基于MATLAB的图像分割技术的研究

1、14基于 MATLAB 的图像分割技术的研究 铜陵学院 学号：0709131026 2009 - 2010学年 第 2 学期 单片机应用技术课 程 设 计 报 告题 目： 基于MATLAB的图像分割技术的研究 专 业： 通信工程 班 级： 07 通信 姓 名： 金海斌 指导教师： 周珍艮老师 成 绩： 电气工程系2010年6月1217日课 程 设 计 任 务 书学生班级： 07通信工程 学生姓名： 金海斌 学号： 0709131026 设计名称： 基于MATLAB的图像分割技术的研究 起止日期： 2010年6月1217日 _ 指导教师 周珍艮老师 _ 设计要求：一、课程设计进度要求序号设计内容

2、所用时间1确定系统方案0.5天2编写调试程序2天3验证设计结果2天4撰写报告0.5学时合 计一周二、课程设计说明及成绩评定1课程设计报告书n 设计报告书写必须具备：设计题目、设计目的和意义，设计原理(系统原理框图)，详细设计步骤，设计结果(原理图或仿真结果)及分析，结论，设计体会，参考文献等。设计时间为2010.6.12-2010.6.17。n 报告须每人一份，独立完成，要求逻辑清晰、层次分明。n 每人可选一题进行设计。选同一题目的同学，设计时需编写各自实现的程序，不能与同组同学完全相同。若有完全相同者，课程以零分计。2成绩评定：课程设计评分标准评 定 项 目评分成绩1选题合理、目的明确。10

3、分2设计流程正确可行。 40分3设计结果（软件程序、仿真结果、设计报告）。 30分4态度认真、学习刻苦、遵守纪律。 10分5设计报告的规范化、参考文献充分。（不少于5篇）10分总分 (100)摘 要图像分割是将一幅图像按某种策略分块割开，并且确保所分割后的块之间无交叠现 象。在数字图像处理过程中采用合适的方法对图像进行分割具有重要意义。论文在介绍图像 分割原理的基础上，通过对全阈值分割、局部阈值分割和区域阈值分割进行了详细的研究， 介绍了相关的理论和数学模型，并给利用 MATLAB 工具进行实现。实验证明，选择不同的 分割算法对图像特征的提取在准确性上均有不同。 关键词：MATLAB

4、；图像分割；算子；阈值本文从原理和应用效果上对经典的图像分割方法如边缘检测、阈值分割技术和区域增长等进行了分析。对梯度算法中的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、LoG(Laplacian-Gauss)算子、坎尼（Canny）算子的分割步骤、分割方式、分割准则相互比较可以看出根据坎尼（Canny）边缘算子的3个准则得出的边缘检测结果最满意。而阈值分割技术的关键在于阈值的确定，只有阈值确定好了才能有效的划分物体与背景，但这种方法只对于那些灰度分布明显，背景与物体差别大的图像的分割效果才明显。区域增长的基本思想是将具有相似性质的像素集合起来构

5、成新区域。与此同时本文还分析了图像分割技术研究的方向。目录1引言-52边缘检测-52.1基于Robert算子的边缘检测-52.2基于Sobel算子的边缘检测-7 3图像分割实现3.1全阈值分割-73.2局部阈值分割-93.3区域分割-114.结论-125.参考文献基于 MATLAB 的图像分割技术的研究1引言数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和 分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起 各方面人士的广泛关注。图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。 图像分割的方法和种类有很多，有

6、些分割运算可直接应用于任何图像，而另一些只能适用于 特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信 息。例如，可以对图像的灰度级设置门限的方法分割，没有唯一的标准的分割方法。许多不 同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方 法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏 需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，因此，图 像分割结果的好坏直接影响对图像的理解。2边缘检测边缘检测1是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中 亮度变化明显

7、的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括深 度上的不连续、表面方向不连续、物质属性变化和场景照明变化。边缘检测是图像处理和计 算机视觉中，尤其是图像分割特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像 重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一 类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边 界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越 来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。2

8、.1基于Robert算子的边缘检测Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子，Robert算子图像处理后 结果边缘不是很平滑。由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，故 采用Robert算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。具体算法的程 序代码如下：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算子的边缘检测Sobel算子是基于梯度算子3*3的邻域，梯度算子计算时，当强度发生时的方向。这是通 过相邻像素值的差分进行计算的，即按X轴和Y轴的导数。在二维图像描述中，可以用下列 公式进行近似：Gx=f(i+1,j)-f(i,j);同

12、时Gy=f(i,j+1)-f(i,j)。 将从X方向获得的梯度与从Y方向获得的梯度进行结合从而获得向量，其中向量的幅度代表图像中点的边缘强度，向量的角度代表梯度角。进行计算时可以采用梯度模板值进行卷 积运算，每个模板对应具体方向的边缘。3图像分割实现图像分割2可以采用全阈值分割、局部阈值分割以及区域分割等多种方法。阈值化技术 是算法比较简单的，涉及确定优选阈值集，根据这些阈值将图像分割成有特定意义的区域， 最早的阈值算法是由Otsu提出的，它是基于灰度级的几本原理，选择最大的类内方差化作为 阈值。对于灰度级k，所有灰度值小于等于k的将形成类（C0），而所有其他的将形成另外 的类（C1）。之所以

13、选择k作为阈值，因为他们之间的类方差Vk是最大的。由Otsu提出的标 准是最大化像素强度之间的类方差。3.1全阈值分割使用全局阈值可以将整个图像的灰度值设定为常数3，根据具体的图像，通过实验来确 定。通过分析直方图的方法可以确定最佳阈值。使用MATLAB工具仿真结果如图1所示，关 键代码如下所示。I=imread('rice.png');figure;imshow(I);title('原始图像')level=graythresh(I); BW=im2bw(I,level);figure,imshow(BW);title('全局阈值后图像')由图1

14、中可以看出经过全阈值化后的图像比原始图像的米粒的清晰度显著增强，特征值 显著增加，但是图像的下半部分的米粒的边缘部分明显不太清楚，显得模糊。因此图像整体 的特征值提取效果是好的，但是部分提取效果尤其是下边的效果较差。原始图像 全局阈 值后图像 图 1 原图象与全局阈值后图像3.2局部阈值分割局部阈值分割4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。当图像的灰度、光线等不均 匀时，各处的对比度不同，这时如果还采用全局阈值分割，就会出现图1中的情况，使局部 处理效果不好。因此我们采用局部阈值，选取与像素位置合适的阈值，具体

15、的代码如下， MATLAB仿真结果图如图2所示。I=imread('rice.png');figure;imshow(I);title('原始图像')se=strel('disk',10);fo=imopen(f,se);%对图像进行开运算f2=imsubtract(I,fo); figure;imshow(fo);title('开运算后图像') figure;imshow(f2);title('局部阈值化后图像')从图2中可以看出采用局部阈值化后图像特征从整体上都得到了很大的改进，与图1中的 全局阈值化图像比较，

16、不但上半部分的提取效果改进了，同时下半部分的米粒也清楚的显现 出来。因此采用局部阈值化的改善效果是明显的。原始图像 开运算后图像局部阈值化后图像图 2 原图像与局部阈值后图像 3.3区域分割区域分割是对于一个典型的模式识别系统，是指将待分析的数据进行区域划分，将其中 感兴趣的数据片段提取出来做进一步处理，而将其它的数据抛弃。区域分割的主要目的，是 减少后续处理的数据量。将图像中的单个像素5映射成一个成为区域的像素集，将整个图像 划分成准分离的区域通常是区域分割的目的，即区域之间没有二维的重叠，没有任何像素属 于两个或跟多个区域的内部元素。MATLAB仿真图如图3所示，关键代码如下：I1=imr

17、ead('rice.png');figure,imshow(I1);title('原始图像');%选取阈值为 0.2，对原始图像进行四叉树分解，并以灰度图的形式显示分解所得到的稀疏 矩阵S=qtdecomp(I1,0.2);S2=full(S);figure,imshow(S2);title('阈值为 0.2 的稀疏矩阵')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);通过分析可以看出阈值为0.2的图像能够大体地看出图像的边缘轮廓，获得图像的特征值，当阈值增大为0.3时，图像变得比较模糊，几乎无法获得图像的特征信息，改善效果不 是很明显。4.结论本文主要结合图像分割的基本概念和基本原理，详细讨论三种图像分割方法在图像处理领域的应用。深入研究了全阈值分割、局部阈值分割和区域阈值分割的实验原理，利用 MATLAB

19、工具对其算法进行实验和分析，实验表明采用局部阈值化能够较好的获取图像的 特征信息，使用区域分割时需要选取合适的阈值。图像分割方法正朝着准确化、智能化、快 速化方向发展。随着图像技术的不断发展以及各种学科之间的相互交叉应用，相信图像分割 会不断地完善和成熟起来。5.参考文献1 张汗灵.MATLAB 在图像处理中的应用M清华大学出版社，20082 田浩，葛秀慧，王顶数字图像处理M北京：清华大学出版社，20073 清源计算机工作室MATLAB 高级应用-图形及影像处理M.北京：机械工业出版社.20004 陈春宁在频域中利用同态滤波增强图像对比度J微计算机信息，2007. 23(2-3).5 飞思科技

20、产品研发中心MATLAB6.5 辅助图象处理M北京：电子工业出版社.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: