图像分割综述(数字图像处理大作业)(共11页)

1、图像分割(fng)综述摘要(zhiyo)：现在(xinzi)数字图像处理越来越多地被运用在相关领域中，图像分割是数字图像处理过程中一种非常重要的技术手段，其发展至今没有一个通用的方法和标准。本文对数字图像处理中的图像分割作了简要介绍，并运用Matlab实现几种图像分割处理方法，如双峰法、迭代法、K均值聚类法、边缘检测,讨论他们了的不同技术要点.关键字：数字图像处理;图像分割;双峰法;迭代法;K均值聚类;边缘检测Overview of image segmentationAbstract: Now the digital image processing is applied in more a

2、nd more fields, image segmentation is a very important process of digital image processing technology, and there doesnt exsist a unified method and standard. The image segmentation are introduced in this paper and several methods of image segmentation are realized by Matlab, such as bimodal method,

3、iterative method, k-means clustering and edge detection. We also discuss the main points of different technology.key word: Digital image processing; Image segmentation; Bimodal method; Iteration method; K-means clustering;Edge detection1 引言在数字图像处理的研究和应用中，有时往往对图像的某些部分或者目标感兴趣，此时需要用利用图像分割技术将感兴趣的目标同背景区分

4、开来，以便进一步的研究和分析，这就是数字图像处理中的图像分割技术，其目的是将图像分为若干有意义的区域，这些区域对应图像中不同的目标，然后对感兴趣的区域进行描述和研究1。可以说，图像分割结果的好坏，直接影响对图像的理解。图像分割的种类和方法有很多，但还没有一个成形的图像分割理论。因此，还没有一个单一的、标准的图像分割方法.不同类型的图像，应该选择合适的分割算法对其进行分割。同时，某些分割算法也只是适用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 ，没有统一的评价准则。因此，图像分割是图像分析和计算 机视觉中的经典难题。2 边缘检测边缘是一个区域的结束，也是另一个区域的开始

5、，利用该特征可以分割 图像，图像中的边缘通常与图像强度的不连续性有关。图像强度的不连续性可分为：阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异；线条不连续，即图像强度突然从一个值变化到另一个值 ，保持一个较小的行程后又返回到原来的值。2.1 Roberts 梯度算子法 Roberts 梯度就是采用对角方向相邻(xin ln)两像素之差，故也称为四点差分法。对应的水平和垂直方向的模板为：标注 的是当前像素的位置(wi zhi)(i,j)为当前像素的位置，其计算公式如下： 特点：用4点进行差分，以求得梯度，方法简单。其缺点是对噪声较敏感，常用于不含噪声的图像边缘点检测。梯度算子类

6、边缘检测方法的效果类似于高通滤波，有增强(zngqing)高频分量，抑制低频分量的作用。（a）原图 （b）roberts处理后图1 roberts效果图2.2 Prewitt梯度算子法（平均差分法） 因为平均能减少或消除噪声，Prewitt梯度算子法就是先求平均，再求差分来求梯度。水平和垂直梯度模板分别为： 利用检测模板可求得水平和垂直方向的梯度，再通过梯度合成和边缘点判定，就可得到平均差分法的检测结果。（a）原图 （b）prewitt处理后图2 prewitt效果图2.3 Sobel算子(sun z)法（加权平均差分法） Sobel算子(sun z)就是对当前行或列对应的值加权后，再进行平均

7、和差分，也称为加权平均差分。水平和垂直梯度模板分别为：Sobel算子和Prewitt算子一样，都在检测边缘点的同时具有抑制噪声的能力，检测出的边缘宽度至少为二像素。由于它们都是先平均后差分，平均时会丢失一些细节信息，使边缘有一定的模糊(m hu)。但由于Sobel算子的加权作用，其使边缘的模糊程度要稍低于程度要稍低于Prewitt算子。（a）原图 （b）sobel处理后图3 sobel效果图3 阈值(y zh)分割阈值分割是一种简单(jindn)有效的图像分割方法。阈值(y zh)分割的基本想法2是确定一个阈值，然后把每个像素点的像素值和阈值相比较，根据比较的结果把该像素划分成两类前景或者背景

8、。一般阈值分割可以分成以下3步：确定阈值；将阈值和像素值比较；把像素归类 。3.1 双峰法假定图像由目标背景（具有不同的灰度级）组成，图像的灰度分布曲线可以近似的认为由两个正态分布函数叠加而成，则图像的直方图会出现双峰分布，如图4所示。图4 双峰分布的直方图选择双峰直方图的波谷处，设灰度级为T，可以将图像分为两部分，双峰分割的结果可以表示为gx,y=t0 fx,y=th; g2=I=1; th=thnew;endth=floor(th);%阈值分割J1=im2bw(I,th/255);str=迭代分割：阈值Th=,num2str(th);figure(3);imshow(J1);title(迭

9、代法);imwrite(J1,迭代.jpg);%K均值聚类法clc;clear; k=4; I=imread(2.jpg);figure(4);imshow(I);I1=rgb2gray(I);ima=double(I1);copy=ima; % 做备份(bi fn)ima=ima(:); % 矢量化mi=min(ima); % deal with negative ima=ima-mi+1; % and zero values s=length(ima); % 建立(jinl)直方图 m=max(ima)+1;h=zeros(1,m);hc=zeros(1,m); for i=1:s if

10、ima(i)0 h(ima(i)=h(ima(i)+1; end;endind=find(h);hl=length(ind); % 图心初始化 mu=(1:k)*m/(k+1); while(true) oldmu=mu; % 当前(dngqin)分类 for i=1:hl c=abs(ind(i)-mu); cc=find(c=min(c); hc(ind(i)=cc(1); end for i=1:k, a=find(hc=i); mu(i)=sum(a.*h(a)/sum(h(a); end if mu=oldmu break; end; end % calculate masks=size(copy);mask=zeros(s);for i=1:s(1),for j=1:s(2), c=abs(copy(i,j)-mu); a=find(c=min(c); mask(i,j)=a(1);endend mu=mu+mi-1; % 恢复(huf)范围 for i=1:k mu1(i)=uint8(mu(i);end; q=0;for i=1:s(1) for j=1:s(2) while q=T); % d:二值图像(t xin)figure(5);imshow(d);title(K均值(jn zh);imwrite(d,Kmeans.jpg);内容总结（1