基于MATLAB的杂草图像处理技术及研究的最新论文

1、本科毕业论文杂草图像处理技术及应用学 院： 计算机与信息工程学院专 业： 计算机科学与技术专业学 号： 姓 名： 乌文泽指导教师： 薛河儒职 称： 教授论文提交日期：二一一年六月摘 要图像分割是图像处理中的一项关键技术，其目的是将目标和背景分离，为后续处理提供依据，其结果直接影响到其后的信息处理过程。到目前为止，对图像分割的效果好坏，还没有一个统一的评价判断准则。不同的分割方法对同一幅图像的分割效果是不同的。本文研究不同分割方法对同一副图像进行分割后的定量比较。灰度阈值法是一种常使用的分割方法。图像阈值化处理的实质是一种图像灰度级的非线性运算，阈值处理可用方程加以描述。通过选取阈值将目标与背景

2、分离出来。分水岭变换是一种数学形态学图像分割方法，它可以得到精确的边缘，即连续、封闭、单像素宽的边缘。但是它的主要缺点就是对噪声十分敏感，很弱的噪声就会造成严重的过分割现象，致使分割结果出现大量的零散区域。本文是用实验的方法，针对农田植物与土壤对比比较强烈的情况，将其背景与植物分离。利用不同算法对同一幅图像进行分割，然后对其效果进行定量比较，从而确定一种分割效果较好的方法。关键词：图像分割 颜色特征 灰度阈值法 分水岭算法 定量评价Abstract Image segmentation is a key technology of image processing, and its purpo

3、se is to separate the target from the background. It makes further image analysis and comprehension possible. But so far, there is not a unified evaluation criterion about the effects of image segmentation. The effects of segmentation are different with different segmentation methods, and the effect

4、s are also different with a given segmentation method at different color spaces. This paper studies different segmentation method for the same vice image segmentation quantitative comparison after. Gray threshold value method is a frequently used segmentation method. Image threshold processs essence

5、 is a kind of image grayscale nonlinear operations, threshold processing can be used to describe equation. By choosing threshold will target and background is isolated The watershed is an image segmentation method based on mathematical morphology. It gets the precise edge which is continuous, closed

6、 and single-pixel. The main limitation of watershed transform is the over-segmentation due to its sensitivity to noise; even the very thin noise will lead to a lot of scattered and meaningless regions.This paper is to use the method of experimental comparison for farmland plants and soil more intens

7、e, will its background and plant separation. Use different algorithms on the same image segmentation, then its effect, thus determine quantitatively compare a segmentation effect good method. Key words ：Image segmentation Color characteristics Grayscale threshold value method Watershed algorithm Qua

8、ntitative evaluation 目 录1 引言12 图像分割概述221 数字图像处理技术222 图像分割2221 图像分割定义3222 图像分割技术的分类3223 图像分割的方法3224 存在问题4225 课题研究意义53 图像的采集和预处理631 杂草图像的采集632 彩色图像转换为灰度图像633 杂草图像预处理7331 杂草图像的增强7332 直方图修正7333 直方图均衡化8334 平滑滤波除噪9335 中值滤波94 基于颜色特征的杂草图像的分割1041 绿色植物与土壤背景的分割1041. 1 分割方法分析1041. 2 阈值分割法1041. 3 无标记分水岭算法1241. 4

9、 有标记分水岭算法145 用户界面（GUI）1551 GUI开发方法简介1652 创建图形用户窗口的工具1753 GUI控件1954 杂草图像处理系统的界面设计216 图像分割效果评价246. 1 灰度阈值法256. 2 分水岭算法256. 2. 1 无分水岭算法256. 2. 2 有标记分水岭算法267 总结26致谢27参考文献28附录291 引言在图像的研究和应用过程中，人们往往仅对各幅图像中的某些部分感兴趣。这些部分常称为目标或前景，它们一般对应图像中特定的具有独特性质的区域。为了辨别和分析目标，需要将这些区域分离提取出来，在此基础上才有可能对目标进一步研究。图像分割就是将图像分成各具特

10、性的区域并提取出感兴趣目标的技术和过程。 在进行图像分割时，首先要根据目标和背景的先验知识来对图像中的目标、背景进行标记、定位，然后将等待识别的目标从背景中分离出来。大力发展精细农业、合理利用农业资源、改善生态环境，保持农业的持续高效发展已成为前沿性科学研究的热点领域之一。随着信息技术、网络技术、人工智能技术在工业生产中的广泛应用并已发挥巨大的效能，在传统农业中引入信息智能化技术是农业现代化发展的必然趋势。图像分割是由图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术。这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始的图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成

11、为可能。因此，图像分割多年来一直得到人们的高度重视。然而到目前为止，对图像分割的效果好坏或正确与否，还没有一个统一的评价判断准则。不同的分割方法对同一幅图像的分割效果是不同的，然而一种方法对不同的图像分割效果也是不同的。本文研究的是不同图像分割方法对同一幅图像分割效果的定量比较。2 图像分割概述21 数字图像处理技术数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识

12、别上千种颜色，但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。另一方面，通过数字图像处理中的模式识别技术，可以将人眼无法识别的图像进行分类处理。通过计算机模式识别技术可以快速准确的检索、匹配和识别出各种东西。数字图像处理技术是一个跨学科的领域，就是指利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。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，计算机图像处理也成为人工智能应用的热点之一，信息的处理技术主要依赖于图像处理方法，它包括数码编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别等内容

13、。经过这些处理后，输出图像的质量得到相当程度的改善，便于计算机对图像进行分析、处理和识别。一个基本的图像处理系统包括有4个子系统：图像输入系统、图像输出系统（显示）、图像存储系统、图像处理与分析系统。如下图1所示：图像输入系统图像输出系统图像处理与分析系统图像存储系统图1 图像处理系统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。图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为农业、心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在

14、军事、遥感、气象等大型应用中有不断增长的需求。22 图像分割221 图像分割定义所谓图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。分割是一种标记过程，即对分割所得属于同一区域的像点给予相同的标记值。换句话说，所谓图像分割是指根据灰度、色彩、空间纹理、几何形状等特征把图像划分成或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。图像分割是图像处理与计算机视觉领域底层视觉中最为基础和重要的领域之一，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。222 图像分割的技

15、术分类根据图像分割过程中所使用知识的多少，可将图像分割按技术分成：信号层技术、物理层技术和语义层技术。信号层技术在图像分割过程中纯粹基于数字图像中的数值；物理层技术在图像分割过程中使用了有关图像生成的知识；而语义层技术则在图像分割过程中还使用了有关景物类型的领域专用知识。223 图像分割的方法图像分割主要有两种方法：一是鉴于度量空间的灰度阈值分割法。它是根据图像灰度直方图来决定图像空间域像素聚类。但它只利用了图像灰度特征，并没有利用图像中的其它有用信息，使得分割结果对噪声十分敏感；二是空间区域增长分割方法。它是对在某种意义上（如灰度级、组织、梯度等）具有相似性质的像素连通集构成分割区域，该方法

16、有很好的分割效果，但是缺点是运算比较复杂，处理速度慢。其它的方法如边缘追踪法，主要着眼于保持边缘性质，跟踪边缘并形成闭合轮廓，将目标分割出来。阈值化方法利用了图像中要提取的目标物与其背景在灰度特性的差异，把图像视为具有不同灰度级的区域的组合。通过选取阈值，将目标区域从背景区域分离出来。阈值法是一种传统的图像分割方法，因其实现简单、计量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。已被应用于很多的领域例如，在红外技术应用中，红外无损检测红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学

17、应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，农田植物与杂草的分割等等。在这些应用中，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。常用的阈值分割方法有：双峰法、类间方差阈值分割法、模糊阈值分割法等等。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值变换得到的特征。设原始图像为f（x,y）,按照一定的准则在f(x,y)中找到特征值T，将图像分割为两部分，分割后的图像为:b0 f(x,y) < tg(x,y)=（1）b1 f(x,y)

18、 t 若取：b0=0(黑)，b1=1(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（x,y,N(x,y),f(x,y)） 式中，f(x,y)是点（x,y）的灰度值；N（x,y）是点（x,y）的局部邻域特性，在此不对其详细介绍。分水岭算法，是一种基于拓扑理论的数学形态的分割方法，其基本思路是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每

19、一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。应用到图像分割中，分水岭变换是指将原图像转换成一个标记图像，其中所有属于同一集水盆的点均被赋予同一个标记，并用一个特殊的标记来标记分水岭上的点。无标记分水岭算法的优点是对微弱边缘具有良好的响应，得到封闭连续边缘是有保证的。另外，分水岭算法所得到的封闭的集水盆，为分析图像的区域特征提供了可能。然而分水岭算法对图像强度噪声特别敏感，容易导致过度分割，而且计算耗时较长，所以，适用该方法的关键是解决过分割和压缩计算时间的问题。有标记分水岭算法的优

20、点是可以自适应地提取标记而不需要先验知识,克服了标记提取的困难。224 存在的问题图像分割问题的困难在于图像数据的模糊和噪声的干扰。前面已经提到，到目前为止，还没有一种或者几种完善的分割方法，可以按照人们的意愿准确的分割任何一种图像。实际图像中景物情况各异，具体问题具体分析，需要根据实际情况选择适合的方法。分割结果的好坏或者正确与否，目前还没有一个统一的评价判断准则，分割的好坏必须从分割的效果和实际应用场景来判断。不过在人类研究图像的历史中，还是积累了许多经典的图像分割方法。虽然这些分割方法不适合所有类型的图像分割，但是这些方法却是图像分割方法进一步发展的基础。事实上，现代一些分割算法恰恰是从

21、经典的分割方法衍生出来的。多数研究是在可以采集高质量图像的具有可控光照、没有环境影响因素的实验室（温室）内进行的，而田间则有机械震动、光照不匀、风、晴天、阴天等许多自然因素影响，这就增加了图像处理的难度。识别速度和识别精度有待于提高。杂草特征具有多样性和复杂性的特点，要达到精确的识别杂草，在众多的特征中如何选取最有效的特征组合也是田间杂草图像处理的难点。225 课题研究的意义在传统农业中，杂草肆虐和杂草病虫害是困扰庄稼生长的基本问题。农田杂草与作物争营养阻碍作物生长发育并造成不可估量的经济损失。现在农田杂草防除的方法主要有机械除草、静电除草、人力除草、化学除草和综合治草等。大力发展精细农业、合

22、理利用农业资源、改善生态环境，保持农业的持续高效发展已成为前沿性科学研究的热点之一。随着信息技术、网络技术、人工智能技术在工业生产中的广泛应用并已发挥巨大的效能，在传统农业中引入信息化智能化技术是农业现代化发展的必然趋势。当前这种粗放的农业生产对环境造成的污染已经引起重视。农科院植保所主要从事杂草化学防除研究工作的专家薛光指出：杂草化学防除是一项省工节本、方便实用、增产增效的农业措施，但要使它健康、持久地发展，还得正确处理两个关系，除草与环保的关系，除草剂是一种有毒物质，农田使用除草剂后，其一部分被光解、降解，还有一部分留在作物、土壤和水中，造成对环境的污染。1992 年在墨尔本召开的第一届国

23、际杂草防除大会上提出了“减少对除草剂的依赖性”的口号，1996 年在哥本哈根召开的第二届国际杂草防除大会上又提出了“杂草防除生态学”的观点，旨在保护人类赖以生存的环境。常规的除草剂的使用存在着一些问题。第一，由于除草剂是采用大面积、成片的喷洒，除草剂遗留渗到地下水和地表水中，同时挥发等因素造成的污染危害到了人类和一些生物的安全。第二，根据精确农业的思想，可耕种的土地具有不同的特征，如杂草分布的密度不同、土壤的肥沃程度不同，如果都一致加以处理，这样浪费除草剂，造成生产投入成本的增加。第三，由于过多的使用除草剂，造成农产品的品质下降，另外一些由于除草剂残留造成的危害，轻则出现中毒的现象，重则使人和

24、一些生物畸形和死亡。第四，在喷洒过程中，人们常用眼睛和手进行判断和操作，但是每个人的判断标准是不同的，所以也造成除草剂使用的过多或不足。考虑到这些情况，我们应该采取一些措施。我们既要保持农业的可持续发展，提高作物的产量，增加农民的经济效益，同时也要考虑为达到上述问题对环境的影响。随着计算机技术的普及推广，精准农业模式的提出，借助计算机工具有效地减轻农业生产的强度，提高劳动生产率，实现农业生产自动化成为发展的趋势。应用计算机视觉、图像处理技术进行农作物中的杂草识别与控制成为可能。在杂草滋生区施加除草剂，而对无杂草的地方不使用除草剂，或对整个地块施加小剂量的除草剂而对杂草部分施加正常剂量的除草剂，

25、并根据杂草种类的不同控制调节喷洒不同的药剂，分类灭除，从而实现精细喷洒，变量投入。有关专家也论证，利用大量传感器组成的机器视觉系统来识别杂草是可行的，此外根据国外学者进行的除草剂喷洒对比试验结果表明：假定均匀喷洒除草剂的使用量为100，通过开/关喷嘴间断喷洒除草剂的变量喷洒方法能节省10的除草剂，根据杂草密度喷洒不同剂量的除草剂的变量喷洒方法能节省45的除草剂。这不仅提高农业发展的科技水平，减少草害，而且对保护环境，节省投入成本都有着十分重要的现实意义。到目前为止，还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

26、，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。因为不同的分割方法的分割效果是不一样的。本文是对同一幅图像采用不同的分割方法得到的不同效果进行定量比较的。3 图像的采集和预处理31 杂草图像的采集杂草发生种类多而普遍，生育期长，危害严重。由于各地气候、土壤及栽培条件的差异造成麦田杂草种类的分布及危害明显不同。本实验采集的是晴天情况下的上午的静态杂草图像。32 彩色图像转换为灰度图像 将采集的彩色图像利用函数rgb2gray()和公式I=*R+*G+*B转换为灰度图像。其中公式的系数的习惯用=1/3。本设计采用两种方法并且根据颜色特征的组合做了多次试

27、验。不同的数值结果不同。如下图所示： 图1 rgb2gray()转变 图2 G-B 图3 1/3*R+1/3*G+1/3*B 图4 2*G-R-B以上结果显示背景与其目标灰度值差异大且图像清晰的为颜色特征选项为G-B的图像。33 杂草图像预处理 由于杂草图像是在户外采集，受各种自然条件如风、光照、光线曝光不均等因素影响，以及在输入、传送、处理过程中都难免会引入干扰，引起图像降质，造成图像特征提取和图像识别困难或产生不良的视觉效果。因此首先要对图像进行预处理，滤除噪声，提高图像质量。预处理部分主要包括对图像增强和噪声滤除。331 杂草图像的增强图像增强可以在频率域进行，也可以在空间域进行。在频率

28、域增强就是先对图像进行傅立叶正交变换，然后对图像在频率域进行增强处理，最后再反变换到空间域，从而得到增强后的图像。空间域增强主要为在空间域内对象素灰度值直接进行运算处理，处理速度比在频率域要快的多。332 直方图修正直方图修正，就是利用直方图信息，对灰度分布形式作校正来修正图像灰度，使图像具有所需要的灰度分布，从而有选择地突出所需要的图像特征，最终达到图像增强的目的。直方图修正中具有最优性质的是直方图均衡化。该方法的基本思路是把原始图像的直方图变换成均匀分布的形式，这样就增加了象素灰度值的动态范围，从而达到增强图像整体对比度的效果。原理如下：（1）计算出原始图像的所有灰度级sk, 0,1,.,

29、L-1；（2）统计原始图像的象素数，并依据式公式2计算原始图像的直方图： psk=nkn,k=0,1,L-1； （2） 式中sk是图像f (i, j)的第k级灰度值；nk是f (i, j)中具有灰度值sk的像素的个数；n是图像中象素的总数。（3）计算原始图像的累计直方图并取整，即: tk=i=0knin=i=0kpsi k=0,1,L-1; （3）（4） 定义映射关系：sktk;（5） 统计新直方图各灰度级的像素数k n 并由式公式4计算新的直方图； pttk=nkn （4）直方图均衡化后结果如图2所示，可看出变换后的杂草图像更为清晰，更能突出图像的细节。从直方图上也可看出，直方图调整之前，灰

30、度的比例很大，经过直方图调整后，各灰度等级的比例更加平衡1。 图5 原始灰度图像 图6 原始灰度图像直方图 图7 修正后灰度图像 图8 修正后直方图333 直方图均衡化 直方图均衡化，是把一已知灰度概率分布的图像经过一种变换，使之演成一幅具有均匀灰度概率分布的新图像。是以累计分布函数变换法为基础的直方图修正法。直方图均衡化处理是一种修改图像直方图方法，它通过对直方图进行均衡化修正，使图像灰度间距离增大或灰度均匀分布、增大反差，是图像的细节变得更清晰。 图9 均衡化后灰度图像 图10 直方图均衡化334 平滑滤波除噪 原始图像的噪声主要有两个来源：一是在拍摄过程中，由于曝光不均匀而产生的胶片颗粒

31、噪声。二是数字化过程中，由数字化电子器件带来的随机噪声。噪声常常和信号交织在一起，如果平滑不当就使图像本身的很多细节变得模糊不清，从而使图像降质。如何既能平滑掉图像中的噪声，而又尽量保持图像细节，少付出一些模糊的代价，是图像平滑研究的主要问题。本文采用中值滤波法对采集的杂草图像进行滤波处理。335 中值滤波中值滤波的算法原理是首先确定一个奇数像素的窗口w，窗口内各像素按灰度大小排队后，用其中间位置的灰度值代替原f(x,y)灰度值成为窗口中心，灰度值g(x,y)。 g(x,y)=Medf(x-k,y-l),(k,lw) （5）式中，w为选定窗口大小；f（m-k,n-l）为窗口w的像素灰度值。通常

32、窗口内像素为奇数，以便于有中间像素。若窗内像素为偶数时，则中值取中间两像素灰度值的平均值。中值滤波的主要步骤为：（1）将模板在图中漫游，并将模板中心与图中的某个像素位置重合；（2）读取模板下各对应像素灰度值；（3）将模板对应的像素灰度值进行从小到大排序；（4）选取灰度序列里排在中间的1个像素的灰度值；（5）将这个中间值赋给对应模板中心位置的像素作为像素的灰度值。中值滤波比低通滤波消除噪声更有效。因为噪声多为尖峰状干扰，若用低通滤波，虽能去除噪声但陡峭的边缘将被模糊。中值滤波能去除点状尖峰干扰而边缘不会变坏。 图11 原始灰度图像 图12 中值滤波后图像3*3 图13 中值滤波后图像5*5 图1

33、4 中值滤波后图像7*7中值滤波降低噪声的效果比较明显，在灰度值变化比较小的情况下可以得到很好的平滑处理，降低了图像边界部分的模糊程度。中值滤波去噪的效果依赖于两个因素：邻域的空间范围和中值计算中所涉及的像素数，针对杂草图像的特征，为了能较好的保护杂草叶片边缘及中间叶脉部分的细节信息，分别选取窗口大小为3×3，5×5，7×7通过对比不同窗口滤波后的图像，发现窗口尺寸越大消除噪声效果增强，但图像细节丢失越多，边缘变得模糊。选用5×5十字型窗口性价比最佳。4 基于颜色特征的杂草图像的分割41 绿色植物与土壤背景的分割411 分割方法分析利用上述颜色特征组合将

34、彩色图像转化成灰度图像，然后根据图像中要提取的杂草区与背景区在灰度特性上的差异把图像视为具有不同灰度级的区域组合，通过选取阈值将杂草区域从背景中分离出来。412 阈值分割法阈值化方法利用了图像中要提取的目标物与其背景在灰度特性的差异，把图像视为具有不同灰度级的区域的组合。通过选取阈值，将目标区域从背景区域分离出来。阈值法是一种传统的图像分割方法，因其实现简单、计量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。已被应用于很多的领域例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔

35、径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，农田植物与背景的分割，等等。在这些应用中，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。常用的阈值分割方法有：双峰法、类间方差阈值分割法、模糊阈值分割法等等。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值变换得到的特征。设原始图像为f（x,y）,按照一定的准则在f(x,y)中找到特征值T，将图像分割为两部分，分割后的图像为b0 f(x,y) < tg(x

36、,y)=（6）b1 f(x,y) t若取：b0=0(黑)，b1=1(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（x,y,N(x,y),f(x,y)） （7） 式中，f(x,y)是点（x,y）的灰度值；N（x,y）是点（x,y）的局部邻域特性 。(1)求出图像中的最大和最小灰度值st,sk, 令初始阈值为: T0=s1+s22 （8） (2) 根据阈值Tk将灰度图像分成目标和背景两部分,（第一次分割TK=T0 ）,然后求出目标和背景两部分的平均灰度值S1,S2 , S1=Si,j&

37、lt;TkS(i,j)×N(i,j)zi,j<TkN(i,j), S1=Si,j>TkS(i,j)×N(i,j)zi,j>TkN(i,j) （9）式中S(i, j)是图像上(i, j)点的灰度值，N(i, j)是(i, j)点的权重系数，一般 N(i, j)1,0。（3） 求出新的阈值： Tk+1=S1+S22 （10） （4）如果Tk=Tk+1，则算法结束，否则k k +1，转步骤（2）。分割后的二值图像不仅可以大量压缩数据减少存储容量而且能大大简化其后的分析和处理步骤。灰度图像经二值化后，在背景区会出现块状噪声和不均匀的颗粒噪声，可采用多次中值滤波方法

38、，提高图像质量。如图所示： 图15 阈值分割后的二值图像 图16 0、1互换的图像413 无标记分水岭算法 无标记分水岭算法是一种已经发展起来的数学形态学图像分割方法。这种方法之所以引起人们的重视,一是其计算速度较快,二是物体轮廓线的封闭性,三是定位的精确性。但无标记分水岭算法对微弱边缘也具有良好的响应。它最初是由Digabel和Lantuejoul引入图像处理领域,用于分析简单的二值图像。为了得到更为通用的模型, Beucher、Vin2cent等人继续研究,使分水岭的理论得以建立,并大量用于灰度图像的分割。虽然其思想简单,但是设计方法比较困难,早期的方法计算负担重、耗时较长。因此,采用无标

39、记分水岭算法进行图像分割时,通常会产生过度分割的现象和耗时较长。分水岭变换的思想来源于地形学,它将图像看作是地形学上被水覆盖的自然地貌,图像中的每一像素的灰度值表示该点的海拔高度,其每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则为分水岭,通常描述分水岭变换有两种方法:一种是“雨滴法”,即当一滴雨水分别从地形表面的不同位置开始下滑,其最终将流向不同的局部海拔高度最低的区域(称为极小区域) ,那些汇聚到同一个极小区域的雨滴轨迹就形成了一个连通区域,称为集水盆;另一种方法是模拟“溢流”的过程,即首先在各极小区域的表面打一个小孔,同时让泉水从小孔中涌出,并慢慢淹没极小区域周围的区域,那么各极

40、小区域波及的范围,即是相应的集水盆。无论是哪种方法,不同区域的水流相遇时的界限,就是期望得到的分水岭。应用到图像分割中,分水岭变换是指将原图像转换成一个标记图像,其中所有属于同一集水盆的点均被赋予同一个标记,并用一个特殊的标记来标识分水岭上的点。根据分水岭算法的原理,令M1，M2,Mi表示待分割图像的极小区域，C（Mi）表示与极小区域Mi相关的流域。Min和Max分别表示梯度的极小值和极大值。假设溢流过程都是以单灰度值增加的, n表示溢流的增加数值(即在第n步时溢流的深度，Tnb表示满足f(x,y)<n的所有点x的集合，f(x,y)为梯度图像信号。对于一个给定流域, 在第n步将会出现不同

41、程度的溢流(也可能不出现) 。假设在第n步时极小区域Mi发生溢流,令Cn（Mi）与极小区域Mi相关流域的一部分,即在溢流深度n时,在流域C（Mi）形成的水平面构成的区域，Cn(Mi)为二值图像,可表示为：cn(Mi)=c(Mi)Tn （11） 如果极小区域Mi的灰度值为n，则在第n+1步时，流域的溢流部分与极小区域完全相同，即有Cn+1Mi=Mi。令cn表示第n步流域中溢流部分的并，则C(max+1)所有流域的并。算法初始时取Cmin+1=Tmin+1。 （12）溢流的定义是是递归的。假设Cn-1已经建立，Cn为Tn的一个子集, 又因为Cn-1是Cn的子集,故Cn-1是Tn的子集。如果D是Tn

42、的连通成分,将有3种可能:(1)DCn-1为空；(2)DCn-1为非空,含有C n - 1 一个连通成分；(3) D C n - 1 为非空,含有C n - 1 多个连通成分。当增长的溢流达到一个新的极小区域时, 第（1）种情况将会发生。对于第（2） 种可能, D将位于某个极小区域流域之内。第（3）种情况。D必定含有一些组成C n - 1 的部分流域Cn - 1 (Mi) 。因此,在D内必须建一个堤坝,以防止溢流在单独的流域中溢出,该堤坝是T n 内C n - 1 的测地SKIZ。C n - 1 构成C n 时,每一个部分流域Cn - 1 (Mi) 都在T n 内增长成其测地影响区。过程如下图

43、： 图17 Top-hat变换后图像 图18 bottom-hat变换后图像 图19 对象间的间隙增大的 图20 转换感兴趣区域的图像 图21 Imextendedmin检测的结果 图22 imimposemin检测的结果 图23 无标记分水岭变换后的结果414 有标记分水岭算法 如果图像中的目标物体是连接在一起的，则分割起来会更困难，有标记分水岭分割算法经常用于处理这类问题，通常会取得比较好的效果。分水岭分割算法把图像看成一幅“地形图”，其中亮度比较强的区域像素值较大，而比较暗的区域像素值较小，通过寻找“汇水盆地”和“分水岭界限”，对图像进行分割。直接应用分水岭分割算法的效果往往并不好，如果

44、在图像中对前景对象和背景对象进行标注区别，再应用有标记分水岭算法会取得较好的分割效果。基于有标记控制的分水岭分割方法有以下基本步骤： 图24 腐蚀后的图像 图25 膨胀后的图像 图26 进行开运算后的结果 图27 进行闭运算后的结果 图28 有分水岭标记的图像5 用户界面（GUI）介绍MATLAB图形用户界面是一种新型界面开发方式。对于熟悉MATLAB而不想编写大量VC代码的人来讲，MATLAB/GUI是一个最佳选择，它既能嵌入已有的仿真程序，又能把仿真的图形化结果以人机交会的动态方式呈现给用户，使用者不需要知道代码的具体内容，只要了解操作步骤即可很方便地操作界面。51 GUI开发方法简介图形

45、用户界面是由窗口、光标、按键、菜单、文字说明等对象构成的一个用户界面。用户通过一定的方法（如鼠标或键盘）选择、激活这些图形对象，使计算机产生某种动作或变化，比如实现计算、绘图等。用户必须对每一个对象进行编程，使用户在GUI中的行为能够达到相应的目的。在MATLAB中，图形用户界面是一种包含多种图形对象的界面，典型的图形界面包括图形显示区域，功能按钮空间以及用户自定义的功能菜单等。为了让界面实现各种功能，需要对各个图形对象进行布局和编程。这样，当用户激活对应的GUI对象时，就能执行相应的代码。最后，必须保存和发布自己创建的GUI，使得用户可以应用GUI对象。建立GUI界面的主要方式有两种，第一种

46、是直接通过程序编写的方式产生对象，即利用uicontrol、uimenu、uicontexmenu等函数以编写M文件的方式来开发整个GUI；第二种方式是直接通过MATLAB的GUI编辑界面-GUIDE来建立GUI。在使用GUIDE创建GUI时，可以将设计好的GUI界面保存为一个FIG资源文件，同时自动生成对应的M文件。该M文件包含了GUI初始化代码和组建界面布局的控制代码。本次设计主要运用第二种方法。GUIDE主要是一个界面设计工具集，MATLAB将所有GUI支持的用户控件都集成在这个环境中用以提供界面外观、属性和行为相应方式的设置方法。GUIDE将用户保存好的GUI界面保存在一个FIG资源文

47、件中。同时还能够生成包含GUI初始化和组件界面布局控制代码的M文件，这个M文件为实现回调函数（当用户激活GUI某一组件时执行的函数）提供了一个参考框架。虽然使用用户自己编写的包含GUI所有发布命令的M文件也能够打开实现一个GUI。但是使用GUIDE执行效率更高。使用GUIDE不但能够交互式进行组件界面布局。而且能够生成两个用来保存和发布GUI的文件：FIG文件：该文件包括GUI图形窗口及其所有后裔的完全描述，包括所有对象的属性值。FIG文件是一个二进制文件。调用hgsave命令或界面设计编辑器的FILE菜单save选项保存图形窗口时将产生该文件。FIG文件最有用的地方之一就是对象句柄的保存和引

48、用，可以使用open openfig hgload命令来打开一个后缀为.fig的文件。M文件：该文件包括GUI设计控制函数以及定义为子函数的用户控件的回调函数，主要用于控制GUI展开时的各种特征。这个M文件可以分为GUI初始化和回调函数两部分。用户控件的回调函数根据用户与GUI的具体交互行为分别调用，这里将GUI的M文件称为应用程序M文件。应用程序M文件使用openfig命令来显示GUI,注意应用程序M文件并不包括用户界面设计的任何代码，这些代码完全由M文件保存。打开GUI的方法：（1）在命令窗口输入guide； （2）打开File中【new】中GUI。出现如图29，如图30所示GUI设计向导

49、控制面板。 图29 GUI设计向导控制面板 图30 图形用户设计界面面板52 创建图形用户窗口的工具 在用户界面设计面板中，MATLAB提供了一套可视化的创建图形用户窗口的工具，如下：（1）菜单编辑器（Menu Editer）:创建图形窗口菜单和文件敏感菜单，实现菜单的设计和编辑。MATLAB通过菜单编辑器可以创建出两种模式的菜单，即uimenu和uicontextmenu，记住此编辑器仅需要简单的输入相对应的属性，即可完成菜单编辑工作，操作非常简单。单击后出现如图31，如图32 所示“Menu Editor”窗口。 图31 “Menu Editor”窗口 图32 “Alignment Obj

50、ects”窗口（2）排列工具（Alignment Objects）:排列对象的相对次序（水平和垂直相对置），其中Align表示以何处为对齐的基准，如置左、置中、置右。Distribute则是分配一个对象之间的距离相等。单击后出现如图31所示“Alignment Objects”窗口。（3）Tab键顺序编辑器（Tab Order Editor）:Tab键顺序编辑器用以设置在执行GUI时，按Tab键来选取对象的先后顺序。默认GUI依据不同层次对象所建立的先后顺序来排列选取的顺序，通常这并不是最好的排列顺序，因此可以选用Tab Order Editor 列表来排列选取个对象时的顺序。单击后出现如图3

51、3所示“Tab Order Editor”窗口。 图33 “Tab Order Editor”窗口 图34 “Object Browser”窗口（1）对象浏览器（Object Browser）:观察本次运行中图形对象句柄的层次关系。用户可以通过对象浏览器了解对象之间的父子阶层关系。单击后出现如图34所示“Object Browser”窗口。（2）属性编辑器（Property Editor）:检查和设置属性值。注意在属性编辑器中也可以设置对象的Callback。单击后出现如图35所示“Property Editor”窗口。（3）工具栏编辑器（Toolbar Editor）:单击后出现如图36所示

52、“Toolbar Editor”窗口。 图35 “Property Editor”窗口 图36 “Toolbar Editor”窗口（4）保存（Save As）:用以保存当前文件。单击后出现如图37所示“Save As”窗口。 图37 “Save As”（5）运行（Run）:运行保存文件。 这些工具都集成在布局编辑器界面中，使用GUIDE命令将显示该界面。如果要对一个已存在的GUI进行布局，可以使用菜单打开该GUI或使用Guide mygui.fig命令装载已存在的图形窗口（MYGUI）；再添加需要布置的组件之前，应该使用GUIDE应用程序选项对话框对GUI进行组态。通过组件布置编辑器Tool

53、s菜单的Application Options选项来打开GUIDE应用程序选项对话框。在该对话框中，用户可以决定是否需要GUIDE为GUI生成M文件以及其他选项。53 GUI控件介绍 像GUI菜单一样，GUI控件也是提供了一种友好的交互式，是实现用户与计算机交互的又一主要途径，控件比菜单更为直观，给用户带来很多方便。 在如图27所示的用户界面设计面板中，MATLAB支持复选框，可编辑文本框，列表框，弹出式菜单，命令按钮，单选钮，滚动条，静态文本框，开关按钮，坐标系，面板，单选钮组和ActiveX控件等13种类型的控件对象，下面对他们进行简单介绍：（1）复选框（checkbox）复选框有一个标志文本，在标志文本的左边有一个小方框。它对于用户进行大量的独立选择很有用。为了激活复选框，可以用鼠标单击复选框对象，使复选框在选中与不选中两种状态中进行切换。当选中时，复选框的小方框内会有一个“×”，此时复选框的value属性值为1；当没有选中时，该选框的小方框内为空。此时复选框的value属性值为0