数字图像处理论文

1、目录摘要 引言1基于灰度图像分割11.1基本原理11.2迭代最佳阈值21.2.1 初始阈值选取21.2.2 迭代阈值21.2.3 迭代的准则22 边缘检测算法32.1 Sobel(索贝尔）边缘检测算子32.2高斯拉普拉斯算子42.3 Prewitt算子53.数字图像的形态学处理63.1二值图像的数学形态学运算7膨胀与腐蚀运算7开运算与闭运算83.2数字图像的数学形态学处理应用8边缘检测8噪声滤除9形态骨架提取94迭代阈值与形态学共用处理图像95结论106附程序10摘要随着计算机技术的发展，计算机图像处理与分析技术在临床诊断和治疗中起着越来越重要的作用。对医学细胞显微图像分割与识别方法的研究成为

2、当今图像分析领域的前沿课题。在医学研究和临床诊断中，尤其在缺少专家的情况下对医学细胞图像的分割与识别具有十分重要的意义。医学领域中的图像处理技术的应用受到了广泛关注，应用图像处理技术对医学图像进行分割、识别、定量分析成为了临床辅助诊断和医学研究的重要工具。图像分割作为图像处理中的一项关键技术，自上世纪70年代起一直受到人们的高度重视，也是医学图像处理中的一个研究热点。利用图像分割技术对细胞图像进行分割，提取精确的细胞轮廓，是下一步进行细胞形态分析和定量计算的基础。为了解决传统的人工定义阈值和检测算子在边缘检测方面的不足，提出了基于迭代最佳阈值分割的边缘检测，并据此进行图像的边缘提取。这种方法不

3、仅大大降低了算法的复杂度，提供最佳阈值，同时也能保证边缘提取的精确度，消除图像噪声对边缘提取的影响。通过对迭代阈值的应用，利用边缘检测算子对图像进行边缘检测，并和现有的方法进行对比。关键词：图像分割；边缘检测；迭代；最佳阈值基于MATLAB的医学细胞显微图像分割与边缘检测引言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的作用。所谓边缘是指图像局部特性的不连续性，例如，灰度级的突变，颜色的突变，纹理结构的突变等。边缘检测在图像处理和计算机视觉中占有特殊的位置,它是底层视觉处理中最重要的环节之一，也是实现基于边界的图像分割的基础。传统的边缘检测算子一般都是基于一阶导数和二阶导数的边缘检测算

4、子，如Robert交叉算子、Sobel算子、Prewitt算子、Canny算子和Laplacian算子1等，这些算子都是局部的梯度算子，对噪声非常敏感，所以在处理实际问题的时候处理的图像效果往往并不理想。边缘检测2过程中容易产生虚假边界并且定位的精度也不是很高，所以往往对不同的图像往往需要选择不同的参数，实际操作起来比较麻烦。虽然基于形态学的边缘检测易于实现，但是只适合噪声较小的图像。此次提出的基于迭代阈值的边缘提取，在传统边缘检测的基础上，首先对图像进行处理，然后迭代出最佳阈值再进行边缘检测。同时设置了迭代阈值终止的准则，根据图像的不同需求和图像的特征可以进行不同的设定，满足实时边缘检的需求

5、。1基于灰度图像分割对灰度图像的阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素（分割）划为两类：像素的灰度值大于阈值的为一类，像素的灰度值小于阈值的为另一类（灰度值等于阈值的像素可归入这两类之一）。这两类像素一般分属图像中的两类区域，所以对像素根据阈值分类达到了区域分割的目的。图像中的目标区域与背景区域的灰度或平均灰度是不同的，而目标区域和背景区域内部灰度相关性很强，这时我们可以以灰度的均一性作为依据进行分割。1.1基本原理本文采取的灰度图像分割是基于区域的分割，也称灰度门限法。阈值分割的原理很简单，首先确定

6、阈值，然后把像素点的灰度值与阈值进行比较确定出所属的区域。阈值的选取在阈值分割中是关键性的影响因素，一般可以分为几类：基于像素灰度值的阈值、基于区域性质的阈值和基于坐标位置的阈值。阈值的选取如果不佳就会导致图像的错误分割，本文采取的迭代阈值的方法，可以根据不同的图像选取合适的最佳阈值。1.2迭代最佳阈值迭代式阈值选取的基本思路是:首先根据图像中物体的灰度分布情况，选取一个近似阈值作为初始阈值，然后进行分割产生子图像，并根据子图像的特征选取新的阈值，再用新的阈值分割图像。经过一定次数的循环，使错误分割的图像像素达到最少，然后通过分割图像和修改阈值的迭代过程获得认可的最佳阈值。1.2.1 初始阈值

7、选取在迭代阈值前首先选取初始阈值，初始阈值的确定是根据灰度图像的灰度值来确定的。灰度图像中最大像素的值为Zmax，最小像素值的为Zmin，初始阈值 T即为：T=（Zmax+Zmin）/2 （1）1.2.2 迭代阈值统计图像中像素的个数，以当前的阈值T为分界值来统计。小于于阈值T的像素个数为n0，大于阈值T的像素个数为n1，图像像素的像素值用SUM来表示： SUM=S0+S1 （2）其中S0为N0像素的像素值，S1为n1像素的像素值。设新的迭代阈值为TT,为了确定TT我们不妨取像素的平均值，T0和T1分别为各个像素段的像素平均值。T0=S0/n0 (3)T1=S1/n1 (4)TT=(T0+T1

8、)/2 (5)1.2.3 迭代的准则TT为第一次迭代阈值，把TT的值赋给T，不断的重复和的步骤。迭代终止的条件满足w=|T-TT|255) I(i,j)=255; end if (I(i,j)0) I(i,j)=0; end endend z0=max(max(I); % 求出图象中最大的灰度z1=min(min(I); % 最小的灰度 T=(z0+z1)/2; %初始的阈值TT=0;S0=0; n0=0;S1=0; n1=0;allow=0.5; % 新旧阈值的允许接近程度d=abs(T-TT); %w=|T-TT|=allow) % 迭代最佳阈值分割算法 count=count+1; fo

9、r i=1:x for j=1:y if (I(i,j)=T) S0=S0+I(i,j); n0=n0+1; end if (I(i,j)=T) Seg(i,j)=1; % 阈值分割的图象 end endendSI=1-Seg; % 阈值分割后的图象求反，便于用腐蚀算法求边缘se1=strel(square,3); % 定义腐蚀算法的结构SI1=imerode(SI,se1); % 腐蚀算法BW=SI-SI1; % 边缘检测%=传统的边缘检测方法=%I=uint8(I);BW1=edge(I,sobel, 0.11);BW2=edge(I,log, 0.015);BW3 = edge(I,prewitt);%=图象显示=%figure(1);imshow(I);title(Original) % 显示阈值分割的图象figure(2);imshow(BW2);title(Sob