陕西师范大学《数字图像处理》实验报告

1、基于灰度图像的阈值分割 数字图像处理实验报告学 校：陕西师范大学学 院：计算机科学学院题 目：基于灰度图像的阈值分割指导教师：XXX姓 名：XXX学 号：XXXX1 基于灰度图像的阈值分割通常人们只对图像的某个部位感兴趣，为了能够把感兴趣的部分提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像分析和理解。图像增强就是突出人们感兴趣有用的部分，或者是改善图像的质量，使它尽可能的逼近原图像。本实验比较了传统的灰度阈值图像分割，即双峰法、迭代法方差法在细节部分分割上的缺点。1.1图像分割概述图像分割就是将图像按照人们的意愿分成许多个区域，使这些区域具

2、有不重叠的特性或者该区域具有实际意义或是几个区域的图像特征相差不大。图像分割使得人们分离出目标区域，同时人们可以对图像的特征进行提取或者是对目标的一些参数进行一些简单的测量，为人们进行更深入的图像研究提供了基础。图像分割是图像处理的一个重要步骤，在人们进行图像处理研究的初期就已经受到人们的高度重视。经过几十年的发展，到目前为此，人们已经提出了很多种分割方法。尽管图像分割的方法和种类有很多，却没有唯一的标准的分割方法。有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。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

3、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，可以说，图像分割结果的好坏直接影响对图像的理解。1.2图像分割的特征（1）分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小孔；（2）区域边界是明确的；（3）相邻区域对分割所依据的性质有明显的差异。（4）基于亮度值的两个基本特性之一：跳跃性不连续性和相似性。第1类性质的应用途径是基于亮度的跳跃（不连续）变化分割图像,比如图像的边缘。第2类的主要应用途径是依据事先制定的准则将图像分割为相似的区域、门限(阈值)处理、区域生长、区域分离和聚合

4、都是这类方法的实例。1.3图像分割的发展及现状分割问题的主要困难在于图像数据的模糊和噪声的干扰。到目前为止，还没有一种或者几种完善的分割方法，可以使按照人们的意愿准确无误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经典的分割方法衍生出来的。早期的图像研究中，

5、图像的分割方法主要可以分为两大类。一类是边界方法，这种方法的假设是图像分割结果的某个子区域在原来的图像中一定会有边缘存在；一类是区域方法，这种方法的假设是图像分割结果的子区域一定会有相同的性质，而不同区域的像素没有共同的性质。这两种方法都有缺点和优点，有的学者也试图把两者结合起来进行图像分割，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、模糊集、纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也应用在图像分割当中。1.4研究背景与意义数字图像处理的基础是图像分割，图像分割同时也是进行计算机自动识别和人工智能的桥梁，长期以来图像分割

6、一直都是数字图像处理领域的一个经典难题。经典的图像分割算法诸如直方图分割与阈值分割的方法具有实现简单、计算量小、性能较稳定等特点。通常，它们是利用图像的灰度直方图的分布特征,找出灰度直方图分布的两波峰之间的波谷，选定恰当的阈值将图像分割开，然而这种分割方法依赖于图像灰度的分布，对灰度分布不呈双峰特征或复杂背景的图像,这种方法往往会造成错误，并且有些细节不能很好的显示出来。所以论文提出了一种改进方法图像增强的分割改进方法，通过图像增强中的微分梯度，对原有图像的细节进行锐化增强，从而达到改善分割后图像细节的效果。这对我们使用灰度阈值分割方法分割图像提供了技术支持，并且能很好地克服灰度阈值分割方法的

7、缺点。2 基于灰度图像的阈值分割方法常用的阈值处理就是图像的二值化处理，即首先选定一个处于该图像灰度级范围内的阈值T，然后将图像中的每个像素的灰度值都与这个阈值进行比较，判断该像素的灰度值是否超过阈值T 来将将该像素归于大于或者小于这个阈值T 两类中的一类。最常用的方法就是设定一阈值T，根据T 值的大小将图像分割成大于阈值T 的像素群(目标)以及小于阈值T(背景)的像素群两部分。这两类像素一般属于图像中的两种类型的区域，所以对像素根据阈值分类达到了区域分割的目的。输入图像是f(x，y)，输出图像是g(x，y)，则：因此采用阈值分割的过程中，阈值的选取是分割的关键，对图像处理的结果会有很大的影响

8、。基于阈值的分割方法已经有很多种了，下面就简单说明几种最常用的方法：双峰法和迭代法。2.1 双峰法图像分割该阈值化方法的依据是图像的直方图，通过对直方图进行各种分析来实现对图像的分割。图像的直方图是图像的重要统计特征，它可以认为是图像灰度密度函数的近似。图像的灰度直方图是反映一幅图像的灰度级与出现这种灰度级的概率之间的关系的图形。假定图像由目标和背景（具有不同的灰度级）组合而成，图像的灰度分布曲线可以近似的认为是有两个正态分布函数叠加而成，出现双峰分布，如图2-1所示：2-1 双峰分布选择双峰直方图的波谷处，设此处灰度值为t，那么可以将图像分为两个部分，双峰分割的结果就可以表示为： g(x，y

9、)= t1 f(x，y)<tt2 f(x，y) ! t （22）式中，t 为图像分割的阈值，结果图像的灰度往往是前者取0（黑色）后者取1（白色）。利用双峰法分割图像，需要知道图像直方图的分布情况，首先读入一幅数字图像并查看其直方图，执行如下程序代码：clear all %清除所有变量I=imread('D:Mathworks_Matlab_R2010bMATLABR2010btoolboximagesimdemosTSG.png'); %读入名为”TSG”的图像figure(1); %建立第一个图形imshow(I); title('原始图像'); %显示

10、原始图像 并命名为原始图像figure(2); %建立第二个图形imhist(I);title('直方图'); %获取图像数据直方图 并命名为直方图axis(0 255 0 4000); %分别表示x轴和y轴的坐标的刻度程序执行结果得到原始灰度图像和直方图，分别如图2-3、图2-4所示：图2-3 原始图像图2-4 直方图通过对该直方图的观察，可以选择分割阈值为140，然后执行如下代码：th=140; %阈值赋值为140J=im2bw (I, th/255); % 图像在最佳阈值下二值化 并将结果赋给J变量figure (3); imshow(J);title('分割结果

11、'); 分割后得到的图形如图2-5所示：图2-5 分割结果2.2 迭代法迭代的方法产生阈值，可以通过程序自动计算出比较合适的分割阈值。迭代法阈值选取是对双峰法阈值选取的改进，该方法可以完成阈值的自动选取，具体方法步骤如下：（1）选择阈值T，通常可以选择图像的平均灰度值来作为初始阈值；（2）通过初始阈值T，把图像的平均灰度值分成两组R1和R2；（3）计算这两组平均灰度值1和2；（4）重新选择阈值T，新的T定义为：;循环做第二步到第四步，一直到两组的平均灰度值1和2不在发生改变，那么我们就获得了所需要的阈值。程序代码如下：clear all I=imread('D:Mathwork

12、s_Matlab_R2010bMATLABR2010btoolboximagesimdemosTSG.png'); %读入图像tmin=min(I(:); %计算图像的灰度最小值和最大值tmax=max(I(:); th=(tmin+tmax)/2; %设定初始阈值为平均值ok=true; %定义开关变量，用于控制循环次数while ok %迭代法计算量 g1=I>=th; %将大于th的灰度值赋给g1 g2=I<=th; u1=mean(I(g1); %求出g1中灰度的平均值并赋给u1 u2=mean(I(g2); thnew=(u1+u2)/2; %将u1和u2的平均值

13、赋给thnew ok=abs(th-thnew)>=1; %设定两次阈值的比较，当满足小于1时，停止循环 th=thnew; %得到所需要的阈值end th=floor(th); %向下求整J=im2bw(I,th/255); % 图像在最佳阈值下二值化 并将结果赋给J变量figure(1); %结果显示imshow(I);title('原始图像');figure(2);str='迭代峰：阈值Th=',num2str(th);%将数字类型转化成字符串imshow(J);title(str); %输出分割后的结果 并命名为str中的内容程序执行得到图形，如图2-6、图2-7所示：图2-6 原始图像图2-7 分割图像2.3 小结上面两种方法是基于阈值的图像分割方法，由分割得到的结果我们发现这两种方法的优点在于实现简单，但是这只是针对少数不同类别物体彼此灰度相差很大时，才能进行有效的分割。当图像中不存在明显灰度差异或灰度值范围有较大重叠，难以得到准确的分割结果。其次，仅考