圖像分割綜述(數(shù)字圖像處理大作業(yè))(共11頁)

1、圖像分割(fng)綜述摘要(zhiyo)：現(xiàn)在(xinzi)數(shù)字圖像處理越來越多地被運用在相關(guān)領(lǐng)域中，圖像分割是數(shù)字圖像處理過程中一種非常重要的技術(shù)手段，其發(fā)展至今沒有一個通用的方法和標準。本文對數(shù)字圖像處理中的圖像分割作了簡要介紹，并運用Matlab實現(xiàn)幾種圖像分割處理方法，如雙峰法、迭代法、K均值聚類法、邊緣檢測,討論他們了的不同技術(shù)要點.關(guān)鍵字：數(shù)字圖像處理;圖像分割;雙峰法;迭代法;K均值聚類;邊緣檢測Overview of image segmentationAbstract: Now the digital image processing is applied in more a

2、nd more fields, image segmentation is a very important process of digital image processing technology, and there doesnt exsist a unified method and standard. The image segmentation are introduced in this paper and several methods of image segmentation are realized by Matlab, such as bimodal method,

3、iterative method, k-means clustering and edge detection. We also discuss the main points of different technology.key word: Digital image processing; Image segmentation; Bimodal method; Iteration method; K-means clustering;Edge detection1 引言在數(shù)字圖像處理的研究和應(yīng)用中，有時往往對圖像的某些部分或者目標感興趣，此時需要用利用圖像分割技術(shù)將感興趣的目標同背景區(qū)分

4、開來，以便進一步的研究和分析，這就是數(shù)字圖像處理中的圖像分割技術(shù)，其目的是將圖像分為若干有意義的區(qū)域，這些區(qū)域?qū)?yīng)圖像中不同的目標，然后對感興趣的區(qū)域進行描述和研究1。可以說，圖像分割結(jié)果的好壞，直接影響對圖像的理解。圖像分割的種類和方法有很多，但還沒有一個成形的圖像分割理論。因此，還沒有一個單一的、標準的圖像分割方法.不同類型的圖像，應(yīng)該選擇合適的分割算法對其進行分割。同時，某些分割算法也只是適用于某些特殊類型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量 ，沒有統(tǒng)一的評價準則。因此，圖像分割是圖像分析和計算 機視覺中的經(jīng)典難題。2 邊緣檢測邊緣是一個區(qū)域的結(jié)束，也是另一個區(qū)域的開始

5、，利用該特征可以分割 圖像，圖像中的邊緣通常與圖像強度的不連續(xù)性有關(guān)。圖像強度的不連續(xù)性可分為：階躍不連續(xù)，即圖像強度在不連續(xù)處的兩邊的像素灰度值有著顯著的差異；線條不連續(xù)，即圖像強度突然從一個值變化到另一個值 ，保持一個較小的行程后又返回到原來的值。2.1 Roberts 梯度算子法 Roberts 梯度就是采用對角方向相鄰(xin ln)兩像素之差，故也稱為四點差分法。對應(yīng)的水平和垂直方向的模板為：標注 的是當前像素的位置(wi zhi)(i,j)為當前像素的位置，其計算公式如下： 特點：用4點進行差分，以求得梯度，方法簡單。其缺點是對噪聲較敏感，常用于不含噪聲的圖像邊緣點檢測。梯度算子類

6、邊緣檢測方法的效果類似于高通濾波，有增強(zngqing)高頻分量，抑制低頻分量的作用。（a）原圖 （b）roberts處理后圖1 roberts效果圖2.2 Prewitt梯度算子法（平均差分法） 因為平均能減少或消除噪聲，Prewitt梯度算子法就是先求平均，再求差分來求梯度。水平和垂直梯度模板分別為： 利用檢測模板可求得水平和垂直方向的梯度，再通過梯度合成和邊緣點判定，就可得到平均差分法的檢測結(jié)果。（a）原圖 （b）prewitt處理后圖2 prewitt效果圖2.3 Sobel算子(sun z)法（加權(quán)平均差分法） Sobel算子(sun z)就是對當前行或列對應(yīng)的值加權(quán)后，再進行平均

7、和差分，也稱為加權(quán)平均差分。水平和垂直梯度模板分別為：Sobel算子和Prewitt算子一樣，都在檢測邊緣點的同時具有抑制噪聲的能力，檢測出的邊緣寬度至少為二像素。由于它們都是先平均后差分，平均時會丟失一些細節(jié)信息，使邊緣有一定的模糊(m hu)。但由于Sobel算子的加權(quán)作用，其使邊緣的模糊程度要稍低于程度要稍低于Prewitt算子。（a）原圖 （b）sobel處理后圖3 sobel效果圖3 閾值(y zh)分割閾值分割是一種簡單(jindn)有效的圖像分割方法。閾值(y zh)分割的基本想法2是確定一個閾值，然后把每個像素點的像素值和閾值相比較，根據(jù)比較的結(jié)果把該像素劃分成兩類前景或者背景

8、。一般閾值分割可以分成以下3步：確定閾值；將閾值和像素值比較；把像素歸類 。3.1 雙峰法假定圖像由目標背景（具有不同的灰度級）組成，圖像的灰度分布曲線可以近似的認為由兩個正態(tài)分布函數(shù)疊加而成，則圖像的直方圖會出現(xiàn)雙峰分布，如圖4所示。圖4 雙峰分布的直方圖選擇雙峰直方圖的波谷處，設(shè)灰度級為T，可以將圖像分為兩部分，雙峰分割的結(jié)果可以表示為gx,y=t0 fx,y=th; g2=I=1; th=thnew;endth=floor(th);%閾值分割J1=im2bw(I,th/255);str=迭代分割：閾值Th=,num2str(th);figure(3);imshow(J1);title(迭

9、代法);imwrite(J1,迭代.jpg);%K均值聚類法clc;clear; k=4; I=imread(2.jpg);figure(4);imshow(I);I1=rgb2gray(I);ima=double(I1);copy=ima; % 做備份(bi fn)ima=ima(:); % 矢量化mi=min(ima); % deal with negative ima=ima-mi+1; % and zero values s=length(ima); % 建立(jinl)直方圖 m=max(ima)+1;h=zeros(1,m);hc=zeros(1,m); for i=1:s if

10、ima(i)0 h(ima(i)=h(ima(i)+1; end;endind=find(h);hl=length(ind); % 圖心初始化 mu=(1:k)*m/(k+1); while(true) oldmu=mu; % 當前(dngqin)分類 for i=1:hl c=abs(ind(i)-mu); cc=find(c=min(c); hc(ind(i)=cc(1); end for i=1:k, a=find(hc=i); mu(i)=sum(a.*h(a)/sum(h(a); end if mu=oldmu break; end; end % calculate masks=size(copy);mask=zeros(s);for i=1:s(1),for j=1:s(2), c=abs(copy(i,j)-mu); a=find(c=min(c); mask(i,j)=a(1);endend mu=mu+mi-1; % 恢復(fù)(huf)范圍 for i=1:k mu1(i)=uint8(mu(i);end; q=0;for i=1:s(1) for j=1:s(2) while q=T); % d:二值圖像(t xin)figure(5);imshow(d);title(K均值(jn zh);imwrite(d,Kmeans.jpg);內(nèi)容總結(jié)（1