基于MATLAB的圖像分割技術(shù)的研究

1、14基于 MATLAB 的圖像分割技術(shù)的研究 銅陵學(xué)院 學(xué)號(hào)：0709131026 2009 - 2010學(xué)年 第 2 學(xué)期 單片機(jī)應(yīng)用技術(shù)課 程 設(shè) 計(jì) 報(bào) 告題 目： 基于MATLAB的圖像分割技術(shù)的研究 專 業(yè)： 通信工程 班 級(jí)： 07 通信 姓 名： 金海斌 指導(dǎo)教師： 周珍艮老師 成 績(jī)： 電氣工程系2010年6月1217日課 程 設(shè) 計(jì) 任 務(wù) 書學(xué)生班級(jí)： 07通信工程 學(xué)生姓名： 金海斌 學(xué)號(hào)： 0709131026 設(shè)計(jì)名稱： 基于MATLAB的圖像分割技術(shù)的研究 起止日期： 2010年6月1217日 _ 指導(dǎo)教師 周珍艮老師 _ 設(shè)計(jì)要求：一、課程設(shè)計(jì)進(jìn)度要求序號(hào)設(shè)計(jì)內(nèi)容

2、所用時(shí)間1確定系統(tǒng)方案0.5天2編寫調(diào)試程序2天3驗(yàn)證設(shè)計(jì)結(jié)果2天4撰寫報(bào)告0.5學(xué)時(shí)合 計(jì)一周二、課程設(shè)計(jì)說明及成績(jī)?cè)u(píng)定1課程設(shè)計(jì)報(bào)告書n 設(shè)計(jì)報(bào)告書寫必須具備：設(shè)計(jì)題目、設(shè)計(jì)目的和意義，設(shè)計(jì)原理(系統(tǒng)原理框圖)，詳細(xì)設(shè)計(jì)步驟，設(shè)計(jì)結(jié)果(原理圖或仿真結(jié)果)及分析，結(jié)論，設(shè)計(jì)體會(huì)，參考文獻(xiàn)等。設(shè)計(jì)時(shí)間為2010.6.12-2010.6.17。n 報(bào)告須每人一份，獨(dú)立完成，要求邏輯清晰、層次分明。n 每人可選一題進(jìn)行設(shè)計(jì)。選同一題目的同學(xué)，設(shè)計(jì)時(shí)需編寫各自實(shí)現(xiàn)的程序，不能與同組同學(xué)完全相同。若有完全相同者，課程以零分計(jì)。2成績(jī)?cè)u(píng)定：課程設(shè)計(jì)評(píng)分標(biāo)準(zhǔn)評(píng) 定 項(xiàng) 目評(píng)分成績(jī)1選題合理、目的明確。10

3、分2設(shè)計(jì)流程正確可行。 40分3設(shè)計(jì)結(jié)果（軟件程序、仿真結(jié)果、設(shè)計(jì)報(bào)告）。 30分4態(tài)度認(rèn)真、學(xué)習(xí)刻苦、遵守紀(jì)律。 10分5設(shè)計(jì)報(bào)告的規(guī)范化、參考文獻(xiàn)充分。（不少于5篇）10分總分 (100)摘 要圖像分割是將一幅圖像按某種策略分塊割開，并且確保所分割后的塊之間無交疊現(xiàn) 象。在數(shù)字圖像處理過程中采用合適的方法對(duì)圖像進(jìn)行分割具有重要意義。論文在介紹圖像 分割原理的基礎(chǔ)上，通過對(duì)全閾值分割、局部閾值分割和區(qū)域閾值分割進(jìn)行了詳細(xì)的研究， 介紹了相關(guān)的理論和數(shù)學(xué)模型，并給利用 MATLAB 工具進(jìn)行實(shí)現(xiàn)。實(shí)驗(yàn)證明，選擇不同的 分割算法對(duì)圖像特征的提取在準(zhǔn)確性上均有不同。 關(guān)鍵詞：MATLAB

4、；圖像分割；算子；閾值本文從原理和應(yīng)用效果上對(duì)經(jīng)典的圖像分割方法如邊緣檢測(cè)、閾值分割技術(shù)和區(qū)域增長(zhǎng)等進(jìn)行了分析。對(duì)梯度算法中的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、LoG(Laplacian-Gauss)算子、坎尼（Canny）算子的分割步驟、分割方式、分割準(zhǔn)則相互比較可以看出根據(jù)坎尼（Canny）邊緣算子的3個(gè)準(zhǔn)則得出的邊緣檢測(cè)結(jié)果最滿意。而閾值分割技術(shù)的關(guān)鍵在于閾值的確定，只有閾值確定好了才能有效的劃分物體與背景，但這種方法只對(duì)于那些灰度分布明顯，背景與物體差別大的圖像的分割效果才明顯。區(qū)域增長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)

5、成新區(qū)域。與此同時(shí)本文還分析了圖像分割技術(shù)研究的方向。目錄1引言-52邊緣檢測(cè)-52.1基于Robert算子的邊緣檢測(cè)-52.2基于Sobel算子的邊緣檢測(cè)-7 3圖像分割實(shí)現(xiàn)3.1全閾值分割-73.2局部閾值分割-93.3區(qū)域分割-114.結(jié)論-125.參考文獻(xiàn)基于 MATLAB 的圖像分割技術(shù)的研究1引言數(shù)字圖像處理技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展，圖像處理和 分析逐漸形成了自己的科學(xué)體系，新的處理方法層出不窮，盡管其發(fā)展歷史不長(zhǎng)，但卻引起 各方面人士的廣泛關(guān)注。圖像分割是一種重要的圖像技術(shù)，在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重視。 圖像分割的方法和種類有很多，有

6、些分割運(yùn)算可直接應(yīng)用于任何圖像，而另一些只能適用于 特殊類別的圖像。有些算法需要先對(duì)圖像進(jìn)行粗分割，因?yàn)樗麄冃枰獜膱D像中提取出來的信 息。例如，可以對(duì)圖像的灰度級(jí)設(shè)置門限的方法分割，沒有唯一的標(biāo)準(zhǔn)的分割方法。許多不 同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對(duì)應(yīng)的分割方 法對(duì)其分割，同時(shí)，某些分割方法也只是適合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(chǎng)合及要求衡量。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟，因此，圖 像分割結(jié)果的好壞直接影響對(duì)圖像的理解。2邊緣檢測(cè)邊緣檢測(cè)1是圖像處理和計(jì)算機(jī)視覺中的基本問題，邊緣檢測(cè)的目的是標(biāo)識(shí)數(shù)字圖像中 亮度變化明顯

7、的點(diǎn)。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。這些包括深 度上的不連續(xù)、表面方向不連續(xù)、物質(zhì)屬性變化和場(chǎng)景照明變化。邊緣檢測(cè)是圖像處理和計(jì) 算機(jī)視覺中，尤其是圖像分割特征提取中的一個(gè)研究領(lǐng)域。圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像 重要的結(jié)構(gòu)屬性。有許多方法用于邊緣檢測(cè)，它們的絕大部分可以劃分為兩類：基于查找一 類和基于零穿越的一類?；诓檎业姆椒ㄍㄟ^尋找圖像一階導(dǎo)數(shù)中的最大和最小值來檢測(cè)邊 界，通常是將邊界定位在梯度最大的方向。基于零穿越的方法通過尋找圖像二階導(dǎo)數(shù)零穿越 來尋找邊界，通常是Laplacian過零點(diǎn)或者非線性差分表示的過零點(diǎn)。2

8、.1基于Robert算子的邊緣檢測(cè)Roberts邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算子，Robert算子圖像處理后 結(jié)果邊緣不是很平滑。由于Robert算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故 采用Robert算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。具體算法的程 序代碼如下：private void menuItem23_Click(object sender, System.EventArgs e)if(this.pictureBox1.Image!=null)this.pictureBox2.Visible=true;int height=this.p

9、ictureBox1.Image.Height;int width=this.pictureBox1.Image.Width; Bitmap temp=new Bitmap(width,height);Bitmap process=(Bitmap)this.pictureBox1.Image;int i,j,p0,p1,p2,p3;Color pixel=new Color4;int result;for(j=height-2;j>0;j-)for(i=0;i<width-2;i+)pixel0=process.GetPixel(i,j);pixel1=process.GetPix

10、el(i,j+1);pixel2=process.GetPixel(i+1,j);pixel3=process.GetPixel(i+1,j+1);p0=(int)(0.3*pixel0.R+0.59*pixel0.G+0.11*pixel0.B); p1=(int)(0.3*pixel1.R+0.59*pixel1.G+0.11*pixel1.B); p2=(int)(0.3*pixel2.R+0.59*pixel2.G+0.11*pixel2.B); p3=(int)(0.3*pixel3.R+0.59*pixel3.G+0.11*pixel3.B); result=(int)Math.S

11、qrt(p0-p3)*(p0-p3)+(p1-p2)*(p1-p2);if (result>255)result=255;if (result<0)result=0;temp.SetPixel(i,j,Color.FromArgb(result,result,result);this.pictureBox2.Image=temp;2.2基于Sobel算子的邊緣檢測(cè)Sobel算子是基于梯度算子3*3的鄰域，梯度算子計(jì)算時(shí)，當(dāng)強(qiáng)度發(fā)生時(shí)的方向。這是通 過相鄰像素值的差分進(jìn)行計(jì)算的，即按X軸和Y軸的導(dǎo)數(shù)。在二維圖像描述中，可以用下列 公式進(jìn)行近似：Gx=f(i+1,j)-f(i,j);同

12、時(shí)Gy=f(i,j+1)-f(i,j)。 將從X方向獲得的梯度與從Y方向獲得的梯度進(jìn)行結(jié)合從而獲得向量，其中向量的幅度代表圖像中點(diǎn)的邊緣強(qiáng)度，向量的角度代表梯度角。進(jìn)行計(jì)算時(shí)可以采用梯度模板值進(jìn)行卷 積運(yùn)算，每個(gè)模板對(duì)應(yīng)具體方向的邊緣。3圖像分割實(shí)現(xiàn)圖像分割2可以采用全閾值分割、局部閾值分割以及區(qū)域分割等多種方法。閾值化技術(shù) 是算法比較簡(jiǎn)單的，涉及確定優(yōu)選閾值集，根據(jù)這些閾值將圖像分割成有特定意義的區(qū)域， 最早的閾值算法是由Otsu提出的，它是基于灰度級(jí)的幾本原理，選擇最大的類內(nèi)方差化作為 閾值。對(duì)于灰度級(jí)k，所有灰度值小于等于k的將形成類（C0），而所有其他的將形成另外 的類（C1）。之所以

13、選擇k作為閾值，因?yàn)樗麄冎g的類方差Vk是最大的。由Otsu提出的標(biāo) 準(zhǔn)是最大化像素強(qiáng)度之間的類方差。3.1全閾值分割使用全局閾值可以將整個(gè)圖像的灰度值設(shè)定為常數(shù)3，根據(jù)具體的圖像，通過實(shí)驗(yàn)來確 定。通過分析直方圖的方法可以確定最佳閾值。使用MATLAB工具仿真結(jié)果如圖1所示，關(guān) 鍵代碼如下所示。I=imread('rice.png');figure;imshow(I);title('原始圖像')level=graythresh(I); BW=im2bw(I,level);figure,imshow(BW);title('全局閾值后圖像')由圖1

14、中可以看出經(jīng)過全閾值化后的圖像比原始圖像的米粒的清晰度顯著增強(qiáng)，特征值 顯著增加，但是圖像的下半部分的米粒的邊緣部分明顯不太清楚，顯得模糊。因此圖像整體 的特征值提取效果是好的，但是部分提取效果尤其是下邊的效果較差。原始圖像 全局閾 值后圖像 圖 1 原圖象與全局閾值后圖像3.2局部閾值分割局部閾值分割4是對(duì)圖像進(jìn)一步分析、識(shí)別的前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù) 的有效性，其中閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。當(dāng)圖像的灰度、光線等不均 勻時(shí)，各處的對(duì)比度不同，這時(shí)如果還采用全局閾值分割，就會(huì)出現(xiàn)圖1中的情況，使局部 處理效果不好。因此我們采用局部閾值，選取與像素位置合適的閾值，具體

15、的代碼如下， MATLAB仿真結(jié)果圖如圖2所示。I=imread('rice.png');figure;imshow(I);title('原始圖像')se=strel('disk',10);fo=imopen(f,se);%對(duì)圖像進(jìn)行開運(yùn)算f2=imsubtract(I,fo); figure;imshow(fo);title('開運(yùn)算后圖像') figure;imshow(f2);title('局部閾值化后圖像')從圖2中可以看出采用局部閾值化后圖像特征從整體上都得到了很大的改進(jìn)，與圖1中的 全局閾值化圖像比較，

16、不但上半部分的提取效果改進(jìn)了，同時(shí)下半部分的米粒也清楚的顯現(xiàn) 出來。因此采用局部閾值化的改善效果是明顯的。原始圖像 開運(yùn)算后圖像局部閾值化后圖像圖 2 原圖像與局部閾值后圖像 3.3區(qū)域分割區(qū)域分割是對(duì)于一個(gè)典型的模式識(shí)別系統(tǒng)，是指將待分析的數(shù)據(jù)進(jìn)行區(qū)域劃分，將其中 感興趣的數(shù)據(jù)片段提取出來做進(jìn)一步處理，而將其它的數(shù)據(jù)拋棄。區(qū)域分割的主要目的，是 減少后續(xù)處理的數(shù)據(jù)量。將圖像中的單個(gè)像素5映射成一個(gè)成為區(qū)域的像素集，將整個(gè)圖像 劃分成準(zhǔn)分離的區(qū)域通常是區(qū)域分割的目的，即區(qū)域之間沒有二維的重疊，沒有任何像素屬 于兩個(gè)或跟多個(gè)區(qū)域的內(nèi)部元素。MATLAB仿真圖如圖3所示，關(guān)鍵代碼如下：I1=imr

17、ead('rice.png');figure,imshow(I1);title('原始圖像');%選取閾值為 0.2，對(duì)原始圖像進(jìn)行四叉樹分解，并以灰度圖的形式顯示分解所得到的稀疏 矩陣S=qtdecomp(I1,0.2);S2=full(S);figure,imshow(S2);title('閾值為 0.2 的稀疏矩陣')vals,r,c=qtgetblk(I1,S2,2);size(vals);vals2,r,c=qtgetblk(I1,S2,4);size(vals2);vals3,r,c=qtgetblk(I1,S2,8);size(va

18、ls3);vals4,r,c=qtgetblk(I1,S2,16);size(vals4);vals5,r,c=qtgetblk(I1,S2,32);size(vals5);vals6,r,c=qtgetblk(I1,S2,1);size(vals6);通過分析可以看出閾值為0.2的圖像能夠大體地看出圖像的邊緣輪廓，獲得圖像的特征值，當(dāng)閾值增大為0.3時(shí)，圖像變得比較模糊，幾乎無法獲得圖像的特征信息，改善效果不 是很明顯。4.結(jié)論本文主要結(jié)合圖像分割的基本概念和基本原理，詳細(xì)討論三種圖像分割方法在圖像處理領(lǐng)域的應(yīng)用。深入研究了全閾值分割、局部閾值分割和區(qū)域閾值分割的實(shí)驗(yàn)原理，利用 MATLAB

19、工具對(duì)其算法進(jìn)行實(shí)驗(yàn)和分析，實(shí)驗(yàn)表明采用局部閾值化能夠較好的獲取圖像的 特征信息，使用區(qū)域分割時(shí)需要選取合適的閾值。圖像分割方法正朝著準(zhǔn)確化、智能化、快 速化方向發(fā)展。隨著圖像技術(shù)的不斷發(fā)展以及各種學(xué)科之間的相互交叉應(yīng)用，相信圖像分割 會(huì)不斷地完善和成熟起來。5.參考文獻(xiàn)1 張汗靈.MATLAB 在圖像處理中的應(yīng)用M清華大學(xué)出版社，20082 田浩，葛秀慧，王頂數(shù)字圖像處理M北京：清華大學(xué)出版社，20073 清源計(jì)算機(jī)工作室MATLAB 高級(jí)應(yīng)用-圖形及影像處理M.北京：機(jī)械工業(yè)出版社.20004 陳春寧在頻域中利用同態(tài)濾波增強(qiáng)圖像對(duì)比度J微計(jì)算機(jī)信息，2007. 23(2-3).5 飛思科技

20、產(chǎn)品研發(fā)中心MATLAB6.5 輔助圖象處理M北京：電子工業(yè)出版社.2003Research on Technique of Image Division Based on MatlabZhao Zongping，Yu Ningning，Yue MinSchool of Information and Electrical Engineering, China University of Mining & Technology, Xuzhou, Jiangsu, China, (221008)AbstractImage division aims at parting an image

21、 by some strategy and ensuring the segment which is parted doesnt contain overlapping between them. It is very important to use appropriate method during digitalimage processing. The thesis researches all valve value, part valve value and area valve value based on the theory of image division and also addresses the relative theory and math model. At the same time itrealizes the algorithm by using MATLAB. The experiment proves that different division algorithmhave different accuracy for the extraction of the image.Keywords: