数字图像处理论文图像分割要点Word格式文档下载.docx
《数字图像处理论文图像分割要点Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《数字图像处理论文图像分割要点Word格式文档下载.docx（12页珍藏版）》请在冰豆网上搜索。
图像分割
一.摘要：
图像分割是进行图像理解的基础，是图像工程技术中的一个重要问题。
近年来，人们越来越重视图像的分割算法，并期望寻求一种实时性、鲁棒性较好的算法。
图像分割技术在当今信息社会中具有极其广泛的用途，特别是在医学图像诊断、卫星遥感图像识别、交通车牌信息识别等等方面尤其有现实意义。
目前机器学习技术正越来越多地引领图像分割领域的研究发展，支持向量机正是其中一种较为先进的研究方法。
二.正文内容：
2.1图像和数字图像：
图像是能为人类视觉所感知的信息形式或人们心目中的有形想象。
据统计，在人类接受的信息中，视觉信息约占80%，俗语“百闻不如一见”就反映了图像在信息感知中的独到之处。
目前，图像处理技术发展迅速，应用领域也越来越广。
图像可以通过各种各样的形式存在，例如：
静止图像于运动图像；
灰度图像和彩色图像；
平面图像与立体图像等等，但是就其本质而言，我们可将图像分为连续图像和离散图像。
对于图像信号，为了描述的方便和不失一般性，假定图像的指标空间为时间（ｔ）和几何空间（ｘ，ｙ，ｚ）构成，其值空间为U，其元素ｕ＝｛uR,uG,uB}。
如果指标空间D中的所有元素d=（d1,d2,.....dn）=（x,y,z,t）均可取连续值，则称此信号为连续图像。
相反的，如果d只能取离散值的图像为离散图像。
习惯上，把空间连续（或离散）的图像称为连续（或离散）图像。
数字图像指幅度和空间同时离散（或同时连续的图像）。
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，所以可以使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、幅值和删除某一部分等；
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。
2.2图像分割的研究意义：
图像分割是计算机图像处理的一个基本问题，是进行许多后续图像分析任务
的先行步骤。
图像识别、图像可视化和基于目标的图像压缩都高度依赖图像分割的结果。
因此，图像分割一直得到人们的高度重视，提出了很多分割法。
图像分割时一种重要的图像技术，在不同领域中也具有不同的名称：
如目标轮廓技术，阈值化技术，图像差分技术，目标检测技术，目标识别技术，标跟踪技术等，这些技术本身或其核心实际上也就是图像分割技术，图像分技术是图像处理、分析的一项基本内容。
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，并涉及各种类型的图像。
图像分割在工业自动化、在线产品检验、生产控制、文件图像处理、保安监视、以及军事、体育、农业工程方面都有广泛的应用。
例如在医学中将核磁共振图像中特定的器官分割出来，用于疾病的诊断；
在遥感图像中将农田分割出来用于估计农产品的产量；
图像分割在地质、环保、气象等一系列领域也
有着广泛的应用。
MPEG-4的一个重要思想就是基于对象的编码，在编码之前首先将对象分割出来等。
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。
特性分割的准确性将直接影响后续任务的有性，因此图像分割具有十分重要的意义。
2.3图像分割的发展现状及趋势：
对于图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何仅仅基于单纯的数学工具的方法都很难取得很好的效果。
因此，在很多时候，人们倾向于重新设计一个针对具体问题的新算法来解决自己所面临的图像分割问题。
然而由于我们只能用图像信息中的某些特征（如灰度差别、彩色差别、局部纹理差别/局部统计特征或局部区域的频谱特征差别等）去分割区域，因此各种分割方法必然会带有局限性；
同时由于缺乏一个统一的理论作为基础，同时也缺乏对人类视觉系统机理的深刻认识，我们到目前为止还无法构造一种能够成功应用于所有图像的统一的图像分割算法。
当我们现实中分割一幅图像时，一般是通过经验和直觉去选择方法，然后经过多次实践来找到一种最佳的方法。
因此在图像分割过程中，有经验的人比较容易选择出适当的方法，使对不同图像都能得到不错的分割效果。
但是当处理的图像十分庞大时，这种方法就比较困难了。
纵观最近几年图像分割技术的发展，我们不难看到以下的趋势[8]：
第一，很多学者致力于将新的概念、新的方法引入图像分割领域，如这几年新兴的模糊算法，神经网络与遗传算法，小波算法，粗集理论，数学形态学等理论都先后被应用于图像分割领域，有效的解决了原有方法的某些不足和缺陷，改善了分割效果，同时也拓宽了人们的思路。
随着基础理论研究的不断发展，这一趋势也会不断发展下去。
第二，人们非常重视多种分割算法的结合。
综合使用两种或两种以上的方法，能够在一定程度上克服单一算法在处理某些特定图像的缺陷和不足。
如何结合不同的算法，以及采取何种的结合方式来弥补各自的不足、取得良好的分割效果将是人们在今后的长时间里都将关注的问题之一。
第三，针对特定区域的特殊问题，利用这些领域的专业知识来辅助解决图像分割问日，越来越多的吸引了研究人员的注意力。
相应的，对图像分割做为一个同一的对象的研究子啊逐渐弱化。
医学图像处理中的病理图像分割、工业图像分割、安全图像处理中的保密信息提取、军事图像处理中的雷达图像分割及卫星图像分割、交通图像处理中的车牌识别等都是近几年来图像分割领域中讨论较多的热点问题。
2.4分割方法与比较：
1.检测图像边缘：
原理：
图像边缘是图像最基本的特征，边缘在图像分析中起着重要作用。
所谓边缘是指图像局部特性的不连续性。
灰度或结构等信息的突变处为成为边缘。
边缘是一个区域的结束，也是另一个区域的开始，利用此特征可以分割图像。
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。
图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。
经典的边缘检测方法是对原始图像中像素的某小邻域来构造检测算子。
拉普拉斯边缘检测算子是基于二阶导数的边缘检测算子，对噪声敏感。
拉普拉斯算子的改进方式是先对图像进行平滑处理，然后再应用二阶倒数的边缘检测算子，其代表是拉普拉斯高斯算子。
2.图像边缘检测的程序：
I=imread（'
d.bmp'
）;
%读入原始图像
I=rgb2gray（I）;
%将真彩色图像转化为灰度图像
[m,n]=size（I）;
%确定图片的的长和宽
r=m+2;
%把图片的长和宽各加2
c=n+2;
b=zeros（r,c）;
%定义二维数组b,长、宽比I各多2，成为镜框的尺寸
g=zeros（m,n）;
%定义滤波后的数组
d=zeros（3）;
%定义三阶方阵d,为临时矩阵
t=[-1-1-1;
-18-1;
-1-1-1];
%定义拉普拉斯算子
Result=zeros（3）;
%定义三阶方阵Result，为运算结果矩阵
%原图像矩阵处理，做一个"
像框"
b（2:
m+1,2:
n+1）=I;
%把原图的矩阵放到新的矩阵b中心，它的第一行、最后一行、第一列、最后一列都是0，即原图矩阵周围有一圈0的边缘，好像给图像加一个像框
b（1,:
）=b（2,:
%把第二行的值赋给第一行
b（r,:
）=b（r-1,:
%把倒数第二行的值赋给最后一行
b（:
1）=b（:
2）;
%把第二列的值赋给第一列
c）=b（:
c-1）;
%把倒数第二列的值赋给最后一列
%用拉普拉斯算子进行滤波
fori=1:
m
forj=1:
n
d=b（i:
i+2,j:
j+2）;
%从b矩阵中依次取出三阶方阵，赋值给临时矩阵d
Result=d.*t;
%临时矩阵与拉普拉斯算子点乘，赋值给结果矩阵d
g（i,j）=sum（sum（Result））;
%结果矩阵中"
十"
字线上元素相加，赋值给输出矩阵中相应的位置，即临时矩阵中心元素所对应的位
end
end
thresh=2.6*mean2（abs（g））;
%设定阈值将图像二值化使边缘清晰
J=repmat（logical（uint8（0））,m,n）;
%创建数组
J（find（g>
thresh））=1;
%阈值判断二值化
figure,subplot（2,2,1）,imshow（I）;
title（'
原始图像'
%显示原图像
subplot（2,2,2）,imshow（J）;
title（'
拉普拉斯边缘检测后的图像'
%显示拉普拉斯边缘检测后的图像
subplot（2,2,3）,imshow（g）;
title（'
将拉普拉斯边缘检测二值化后的图像'
）
图像经边缘检测后的MATLAB程序实现效果图如下：
2.Hough变换检测直线：
Hough变换用来在图象中查找直线，把直线上点的坐标变换到过点的直线的系数域，通过利用共线和直线相交的关系，使直线的提取问题转化为计数问题。
对于任意两点的直线方程：
y=ax+b，由于垂直直线a为无穷大，我们改用极坐标形式：
xcosθ+ysinθ=ρ参数平面为θ，ρ，对应不是直线而是正弦曲线使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点然后找出该点对应的xy平面的直线线段Hough变换的基本策略是：
由图像空间中的边缘数据点去计算参数空间中的参数点的可能轨迹，并在一个累加器中给计算出的参考点计数，最后选出峰值。
Hough变换法主要优点是受共线点的间隙和噪声影响较小。
对于激光测距仪采集的一帧数据进行哈夫变换处理可将数据点集按线段分成若干簇。
图像边缘检测的程序：
拉普拉斯边缘检测程序如上。
Hough检测：
d,tif'
g=rgb2gray（I）;
%图像灰度化
J=im2uint8（g）;
[m,n]=size（J）;
m
forj=1:
n%图像原点在（1,1）处，所以模版从（2,2）处开始计算，在（m-1,n-1）处结束
ifJ（i,j）>
150;
J（i,j）=0;
else
J（i,j）=255;
a=180;
%Hough变换检测直线，用参数（a，p）坐标空间；
角度的值为0到180度
d=round（sqrt（m^2+n^2））;
%图像对角线长度为d的最大值
s=zeros（a,2*d）;
%记录（a,p）像应的点的个数
z=cell（a,2*d）;
%记录（a,p）像应的点的坐标
n%图像中的每个点
if（J（i,j）==0）%只检测图像边缘的黑点，白点不检测
fork=1:
a
p=round（i*cos（pi*k/180）+j*sin（pi*k/180））;
%对每个点从1到180度寻迹一遍，取得经过该点的所有直线的p值
if（p>
0）%若p大于0，则将点存储在（d，2d）空间
s（k,d+p）=s（k,d+p）+1;
%（a，p）相应的累加器单元加1
z{k,d+p}=[z{k,d+p},[i,j]'
];
%存储点的坐标
ap=ab
升级会员 