彩色图像分割技术研究与实现

彩色图像分割技术研究与实现摘要我国已经逐步迈入5G时代，其中信息产业的飞速发展是最大的推动力，图像作为现代数据信息的重要数据形式，发挥着越来越重要的作用，图像处理已经成为信息产业的一个重要分支，人脸识别等高级图像操作已经屡见不鲜，在现代数字图像处理的过程中，图像分割是及其重要的步骤，通过图像分割可以将目标像素与背景像素分割开来，便于我们获得有效信息，是计算机视觉的关键技术，MATLAB作为工程学科的重要数值计算和仿真软件，有着强大的功能，对于现代信息类工程师的设计工作发挥着举足轻重的作用，本次设计利用MATLAB进行试验，讨论了图像分割的基本原理和基本的集中实现算法，并提出和试验了基于遗传算法的新型算法，具有良好的图像分割能力。关键词：计算机视觉、图像处理、图像分割、MATLABResearchandImplementaionofColorImageSegmentationTechnologyAbstractChinahasgraduallyenteredthe5Gera,inwhichtherapiddevelopmentoftheinformationindustryisthegreatestdrivingforce.Image,asanimportantdataformofmoderndatainformation,playsanincreasinglyimportantrole.Imageprocessinghasbecomeanimportantbranchoftheinformationindustry.Advancedimageoperationssuchasfacerecognitionhavebeencommon.Intheprocessofmoderndigitalimageprocessing,imagesegmentationiscommon.Cuttingisanimportantstep.Throughimagesegmentation,thetargetpixelandbackgroundpixelcanbeseparatedtofacilitateustoobtaineffectiveinformation.Itisakeytechnologyofcomputervision.AsanimportantnumericalcalculationandsimulationsoftwareofEngineeringdiscipline,MATLABhaspowerfulfunctionsandplaysadecisiveroleinthedesignworkofmoderninformationengineers.Thisdesignisadvantageous.ThebasicprincipleandcentralizedalgorithmofimagesegmentationarediscussedbyusingMATLAB.Anewalgorithmbasedongeneticalgorithmisproposedandtested,whichhasgoodimagesegmentationability.Keywords:computervision,imageprocessing,imagesegmentation,MATLAB目录第一章绪论 51.1研究背景以及研究意义 51.1.1研究背景 51.1.2研究意义 51.2国内外研究现状 61.2.1国外研究现状 61.2.2国内研究现状 61.3研究内容以及研究方法 71.3.1研究内容 71.3.2研究方法 8第二章理论知识介绍以及图像分割技术建模分析 92.1图像二值化简介 92.2彩色图像分割技术研究与实现的流程 92.3图像分割概述 102.4直方图阈值方法 11第三章彩色图像分割技术具体实施步骤 133.1图像的获取 133.2图像的识别 133.3图像预处理 133.3.1图像的灰度化 133.3.2灰度图像二值化 133.3.3灰度图像去噪 143.4图像的分割 143.4.1Prewitt算子图像分割 143.4.2FCM算法图像分割 15第四章彩色图像分割技术的MATLAB实证研究 164.1获取的图像 164.2图像的识别仿真结果演示 164.2.1图像的灰度化仿真结果演示 164.2.2图像的二值化仿真结果演示 174.2.3图像的去燥处理仿真结果演示 184.2.4图像分割后处理仿真结果演示 18第五章结论与展望 205.1结论 204.2展望 20致谢 21参考文献： 22绪论1.1研究背景以及研究意义1.1.1研究背景从邓小平同志对中国实行改革开放制度以来，中国经济进入飞速发展的时代。并且国家主席习近平同志在科技三会的时候就提出了我国科技技术“三步走”的方针，在我国科技技术“三步走”的方针实施的同时，各种深度学习智能化也相继出现了，各种彩色图像分割技术研究也涌现出来了，同时图像分割技术在许多应用中有着重要的作用，在图像的研究和应用中，人们往往只对一幅图像的某些部分感兴趣，例如对于一幅遥感图像，从军事的角度考虑，可能只对机场、兵工厂、导弹基地等军事目标感兴趣；而从其他的角度如对环境生态方面考虑，则只对草地、森林、湿地等目标感兴趣。这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域（可以对应单个区域，也可以对应多个区域）成为目标，而其他部分成为图像的背景。为了辨别和分析目标，需要把目标从一幅图像中分离出来，这就是图像分割要研究的问题图像处理分为两个层次：Low-Lever:人作为图像的接受者，输入输出均为图像，图像处理研究的目的（包括对比度增强、图像锐化、重构等）为了更好地满足人类视觉感知的要求，帮助人类改善其视觉能力。High-lever：计算机代替人作为图像的接受者，输入为图像，输出为图像中提取出来的某种属性。由计算机实现人类视觉感知的功能，解决计算机视觉问题。利用模式识别和人工智能方法，分析、理解和辨识图像的内容，解决图像认知问题。图像分割是高层次图像处理的重要步骤。1.1.2研究意义只有更好的处理彩色图像分割技术，我们才能够好的处理一些图像相关的内容，才能够好的进一步进行深度学习相关的内容。可以说先当今对于图像相关的内容比比皆是，不管是在我们现实生活之中经常接触的照相机摄像机的运用，还是有关医疗设备中一些特殊情况的必要的拍摄，亦或是军工方面的监控作用，还是航天方面的摄像抓拍都运用到了图像相关的内容，彩色图像分割算法的研究最近一些年取得了很大的进展，呈现百花齐放之势。图像分割很大程度上依赖于特定领域需求、特定的目标对象、以及分割背景。这些因素很大程度上影响着分割效果。目前具有广泛应用基础的主要有基于直方图阈值分割、基于特征聚类和区域生长技术、基于分水岭算法、基于人工神经网络等。因此，本次毕设的研究内容是学习设计一种彩色图像分割算法对图像进行分割。并且本文我们将研究彩色图像分割技术，并且实际的进行探讨彩色图像分割技术的matlab实现。1.2国内外研究现状1.2.1国外研究现状对于彩色图像分割技术这一方面的研究，国外还是相对比较早的，并且经过大量的实验，众多知名学者得到了这样一个结论，对于彩色图像分割技术，最重要的研究还是对于算法的选取，因此对于彩色图像分割技术来说，不可忽略的因素就是不同的算法位的研究，所以国外早早的就开始了彩色图像分割技术的相关研究。著名学者Land等提出了Retinex算法，该算法是提出的一种基于人类视觉体系感知以及拍摄物体色彩、亮度的模型算法[1]。该算法诠释了同样物体在有差异的光源或光线底下颜色恒定的机理，如在拂晓、暗淡的太阳光、白炽灯或者烛光下，同样物体的颜色在人类视觉系统中都是一样的[2]。20世纪70年代，著名学者Paul等人提出了Hough变换方法[3]，Hough变换方法检测人眼时，一般是在眼部类圆特征区域，如虹膜、瞳孔区域被找到后，使用Hough变换圆检测的方法定位人眼。随后，著名学者Gabor提出了Gabor小波变换算法[4]，在获得人脸的灰度视频图像后，先用Gabor小波对图像帧进行预处理，减少图像不平滑以及光照等对图像的影响，有利于后面的特征提取。接着用地形图方法[5]对预处理后的图像进行特征点提取。1.2.2国内研究现状对于彩色图像分割技术这一方面的研究，国内相对于国外来说还是相对比较晚的，但是发展十分迅速，在彩色图像分割技术这一方面的研究，也是取得了非常多的成果。在20世纪初期的时候，曹倩霞提出一种基于彩色分割和Hough变换的虹膜检测法[6]。首先利用饱和度信息将眼睛区域与皮肤区域分离；然后利用亮度信息将眼睛区域的眼白和虹膜分离得到虹膜区域[7]；再通过Hough变换进行虹膜检测。并且在2006年的时候，张杰等在粗定位人眼的基础上，利用Hough变换圆检测的方法精确定位出人眼的位置[8]。中国科学家汪渤利用图像进行二值化的技术，在VR设备中人眼识别及定位上提出基于外部轮廓结构及其机构的特征从而可以验证VR设备中人眼识别及定位的方法[9]。在2009年的时候，中国科学家吕刚利用神经网络相关方面的知识，提出了模板匹配图像验证技术[9]。1.3研究内容以及研究方法1.3.1研究内容1、研究内容：并且本文我们将彩色图像分割技术进行了实际的探讨，进行探讨彩色图像分割技术的matlab实现。本文具体做了以下的研究：首先从彩色图像分割技术的研究背景还有研究意义出发，然后对于彩色图像分割技术的一些国内外研究现状进行了探讨，并且阐述了一些本文用到的研究方法。接着对于彩色图像分割技术的一些基础理论知识进行了解，对于具体彩色图像分割技术做了了解，并且对于结果的定位进行相应的预测。最后对于彩色图像分割技术进行了相关的MATLAB仿真实验，通过写这篇论文，让读者更加深入了解彩色图像分割技术方面的知识。同时也提高自己这方面的专业知识。让阅读该论文的读者提高对这方面事项的关注。2、解决的问题针对目前主要的一些彩色图像分割方法进行了综述，由于应用场合不同，所需分割的图像要求也有所不同，所以分割算法多种多样，但至今不存在一个通用的算法。虽然大多数灰度图像分割算法可以经过改进应用于彩色图像分割，但其无法将彩色信息作为一个整体考虑。（1）相较于灰度图像，彩色图像中含有的信息更加丰富，颜色空间的表达方式也比较多样，所以灰度图像分割方法并不适用于彩色图像分割，要先确定合适的颜色空间才能对图像作进一步分割。常用的颜色空间模型有RGB、HSI等，但目前还没有一种颜色空间可以代替其它颜色空间，如何选择合适的颜色空间是当前研究的一个热点问题。（2）直方图阈值方法仅适用于具有明显双峰直方图的图像，而对于具有平坦直方图或单峰的图像，则不一定能获得阈值。基于柱状图的技术的一个常见问题是，由于噪声，柱状图的突出部分往往参差不齐，从而导致假峰值，从而导致分割模糊。为了防止这种情况发生，通常采用一些平滑的规定。（3）FCM算法需事先确定聚类数目，且聚类结果易受初始化中心影响。利用FFCM算法对彩色图像进行分割，则不需要事先确定聚类数目，从而大大提高了聚类速度，实现了对彩色图像的快速分割。FCM算法缺乏对噪声和异常值的鲁棒性。因此，研究者近年来提出许多改进的聚类算法,有效实现了全局优化的聚类，提高了彩色图像的分割精度、分割质量和抗干扰能力。1.3.2研究方法1.文献法——搜集和分析研究各种现存的有关彩色图像分割技术的文献资料，从中选取适合本文的信息，帮助完成调查研究目的。2.分析推算法——通过上面方法收集到的资料，进行分析推算，这里利用图像二值化等相关的方法得到相关的彩色图像分割技术的处理结果。3.实验法——具体的进行彩色图像分割技术的MATLAB仿真实验，让自己更加深入了解彩色图像分割技术方面的知识。第二章理论知识介绍以及图像分割技术建模分析2.1图像二值化简介图像二值化的定义就是将一个图片显现出黑白效果的过程，具体可以将一张图片的\t"/item/%E5%9B%BE%E5%83%8F%E4%BA%8C%E5%80%BC%E5%8C%96/_blank"像素点的\t"/item/%E5%9B%BE%E5%83%8F%E4%BA%8C%E5%80%BC%E5%8C%96/_blank"灰度值进行一定的分区，具体可以定值定为0或255[10]，这样就可以达到想要的黑白效果。严格的说不是，黑白图像有很多颜色，其中有很多黑色到白色的过度色。二值化处理后，非黑即白，只有两种颜色，反差达到最大。在一些关于\t"/item/%E5%9B%BE%E5%83%8F%E4%BA%8C%E5%80%BC%E5%8C%96/_blank"数字图像处理的技术领域，图像二值化是一个非常实用的武器，可以使得图像中的数据大量减少，进一步可以能更加好的标注出目标的轮廓[11]。图像二值化的作用是为了方便提取图像中的信息，二值图像在进行计算机识别时可以增加识别效率。比如：需要计算水面悬浮物的数量，就可以将一定面积的水拍成图片后二值化。二值图像是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，缺点是当表示人物、风景的图像时，二值图像只能描述其轮廓，不能描述细节。这时候要用更高的灰度级[12]。二值图像是每个像素只有两个可能值的数字图像。人们经常用单色图像表示二值图像，但是也可以用来表示每个像素只有一个采样值的任何图像，例如灰度图像等。二值图像中所有的像素只能从0和1这两个值中取，因此在MATLAB中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。以这种方式来操作图像可以更容易识别出图像的结构特征。二值图像操作只返回与二值图像的形式或结构有关的信息，如果希望对其他类型的图像进行同样的操作，则首先要将其转换为二进制的图像格式，可以通过调用MATLAB提供的im2bw（）来实现[13]。二值图像经常出现在数字图像处理中作为图像掩码或者在图像分割、二值化和dithering的结果中出现。一些输入输出设备，如激光打印机、传真机、单色计算机显示器等都可以处理二值图像。2.2彩色图像分割技术研究与实现的流程关于“彩色图像分割技术研究与实现”这个选题，本毕业设计将按照如下图2-1彩色图像分割技术流程进行研究处理，也就是先进行原始图像的获取，然后获得在原始图像的基础上进行图像处理，然后进行图像分割技术，在图像分割技术完成之后，提取图像分割的重要的特征点的提取，最后对于图像分割之后的结果进行分析，具体的流程见图2-1彩色图像分割技术流程：图2-1彩色图像分割技术流程2.3图像分割概述图像分割技术将低层次视觉/图像处理的问题与高层次视觉/图像处理的问题联系在一起[14]，他的目的就是将给定的衣服图像分割成物体的集合，而对于这些物体可以运用图像检测、辨识和跟踪等这些处理高层次图像的技术进行进一步处理。分割也可以通过检测区域之间的边缘来实现。这种方法已被广泛研究为灰度图像。还提出了检测彩色图像不连续性的算法。众所周知，在灰度图像中，可以通过近似梯度的函数或图像的拉普拉斯函数（标量函数）找到边缘。彩色图像的梯度函数基本上可以用两种方法来否定：1）将所有三种颜色通道的变化嵌入一个单独的度量中，2）通过计算单个通道的梯度并根据特定的标准将它们组合起来2.3.1FCM算法

FCM算法需事先确定聚类数目，且聚类结果易受初始化中心影响。利用FCM算法对彩色图像进行分割，则不需要事先确定聚类数目，从而大大提高了聚类速度，实现了对彩色图像的快速分割。FCM算法缺乏对噪声和异常值的鲁棒性。因此，研究者近年来提出许多改进的聚类算法,有效实现了全局优化的聚类，提高了彩色图像的分割精度、分割质量和抗干扰能力。FCM算法通过计算样本点对类中心的隶属度函数获得样本点类属，从而达到最小化目标函数的目的。该方法简单直观、易于实现，且证明了其对图像分割的有效性。随着计算机处理能力的提高和对彩色图像应用的增加，彩色图像分割受到研究者们越來越多的关注。彩色图像分割方法可以被看作是灰度图像分割方法在彩色图像上的延伸，但很多原有的灰度图像分割方法并不能直接应用于彩色图像，这就需要结合彩色图像信息的特点将原有灰度图像分割方法进行改进，或研究专门用于彩色图像分割的方法。在彩色图像的背景下，由于图像的主观性质，分割往往被视为一个定义不清的问题，没有完美的解决方案，而是多个通常可以接受的解决方案。在加州大学伯克利分校进行的实验1中广泛证实了分割的主观性，以开发一个评估基准，其中使用多个人类观察者开发了一个人工生成的自然内容图像分割数据库。两个要务：1、一个任意的图像可能有一个独特的合适的分割的结果，而其他具有多个可接受的解决方案；2、充分解决方案的可变性主要是由于注意程度（或粒度）的差异以及从一个观察者到另一个观察者的详细程度。因此，目前大多数分割算法的目标是提供普遍可接受的结果，而不是“黄金标准”解决方案。2.3.2Prewitt算子分割图像技术该算子在x方向的导数近似于它前后两行灰度之差，在y方向上的导数近似于上下两列灰度之差，定义该算子的表达式如下：步骤：第一步：清楚变量和显示，第二步：读入要进行分割图像的读入，第三步，将图像格式转变为浮点数数据，第四步，利用MATLAB本身的函数库里面的。2.4直方图阈值方法直方图阈值方法仅适用于具有明显双峰直方图的图像，而对于具有平坦直方图或单峰的图像，则不一定能获得阈值。基于柱状图的技术的一个常见问题是，由于噪声，柱状图的突出部分往往参差不齐，从而导致假峰值，从而导致分割模糊。为了防止这种情况发生，通常采用一些平滑的规定。直方图阈值化是最常用的灰度图像分割技术之一，并提出了几种实现方法。事实上，一维亮度直方图的峰谷可以通过灰度图像的对象和背景分别容易地识别。在彩色图像的情况下，事情会稍微复杂一些，因为人们必须通过组合三个柱状图的峰谷或通过划分三维柱状图来识别场景的重复部分。基于柱状图的技术的一个常见问题是，由于噪声，柱状图的突出部分往往参差不齐，从而导致假峰值，从而导致分割模糊。为了防止这种情况发生，通常采用一些平滑的规定第三章彩色图像分割技术具体实施步骤3.1图像的获取首先，从VR摄像头或者预先录制的图像及视频中获取图像，对图像做场景光照评估；如场景光照条件良好，则直接进入下一步；不然，在图像中开展直方图均衡化处理，阻碍场景光照发挥的作用；随之，从图像中开展大体的定位，假如具备人脸，那么开展之后的环节；不然把将图像过渡到相对繁琐的环节，来检验图像内是能不能出现偏转形式的人脸，同时开展一些调整，调整结束后随之进行定位。审核旋转方式过程中，借助三维可变形模板研究水平旋转方式，利用训练的AdaBoost核判断垂直旋转方式。3.2图像的识别对于图像识别步骤一般分为三个步骤也就是：图像预处理、图像分割、图像识别。3.3图像预处理而对于图像预处理一般也是分为三个步骤分别是：灰度化，二值化，去噪下面用图像二值化具体分析。3.3.1图像的灰度化RGB模型是工业界的一种颜色标准，是通过对红、绿、蓝三种颜色的变化以及相互之间的叠加来得到各种的颜色的总称。设为组成某种颜色C所需的3个刺激量分别用X、Y、Z表示，3个刺激值与R、G、B有如下关系：X=0.409R+0.310G+0.200B；Y=0.177R+0.813G+0.010B；Z=0.000R+0.010G+0.990B；图像的图片一般可以分为三通道分别是R（红色）、G（绿色）、B（蓝色）。这里将图像的图片的三通道加权平均值法的原理进行赋值，经过试验证明三通道R（红色）、G（绿色）、B（蓝色）的加权权重分别是WR=0.299,WG=0.587,WB=0.114总共实施加权之后的关于灰度化公式表达式如下面公示所示：3.3.2灰度图像二值化下面一个公式展示了二值化的具体的原理：其中，F(i，j)表示为灰度图像二值化的具体输出，f(i，j)为为灰度图像二值化的具体输入像素，T为灰度图像二值化的具体阈值。而这里具体确定图像二值化的具体阈值T的方法为迭代法，具体方法如下所示：1)确定灰度图像二值化的具体最小灰度值Tm，然后确定灰度图像二值化的具体最小灰度值最大灰度值Tn，则灰度图像二值化阈值初值可以表示为：T0=（Tm+Tn）/2；2)将图像分割成背景和图案二个部分，分别求出灰度图像二值化的具体的平均灰度值Ti和Tj.3)求出灰度图像二值化的具体新阈值:T1=（Ti+Tj）/2；4)如果T0=T1，则结束，否则令T0==T1，转向第二步。3.3.3灰度图像去噪毫无疑问，在一般的网站中的图像图像都含有多多少少一定的噪声，因此对于去噪灰度图像二值化处理之后必须进行去噪处理，我们这里采用的是均值滤波的方法进行去噪的，具体表达式如下：其中，g(x,y)表示为经过均值滤波的方法对灰度图像去噪之后的的新的灰度值，而其中m一般取值取为5或9都可以达到预定的效果。3.4图像的分割3.4.1Prewitt算子图像分割图像灰度图像二值化经过预处理后，我们便能够可以分割图像了，分割具体处理的是去灰度图像二值化经过预处理的图像。图像分割我们这里采用的是边缘检测的方法。首先我们可以求出利用Roberts算子，具体的表达式如下：然后我们可以用这个求得到的算子以及第二章中的具体的步骤来找到图像的边缘。3.4.2FCM算法图像分割FCM算法需事先确定聚类数目，且聚类结果易受初始化中心影响。利用FFCM算法对彩色图像进行分割，则不需要事先确定聚类数目，从而大大提高了聚类速度，实现了对彩色图像的快速分割。FCM算法缺乏对噪声和异常值的鲁棒性。因此，研究者近年来提出许多改进的聚类算法,有效实现了全局优化的聚类，提高了彩色图像的分割精度、分割质量和抗干扰能力。彩色图像分割技术的MATLAB实证研究4.1获取的图像为了方便本文的研究，本文从VR摄像头之中选取了几张照片进行识别定位处理。在这里我们以其中一张照片作为例子进行实际的中彩色图像分割技术等的一些相关的处理，并且进行MATLAB实证研究。为了产生比较本文选取了二种不同的算法进行彩色图像分割技术的MATLAB实证研究，分别是FCM算法图像分割以及Prewitt算子图像分割。本文选取了其中一张图片作为本文待处理的图片。原始图片见下面图4-1原始待处理图片所示：图4-1原始待处理图片4.2图像的识别仿真结果演示4.2.1图像的灰度化仿真结果演示 选取了待处理的图片之后，我们接下来要做的就是对于图像的预处理，而图像的预处理首先要做的就是对于图像的灰度化处理，具体的情况我们使用了FCM算法图像分割以及Prewitt算子图像分割分别处理，如下图4-2FCM算法图像分割灰度化图像所示以及图像4-3Prewitt算子图像分割灰度化图像所示：图4-2FCM算法图像图4-3Prewitt算子图像分割灰度化图像分割灰度化图像4.2.2图像的二值化仿真结果演示为了对于图像进一步的二值化处理，本文首先确定灰度图像二值化的具体最小灰度值Tm，然后确定灰度图像二值化的具体最小Tm，还有灰度值最大灰度值Tn，则灰度图像二值化阈值初值可以表示为：T0=（Tm+Tn）/2；其次，将图像分割成背景和图案二个部分，分别求出灰度图像二值化的具体的平均灰度值Ti和Tj.接着求出灰度图像二值化的具体新阈值:T1=（Ti+Tj）/2；最后如果T0=T1，则结束，否则令T0==T1，转向图像分割成背景和图案二个部分，分别求出灰度图像二值化的具体的平均灰度值Ti和Tj继续执行，直到迭代过程结束。具体的情况我们使用了FCM算法图像分割以及Prewitt算子图像分割分别处理，具体的二值化图像如下图4-4FCM算法图像分割二值化图像所示以及图像4-5Prewitt算子图像分割二值化图像所示：图4-4FCM算法图像图4-5Prewitt算子图像分割二值化图像分割二值化图像4.2.3图像的去燥处理仿真结果演示从上面图4-4FCM算法图像分割二值化图像所示以及图像4-5Prewitt算子图像分割二值化图像所示可以看出来，图像的噪点还是非常多的，图像的上方分布着多多少少的一些噪点，因此对于图像二值化处理之后必须进行去噪处理，我们这里采用的是均值滤波的方法进行去噪的，具体去燥之后的图像如下图4-6FCM算法图像分割去燥后图像所示以及图像4-7Prewitt算子图像分割去燥后的图像所示：图4-6FCM算法图像图4-7Prewitt算子图像分割去燥后图像分割去燥后图像4.2.4图像分割后处理仿真结果演示图像分割技术将低层次视觉/图像处理的问题与高层次视觉/图像处理的问题联系在一起，他的目的就是将给定的衣服图像分割成物体的集合，而对于这些物体可以运用图像检测、辨识和跟踪等这些处理高层次图像的技术进行进一步处理。具体图像分割之后的仿真图像如下图4-8FCM算法图像分割后图像所示以及图像4-9Prewitt算子图像分割后的图像所示：图4-8FCM算法图像图4-9Prewitt算子图像分割后的仿真图像分割后的仿真图像从上面图4-8FCM算法图像分割后图像所示以及图像4-9Prewitt算子图像分割后的图像得到的仿真图像可以看出，二种分割算子得到的最终的分割图像都比较理想，但是Prewitt算子图像分割后的图像分割出来的边缘更加清晰一些，但是同样的噪点晒微多一点，但是也在可以接受的范围之内。同样的FCM算法图像分割后的图像分割出来的边缘稍微模糊一些，但是同样的噪点晒微少一点，但是整体也在可以接受的范围之内，二种图像分割的方法都得到了比较好的效果。第五章结论与展望5.1结论可以说先当今对于图像相关的内容比比皆是，不管是在我们现实生活之中经常接触的照相机摄像机的运用，还是有关医疗设备中一些特殊情况的必要的拍摄，亦或是军工方面的监控作用，还是航天方面的摄像抓拍都运用到了图像相关的内容，本文我们将彩色图像分割技术进行了实际的探讨，进行探讨彩色图像分割技术的matlab实现。本文具体做了以下的研究：首先从彩色图像分割技术的研究背景还有研究意义出发，然后对于彩色图像分割技术的一些国内外研究现状进行了探讨，并且阐述了一些本文用到的研究方法。接着对于彩色图像分割技术的一些基础理论知识进行了解，对于具体彩色图像分割技术做了了解，并且对于结果的定位进行相应的预测。（3）最后对于彩色图像分割技术进行了相关的MATLAB仿真实验，通过写这篇论文，让读者更加深入了解彩色图像分割技术方面的知识。同时也提高自己这方面的专业知识。让阅读该论文的读者提高对这方面事项的关注。4.2展望由于时间和条件的限制，本文所设计的彩色图像分割技术的算法也不尽完善，存在着许多的不足之处，在未来对彩色图像分割技术的更加深入研究中，还有很多可以改进的地方，主要有以下几个方面：对于彩色图像分割技术更加深入的了解，了解更多切实有效的图像处理相关的算法知识。对于MATLAB软件的使用有待进一步的提升。参考文献：HaralickRM,ShapiroLG.Imagesegmentationtechniques[C]//ApplicationsofArtificialIntelligenceII.InternationalSocietyforOpticsandPhotonics,1