陜西師范大學(xué)《數(shù)字圖像處理》實驗報告

1、基于灰度圖像的閾值分割 數(shù)字圖像處理實驗報告學(xué) 校：陜西師范大學(xué)學(xué) 院：計算機科學(xué)學(xué)院題 目：基于灰度圖像的閾值分割指導(dǎo)教師：XXX姓 名：XXX學(xué) 號：XXXX1 基于灰度圖像的閾值分割通常人們只對圖像的某個部位感興趣，為了能夠把感興趣的部分提取出來，就得對圖像進行分割。圖像分割就是把圖像分成一些具有不同特征而有意義的區(qū)域，以便進一步的圖像分析和理解。圖像增強就是突出人們感興趣有用的部分，或者是改善圖像的質(zhì)量，使它盡可能的逼近原圖像。本實驗比較了傳統(tǒng)的灰度閾值圖像分割，即雙峰法、迭代法方差法在細節(jié)部分分割上的缺點。1.1圖像分割概述圖像分割就是將圖像按照人們的意愿分成許多個區(qū)域，使這些區(qū)域具

2、有不重疊的特性或者該區(qū)域具有實際意義或是幾個區(qū)域的圖像特征相差不大。圖像分割使得人們分離出目標(biāo)區(qū)域，同時人們可以對圖像的特征進行提取或者是對目標(biāo)的一些參數(shù)進行一些簡單的測量，為人們進行更深入的圖像研究提供了基礎(chǔ)。圖像分割是圖像處理的一個重要步驟，在人們進行圖像處理研究的初期就已經(jīng)受到人們的高度重視。經(jīng)過幾十年的發(fā)展，到目前為此，人們已經(jīng)提出了很多種分割方法。盡管圖像分割的方法和種類有很多，卻沒有唯一的標(biāo)準(zhǔn)的分割方法。有些分割運算可直接應(yīng)用于任何圖像，而另一些只能適用于特殊類別的圖像。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對應(yīng)的分割方法對其分割，同時，某些分割

3、方法也只是適合于某些特殊類型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟，可以說，圖像分割結(jié)果的好壞直接影響對圖像的理解。1.2圖像分割的特征（1）分割出來的各區(qū)域?qū)δ撤N性質(zhì)例如灰度，紋理而言具有相似性，區(qū)域內(nèi)部是連通的且沒有過多小孔；（2）區(qū)域邊界是明確的；（3）相鄰區(qū)域?qū)Ψ指钏罁?jù)的性質(zhì)有明顯的差異。（4）基于亮度值的兩個基本特性之一：跳躍性不連續(xù)性和相似性。第1類性質(zhì)的應(yīng)用途徑是基于亮度的跳躍（不連續(xù)）變化分割圖像,比如圖像的邊緣。第2類的主要應(yīng)用途徑是依據(jù)事先制定的準(zhǔn)則將圖像分割為相似的區(qū)域、門限(閾值)處理、區(qū)域生長、區(qū)域分離和聚合

4、都是這類方法的實例。1.3圖像分割的發(fā)展及現(xiàn)狀分割問題的主要困難在于圖像數(shù)據(jù)的模糊和噪聲的干擾。到目前為止，還沒有一種或者幾種完善的分割方法，可以使按照人們的意愿準(zhǔn)確無誤的分割任何一種圖像。實際圖像中景物情況各異，具體問題具體分析，需要根據(jù)實際情況選擇適合的方法。分割結(jié)果的好壞或者正確與否，目前還沒有一個統(tǒng)一的評價判斷準(zhǔn)則，分割的好壞必須從分割的效果和實際應(yīng)用場景來判斷。不過在人類研究圖像的歷史中，還是積累了許多經(jīng)典的圖像分割方法。雖然這些分割方法不適合所有類型的圖像分割，但是這些方法卻是圖像分割方法進一步發(fā)展的基礎(chǔ)。事實上，現(xiàn)代一些分割算法恰恰是從經(jīng)典的分割方法衍生出來的。早期的圖像研究中，

5、圖像的分割方法主要可以分為兩大類。一類是邊界方法，這種方法的假設(shè)是圖像分割結(jié)果的某個子區(qū)域在原來的圖像中一定會有邊緣存在；一類是區(qū)域方法，這種方法的假設(shè)是圖像分割結(jié)果的子區(qū)域一定會有相同的性質(zhì)，而不同區(qū)域的像素沒有共同的性質(zhì)。這兩種方法都有缺點和優(yōu)點，有的學(xué)者也試圖把兩者結(jié)合起來進行圖像分割，隨著計算機處理能力的提高，很多方法不斷涌現(xiàn)，如基于彩色分量分割、模糊集、紋理圖像分割。所使用的教學(xué)工具和實驗手段也是不斷的擴展，從時域信號到頻域信號處理，近來小波變換也應(yīng)用在圖像分割當(dāng)中。1.4研究背景與意義數(shù)字圖像處理的基礎(chǔ)是圖像分割，圖像分割同時也是進行計算機自動識別和人工智能的橋梁，長期以來圖像分割

6、一直都是數(shù)字圖像處理領(lǐng)域的一個經(jīng)典難題。經(jīng)典的圖像分割算法諸如直方圖分割與閾值分割的方法具有實現(xiàn)簡單、計算量小、性能較穩(wěn)定等特點。通常，它們是利用圖像的灰度直方圖的分布特征,找出灰度直方圖分布的兩波峰之間的波谷，選定恰當(dāng)?shù)拈撝祵D像分割開，然而這種分割方法依賴于圖像灰度的分布，對灰度分布不呈雙峰特征或復(fù)雜背景的圖像,這種方法往往會造成錯誤，并且有些細節(jié)不能很好的顯示出來。所以論文提出了一種改進方法圖像增強的分割改進方法，通過圖像增強中的微分梯度，對原有圖像的細節(jié)進行銳化增強，從而達到改善分割后圖像細節(jié)的效果。這對我們使用灰度閾值分割方法分割圖像提供了技術(shù)支持，并且能很好地克服灰度閾值分割方法的

7、缺點。2 基于灰度圖像的閾值分割方法常用的閾值處理就是圖像的二值化處理，即首先選定一個處于該圖像灰度級范圍內(nèi)的閾值T，然后將圖像中的每個像素的灰度值都與這個閾值進行比較，判斷該像素的灰度值是否超過閾值T 來將將該像素歸于大于或者小于這個閾值T 兩類中的一類。最常用的方法就是設(shè)定一閾值T，根據(jù)T 值的大小將圖像分割成大于閾值T 的像素群(目標(biāo))以及小于閾值T(背景)的像素群兩部分。這兩類像素一般屬于圖像中的兩種類型的區(qū)域，所以對像素根據(jù)閾值分類達到了區(qū)域分割的目的。輸入圖像是f(x，y)，輸出圖像是g(x，y)，則：因此采用閾值分割的過程中，閾值的選取是分割的關(guān)鍵，對圖像處理的結(jié)果會有很大的影響

8、?；陂撝档姆指罘椒ㄒ呀?jīng)有很多種了，下面就簡單說明幾種最常用的方法：雙峰法和迭代法。2.1 雙峰法圖像分割該閾值化方法的依據(jù)是圖像的直方圖，通過對直方圖進行各種分析來實現(xiàn)對圖像的分割。圖像的直方圖是圖像的重要統(tǒng)計特征，它可以認為是圖像灰度密度函數(shù)的近似。圖像的灰度直方圖是反映一幅圖像的灰度級與出現(xiàn)這種灰度級的概率之間的關(guān)系的圖形。假定圖像由目標(biāo)和背景（具有不同的灰度級）組合而成，圖像的灰度分布曲線可以近似的認為是有兩個正態(tài)分布函數(shù)疊加而成，出現(xiàn)雙峰分布，如圖2-1所示：2-1 雙峰分布選擇雙峰直方圖的波谷處，設(shè)此處灰度值為t，那么可以將圖像分為兩個部分，雙峰分割的結(jié)果就可以表示為： g(x，y

9、)= t1 f(x，y)<tt2 f(x，y) ! t （22）式中，t 為圖像分割的閾值，結(jié)果圖像的灰度往往是前者取0（黑色）后者取1（白色）。利用雙峰法分割圖像，需要知道圖像直方圖的分布情況，首先讀入一幅數(shù)字圖像并查看其直方圖，執(zhí)行如下程序代碼：clear all %清除所有變量I=imread('D:Mathworks_Matlab_R2010bMATLABR2010btoolboximagesimdemosTSG.png'); %讀入名為”TSG”的圖像figure(1); %建立第一個圖形imshow(I); title('原始圖像'); %顯示

10、原始圖像 并命名為原始圖像figure(2); %建立第二個圖形imhist(I);title('直方圖'); %獲取圖像數(shù)據(jù)直方圖 并命名為直方圖axis(0 255 0 4000); %分別表示x軸和y軸的坐標(biāo)的刻度程序執(zhí)行結(jié)果得到原始灰度圖像和直方圖，分別如圖2-3、圖2-4所示：圖2-3 原始圖像圖2-4 直方圖通過對該直方圖的觀察，可以選擇分割閾值為140，然后執(zhí)行如下代碼：th=140; %閾值賦值為140J=im2bw (I, th/255); % 圖像在最佳閾值下二值化 并將結(jié)果賦給J變量figure (3); imshow(J);title('分割結(jié)果

11、'); 分割后得到的圖形如圖2-5所示：圖2-5 分割結(jié)果2.2 迭代法迭代的方法產(chǎn)生閾值，可以通過程序自動計算出比較合適的分割閾值。迭代法閾值選取是對雙峰法閾值選取的改進，該方法可以完成閾值的自動選取，具體方法步驟如下：（1）選擇閾值T，通?？梢赃x擇圖像的平均灰度值來作為初始閾值；（2）通過初始閾值T，把圖像的平均灰度值分成兩組R1和R2；（3）計算這兩組平均灰度值1和2；（4）重新選擇閾值T，新的T定義為：;循環(huán)做第二步到第四步，一直到兩組的平均灰度值1和2不在發(fā)生改變，那么我們就獲得了所需要的閾值。程序代碼如下：clear all I=imread('D:Mathwork

12、s_Matlab_R2010bMATLABR2010btoolboximagesimdemosTSG.png'); %讀入圖像tmin=min(I(:); %計算圖像的灰度最小值和最大值tmax=max(I(:); th=(tmin+tmax)/2; %設(shè)定初始閾值為平均值ok=true; %定義開關(guān)變量，用于控制循環(huán)次數(shù)while ok %迭代法計算量 g1=I>=th; %將大于th的灰度值賦給g1 g2=I<=th; u1=mean(I(g1); %求出g1中灰度的平均值并賦給u1 u2=mean(I(g2); thnew=(u1+u2)/2; %將u1和u2的平均值

13、賦給thnew ok=abs(th-thnew)>=1; %設(shè)定兩次閾值的比較，當(dāng)滿足小于1時，停止循環(huán) th=thnew; %得到所需要的閾值end th=floor(th); %向下求整J=im2bw(I,th/255); % 圖像在最佳閾值下二值化 并將結(jié)果賦給J變量figure(1); %結(jié)果顯示imshow(I);title('原始圖像');figure(2);str='迭代峰：閾值Th=',num2str(th);%將數(shù)字類型轉(zhuǎn)化成字符串imshow(J);title(str); %輸出分割后的結(jié)果 并命名為str中的內(nèi)容程序執(zhí)行得到圖形，如圖2-6、圖2-7所示：圖2-6 原始圖像圖2-7 分割圖像2.3 小結(jié)上面兩種方法是基于閾值的圖像分割方法，由分割得到的結(jié)果我們發(fā)現(xiàn)這兩種方法的優(yōu)點在于實現(xiàn)簡單，但是這只是針對少數(shù)不同類別物體彼此灰度相差很大時，才能進行有效的分割。當(dāng)圖像中不存在明顯灰度差異或灰度值范圍有較大重疊，難以得到準(zhǔn)確的分割結(jié)果。其次，僅考