量的分割算法相比， 獲得的邊界連續(xù)， 精度高 ， 并且速度快。 但它的不足之處在于過分割， 即圖像分割成過多的小區(qū)域而是感興趣的目標(biāo)物淹沒在其中。4.4 形態(tài)學(xué)方法基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。 如楊杰提出基于圖像最大內(nèi)切圓的數(shù)學(xué)形態(tài)學(xué)形狀描述圖像分割算法和基于目標(biāo)最小閉包結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)形狀描述圖像分割算法、 分水嶺區(qū)域分割法和聚類快速分割法等 。 由于形態(tài)學(xué)對(duì)圖像分割具有優(yōu)異的特性， 使其在未來的圖像分割中起主導(dǎo)作用 。 但該方法的主要缺陷是還不能很好地解決耗時(shí)問題， 將其與一些節(jié)約時(shí)間的措施結(jié)合起來， 是圖像分割的一種趨勢(shì)。. 下載可編輯