圖像分割算法設(shè)計(jì) 答辯ppt

圖像分割算法設(shè)計(jì)指導(dǎo)教師：申麗然班級(jí)：2009級(jí)自動(dòng)化2班學(xué)生：邵東東學(xué)號(hào)：2220093697主要內(nèi)容：1、圖像分割的定義及分類(lèi)2、圖像分割算法介紹3、仿真結(jié)果與分析4、總結(jié)圖像分割定義：圖像分割是將圖像中有意義或有用的特征提取出來(lái)，也就是說(shuō)，將圖像分成各具特點(diǎn)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟。圖像讀入（光電轉(zhuǎn)換）圖像處理（增強(qiáng)，編碼）圖像分析（分割，描述）圖像理解（解釋?zhuān)斫猓┕鈭D像數(shù)字圖像處理過(guò)的圖像特征數(shù)據(jù)解釋判斷圖像分割算法分類(lèi)：圖像分割閾值邊緣檢測(cè)區(qū)域迭代法直方圖雙峰法最大類(lèi)間方差法（OTSU）一階導(dǎo)數(shù)算子：Roberts,Sobel,Prewitt二階導(dǎo)數(shù)算子：Log,Canny區(qū)域生長(zhǎng)法區(qū)域分離與合并法基于閾值的圖像分割法對(duì)一幅灰度級(jí)取值在[0，L-1]的圖像確定一個(gè)灰度閾值T（0<T<L-1），然后每個(gè)像素的灰度值與T比較，根據(jù)結(jié)果分為兩類(lèi)：像素的灰度值大于閾值T為一類(lèi)，像素的灰度值小于閾值T為另一類(lèi)，像素的灰度值等于閾值T可歸為兩類(lèi)之一。確定閾值是關(guān)鍵。直方圖雙峰法

該閾值法的依據(jù)是直方圖，通過(guò)對(duì)直方圖進(jìn)行分析來(lái)實(shí)現(xiàn)對(duì)圖像的分割。下圖是一副灰度直方圖：將圖表中雙峰之間的谷底放大，我們發(fā)現(xiàn)最佳閾值為T(mén)=117左右迭代法迭代法選取最佳閾值流程圖：基于邊緣檢測(cè)的圖像分割算法

邊緣檢測(cè)是檢測(cè)圖像中有意義的不連續(xù)性的常用方法。一條邊緣是一組相連的像素組合，這些像素位于兩個(gè)區(qū)域的邊界上。邊緣總是以強(qiáng)度突變的形式出現(xiàn)，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、紋理結(jié)構(gòu)的突變等。邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始。

對(duì)于邊緣的檢測(cè)常常借助空間微分算子進(jìn)行。根據(jù)灰度變化的特點(diǎn)，常見(jiàn)的邊緣可分為階梯狀、脈沖狀和屋頂狀。常用的空間微分算子主要包括：梯度算子、拉普拉斯算子和Canny算子等?；趨^(qū)域的圖像分割法基于區(qū)域的分割是圖像分割中一種重要的分割方法，其定義為按照選定的一致性準(zhǔn)則將圖像劃分為互相不交疊的、連通的像元集的處理過(guò)程，它彌補(bǔ)了閾值分割沒(méi)有考慮空間信息的不足，解決了邊緣檢測(cè)的區(qū)域連續(xù)性和封閉性的難點(diǎn)，在圖像分割方法中有很強(qiáng)的優(yōu)勢(shì)。區(qū)域生長(zhǎng)法區(qū)域分離與合并法

這種方法是從整幅圖像開(kāi)始，通過(guò)不斷分裂到最終得到各個(gè)區(qū)域。實(shí)際操作中，首先把圖像分成任意大小且相互不重復(fù)的區(qū)域，然后再合并分裂這些區(qū)域以滿(mǎn)足分割要求。仿真結(jié)果與分析仿真結(jié)果與分析1、閾值法以迭代法為例，通過(guò)程序我們得到原圖的最佳閾值為T(mén)=114.0069分割后：原圖：我們可以從原圖的灰度直方圖看出，根據(jù)直方圖雙峰法得到的最佳閾值為T(mén)=117，與迭代法得到的結(jié)果基本吻合。

閾值法可以完整地將對(duì)象從圖像背景中整齊清晰地分割出來(lái)，但它要求圖片的灰度直方圖具有良好的雙峰性。2、邊緣檢測(cè)法通過(guò)對(duì)比可以發(fā)現(xiàn)：一階導(dǎo)數(shù)算子分割結(jié)果出現(xiàn)了邊緣丟失的現(xiàn)象，適合于簡(jiǎn)單的圖片；二階導(dǎo)數(shù)算子分割效果良好，能夠檢測(cè)到真正的弱邊緣，適合復(fù)雜一些的圖片。3、區(qū)域法原圖區(qū)域生長(zhǎng)結(jié)果區(qū)域分離與合并結(jié)果

基于區(qū)域的分割解決了邊緣檢測(cè)的區(qū)域連續(xù)性和封閉性的難點(diǎn)。區(qū)域生長(zhǎng)法有效地克服其它方法存在的圖像分割空間不連續(xù)的缺點(diǎn)，但是穩(wěn)定性、準(zhǔn)確性以及運(yùn)算速度都會(huì)受到所選種子好壞的影響；區(qū)域分離與合并法克服了區(qū)域生長(zhǎng)法的過(guò)分割缺陷，但是這種分割方法將分割區(qū)域的邊界破壞了，產(chǎn)生了塊狀區(qū)域邊界?？偨Y(jié)

實(shí)驗(yàn)結(jié)果表明，基于邊緣的分割方法對(duì)邊緣灰度值過(guò)渡比較尖銳不太復(fù)雜的圖像可以取得較好的效果，受曲線(xiàn)間斷的影響較?。换趨^(qū)域的分割方法利用了圖像的局部空間信息，可有效的克服其它方法存在的圖像分割空間不連續(xù)的缺點(diǎn)；閾值分割算法直觀(guān)、實(shí)現(xiàn)簡(jiǎn)單，在圖像分割中應(yīng)用廣泛?；谶吘壍姆指罘椒▽?duì)于邊緣復(fù)雜的圖像效果不太理想，會(huì)產(chǎn)生弱邊緣丟失、邊緣不連續(xù)等現(xiàn)象；基于區(qū)域