matlab圖像分割總結(jié)報(bào)告(共17頁(yè))

1、精選優(yōu)質(zhì)文檔-傾情為你奉上 課程總結(jié)報(bào)告題目： 圖像分割程序設(shè)計(jì) 院 系 電氣與電子工程學(xué)院 專 業(yè) xxxx 班 級(jí) 研電16xx 學(xué) 號(hào) 116xxxxxx 姓 名 xx 2016年 11月3日專心-專注-專業(yè)摘 要：圖像分割是圖像處理與計(jì)算機(jī)視覺(jué)的基本問(wèn)題之一，是圖像處理圖像分析的關(guān)鍵步驟。其中圖像二值化又是圖像分割的重點(diǎn)。本文對(duì)全局和局部閾值二值化法的幾種常用的算法和基本自適應(yīng)閾值二值化進(jìn)行了綜述。每基于一定理論和算法的圖像二值化方法都有各自不同的優(yōu)勢(shì)和缺點(diǎn)，在實(shí)際應(yīng)用當(dāng)中應(yīng)根據(jù)不同使用目的和使用標(biāo)準(zhǔn)采取不同的方法以達(dá)到最佳效果。本文在MATLAB 編程技術(shù)及其GUI 圖形用戶界面設(shè)計(jì)

2、的基礎(chǔ)上，開發(fā)了具有交互式特點(diǎn)的數(shù)字圖像處理GUI軟件，界面操作簡(jiǎn)單方便，實(shí)現(xiàn)了圖像二值化的功能。關(guān)鍵詞：二值化；全局閾值法；局部閾值法；基本自適應(yīng)閾值法；圖像分割； MATLAB GUI 0 引言 圖像分割技術(shù)作為圖像處理領(lǐng)域中極為重要的內(nèi)容之一，是實(shí)現(xiàn)圖像分析和理解的基礎(chǔ)，而圖像二值化又是圖像分割的重點(diǎn)。只有在其基礎(chǔ)上才能對(duì)目標(biāo)進(jìn)行特征提取和參數(shù)測(cè)量，使得更高層的圖像分析和理解成為可能。二值化是圖像處理和分析的關(guān)鍵技術(shù)，也是個(gè)經(jīng)典難題。隨著實(shí)際應(yīng)用的需要，對(duì)圖像二值化進(jìn)行深入的研究，不斷改進(jìn)原有方法，提出新方法具有重要的意義。1 圖像二值化二值化是圖像處理中的一個(gè)重要的問(wèn)題，廣泛應(yīng)用于圖像

3、分割，圖像增強(qiáng)，圖像識(shí)別等領(lǐng)域。根據(jù)其運(yùn)算的范圍不同，圖像的二值化方法可分為全局閾值方法和局部閾值方法。它利用了圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把原圖像變?yōu)閮H用兩個(gè)灰度值表示的圖像目標(biāo)和背景的二值圖像。其處理思想是，假設(shè)一副灰度圖像中的灰度級(jí)范圍是(0，255)，則圖像中每一點(diǎn)像素的灰度值為f(x，y)，f(x，y)0，1，255)，設(shè)閾值為T(0T255)則： 其中：g(x，y)表示二值化后圖像中各個(gè)像素點(diǎn)的值，若g(x，y)=1表示改點(diǎn)為目標(biāo)；若g(x，y)=0，表示改點(diǎn)為背景。2 GUI設(shè)計(jì)圖形用于界面（GUI）是提供人機(jī)交互的工具和方法。MATLAB的GUI為開發(fā)者提供

4、了一個(gè)不脫離MATLAB的開發(fā)環(huán)境，有助于MATLAB 程序的GUI集成。本文設(shè)計(jì)的程序有以下功能： 1） 實(shí)現(xiàn)圖像的讀取及顯示其灰度直方圖功能，保存功能及退出時(shí)“是否保存處理后圖像”的提醒功能。 2）設(shè)計(jì)圖形用戶界面， 讓用戶能夠?qū)D像進(jìn)行全局閾值分割，可選方法為迭代法、Otsu法及改進(jìn)的Otsu法，同時(shí)顯示該方法選取的閾值。 3）設(shè)計(jì)圖形用戶界面， 讓用戶能夠?qū)D像進(jìn)行局部閾值分割，可選方法為Bernsen法、Niblack法及改進(jìn)的Bernsen法，同時(shí)關(guān)閉選取閾值的顯示（因?yàn)榇藭r(shí)每個(gè)像素點(diǎn)均有對(duì)應(yīng)的閾值）。 4）編寫程序?qū)D像進(jìn)行基本自適應(yīng)閾值分割，即將用戶所選取的圖像進(jìn)行分塊后對(duì)每塊

5、圖像用Otsu法進(jìn)行二值化，并實(shí)現(xiàn)調(diào)整分塊大小時(shí)實(shí)時(shí)顯示處理后的圖像功能。 具體GUI設(shè)計(jì)的程序代碼及模塊、菜單配置過(guò)程不在此贅述。MATLAB中運(yùn)行相應(yīng)的m文件，會(huì)出現(xiàn)如下圖所示的初始界面：圖2.1 初始界面 可以看到，在圖像沒(méi)有打開之前圖像分割功能是不可選的，這是在GUI編程中考慮到為避免對(duì)空白圖像進(jìn)行二值化可能會(huì)產(chǎn)生全黑圖像的錯(cuò)誤而設(shè)計(jì)的。 點(diǎn)擊如下選項(xiàng)，可以打開指定圖像，并顯示其對(duì)應(yīng)的灰度直方圖：圖2.2 “打開”圖像現(xiàn)在“圖像分割”菜單變?yōu)榭蛇x，選擇相應(yīng)算法可以得到不同效果的閾值分割結(jié)果圖，相應(yīng)可選方法如圖：圖2.3 “圖像分割”菜單閾值分割完畢后，點(diǎn)擊圖標(biāo) ，可以對(duì)處理后的圖像進(jìn)行

6、保存。若不保存直接選擇“退出”菜單，程序會(huì)彈出如下圖所示選框，提醒用戶是否保存已更改的圖片，可以根據(jù)用戶需求進(jìn)行選擇，同時(shí)避免了錯(cuò)誤的發(fā)生。圖2.4 “保存”與“退出”3 閾值分割算法與實(shí)驗(yàn)分析 3.1 全局閾值分割全局閾值法根據(jù)文本圖像的直方圖或灰度空間分布確定一個(gè)閾值，以此實(shí)現(xiàn)灰度文本圖像到二值圖像的轉(zhuǎn)化。此方法的優(yōu)點(diǎn)在于算法簡(jiǎn)單，對(duì)目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但是由于對(duì)整幅圖使用一個(gè)閾值處理，因此其對(duì)輸入圖像有噪聲或不均勻光照等情況抵抗能力差，應(yīng)用受到極大限制，不能廣泛地應(yīng)用于實(shí)際。典型的全局閾值分割方法有迭代法、Otsu方法等。在此引入光照均勻的圖3.1和光照不

7、均勻的圖3.2，本節(jié)將用下述全局閾值方法對(duì)其進(jìn)行處理。 圖3.1 原始圖像1 圖3.2 原始圖像23.1.1 迭代法迭代法的主要思想是利用循環(huán)迭代的方法 ，逐步逼近最佳閾值 ，其計(jì)算步驟主要是：1) 對(duì)圖像進(jìn)行灰度化，找出圖像灰度的最大值和最小值，分別記為和 ，令初始閾值為：2) 根據(jù)當(dāng)前的閾值T以及圖像的各像素的灰度值，將圖像像素分成前景與背景兩組。3) 分別求出當(dāng)前前景與背景兩組像素的平均灰度值，記為和。4) 求出新閾值：循環(huán)2)-4)步，直到兩組的平均灰度值不再發(fā)生新的變化，此時(shí)即獲得了所需要的閾值。這種方法運(yùn)算很簡(jiǎn)單，因此處理圖片的速度是很快的。處理光照均勻的圖3.1后，得到閾值為0.

8、5312的圖3.3，可以看到效果還是比較好的；但是在處理光照不均勻的原圖3.2后，得到閾值為0.49393的圖3.4，可見只使用一個(gè)閾值，已經(jīng)沒(méi)有辦法兼顧到所有細(xì)節(jié)情況了。 圖3.3 迭代法處理圖1 圖3.4 迭代法處理圖23.1.2 Otsu方法二值化的算法之一Otsu法，也稱大津法，是全局二值化算法的經(jīng)典算法之一。它是1979年由Otsu提出的，其基本思想是求取最佳門限閾值，此閾值將圖像灰度直方圖分割成黑白(前景與背景)兩部分，使兩部分類間方差取得最大值，并使類內(nèi)方差值最小，即類間分離性最大，而類內(nèi)的相似性最大，因此，Otsu法也稱最大類間方差法。對(duì)于某圖像的灰度直方圖，設(shè)T為區(qū)分前景灰度

9、與背景灰度的二值化閾值，設(shè)為前景像素所占圖像總像素的比例，令為所有前景像素的平均灰度，設(shè)為背景點(diǎn)數(shù)所占圖像總像素的比例，令為所有背景像素的平均灰度，則圖像的所有像素的平均灰度為。在進(jìn)行程序運(yùn)算時(shí)，T的取值可從圖像的最小灰度值到圖像的最大灰度值依次遍歷，當(dāng)T取某值時(shí)，類間方差公式能取得最大，此時(shí)T即為二值化的最佳閾值。使類間方差最大的二值化意味著錯(cuò)分概率最小。同樣，我們采用Otsu算法對(duì)圖3.1和圖3.2進(jìn)行處理，分別得到圖3.5和圖3.6。圖3.5所選閾值為0.49804，可以看到效果依舊很好；圖3.4所選閾值為0.49412，效果很不理想。 圖3.5 Otsu法處理圖1 圖3.6 Otsu法

10、處理圖23.1.3 改進(jìn)的Otsu方法圖像二值化是建立在物體和背景可以區(qū)分的基礎(chǔ)上的，如亮度色調(diào)等不同，從而根據(jù)這些已知信息分出前背景。而一般的全局二值化如用Otsu方法獲取最優(yōu)閾值的方法，都是建立在圖像前背景亮度有一定差距的基礎(chǔ)上的，即圖像直方圖有雙峰結(jié)構(gòu)。如果對(duì)于一幅亮度不均勻的圖像這種方法就不適用，解決的方法可以把圖像根據(jù)整體亮度變化來(lái)分成若干小區(qū)域，而各區(qū)域的直方圖中有兩個(gè)峰，這樣就能自適應(yīng)得時(shí)整幅圖都比較好的二值化。但是，這樣對(duì)于一些復(fù)雜的圖像就難處理，而且可能存在分塊鄰接缺陷，因此，本程序中先將整幅圖的亮度調(diào)均勻，然后再用整體二值化就能得到很好的結(jié)果。這里使用Retinex算法把圖

11、像的整體亮度調(diào)均勻后（此法能很好得將各種照度不均的圖調(diào)整成直方圖中明顯有雙峰的均勻圖），再用Otsu方法取閾值二值化。對(duì)光照不均勻圖3.2進(jìn)行處理，得到圖3.7，可見此時(shí)的圖像輪廓得到了還原，取得了較好效果。圖3.7 改進(jìn)的Otsu法處理圖13.1.4 全局閾值法小結(jié)下面，我們對(duì)全局閾值法做一些總結(jié)。一般說(shuō)來(lái)，全局閾值法想法都比較簡(jiǎn)單，實(shí)現(xiàn)起來(lái)也很高效簡(jiǎn)單，但這種也是有代價(jià)的。它的適用范圍相對(duì)有限，擅長(zhǎng)處理簡(jiǎn)單圖像，比如目標(biāo)與背景明顯分離的，直方圖分布呈雙峰的圖像。但是對(duì)于光照不均，模糊的文檔及多邊緣的圖像，就會(huì)丟失很多的信息。在此引入文本圖像圖3.8?？梢钥吹较掳氩糠质乔逦奈淖?，但是上半部

12、分的表格，則具有淡淡的底，使得字跡看起來(lái)變淡了，也就是說(shuō)模糊了。由于Otsu算法在全局閾值二值化方法中具有很好的評(píng)價(jià)，在這里僅使用法對(duì)其進(jìn)行處理，來(lái)看一看效果。圖3.8 原始圖像3使用Otsu方法處理圖3.8，所得閾值為0.7451，處理結(jié)果為圖3.9?？梢钥吹剑瑘D中下半部分還是比較清楚的，但是上半部分表中的文字顯示很不理想。對(duì)于這種光照均勻地圖像，改進(jìn)的Otsu方法處理結(jié)果如圖3.10，其細(xì)節(jié)丟失更為嚴(yán)重。這正是全局閾值二值化的簡(jiǎn)單性所付出的代價(jià)。由于該類方法只關(guān)心整幅圖像的灰度值分布特征，然后就迅速進(jìn)行處理它是高度宏觀化的，因而對(duì)于局部的變化反映不夠靈敏。因此，使用該方法會(huì)丟失圖像的許多細(xì)

13、節(jié)信息。圖3.9 Otsu法處理圖2圖3.10 改進(jìn)的Otsu法處理圖2由于全局閾值法的這一缺點(diǎn)，引出了關(guān)注細(xì)節(jié)的局部閾值二化算法。3.2 局部閾值分割 局部閾值法通過(guò)定義考察點(diǎn)的鄰域，比較考察點(diǎn)與其鄰域的灰度值來(lái)確定當(dāng)前考察點(diǎn)的閾值。非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，使得局部閾值法較全局閾值法有更廣泛的應(yīng)用。局部閾值法雖然能夠根據(jù)局部灰度特性來(lái)自適應(yīng)地選取閾值，有較大的靈活性，但局部閾值存在速度慢，對(duì)文本圖像進(jìn)行二值化處理時(shí)，可能導(dǎo)致出現(xiàn)筆畫斷裂現(xiàn)象以及偽影等問(wèn)題，直接影響后面的識(shí)別工作。常用的局部閾值法有Bernsen算法、Niblack算法。 3.2.

14、1 Bernsen算法 Bernsen算法是一種典型的局部閾值算法，其將窗口中各個(gè)像素灰度級(jí)最大值和最小值的平均值作為一個(gè)窗口的中心像素的閾值，因此此方法不存在預(yù)定閾值，適應(yīng)性較全局閾值法廣，不受非均勻光照條件等情況的影響。設(shè)圖像在像素點(diǎn)(i，j)處的灰度值f(i，j)，考慮以像素點(diǎn)(i，j)為中心的窗口，則Bernsen算法可以描述為： 圖像中各個(gè)像素點(diǎn)(i，j)的閾值T對(duì)圖像中各個(gè)像素點(diǎn)(i，j)用b(i，j)值逐點(diǎn)進(jìn)行二值化：在實(shí)現(xiàn)算法的過(guò)程中會(huì)遇到一個(gè)不可避免的問(wèn)題。當(dāng)一個(gè)像素點(diǎn)處于整幅圖像的邊界處，或是其他距圖像邊界不足一個(gè)像素點(diǎn)單位的位置時(shí)，若以它為中心取的小塊，那么所取得的小塊就

15、會(huì)有一部分是缺失的。這里，本文選取的處理方式是對(duì)原圖像加邊，新的邊灰度值全賦值為0。在使用Bernsen算法進(jìn)行圖像二值化的時(shí)候，是需要選擇窗口的大小的，現(xiàn)在結(jié)合算法來(lái)具體討論該因素的影響。從Bernsen算法求局部閾值公式來(lái)看，對(duì)于一個(gè)固定的像素點(diǎn)(x，y)，當(dāng)窗口尺度很小的時(shí)候，該像素點(diǎn)周圍有細(xì)微的明暗變化即有少量像素點(diǎn)的灰度變化就會(huì)影響到閾值的選取；當(dāng)窗口尺度變大的時(shí)候，更多的像素點(diǎn)會(huì)進(jìn)入到窗口中，原窗口內(nèi)的像素點(diǎn)只是現(xiàn)在的一部分，對(duì)于閾值所產(chǎn)生的影響就相對(duì)弱化了，原有的細(xì)節(jié)就有可能丟失。現(xiàn)引入一幅光照不均但像素點(diǎn)相對(duì)較少的圖3.11，這樣改變窗口大小進(jìn)行測(cè)試時(shí)可以節(jié)約程序運(yùn)行時(shí)間。圖3

16、.11 原始圖像4 現(xiàn)取窗口為3*3，效果如圖3.12所示。圖中出現(xiàn)了大量斑點(diǎn)噪聲，文字被淹沒(méi)了。這是因?yàn)榇翱谶x得太小，二值化時(shí)像素點(diǎn)附近出現(xiàn)的細(xì)微明暗變化都被 圖3.12 Bernsen法處理圖1 圖3.13 Bernsen法處理圖2識(shí)別出來(lái)了。將窗口放大為9*9，效果見圖3.13。可以看到，效果好多了，許多斑點(diǎn)狀噪聲消失了，文字變得清楚了，但是字間噪聲沒(méi)有完全消除且粗筆狀況也比較明顯的。查閱相關(guān)文獻(xiàn)表明，應(yīng)該選取15*15的窗口，原因是這樣所帶來(lái)的噪聲會(huì)顯著的減少。同時(shí)，處理圖片的時(shí)間則相應(yīng)增加。鑒于此，在此后的處理中，大多取窗口為15*15。對(duì)于Bernsen法取窗口為15*15，所得的

17、結(jié)果如圖3.14。圖3.14 Bernsen法處理圖3 下面對(duì)圖3.8用Bernsen法進(jìn)行二值化，看看效果如何。如圖3.15，與Otsu法處理圖2相比，列表中的文字變得相對(duì)清晰了，但是列表下方的文字出現(xiàn)了斷筆現(xiàn)象，而且背景噪聲問(wèn)題同樣不能忽視。圖3.15 Bernsen法處理圖53.2.2 Niblack算法 Niblack方法也是一種應(yīng)用很廣泛的二值化算法。它根據(jù)局部均值和局部標(biāo)準(zhǔn)差，確定圖像中不同的閾值。在像素點(diǎn)(x，y)的閾值的計(jì)算是:其中T(x，y)為閾值，m(x，y)為樣本均值，s(x，y)為標(biāo)準(zhǔn)差，k為參數(shù)。對(duì)于鄰域的選擇需要滿足能保存局部細(xì)節(jié)同時(shí)抑制噪聲的產(chǎn)生。和Bernsen

18、方法相似，使用Niblack方法進(jìn)行圖像二值化處理時(shí)，窗口大小的選擇也是很重要的。理由相同，如果窗口選得很小，處理速度比較快，但是給二值圖帶來(lái)的噪聲也是很嚴(yán)重的，導(dǎo)致前景淹沒(méi)在噪聲中，無(wú)法很容易的辨識(shí)；如果窗口選得大，會(huì)大幅地降低二值圖中的噪聲，但是處理的時(shí)間也變得更長(zhǎng)了。窗口一般也取15*15，下面對(duì)圖3.8進(jìn)行分割，結(jié)果見圖3.16。圖3.16 Niblack法處理圖1 使用Niblack方法進(jìn)行圖像二值化處理，由于需要計(jì)算標(biāo)準(zhǔn)差，需要進(jìn)行平方開方運(yùn)算，所以速度是比較慢的，我們看一下Bernsen方法，它比方法的速度要快些。但是從處理效果來(lái)看，它比Otsu法和Bernsen法效果優(yōu)秀。不僅

19、列表中文字細(xì)節(jié)得到了很好地還原，列表下方的文字也沒(méi)出現(xiàn)斷筆現(xiàn)象，很清晰，唯一需要改善的就是圖像背景噪聲問(wèn)題。3.2.3 對(duì)局部閾值法的一點(diǎn)思考由于局部閾值法充分考慮到了每一個(gè)像素點(diǎn)及其附近像素點(diǎn)的灰度分布情況，能兼顧圖像的細(xì)節(jié)變化，因此使用局部閾值二值化方法對(duì)圖像進(jìn)行分割處理，一般說(shuō)來(lái)，會(huì)得到更好的效果。很容易這么想，如果對(duì)一幅質(zhì)量很好的圖片進(jìn)行二值化分割，那么局部閾值法對(duì)其進(jìn)行分割所得的效果應(yīng)該比全局閾值法的效果好，即使不能更好，至少一樣好。現(xiàn)在看一個(gè)例子，引入圖3.17，它足夠簡(jiǎn)單，背景與前景相比分離得很明顯。圖3.18是使用Otsu方法進(jìn)行閾值分割的結(jié)果，圖3.17 原始圖像5圖3.18

20、 Otsu算法處理圖3 圖3.19 Niblack算法處理圖2而圖3.19是使用Niblack法進(jìn)行閾值分割的結(jié)果。局部閾值法處理效果在這里反而的質(zhì)量卻降低了，它把沒(méi)有文字的空白背景，錯(cuò)誤地識(shí)別成文字像素點(diǎn)。能對(duì)付復(fù)雜問(wèn)題的工具，卻不能處理簡(jiǎn)單的?；仡^看Bernsen法和Niblack法閾值分割處理的結(jié)果圖3.153.16，也存在相同問(wèn)題。表格右側(cè)空白背景，以及沒(méi)有足夠文字填充的一小段空白行，都被錯(cuò)誤地識(shí)別成了前景。這說(shuō)明，這個(gè)問(wèn)題應(yīng)該不是偶然出現(xiàn)的，可能是一個(gè)共性的問(wèn)題。為了避免出現(xiàn)這種情況，在進(jìn)行圖像二值化處理時(shí)，當(dāng)每選取一個(gè)小窗口，就應(yīng)該先進(jìn)行判定。如果這個(gè)小窗口內(nèi)同時(shí)混有前景和背景，那

21、么就進(jìn)行該中心點(diǎn)的二值化；否則，小窗口內(nèi)就只含有前景或是只有背景，就不應(yīng)該進(jìn)行閾值分割了，而應(yīng)該采取一種方法去判斷它是屬于背景還是前景。至于具體實(shí)現(xiàn)方案，這也是未來(lái)對(duì)局部閾值分割進(jìn)行進(jìn)一步研究的方向。3.3 基本自適應(yīng)閾值分割全局閾值存在的問(wèn)題是不均勻亮度無(wú)法有效分割，解決辦法除了像局部閾值法對(duì)圖像每一個(gè)像素進(jìn)行處理外，還可以將整幅圖像化整為零，劃分為許多個(gè)小塊，分別進(jìn)行處理，得到它的閾值。小塊特點(diǎn)是彼此分離沒(méi)有重疊，這也是與局部閾值法的區(qū)別。那么這個(gè)閾值相對(duì)于整體的全局閾值來(lái)說(shuō)，就是與相應(yīng)小塊中的像素更加關(guān)聯(lián)的，對(duì)于局部應(yīng)該也是更好的。其中每一個(gè)小塊，可以簡(jiǎn)單的將它看作一幅圖像，這樣，要得到與這個(gè)小塊相關(guān)的局部閾值，可以簡(jiǎn)單地使用全局閾值值法來(lái)對(duì)每個(gè)小塊做出處理，進(jìn)行二值化。我們將圖像劃分成許多小塊，如果稱小塊的長(zhǎng)和寬為尺度的話，那么選取時(shí)，若尺度太大，對(duì)圖像的局部還不夠好；但是若尺度太小，小塊內(nèi)可能就只有前景或只有背景了，此時(shí)的二值化是不合理的。所以，給小塊選擇一