基于matlab的圖像分割技術(shù)研究

1、基于matlab的圖像分割技術(shù)研究摘 要：圖像分割是一個很關(guān)鍵的圖像分析技術(shù)，是由圖像處理進到圖像分析的關(guān)鍵步驟.它的目的就是把圖像中感興趣的那部分分割出來供大家研究、處理和分析，一直都是圖像技術(shù)研究中的熱點。但是由于地域的差別，圖像分割一直都沒有一個比較通用的算法。而對圖像進行分割的方法有多種,閾值法是其中的一種簡單實用的方法。本文主要對閾值法和matlab進行研究,并將它們結(jié)合起來以提高圖像分割的準確性。本文的主要研究內(nèi)容如下: 1) 分析了閾值分割方法近年來的新進展,并分析了圖像閾值分割中的某些經(jīng)典方法,如全局閾值方法、局部閾值方法、動態(tài)閾值方法等。 2)討論了matlab的主要應(yīng)用及其

2、特點。 3) 將matlab應(yīng)用于閾值分割，并做實驗將其實現(xiàn)。關(guān)鍵詞：圖像分割，閾值分割，matlab，算法Research based on the matlab image segmentation technologyAbstract：Image segmentation is a key technique in analysis technique, it is a crux procedure of the Image processing into image analysis .Its purpose is Its purpose is to put the image whi

3、ch people interest division out for everyone to research, process and analysis, image technology research is always the focus in the study. But because of the difference of image segmentation region, there has not existed a relatively generic algorithm There are a lot of image segmentation method, t

4、hreshold value method is one of the most simplest practical methods. This article focuses on the threshold value method and matlab , and will combine them with each other in order to improve the accuracy of segmentation. The main research contents of this article are as follows: 1) analysis the deve

5、loping situation of the threshold segmentation method in recent years, then analyzes some of the classic image threshold segmentation ,such as global threshold method, local threshold method, dynamic threshold method, etc. 2) discusses the main application and characteristics of matlab. 3)combine ma

6、tlab witn threshold segmentation, and do a sutra experiment Key words：Image segmentation , Threshold segmentation, Matlab, Algorithm 目錄1 引言32 圖像分割算法與提取技術(shù)綜述42.1 圖像分割發(fā)展和現(xiàn)狀4研究背景與意義53閾值分割63.1閾值分割概述63.2閾值分割算法7全局閾值法8局部閾值法189動態(tài)閾值1310其他閾值法113.3閾值分割的優(yōu)缺點114編程語言的選擇114.1 MATLAB簡介114.2 MATLAB的主要應(yīng)用6124.3 MATLAB的特

7、點6125 程序運行結(jié)果136結(jié)術(shù)語15致 謝181 引言 隨著科學(xué)技術(shù)的進一步發(fā)展和計算機科學(xué)的逐漸進步，數(shù)字圖像處理理論及其相關(guān)的技術(shù)在方方面面都取得了飛速的發(fā)展，同時也相應(yīng)有了驕人的成績，而圖像分割作為圖像處理和計算機視覺中的一個極其重要環(huán)節(jié)，從上個世紀六十年代起 ，就早已經(jīng)吸引了廣大學(xué)者的關(guān)注。21世紀人類也進入到了信息化時代，在這個飛速發(fā)展的信息化社會中，計算機在信息處理中發(fā)揮著巨大的作用。尤其是在圖像處理領(lǐng)域，計算機的加入使得數(shù)字圖像處理技術(shù)得到了飛速的發(fā)展，并在國民經(jīng)濟的各個領(lǐng)域也都有了相對比較廣泛的應(yīng)用。在實際圖像處理中，一般情況下我們只是注意到圖像中那些我們感興趣的目標，因為

8、只有這部分也就是我們注意到的有用的目標物才能為我們提供高效、有用的信息。而這些目標一般又都對應(yīng)著圖像中某些特定的、具有獨特性質(zhì)的區(qū)域。為了把這些有用的區(qū)域提取出來供我們?nèi)祟愂褂?，圖像分割這門技術(shù)也就應(yīng)運而生了。我們通常情況下所說的圖像分割就是指把圖像劃分成若干個有意義的區(qū)域的過程，每個區(qū)域都是具有相近特性的像素的連通集合，一般情況下我們所關(guān)注到的那些有用的目標物就存在與這些區(qū)域中1。研究者們?yōu)榱俗R別和分析圖像中的那部分我們感興趣的目標，例如進行特征提取或者測量，就需要將這些相關(guān)的區(qū)域從圖像背景中提取出來。圖像分割就能夠把圖像中的這些有用的區(qū)域分割出來，從而把一幅圖像分成一系列的有意義的、各具特

9、征的目標或者區(qū)域。圖像分割技術(shù)主要分為四大類：區(qū)域分割，閾值分割，邊緣檢測和差分法運動分割（主要針對運動圖像的分割）。閾值分割是近年來國際領(lǐng)域上的一個新的研究熱點，它是一種最簡單的圖像分割技術(shù)，其基本原理就是：通過設(shè)定不同的特征閾值點，從而把圖像的象素點分為若干類，然后通過閾值點來分割圖像，最終把圖像中的有用的部分提取出來。本文將對matlab用于圖像分割的基本理論進行簡要研究，并對當(dāng)前matlab用于圖像分割的最新研究進展進行綜述，最終著重于研究matlab用于閾值分割的圖像分割方法。2 圖像分割算法與提取技術(shù)綜述從上個世紀六十年代初算起，圖像分割算法的研究工作就已經(jīng)起步，算起來也已經(jīng)有了幾

10、十年的歷史，但是雖然提出來的分割算法及其繁多，在圖像分割算法上也做了大量的工作，但是分割算法至今仍然沒有得到一個相對通用的算法，即使是這樣多年來從事圖像分割算法研究的學(xué)者們的工作熱情還是沒有減弱，他們?nèi)匀痪瞎M瘁的奮斗在實驗臺前，為了研究出一種通用的分割算法而努力著。上面的事實說明雖然現(xiàn)在存在的圖像分割算法種類很多，但是還是沒有一種通用的算法供不同地域，有不同目的的人使用。究其根本原因是因為來自不同的國家不同的領(lǐng)域的人們他們研究出來的分割算法有很大的差異，而不同的人對于同一幅圖像感興趣的地方也不盡相同，因此沒能夠設(shè)計出一個通用的算法也是可以理解的。上面我們對圖像分割算法的現(xiàn)狀做了一個初步的了解

11、，下面我們來進一步的研究圖像分割的發(fā)展現(xiàn)狀。2.1 圖像分割發(fā)展和現(xiàn)狀要了解圖像分割的現(xiàn)狀，我們首先不得不來解釋一下什么是圖像分割。圖像分割就是指把圖像分成各具特征的區(qū)域，并把我們感興趣的目標提取出來的一門技術(shù)。對于一幅圖像我們肯定有感興趣和不感興趣的地方，而圖像分割就能夠把我們感興趣的那一部分分割出來呈現(xiàn)在我們面前，正因為它具有這一功效，圖像分割在很多領(lǐng)域（包括工業(yè)，精密儀器，農(nóng)業(yè)，醫(yī)學(xué)醫(yī)療）都有著非常廣泛的應(yīng)用。多年來，對圖像分割的研究也一直是圖像技術(shù)研究中的熱點和焦點，由于圖像分割不僅能夠在實際工作中起到非常大的作用，另一方面它還能夠減少我們的工作時間迅速的把我們感興趣的那部分一目了然地

12、呈現(xiàn)在我們面前，從而排除我們不需要的那部分因素，所以近幾年來人們對它的研究熱情也不斷高漲，也使得圖像分割又取得了更大的進步。圖像分割作為一種分析圖像的重要技術(shù)，不論是在計算機科學(xué)還是在圖像識別的各類應(yīng)用系統(tǒng)中都占有著舉足輕重的地位，只要我們需要對圖像目標進行分析，測量那么我們就離不開圖像分割，因此圖像分割也就成了研究計算機視覺系統(tǒng)、字符識別和目標自動獲取等圖像識別和理解系統(tǒng)首先要解決的問題。然而雖然幾乎自圖像分割問世就開始了圖像分割的研究，也吸引了很多研究人員為之付出了巨大的努力，在不同的領(lǐng)域也取得了相當(dāng)可以的進展與成就，但是因為這門研究存在地域上存在差距，不同地方，不同的人雖然看到的是同一幅

13、畫可能他感興趣的地方也不相同。同一個人不同時間也可能對同一幅畫有不同的側(cè)重點，也正因為這樣才使得圖像分割成了一個經(jīng)典的難題，近年來雖然人們提出了大量的算法，但是到目前為止既沒有出現(xiàn)一種通用的圖像分割算法，也沒有一種判斷是否分割成功的客觀標準出現(xiàn)。所以人們還在努力研發(fā)一種通用的算法，希望能夠發(fā)展出新的、更具有潛力的同時也更簡單的一種分割算法，以期實現(xiàn)更通用、更完美、更簡單的分割結(jié)果。因此不論是從分割算法的適用性還是其方便、簡單這一特點上來講分割算法的研究仍然有很大的研究空間。2.1.1研究背景與意義數(shù)字圖像目標的分割與提取作為數(shù)字圖像處理和計算機視覺領(lǐng)域中一個極其重要的研究分支，一直以來都受到廣

14、大研究人士的青睞和關(guān)注。由于在目標分割與提取的過程中需要利用大量的數(shù)字圖像處理的方法，另外加上圖像分割在計算機視覺以及模式識別等領(lǐng)域中的廣泛應(yīng)用，這些都使得圖像分割的研究得到了大量的研究者的注意。相信對這一問題的深入研究不僅會慢慢的完善圖像分割的研究使得一種通用算法產(chǎn)生，而且也會推動模式識別、人工智能、計算機視覺等計算機科學(xué)分支的發(fā)展。圖像分割和邊緣檢測的問題在近二十年中已經(jīng)得到了廣泛的關(guān)注和長足的發(fā)展。國內(nèi)外研究人士提出了很多的不同的研究方法，也分別在不同的領(lǐng)域中得到了初步的成果。圖像分割是一門極其重要的圖像技術(shù)，它在實際應(yīng)用中得到很大的應(yīng)用。圖像技術(shù)雖然其種類比較多，跨度也很大，但是我們?nèi)?/p>

15、然可以把它歸類到一個統(tǒng)一的框架中，這個框架就是圖像工程。圖像工程是一門對圖像領(lǐng)域的所有的有關(guān)圖像的科學(xué)進行研究應(yīng)用的新興的科學(xué)，其內(nèi)容極為廣泛，根據(jù)抽象工程和研究方法的不同，我們又可以將圖像工程分為三個各具特色的層次：圖像處理，圖像分析和圖像理解。從意思上我們就可以看出，拿到一幅圖像我們首先需要對這幅圖像進行處理，然后是分析、理解。圖像處理、圖像分析和圖像理解具有不同的操作對象；圖像處理是比較低層次的操作過程，而圖像分析則進入了一個比較高級的層次，這里我們成為中層，它側(cè)重于對圖像的像素級和進行描述，圖像的理解進入了一個更為高級的操作環(huán)境。圖像分割在圖像工程中有著很重要地地位和影響一方面它是圖像

16、目標表達的基礎(chǔ)，另一方面它能夠?qū)⒛繕吮磉_、特征點提取和參數(shù)測量等原始圖像分別的裝化為更抽象的形式。由前面的論述，我們知道，圖像分割是由圖像處理過渡到圖像分析的一個關(guān)鍵步驟，在圖像處理工程中占據(jù)著重要的地位。一方面，圖像分割以及基于圖像分割的目標表達、特征點提取和參數(shù)的測量等這一系列技術(shù)環(huán)節(jié)可以將原始圖像轉(zhuǎn)化為更抽象、更緊湊的形式，使得更高層的圖像分析和理解成為可能。另一方面，圖像分割是圖像前景目標表達的基礎(chǔ)，對特征點的提取和測量有著重要的影響，在實際得生產(chǎn)生活中，圖像分割的應(yīng)用也很廣泛，幾乎出現(xiàn)在和圖像處理有關(guān)系的所有領(lǐng)域，從腦部MR圖像處理分析到衛(wèi)星云圖的處理，從交通管理中對違章車輛區(qū)域的分

17、割到面向?qū)ο笾袌D像壓縮以及基于內(nèi)容的圖像檢索中特征區(qū)域點的提取。在這些應(yīng)用中，圖像分割通常都是對圖像進行進一步的分析、識別、壓縮編碼等處理，區(qū)域特征點的提取的準確性將直接影響到后繼任務(wù)的執(zhí)行的有效性和準確性，因此圖像分割的方法和精確程度是至關(guān)重要的，研究出一種通用的準確的圖像分割方法也就成了我們現(xiàn)今研究者們責(zé)無旁貸的任務(wù)。綜上所述，圖像處理中的圖像分割研究不論是在我們的生活中還是以后的學(xué)習(xí)中都是非常有意義的，對其作深層次的研究不僅能夠解決我們自身的問題，也一定能夠在一定程度上推動計算機各個分支的發(fā)展。3閾值分割圖像分割是圖像處理中最為基礎(chǔ)和重要的領(lǐng)域之一，而圖像閾值分割方法是一種傳統(tǒng)的圖像分割

18、方法，也是最早提出的一種圖像分割方法，它具有方便、簡潔、性能穩(wěn)定，計算量小等等一系列的優(yōu)點。使得閾值分割成為目前圖像分割領(lǐng)域最基本和應(yīng)用范圍最廣泛的一個分割技術(shù)，被應(yīng)用在很多領(lǐng)域。下面我們對閾值分割方法做一個詳細的介紹。3.1閾值分割概述閾值分割主要是利用圖像中那些我們要提取的目標物和它的背景在灰度程度上存在差異這一重要特征，通過設(shè)置合適的灰度門限也就是我們這里所謂的閾值，最終將圖像的灰度分為兩個或者多個灰度區(qū)間，以此來確定有意義的區(qū)域以及分隔物體的邊界2。閾值分割常用于圖像的二值化處理，也就是選擇一個或多個合適的閾值，通過判斷圖像中的每一個像素點的特征屬性是否滿足閾值的要求來確定我們所選定的

19、這個像素點是屬于我們的目標區(qū)域還是背離我們所選的目標區(qū)域，從而將圖像轉(zhuǎn)化為二值圖像。閾值化是最常用的一種圖像分割技術(shù)，同時也是最簡單的一種分割方法，它分割的結(jié)果是一系列連續(xù)的區(qū)域，適用于那些目標和背景占據(jù)著不同灰度范圍的圖像。它根據(jù)灰度級，將像素的集合一個個劃分，得到多個與現(xiàn)實景物相符合的區(qū)域，而它的每一個區(qū)域都有它們一致的屬性，而相鄰的區(qū)域布局也具有相同的屬性，這種劃分是通過選取一個或者多個閾值來實現(xiàn)的。一般情況下灰度圖像的閾值分割會做出一下幾種假設(shè)：（1）圖像目標或者背景內(nèi)部的相鄰像素之間的灰度值是高度相關(guān)的（2）圖像目標和背景目標之間的邊界兩側(cè)像素的差別很大（3）圖像目標與背景目標的灰度

20、分布是單峰的。在很多情況下，圖像分割是進行特征點提取、圖像分析與模式識別等等之前的必要的圖像處理過程。圖像閾值化的根本目的是按照灰度級別的不同將左右的像素集合進行劃分整理，得到與現(xiàn)實景物相對應(yīng)的區(qū)域。3.2閾值分割算法閾值分割算法分為全局閾值分割和局部閾值分割兩種，它是按照分割過程中每個像素點所使用的閾值點的不同進行劃分的。閾值相同就是全局閾值，同理閾值不同的就是局部閾值。最佳的全局閾值方法有以下幾種：實驗法、直方圖法和最小誤差法。閾值分割算法的最根本策略是從單閾值算法開始的，多閾值算法其實是單閾值算法的延伸，單閾值分割也只能算是多閾值分割的一種特例。單閾值算法基本策略就是先預(yù)設(shè)一個閾值T，待

21、處理的圖像的像素灰度值是f（x，y），然后我們將圖像中的像素分成兩部分：我們把滿足條件f（x，y）>T的和f（x，y）<T的那一部分像素稱作前景目標。把剩下的那部分也就是滿足f（x，y）=T的稱為背景3。這種算法目前主要應(yīng)用于指紋識別、印章堅定、文字識別等領(lǐng)域。多閾值算法和單閾值算法不同，多閾值算法需要選定多個閾值，可以將整個灰度范圍區(qū)域分為多個部分，而每個部分的像素點可以自成一類，最終把圖像分割成多個不同區(qū)域，因此被稱作多閾值分割。由此我們也可以看出單閾值分割是多閾值算法的一種特例。閾值分割算法主要有兩個步驟：首先就是確定一個閾值T，第二步當(dāng)然就是把每個像素的灰度級與選定的閾值T

22、進行比較；比較的結(jié)果也無非分為大于、小于和等于，我們把圖像中灰度值大于T的像素點設(shè)為目標點（值為1）其余的像素點設(shè)為背景點（值為0），或者我們把他們叫做目標區(qū)域和背景區(qū)域也可以。用函數(shù)也可以表示為： 1 f（x，y）>Tf（x，y）=0 f（x，y）T 也就是說當(dāng)表達式f（x，y）的值為1的時候它所代表的就是目標點，反之值為0著表示背景點。這是單閾值分割算法，如果有多個目標點并且各個灰度級之間差別比較大的話，我們可以設(shè)置一系列的閾值用來實現(xiàn)多閾值分割，可以表示為TK,K的值可以是1也可以很大，這樣我們就可以吧一幅圖像的像素分成多個區(qū)域。 從上面我們可以知道閾值分割的重點就是選取一個合適的

23、閾值，閾值的選取不同得到的最終分割結(jié)果也不一樣，也一定會影響到后面的圖像分析處理結(jié)果。3.2.1全局閾值法前面已經(jīng)說過如果每個像素所使用的閾值不同的時候我們就使用全局閾值法，也就是說當(dāng)圖像目標和背景之間有高對比度的時候，我們就可以利用全局分割成功的分割圖像。全局分割有多種分割方法，如極小值閾值法、迭代閾值法、最優(yōu)閾值法、Otsu閾值法、p參數(shù)法等等。實際使用時我們可以根據(jù)圖像像素點的特征來確定我們應(yīng)該用哪種分割方法。1、最小值閾值法當(dāng)一幅圖像中點狀目標與背景之間具有鮮明的對比的時候，這時候我們可以先做出它的直方圖，這是我們就可以看到它的直方圖就會表現(xiàn)出雙峰特點，這時候我們可以選取雙峰之間的谷底

24、作為閾值點。我們假設(shè)p(z)代表直方圖，那么極小點應(yīng)該要滿足：P(z) = 0 且 P(z) > 02、迭代閾值法4迭代閾值算法如下（1） 首先我們要選定一個初始閾值T1。（2） 根據(jù)閾值T1我們可以把一幅圖像分為兩部分，然后在分別求出這兩部分的平均灰度值Z1和Z2即最小灰度值和最大灰度值，根據(jù)Z1和Z2可以計算出一個新的閾值。T2= Z1+Z2/2。計算T2T1T（T是預(yù)先指定的一個很小的正數(shù)，這個數(shù)也可以是0，也就是說當(dāng)T2和T1很接近時就可以終止迭代，否則T2T1，重復(fù)第（2）步。（3） 第（3）步結(jié)束后T2就是最佳閾值。3、最優(yōu)閾值法 以上兩種方法有時候也會出現(xiàn)誤差，我們有可能把

25、目標像素部分錯劃分為背景部分，也有可能把背景部分誤認為是目標部分，而最優(yōu)閾值法的根本思想就是選取一個閾值使得分割的誤差概率最小。4、Otsu法5Otsu法是閾值分割中常用的一種自動確定閾值的方法，它確定閾值的準則就是能夠使得分割后的圖像各個像素類的類內(nèi)方差最小，我們也可以用另一種方法使得圖像中各個像素類的類間方差最大。這兩種方法是等價的，類內(nèi)方差和類間方差都是一個常數(shù)，兩者之和就是整幅圖像的方差。分割的最終目的就是要使得類內(nèi)之間的方差差別最小而類別之間的方差最大。5、P參數(shù)法P參數(shù)法的最基本思路就是選取一個閾值T，使得背景區(qū)域在圖像中占得比例為P，目標區(qū)域所占比例為1-P。P參數(shù)法僅僅可以用于

26、已經(jīng)預(yù)先知道目標區(qū)域或者背景區(qū)域占全圖像百分比的場合。3.2.2局部閾值法18 當(dāng)圖像目標和背景目標在直方圖上對應(yīng)兩個比較明顯的波峰，并且兩個波峰之間有較深的波谷或者雙峰之間的距離比較遠是，我們可以用前面介紹過的全局閾值法來分割圖像，可是，在現(xiàn)實中我們經(jīng)常會遇到一些直方圖雙峰之間被填充或者雙峰相聚比較近；也有可能背景目標和圖像目標的面積相差比較大，表現(xiàn)在直方圖上就是一方被另一方所淹沒，這樣可能使得原本是雙峰性質(zhì)的圖像會呈現(xiàn)出單峰性質(zhì)，遇到這種情況我們就可以采用局部閾值法，常用的局部閾值法有直方圖變換法和散射圖法。1、 直方圖變換法6一般來講直方圖的谷底是最合適的分割閾值，但是實際應(yīng)用中，谷底往

27、往會有別的填充物，這時候我們就很難找到它們的谷底。直方圖變換法可以利用像素本身的特點把圖像原有的直方圖變換成可以明顯看出谷底的直方圖，這個新的直方圖和原始的直方圖比較，雙峰之間的谷底更深，或者把谷底裝換為峰從而更容易檢測，這樣我們就可以從直方圖看出圖像的閾值。例如，因為目標區(qū)域的像素點具有一致性和相關(guān)性，背景區(qū)域就會類似，梯度值比較小。而邊界區(qū)域因為噪音會有較大的梯度值。使用直方圖變換法，就可以根據(jù)梯度值加權(quán)，梯度值小的像素權(quán)加大，梯度值大的像素值減小。這樣就可以明顯的看出直方圖的谷底。2、 散射圖法6當(dāng)我們用一個直方圖的橫軸來表示灰度值，縱軸表示某種性質(zhì)例如梯度值，這樣的一個而為直方圖我們可

28、以看作是一個散射圖，圖中各點的數(shù)值對應(yīng)的就是某些像素點的灰度值和梯度值，這就是散射圖法。3、 其他與局部閾值法 文獻7提出了一種基于閾值曲面的二維遺傳算法。遺傳算法是基于進化論中自然選擇機理的、并行的、統(tǒng)計的隨機化搜索方法，所以在圖像處理中常用來確定分割閾值。 文獻8 9中提出一種基于局部梯度最大值的插值方法。首先平滑圖像，并求得具有局部梯度最大值的像素點，然后利用這些像素點的位置和灰度在圖像上內(nèi)插，得到灰度級閾值表面。 除此之外，典型的局部閾值方法還有White和Rohrer10的加權(quán)移動平均閾值方法，Perez和Gonzalez11的適用于非均勻照射下圖像的局部閾值方法以及Shio12的與

29、照射無關(guān)的對比度度量閾值方法等。總的來說，這類算法的時間和空間復(fù)雜度都較大，但是抗噪能力強，對一些使用全局閾值法不宜分割的圖像具有較好的效果動態(tài)閾值13在其他特殊情況下由于很多我們無法控制的原因，圖像背景的灰度值并不是恒定不變的，背景與目標的對比值在同一幅圖像的不同地方往往是不一樣的，在某些地方可能還有陰影。這時候如果只是單一的用全局閾值法或者局部閾值法就不能夠很好的分割一幅圖畫，很有可能一部分分割的很好而另外一部分卻并不合適。這時候我們就需要在同一幅圖像中用不同的分割法，合適的方法就是讓閾值隨圖像中的位置變化，這樣就可以將圖像紛紛為一個個子圖像，每一個字圖像都有不同的閾值。下面介紹一種動態(tài)閾

30、值方法，其基本步驟如下14：（1）將整幅圖像分解為一系列的相互之間有50%重疊的子圖像。（2）檢測各子圖像的直方圖是否具有雙峰性質(zhì)。如果有，則采用最有閾值法確定該子圖像的閾值，否則不進行處理。（3）根據(jù)已得到的部分子圖像的閾值，插值得到其他不具備雙峰性質(zhì)的子圖像的閾值。（4）根據(jù)各子圖像的閾值插值得到的所有像素的閾值。對于每個像素，如果其灰度值大于改點處的閾值，則分為目標像素，否則分為背景像素。3.3.4其他閾值法 閾值分割的方法還有很多例如最小誤差法、概率松弛法、特征空間聚類法、簡單統(tǒng)計法與局部特征法、共同矩陣法等等。3.3閾值分割的優(yōu)缺點 每一件事情都有其兩面性，同樣閾值分割這種分割方法也

31、有優(yōu)點和缺點，閾值分割的優(yōu)點是實現(xiàn)起來比較簡單，對于不同的灰度值和特征相差比較大的物體能夠有效地對這幅圖像進行分割。閾值分割的缺點主要有兩點14：（1）對于圖像中灰度值不是很明顯或者說灰度值的范圍有大部分是重疊的這種情況，不能夠得到準確的結(jié)果；（2）閾值分割這種方法僅僅考慮了圖像的灰度信息而沒有考慮到其他的信息如空間信息，因此閾值分割對噪聲的影響比較敏感。對于以上提出來的兩個缺點，至今仍然有不少的科學(xué)家針對此問題在進行著深入的研究，以期得到更大范圍的突破。4編程語言的選擇以前也曾學(xué)過C語言、C+、以及Matlab等多種語言，也曾考慮過用用這幾種語言來實現(xiàn)這個算法，但是最后經(jīng)過老師的分析和指導(dǎo)，

32、經(jīng)過反復(fù)比較，認識到各種語言的優(yōu)缺點后，還是決定使用Matlab來實現(xiàn)圖像的分割。4.1 MATLAB簡介 Matlab是由美國Maths Works公司推出的用于數(shù)值計算和圖形處理的系統(tǒng)環(huán)境，它的名字是由矩陣（Matrix）和實驗室（Laboratory）這兩個詞的英文頭三個字母組成的。Matlab除了具備卓越的數(shù)值計算能力外，它還提供了專業(yè)的符號計算、文字處理、可視化建模仿真和實時控制等功能。它是以矩陣為基本單位的，其指令表達式與數(shù)學(xué)、工程中常用形式十分相似，故用Matlab來解決問題要比用C、C+、FORTRAN等語言要簡單的多，是一種高性能的、可以用于工程計算的一種編程軟件。另外Mat

33、lab對于矩陣還有巨大的處理能力，他也能夠與C語言和Fortran等其他語言混用，是的用戶能夠更加簡單的進行可視化編程。Matlab可以把科學(xué)計算、用戶界面以及結(jié)果可視化和編程都集中在一個使用起來極其方便的環(huán)境中。Matlab也是世界公認的一款優(yōu)秀的數(shù)學(xué)應(yīng)用軟件16 17。4.2 MATLAB的主要應(yīng)用61、線性代數(shù)2、矩陣分析3、數(shù)值及優(yōu)化4、數(shù)理統(tǒng)計和隨機信號分析5、電路與系統(tǒng)6、系統(tǒng)動力學(xué)7、信號和圖像處理8、控制理論分析和系統(tǒng)設(shè)計9、過程控制、建模和仿真10、通信系統(tǒng)和財政金融4.3 MATLAB的特點6 一般來說，整個Matlab系統(tǒng)是由兩部分組成的，即Matlab內(nèi)核和輔助工具箱，

34、兩者的調(diào)用構(gòu)成了Matlab的強大功能。Matlab語言一數(shù)組為基本單位，具備以下主要的特點：（1）運算符和庫函數(shù)及其豐富。Matlab除了提供了和C語言一樣的運算符號之外還加入了其他的矩陣 和向量運算符號。這樣可以使得程序變得更加簡短，以前可能需要幾十行甚至上百行C或者Fortran語言才能實現(xiàn)的功能，在Matlab中只需要兩三行的語句就可以實現(xiàn)，因此用Matlab語言編程的效率被大大的提高，同時因為編寫起來極為簡單也就易懂易學(xué)。（2）圖形功能強大。Matlab包括二維和三維數(shù)據(jù)可視化、動畫制作、圖像處理等高層次的繪圖命令，也包括可以修改圖形和編制完整圖形界面的、低層次的繪圖命令。（3）易于

35、擴充。Matlab語言的庫函數(shù)主要用于湯尼蓋用戶文件在形式上是一樣的，所有的用戶文件都可以作為Matlab的庫函數(shù)而被調(diào)用。它的庫函數(shù)也很豐富，在進行復(fù)雜一點的數(shù)學(xué)運算的時候可以直接拿來調(diào)用。除了內(nèi)部的一些函數(shù)之外，所有的Matlab的核心文件和工具箱文件幾乎都是可以更改，可以讀寫的源文件，用戶可以根據(jù)實際要求在源文件中加入自己的文件，而這些被更改之后的文件也和庫函數(shù)一樣可以隨時被調(diào)用。（4）Matlab語言是一種解釋執(zhí)行的語言。Matlab語言用起來及其方便靈活，它的調(diào)用程序手段也很豐富，調(diào)試起來所用時間很短，不會造成時間的浪費，同時還會提高工作效率?；旧希蠹以谟靡环N語言來編程和調(diào)試時，

36、一樣都會需要很多步驟。例如：編程、連接、調(diào)試、執(zhí)行這幾個步驟。各個不走之間都有其內(nèi)在的聯(lián)系，變成其實就是它們之間的一種循環(huán)。Matlab語言和其他的語言相比較，可以更好的解決上面出現(xiàn)所出現(xiàn)的各類問題，把編程、連接、調(diào)試、執(zhí)行連為一體。并且它能夠在同一畫面中連續(xù)的進行靈活的操作，可以迅速的排除編程過程中出現(xiàn)的語法錯誤和書寫錯誤，加快了用戶編寫程序的速度，提高了工作效率。（5）Matlab具有強大的工具箱。一般來說工具箱分為兩大類，也就是功能性工具箱和學(xué)科性工具箱。學(xué)科性工具箱主要是用來進行比較專業(yè)的一些運用，例如統(tǒng)計工具箱、控控制工具箱、小波工具箱、優(yōu)化工具箱、圖像處理工具箱和通信工具箱等等，這

37、些可以協(xié)助我們進行專業(yè)性較強的工作。功能性工具箱就不同了它主要用來擴充符號計算功能、圖示的建設(shè)和仿真，文字處理與編輯以及硬件實時交互功能。（6）具有良好的交互性和開放性。Matlab是用C語言來編寫的，而C語言具有良好的移植性，所以Matlab也有很好的移植性，可以很方便的在C語言的操作平臺上運行。除此之外還可以用來混合編程，它可以方便的調(diào)用C、C+、Fortran語言的子程序，可以避免重復(fù)的工作，減少工作時間。5 程序運行結(jié)果 通過分析，編出算法后，用matlab6.5實現(xiàn)，實驗結(jié)果如下所示：首先我們用matlab通過imread函數(shù)讀入原始圖像，原始圖像如下圖圖（1）所示，用matlab運

38、行我們編寫好的程序，就可以得到分割后的圖像以及直方圖；如圖（2）所示。下面將待處理的圖片和處理過的圖片進行對比：圖（1）原始圖像 圖（2）分割后的圖像和直方圖實驗結(jié)果良好，達到了預(yù)期的效果。6結(jié)術(shù)語數(shù)字圖像目標分割與提取一直都是計算機領(lǐng)域的仁人志士們關(guān)注的研究分支，在寫論文前我通過學(xué)習(xí)和實踐圖像目標分割以及了解Matlab系統(tǒng)，對現(xiàn)今圖像分割方法已經(jīng)有了大致的了解。本文在緒論部分首先提出了圖像分割這一概念，并分析了近幾年來圖像分割研究發(fā)展狀況，詳細的講述了本題目研究的大背景及其研究意義。然后吧重點放在圖像分割領(lǐng)域中比較有代表性的并且實現(xiàn)起來比較簡單的閾值分割方法接下來詳細的解釋了閾值分割方法的

39、定義，特點和局限性。對閾值分割方法中的全局閾值，局部閾值，以及動態(tài)閾值做了詳盡的研究，并且學(xué)習(xí)了各種閾值分割的方法，對其余的閾值分割方法也有提到。在語言的選擇方面，在指導(dǎo)老師的指導(dǎo)下考慮到Matlab不論在編程還是調(diào)試等方面都比C語言、C+或Fortran更加方便易懂，于是最后選定用Matlab語言。本文同時也對Matlab的發(fā)展，特點應(yīng)用領(lǐng)域做了相近的講述。接下來就是算法的編寫核實下那過程，在指導(dǎo)老師的幫助下雖然這個過程走得比較艱辛，但最后令人欣慰的是終于能夠成功的實現(xiàn)題目所要求的。通過本次畢業(yè)設(shè)計，我得到了很多收獲。我不僅僅是了解了圖像目標分割與提取方面的基本知識和基本的理論，在學(xué)習(xí)圖像分

40、割知識的過程中對自己原有的那部分圖像只是也有了進一步的鞏固，在新知識的學(xué)習(xí)過程中，編程能力也得到了提高。另外在畢業(yè)設(shè)計過程中對自己以前學(xué)過的知識進行了一個系統(tǒng)的整理和回顧，也算是對自己大學(xué)四年來的一個總結(jié)，為我以后的工作打下了堅固的基礎(chǔ)。因為時間倉促，加上我自己水平有限，對很多問題不能夠作更加深層次的研究沒有的地方級就是發(fā)現(xiàn)了問題，但是因為能力問題也沒有辦法解決，因此在本次畢業(yè)設(shè)計過程中存在很多的不足之處。我將以此為鑒，在今后的學(xué)習(xí)和工作過程中不斷的改進，爭取做得更好。參考文獻主要參考文獻目錄：1.章毓晉.圖象分割M. 北京：科學(xué)出版社,20012 王新成.高級圖象處理技術(shù)M中國科學(xué)技術(shù)出版,

41、2000.3 閆敬文.數(shù)字圖像處理:MATLAB版M.國防工業(yè)出版,2007.4于新文.幾種圖像分割算法在棉鈴蟲圖像處理中的應(yīng)用J.中國農(nóng)業(yè)大學(xué)學(xué)報 .2001.65Otsu N. Discriminant and least square threshold selection. In: Proc 4IJCPR, 1978:592-596.6劉翠艷.基于MATLAB 的圖像處理方法及分析J電腦與電信，2009（4）：84-867 薛景浩,章毓晉,林行剛.二維遺傳算法用于圖象動態(tài)分割J.自動化學(xué)報.2000.(5) 749-753.8Yanowitz S D,Bruckstein A

42、 M.A new method for image segmentation.In: Proc 9ICPR,1988:270-2759Yanowitz S D,Bruckstein A M.A new method for image segmentation. Computer Vision,Graphics and Image Processing,1989; 46: 82-95.10.White J M, Rohrer G D. Image thresholding for character image extraction and other applications equiring character i