數(shù)字圖像處理論文

1、目錄摘要 引言1基于灰度圖像分割11.1基本原理11.2迭代最佳閾值21.2.1 初始閾值選取21.2.2 迭代閾值21.2.3 迭代的準(zhǔn)則22 邊緣檢測(cè)算法32.1 Sobel(索貝爾）邊緣檢測(cè)算子32.2高斯拉普拉斯算子42.3 Prewitt算子53.數(shù)字圖像的形態(tài)學(xué)處理63.1二值圖像的數(shù)學(xué)形態(tài)學(xué)運(yùn)算7膨脹與腐蝕運(yùn)算7開(kāi)運(yùn)算與閉運(yùn)算83.2數(shù)字圖像的數(shù)學(xué)形態(tài)學(xué)處理應(yīng)用8邊緣檢測(cè)8噪聲濾除9形態(tài)骨架提取94迭代閾值與形態(tài)學(xué)共用處理圖像95結(jié)論106附程序10摘要隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)圖像處理與分析技術(shù)在臨床診斷和治療中起著越來(lái)越重要的作用。對(duì)醫(yī)學(xué)細(xì)胞顯微圖像分割與識(shí)別方法的研究成為

2、當(dāng)今圖像分析領(lǐng)域的前沿課題。在醫(yī)學(xué)研究和臨床診斷中，尤其在缺少專(zhuān)家的情況下對(duì)醫(yī)學(xué)細(xì)胞圖像的分割與識(shí)別具有十分重要的意義。醫(yī)學(xué)領(lǐng)域中的圖像處理技術(shù)的應(yīng)用受到了廣泛關(guān)注，應(yīng)用圖像處理技術(shù)對(duì)醫(yī)學(xué)圖像進(jìn)行分割、識(shí)別、定量分析成為了臨床輔助診斷和醫(yī)學(xué)研究的重要工具。圖像分割作為圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，自上世紀(jì)70年代起一直受到人們的高度重視，也是醫(yī)學(xué)圖像處理中的一個(gè)研究熱點(diǎn)。利用圖像分割技術(shù)對(duì)細(xì)胞圖像進(jìn)行分割，提取精確的細(xì)胞輪廓，是下一步進(jìn)行細(xì)胞形態(tài)分析和定量計(jì)算的基礎(chǔ)。為了解決傳統(tǒng)的人工定義閾值和檢測(cè)算子在邊緣檢測(cè)方面的不足，提出了基于迭代最佳閾值分割的邊緣檢測(cè)，并據(jù)此進(jìn)行圖像的邊緣提取。這種方法不

3、僅大大降低了算法的復(fù)雜度，提供最佳閾值，同時(shí)也能保證邊緣提取的精確度，消除圖像噪聲對(duì)邊緣提取的影響。通過(guò)對(duì)迭代閾值的應(yīng)用，利用邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣檢測(cè)，并和現(xiàn)有的方法進(jìn)行對(duì)比。關(guān)鍵詞：圖像分割；邊緣檢測(cè)；迭代；最佳閾值基于MATLAB的醫(yī)學(xué)細(xì)胞顯微圖像分割與邊緣檢測(cè)引言圖像邊緣是圖像最基本的特征，邊緣在圖像分析中起著重要的作用。所謂邊緣是指圖像局部特性的不連續(xù)性，例如，灰度級(jí)的突變，顏色的突變，紋理結(jié)構(gòu)的突變等。邊緣檢測(cè)在圖像處理和計(jì)算機(jī)視覺(jué)中占有特殊的位置,它是底層視覺(jué)處理中最重要的環(huán)節(jié)之一，也是實(shí)現(xiàn)基于邊界的圖像分割的基礎(chǔ)。傳統(tǒng)的邊緣檢測(cè)算子一般都是基于一階導(dǎo)數(shù)和二階導(dǎo)數(shù)的邊緣檢測(cè)算

4、子，如Robert交叉算子、Sobel算子、Prewitt算子、Canny算子和Laplacian算子1等，這些算子都是局部的梯度算子，對(duì)噪聲非常敏感，所以在處理實(shí)際問(wèn)題的時(shí)候處理的圖像效果往往并不理想。邊緣檢測(cè)2過(guò)程中容易產(chǎn)生虛假邊界并且定位的精度也不是很高，所以往往對(duì)不同的圖像往往需要選擇不同的參數(shù)，實(shí)際操作起來(lái)比較麻煩。雖然基于形態(tài)學(xué)的邊緣檢測(cè)易于實(shí)現(xiàn)，但是只適合噪聲較小的圖像。此次提出的基于迭代閾值的邊緣提取，在傳統(tǒng)邊緣檢測(cè)的基礎(chǔ)上，首先對(duì)圖像進(jìn)行處理，然后迭代出最佳閾值再進(jìn)行邊緣檢測(cè)。同時(shí)設(shè)置了迭代閾值終止的準(zhǔn)則，根據(jù)圖像的不同需求和圖像的特征可以進(jìn)行不同的設(shè)定，滿足實(shí)時(shí)邊緣檢的需求

5、。1基于灰度圖像分割對(duì)灰度圖像的閾值分割就是先確定一個(gè)處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比較，并根據(jù)比較結(jié)果將對(duì)應(yīng)的像素（分割）劃為兩類(lèi)：像素的灰度值大于閾值的為一類(lèi)，像素的灰度值小于閾值的為另一類(lèi)（灰度值等于閾值的像素可歸入這兩類(lèi)之一）。這兩類(lèi)像素一般分屬圖像中的兩類(lèi)區(qū)域，所以對(duì)像素根據(jù)閾值分類(lèi)達(dá)到了區(qū)域分割的目的。圖像中的目標(biāo)區(qū)域與背景區(qū)域的灰度或平均灰度是不同的，而目標(biāo)區(qū)域和背景區(qū)域內(nèi)部灰度相關(guān)性很強(qiáng)，這時(shí)我們可以以灰度的均一性作為依據(jù)進(jìn)行分割。1.1基本原理本文采取的灰度圖像分割是基于區(qū)域的分割，也稱(chēng)灰度門(mén)限法。閾值分割的原理很簡(jiǎn)單，首先確定

6、閾值，然后把像素點(diǎn)的灰度值與閾值進(jìn)行比較確定出所屬的區(qū)域。閾值的選取在閾值分割中是關(guān)鍵性的影響因素，一般可以分為幾類(lèi)：基于像素灰度值的閾值、基于區(qū)域性質(zhì)的閾值和基于坐標(biāo)位置的閾值。閾值的選取如果不佳就會(huì)導(dǎo)致圖像的錯(cuò)誤分割，本文采取的迭代閾值的方法，可以根據(jù)不同的圖像選取合適的最佳閾值。1.2迭代最佳閾值迭代式閾值選取的基本思路是:首先根據(jù)圖像中物體的灰度分布情況，選取一個(gè)近似閾值作為初始閾值，然后進(jìn)行分割產(chǎn)生子圖像，并根據(jù)子圖像的特征選取新的閾值，再用新的閾值分割圖像。經(jīng)過(guò)一定次數(shù)的循環(huán)，使錯(cuò)誤分割的圖像像素達(dá)到最少，然后通過(guò)分割圖像和修改閾值的迭代過(guò)程獲得認(rèn)可的最佳閾值。1.2.1 初始閾值

7、選取在迭代閾值前首先選取初始閾值，初始閾值的確定是根據(jù)灰度圖像的灰度值來(lái)確定的。灰度圖像中最大像素的值為Zmax，最小像素值的為Zmin，初始閾值 T即為：T=（Zmax+Zmin）/2 （1）1.2.2 迭代閾值統(tǒng)計(jì)圖像中像素的個(gè)數(shù)，以當(dāng)前的閾值T為分界值來(lái)統(tǒng)計(jì)。小于于閾值T的像素個(gè)數(shù)為n0，大于閾值T的像素個(gè)數(shù)為n1，圖像像素的像素值用SUM來(lái)表示： SUM=S0+S1 （2）其中S0為N0像素的像素值，S1為n1像素的像素值。設(shè)新的迭代閾值為T(mén)T,為了確定TT我們不妨取像素的平均值，T0和T1分別為各個(gè)像素段的像素平均值。T0=S0/n0 (3)T1=S1/n1 (4)TT=(T0+T1

8、)/2 (5)1.2.3 迭代的準(zhǔn)則TT為第一次迭代閾值，把TT的值賦給T，不斷的重復(fù)和的步驟。迭代終止的條件滿足w=|T-TT|255) I(i,j)=255; end if (I(i,j)0) I(i,j)=0; end endend z0=max(max(I); % 求出圖象中最大的灰度z1=min(min(I); % 最小的灰度 T=(z0+z1)/2; %初始的閾值TT=0;S0=0; n0=0;S1=0; n1=0;allow=0.5; % 新舊閾值的允許接近程度d=abs(T-TT); %w=|T-TT|=allow) % 迭代最佳閾值分割算法 count=count+1; fo

9、r i=1:x for j=1:y if (I(i,j)=T) S0=S0+I(i,j); n0=n0+1; end if (I(i,j)=T) Seg(i,j)=1; % 閾值分割的圖象 end endendSI=1-Seg; % 閾值分割后的圖象求反，便于用腐蝕算法求邊緣se1=strel(square,3); % 定義腐蝕算法的結(jié)構(gòu)SI1=imerode(SI,se1); % 腐蝕算法BW=SI-SI1; % 邊緣檢測(cè)%=傳統(tǒng)的邊緣檢測(cè)方法=%I=uint8(I);BW1=edge(I,sobel, 0.11);BW2=edge(I,log, 0.015);BW3 = edge(I,prewitt);%=圖象顯示=%figure(1);imshow(I);title(Original) % 顯示閾值分割的圖象figure(2);imshow(BW2);title(Sob