《图像的阈值分割方法研究.pdf》由会员分享，可在线阅读，更多相关《图像的阈值分割方法研究.pdf（11页珍藏版）》请在三一文库上搜索。
1、第 1 章 相关知识 1.1 图像分割的概述 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些 部分称为目标或前景 (其他部分称为背景 )，他们一般对应图像中特定的、具有独 特性质的区域。 为了辨识和分析目标， 需要将他们分离提取出来， 在此基础上才 有可能对目标进一步利用。 图像分割就是指把图像分成格局特性的区域并提取出 感兴趣目标的技术和过程。这里特性可以是象素的灰度、颜色、纹理等，预先定 义的目标可以对应单个区域， 也可以对应多个区域。 现有的图像分割算法有： 阈 值分割、边缘检测和区域提取法。本文着重研究基于阈值法的图像分割技术。 所谓图像分割是指根据灰度、 彩色、空间
2、纹理、 几何形状等特征把图像划分 成若干个互不相交的区域， 使得这些特征在同一区域内， 表现出一致性或相似性， 而在不同区域间表现出明显的不同。简单的讲， 就是在一幅图像中， 把目标从背 景中分离出来， 以便于进一步处理。 图像分割是图像处理与计算机视觉领域低层 次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基 本前提。同时它也是一个经典难题， 到目前为止既不存在一种通用的图像分割方 法，也不存在一种判断是否分割成功的客观标准。 阈值法是一种传统的图像分割方法，因其实现简单、 计算量小、 性能较稳定 而成为图像分割中最基本和应用最广泛的分割技术。已被应用于很多的领域， 例
3、 如，在红外技术应用中， 红外无损检测中红外热图像的分割，红外成像跟踪系统 中目标的分割； 在遥感应用中， 合成孔径雷达图像中目标的分割等；在医学应用 中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无 损检测过程中水果图像与背景的分割。在工业生产中， 机器视觉运用于产品质量 检测等等。在这些应用中，分割是对图像进一步分析、识别的前提，分割的准确 性将直接影响后续任务的有效性， 其中阈值的选取是图像阈值分割方法中的关键 技术。 1.2 阈值分割的基本原理 图像阈值化分割是一种最常用， 同时也是最简单的图像分割方法，它特别适 用于目标和背景占据不同灰度级范围的图像。它不仅可以
4、极大的压缩数据量， 而 且也大大简化了分析和处理步骤，因此在很多情况下， 是进行图像分析、 特征提 取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度 级，对像素集合进行一个划分， 得到的每个子集形成一个与现实景物相对应的区 域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划 分可以通过从灰度级出发选取一个或多个阈值来实现。 阈值分割法是一种基于区域的图像分割技术，其基本原理是： 通过设定不同 的特征阈值， 把图像像素点分为若干类 常用的特征包括： 直接来自原始图像的 灰度或彩色特征；由原始灰度或彩色值变换得到的特征设原始图像为f(x，y)， 按照一定的准
5、则在f(x，y)中找到特征值 T，将图像分割为两个部分，分割后的 图像为 : 0( , ) 1( , ) ( , ) f x yt f x yt b g x y b a(i) min=i; end end z0=max z1=min T=(z0+z1)/2; TT=0; S0=0; n0=0; S1=0; n1=0; allow=0.001; d=abs(T-TT); %abs 绝对值、模、字符的ASCII 码值 count=0; while(d=allow) count=count+1; for i=1:x for j=1:y if (I(i,j)=T) S0=S0+I(i,j); n0=n
6、0+1; end if (I(i,j)=T) Seg(i,j)=1; end end end figure,imshow(Seg); title(迭代阈值分割 1); 第四章结果分析 图 4.1 原图及其直方图显示 图 4.2 原图与极小值图像显示 图 4.3 原图与迭代图像显示 极小值点阈值分割得到的效果最好，而用迭代法得到的分割图像要次之。 结论 通过实验不难看出，针对本实验所选择的图来说，极小值点阈值 分割得到的效果最好，而用迭代法得到的分割图像要次之，通过实验 可以说，这几种方法各有所长，针对不同的图形都有自己的优势，所 以学会这几种方法的阈值分割对以后进行图像分割有深远的意义。 对于
7、使用的软件， Matlab 具有强大、高效的矩阵和数组运算功能。 语法规则与一般的高级语言类似,一个稍有编程基础的人能很快熟悉 掌握。 语言简洁紧凑 ,使用灵活 ,程序书写形式自由。而且库函数十分 丰富 ,避免了繁杂的子程序编程任务。向用户提供各种方便的绘图功 能。 提供了图像处理工具箱、 数字信号处理工具箱、 小波工具箱等各 种功能强大的工具箱。集成了各种变换函数 ,不仅方便了研究人员 ,而 且使源程序简洁明了、易实现。 参考文献 1 王家文.MATLA. 图形图像处理 M. 北京，国防工业出版社 .2001:12-17. 2 甲永红.数字图像处理 M . 武汉，武汉大学出版社 .2011:71-84. 3 李红梅.二值图像的阈值分割方法探讨J .上海，科技经济市 场.2007:38-42 4 刘刚. MATLAB 数字图像处理 M. 北京，机械工业出版社 .2010：34-45.