halcon图像分割.docx

halcon图像分割.docx

《halcon图像分割.docx》由会员分享，可在线阅读，更多相关《halcon图像分割.docx（14页珍藏版）》请在冰豆网上搜索。

halcon图像分割

沈阳航空航天大学

综合课程设计

基于Halcon的图像分割方法的研究

班级24020104

学号2012040201174

学生姓名王旭

指导教师赵晨光

课程设计任务书

课程设计的内容及要求：

一、设计说明

图像分割是图像处理的关键技术之一，将感兴趣目标的区域加以提取的技术和过程，图像分割方法包括:

基于阈值、基于区域、基于边缘的分割方法等。

要求学生深入研究图像分割的主要方法，掌握直方图、灰度阈值、区域生长、边缘检测等分割算法，了解相关理论。

并在充分调研图像分割的原理、算法的基础上，针对Halcon这一开发工具，深入学习各种算子及库函数的使用方法,并能够基于不同应用目标，尝试不同分割算法，比较实验结果并进行详尽分析。

二、设计要求

1．制定合理有效的设计方案；

2．熟悉Halcon的开发环境，深入学习图像分割理论，并进行分析。

三、推荐参考资料

[1]周斌.  一种基于P系统的图像阈值分割方法[J].西华大学学报（自然科学版）.2012（06）

[2]王浩军,郑崇勋,闫相国.  基于自适应多尺度的血液细胞图像阈值分割方法研究[J].西安交通大学学报.2001（04）

[3]肖华.  生物细胞图像阈值分割方法研究[J].株洲工学院学报.2006（02）

[4]蒋剑,吴建华.  在小波域进行图像的最大熵分割的一种方法[J].南昌大学学报（工科版）.2003（02）

四、按照要求撰写课程设计报告

成绩评定表

评语、建议或需要说明的问题：

指导教师签字：

日期：

成绩

1、概述

HALCON是世界范围内广泛使用的机器视觉软件，用户可以利用其开放式结构凯苏开发图像处理和机器视觉软件。

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。

所谓图像分割是指根据灰度、彩色、空间纹理、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。

从图像分割研究的历史来看，可以看到对图像分割的研究有几个明显的趋势：

一是对原有算法的不断改进!

二是新方法、新概念的引入和多种方法的有效综合运用!

人们逐渐认识到现有的任何一种单独的图像分割算法都难以对一般图像取得令人满意的分割效果，因而很多人在把新方法和新概念不断的引入图像分割领域的同时，也更加重视把各种方法综合起来运用!

在新出现的分割方法中，基于小波变换的图像分割方法就是一种很好的方法!

三是交互式分割研究的深入!

由于很多场合需要对目标图像进行边缘分割分析:

例如对医学图像的分析，因此需要进行交互式分割研究!

事实证明，交互式分割技术有着广泛的应用!

四是对特殊图像分割的研究越来越得到重视!

目前有很多针对立体图像、彩色图像、多光谱图像以及多视场图像分割的研究，也有对运动图像及视频图像中目标分割的研究，还有对深度图像、纹理图像、计算机断层扫描";<-、磁共振图像、共聚焦激光扫描显微镜图像、合成孔雷达图像等特殊图像的分割技术的研究!

相信随着研究的不断深入，存在的问题会很快得到圆满的解决。

二、图像分割原理及算子

1.阈值分割原理

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（i，j），按照一定的准则在f（i，j）中找到特征值T，将图像分割为两个部分，分割后的图像为:

若取：

0为黑,1为白，即为我们通常所说的图像二值化。

 一般意义下，阈值运算可以看作是对图像中某点的灰度、该点的某种局部特性以及该点在图像中的位置的一种函数，这种阈值函数可记作：

T（i，j，n（i，j），f（i，j））式中，f（i，j）是点（i，j）的灰度值；n（i，j）是点（i，j）的局部邻域特性．根据对T的不同约束，可以得到3种不同类型的阈值，即

（1）点相关的全局阈值T＝T（f（i，j））:

只与点的灰度值有关

（2）区域相关的全局阈值T＝T（n（i，j），f（i，j））:

与点的灰度值和该点的局部邻域特征有关

（3）局部阈值或动态阈值T＝T（i，j，n（i，j），f（i，j））:

与点的位置、该点的灰度值和该点邻域特征有关。

2.边缘检测原理

图像分割的一种重要途径是通过边缘检测，即检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。

这种不连续性称为边缘。

不同的图像灰度不同，边界处一般有明显的边缘，利用此特征可以分割图像。

图像中边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到。

对于阶跃状边缘，其位置对应一阶导数的极值点，对应二阶导数的过零点（零交叉点）。

因此常用微分算子进行边缘检测。

常用的一阶微分算子有Roberts算子、Prewitt算子和Sobel算子，二阶微分算子有Laplace算子和Kirsh算子等。

在实际中各种微分算子常用小区域模板来表示，微分运算是利用模板和图像卷积来实现。

这些算子对噪声敏感，只适合于噪声较小不太复杂的图像。

由于边缘和噪声都是灰度不连续点，在频域均为高频分量，直接采用微分运算难以克服噪声的影响。

因此用微分算子检测边缘前要对图像进行平滑滤波。

LoG算子和Canny算子是具有平滑功能的二阶和一阶微分算子，边缘检测效果较好，如图4所示。

其中loG算子是采用Laplacian算子求高斯函数的二阶导数，Canny算子是高斯函数的一阶导数，它在噪声抑制和边缘检测之间取得了较好的平衡。

3.区域生长原理

区域生长算法：

既是根据事先定义的准则将像素或者子区域聚合成更大的区域。

基本方法是以“一组”种子开始，将与种子性质相似（灰度级或颜色的特定范围）的相邻像素附加到生长区域的种子上。

区域生长的基本思想是将具有相似性质的像素集合起来构成区域。

具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。

将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。

这样一个区域就长成了。

3、图像预处理及图像特征提取

1.图像预处理

图像预处理将每一个文字图像分检出来交给识别模块识别，这一过程称为图像预处理。

预处理是指在进行文字识别之前的一些准备工作，包括图像净化处理，去掉原始图像中的显见噪声（干扰），对图像进行平滑处理。

2.边缘提取

边缘提取，指数字图像处理中，对于图片轮廓的一个处理。

对于边界处，灰度值变化比较剧烈的地方，就定义为边缘。

也就是拐点，拐点是指函数发生凹凸性变化的点。

二阶导数为零的地方。

并不是一阶导数，因为一阶导数为零，表示是极值点。

4、实验结果及分析

1.图像预处理

图4.1.1原图图4.1.2消除噪声

图4.1.3参数设置

图4.1.4预处理之后灰度直方图

算子binomial_filter（Image,ImageBinomial,MaskWidth,MaskHeight）

功能：

消除噪声

目的：

现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。

减少数字图像中噪声以保证图像的真实度。

2.图像边缘特征提取

图4.2.1参数设置

图4.2.2边缘特征提取ImaAmp图4.2.3边缘特征提取ImaDir

图4.2.4ImaAmp灰度直方图图4.2.5ImaDir灰度直方图

算子edges_image（Image,ImaAmp,ImaDir,Filter,Alpha,NMS,Low,High）

功能：

进行边缘特征提取

目的：

边缘特征提取的目的是捕捉亮度急剧变化的区域，而这些区域通常是我们关注的。

理想情况下，对所给图像应用边缘特征提取器可以得到一系列连续的曲线，用于表示对象的边界。

因此应用边缘特征提取算法所得到的结果将会大大减少图像数据量，从而过滤掉很多我们不需要的信息，留下图像的重要结构，所要处理的工作即被大大简化。

3.阈值分割

图4.3.1原图图4.3.2全局阈值分割

图4.3.3参数设置

算子threshold（Image,Region,MinGray,MaxGray）

功能：

图像全局阈值分割

目的：

将图像中深色部分部分分割出来获得我们关注的部分图像减少工作量

4.边缘检测

图4.4.1原图图4.4.2边缘检测

图4.4.3参数设置

图4.4.4边缘检测灰度直方图

算子：

sobel_amp（Image:

EdgeAmplitude:

FilterType,Size:

）

功能：

根据图像的一次导数计算图像的边缘

目的：

边缘检测的目的是捕捉亮度急剧变化的区域，而这些区域通常是我们关注的。

理想情况下，对所给图像应用边缘检测器可以得到一系列连续的曲线，用于表示对象的边界。

因此应用边缘检测算法所得到的结果将会大大减少图像数据量，从而过滤掉很多我们不需要的信息，留下图像的重要结构，所要处理的工作即被大大简化。

5.区域生长

图4.5.1参数设置

图4.5.2区域生长

算子regiongrowing（Image:

Regions:

 Row,Column,Tolerance,MinSize:

 ）Row：

被测试的区域的垂直距离，Column：

被测试的区域的水平距离，Tolerance：

能忍受的最大的灰度差距，MinSize：

最小的输出区域

功能：

对图像进行区域生长分割

目的：

将图像具有相同特征的联通区域分割出来并能提供很好的边界信息和分割结果且算法简单生长准则可以由用户自己自由指定。

五、课设体会

从本次课设可以看出，利用HALCON软件可以大大的简化计算，可以直观迅速的得到所需要的结果。

HALCON软件功能强大，通过本次综合设计更一步了解和掌握该软件的使用方法，更好的利用该软件解决一些比较复杂的问题。

本次课设与数字图像处理该门知识有关，所以必须掌握该课的基本知识，还要学会怎样利用HALCON软件和实际结合起来，解决数字图像处理中的问题。

通过理论与实际的结合，可以更好的掌握该门学科知识，为后一阶段的进一步学习打下好的基础，同时，通过本次综合设计看出自己