图像分割算法设计 答辩ppt

图像分割算法设计指导教师：申丽然班级：2009级自动化2班学生：邵东东学号：2220093697主要内容：1、图像分割的定义及分类2、图像分割算法介绍3、仿真结果与分析4、总结图像分割定义：图像分割是将图像中有意义或有用的特征提取出来，也就是说，将图像分成各具特点的区域并提取出感兴趣目标的技术和过程。图像分割是由图像处理到图像分析的关键步骤。图像读入（光电转换）图像处理（增强，编码）图像分析（分割，描述）图像理解（解释，理解）光图像数字图像处理过的图像特征数据解释判断图像分割算法分类：图像分割阈值边缘检测区域迭代法直方图双峰法最大类间方差法（OTSU）一阶导数算子：Roberts,Sobel,Prewitt二阶导数算子：Log,Canny区域生长法区域分离与合并法基于阈值的图像分割法对一幅灰度级取值在[0，L-1]的图像确定一个灰度阈值T（0<T<L-1），然后每个像素的灰度值与T比较，根据结果分为两类：像素的灰度值大于阈值T为一类，像素的灰度值小于阈值T为另一类，像素的灰度值等于阈值T可归为两类之一。确定阈值是关键。直方图双峰法

该阈值法的依据是直方图，通过对直方图进行分析来实现对图像的分割。下图是一副灰度直方图：将图表中双峰之间的谷底放大，我们发现最佳阈值为T=117左右迭代法迭代法选取最佳阈值流程图：基于边缘检测的图像分割算法

边缘检测是检测图像中有意义的不连续性的常用方法。一条边缘是一组相连的像素组合，这些像素位于两个区域的边界上。边缘总是以强度突变的形式出现，可以定义为图像局部特性的不连续性，如灰度的突变、纹理结构的突变等。边缘常常意味着一个区域的终结和另一个区域的开始。

对于边缘的检测常常借助空间微分算子进行。根据灰度变化的特点，常见的边缘可分为阶梯状、脉冲状和屋顶状。常用的空间微分算子主要包括：梯度算子、拉普拉斯算子和Canny算子等。基于区域的图像分割法基于区域的分割是图像分割中一种重要的分割方法，其定义为按照选定的一致性准则将图像划分为互相不交叠的、连通的像元集的处理过程，它弥补了阈值分割没有考虑空间信息的不足，解决了边缘检测的区域连续性和封闭性的难点，在图像分割方法中有很强的优势。区域生长法区域分离与合并法

这种方法是从整幅图像开始，通过不断分裂到最终得到各个区域。实际操作中，首先把图像分成任意大小且相互不重复的区域，然后再合并分裂这些区域以满足分割要求。仿真结果与分析仿真结果与分析1、阈值法以迭代法为例，通过程序我们得到原图的最佳阈值为T=114.0069分割后：原图：我们可以从原图的灰度直方图看出，根据直方图双峰法得到的最佳阈值为T=117，与迭代法得到的结果基本吻合。

阈值法可以完整地将对象从图像背景中整齐清晰地分割出来，但它要求图片的灰度直方图具有良好的双峰性。2、边缘检测法通过对比可以发现：一阶导数算子分割结果出现了边缘丢失的现象，适合于简单的图片；二阶导数算子分割效果良好，能够检测到真正的弱边缘，适合复杂一些的图片。3、区域法原图区域生长结果区域分离与合并结果

基于区域的分割解决了边缘检测的区域连续性和封闭性的难点。区域生长法有效地克服其它方法存在的图像分割空间不连续的缺点，但是稳定性、准确性以及运算速度都会受到所选种子好坏的影响；区域分离与合并法克服了区域生长法的过分割缺陷，但是这种分割方法将分割区域的边界破坏了，产生了块状区域边界。总结

实验结果表明，基于边缘的分割方法对边缘灰度值过渡比较尖锐不太复杂的图像可以取得较好的效果，受曲线间断的影响较小；基于区域的分割方法利用了图像的局部空间信息，可有效的克服其它方法存在的图像分割空间不连续的缺点；阈值分割算法直观、实现简单，在图像分割中应用广泛。基于边缘的分割方法对于边缘复杂的图像效果不太理想，会产生弱边缘丢失、边缘不连续等现象；基于区域