彩色圖像分割技術(shù)研究與實現(xiàn)

彩色圖像分割技術(shù)研究與實現(xiàn)摘要我國已經(jīng)逐步邁入5G時代，其中信息產(chǎn)業(yè)的飛速發(fā)展是最大的推動力，圖像作為現(xiàn)代數(shù)據(jù)信息的重要數(shù)據(jù)形式，發(fā)揮著越來越重要的作用，圖像處理已經(jīng)成為信息產(chǎn)業(yè)的一個重要分支，人臉識別等高級圖像操作已經(jīng)屢見不鮮，在現(xiàn)代數(shù)字圖像處理的過程中，圖像分割是及其重要的步驟，通過圖像分割可以將目標像素與背景像素分割開來，便于我們獲得有效信息，是計算機視覺的關(guān)鍵技術(shù)，MATLAB作為工程學科的重要數(shù)值計算和仿真軟件，有著強大的功能，對于現(xiàn)代信息類工程師的設(shè)計工作發(fā)揮著舉足輕重的作用，本次設(shè)計利用MATLAB進行試驗，討論了圖像分割的基本原理和基本的集中實現(xiàn)算法，并提出和試驗了基于遺傳算法的新型算法，具有良好的圖像分割能力。關(guān)鍵詞：計算機視覺、圖像處理、圖像分割、MATLABResearchandImplementaionofColorImageSegmentationTechnologyAbstractChinahasgraduallyenteredthe5Gera,inwhichtherapiddevelopmentoftheinformationindustryisthegreatestdrivingforce.Image,asanimportantdataformofmoderndatainformation,playsanincreasinglyimportantrole.Imageprocessinghasbecomeanimportantbranchoftheinformationindustry.Advancedimageoperationssuchasfacerecognitionhavebeencommon.Intheprocessofmoderndigitalimageprocessing,imagesegmentationiscommon.Cuttingisanimportantstep.Throughimagesegmentation,thetargetpixelandbackgroundpixelcanbeseparatedtofacilitateustoobtaineffectiveinformation.Itisakeytechnologyofcomputervision.AsanimportantnumericalcalculationandsimulationsoftwareofEngineeringdiscipline,MATLABhaspowerfulfunctionsandplaysadecisiveroleinthedesignworkofmoderninformationengineers.Thisdesignisadvantageous.ThebasicprincipleandcentralizedalgorithmofimagesegmentationarediscussedbyusingMATLAB.Anewalgorithmbasedongeneticalgorithmisproposedandtested,whichhasgoodimagesegmentationability.Keywords:computervision,imageprocessing,imagesegmentation,MATLAB目錄第一章緒論 51.1研究背景以及研究意義 51.1.1研究背景 51.1.2研究意義 51.2國內(nèi)外研究現(xiàn)狀 61.2.1國外研究現(xiàn)狀 61.2.2國內(nèi)研究現(xiàn)狀 61.3研究內(nèi)容以及研究方法 71.3.1研究內(nèi)容 71.3.2研究方法 8第二章理論知識介紹以及圖像分割技術(shù)建模分析 92.1圖像二值化簡介 92.2彩色圖像分割技術(shù)研究與實現(xiàn)的流程 92.3圖像分割概述 102.4直方圖閾值方法 11第三章彩色圖像分割技術(shù)具體實施步驟 133.1圖像的獲取 133.2圖像的識別 133.3圖像預處理 133.3.1圖像的灰度化 133.3.2灰度圖像二值化 133.3.3灰度圖像去噪 143.4圖像的分割 143.4.1Prewitt算子圖像分割 143.4.2FCM算法圖像分割 15第四章彩色圖像分割技術(shù)的MATLAB實證研究 164.1獲取的圖像 164.2圖像的識別仿真結(jié)果演示 164.2.1圖像的灰度化仿真結(jié)果演示 164.2.2圖像的二值化仿真結(jié)果演示 174.2.3圖像的去燥處理仿真結(jié)果演示 184.2.4圖像分割后處理仿真結(jié)果演示 18第五章結(jié)論與展望 205.1結(jié)論 204.2展望 20致謝 21參考文獻： 22緒論1.1研究背景以及研究意義1.1.1研究背景從鄧小平同志對中國實行改革開放制度以來，中國經(jīng)濟進入飛速發(fā)展的時代。并且國家主席習近平同志在科技三會的時候就提出了我國科技技術(shù)“三步走”的方針，在我國科技技術(shù)“三步走”的方針實施的同時，各種深度學習智能化也相繼出現(xiàn)了，各種彩色圖像分割技術(shù)研究也涌現(xiàn)出來了，同時圖像分割技術(shù)在許多應(yīng)用中有著重要的作用，在圖像的研究和應(yīng)用中，人們往往只對一幅圖像的某些部分感興趣，例如對于一幅遙感圖像，從軍事的角度考慮，可能只對機場、兵工廠、導彈基地等軍事目標感興趣；而從其他的角度如對環(huán)境生態(tài)方面考慮，則只對草地、森林、濕地等目標感興趣。這些感興趣的部分一般對應(yīng)圖像中特定的、具有特殊性質(zhì)的區(qū)域（可以對應(yīng)單個區(qū)域，也可以對應(yīng)多個區(qū)域）成為目標，而其他部分成為圖像的背景。為了辨別和分析目標，需要把目標從一幅圖像中分離出來，這就是圖像分割要研究的問題圖像處理分為兩個層次：Low-Lever:人作為圖像的接受者，輸入輸出均為圖像，圖像處理研究的目的（包括對比度增強、圖像銳化、重構(gòu)等）為了更好地滿足人類視覺感知的要求，幫助人類改善其視覺能力。High-lever：計算機代替人作為圖像的接受者，輸入為圖像，輸出為圖像中提取出來的某種屬性。由計算機實現(xiàn)人類視覺感知的功能，解決計算機視覺問題。利用模式識別和人工智能方法，分析、理解和辨識圖像的內(nèi)容，解決圖像認知問題。圖像分割是高層次圖像處理的重要步驟。1.1.2研究意義只有更好的處理彩色圖像分割技術(shù)，我們才能夠好的處理一些圖像相關(guān)的內(nèi)容，才能夠好的進一步進行深度學習相關(guān)的內(nèi)容。可以說先當今對于圖像相關(guān)的內(nèi)容比比皆是，不管是在我們現(xiàn)實生活之中經(jīng)常接觸的照相機攝像機的運用，還是有關(guān)醫(yī)療設(shè)備中一些特殊情況的必要的拍攝，亦或是軍工方面的監(jiān)控作用，還是航天方面的攝像抓拍都運用到了圖像相關(guān)的內(nèi)容，彩色圖像分割算法的研究最近一些年取得了很大的進展，呈現(xiàn)百花齊放之勢。圖像分割很大程度上依賴于特定領(lǐng)域需求、特定的目標對象、以及分割背景。這些因素很大程度上影響著分割效果。目前具有廣泛應(yīng)用基礎(chǔ)的主要有基于直方圖閾值分割、基于特征聚類和區(qū)域生長技術(shù)、基于分水嶺算法、基于人工神經(jīng)網(wǎng)絡(luò)等。因此，本次畢設(shè)的研究內(nèi)容是學習設(shè)計一種彩色圖像分割算法對圖像進行分割。并且本文我們將研究彩色圖像分割技術(shù)，并且實際的進行探討彩色圖像分割技術(shù)的matlab實現(xiàn)。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀對于彩色圖像分割技術(shù)這一方面的研究，國外還是相對比較早的，并且經(jīng)過大量的實驗，眾多知名學者得到了這樣一個結(jié)論，對于彩色圖像分割技術(shù)，最重要的研究還是對于算法的選取，因此對于彩色圖像分割技術(shù)來說，不可忽略的因素就是不同的算法位的研究，所以國外早早的就開始了彩色圖像分割技術(shù)的相關(guān)研究。著名學者Land等提出了Retinex算法，該算法是提出的一種基于人類視覺體系感知以及拍攝物體色彩、亮度的模型算法[1]。該算法詮釋了同樣物體在有差異的光源或光線底下顏色恒定的機理，如在拂曉、暗淡的太陽光、白熾燈或者燭光下，同樣物體的顏色在人類視覺系統(tǒng)中都是一樣的[2]。20世紀70年代，著名學者Paul等人提出了Hough變換方法[3]，Hough變換方法檢測人眼時，一般是在眼部類圓特征區(qū)域，如虹膜、瞳孔區(qū)域被找到后，使用Hough變換圓檢測的方法定位人眼。隨后，著名學者Gabor提出了Gabor小波變換算法[4]，在獲得人臉的灰度視頻圖像后，先用Gabor小波對圖像幀進行預處理，減少圖像不平滑以及光照等對圖像的影響，有利于后面的特征提取。接著用地形圖方法[5]對預處理后的圖像進行特征點提取。1.2.2國內(nèi)研究現(xiàn)狀對于彩色圖像分割技術(shù)這一方面的研究，國內(nèi)相對于國外來說還是相對比較晚的，但是發(fā)展十分迅速，在彩色圖像分割技術(shù)這一方面的研究，也是取得了非常多的成果。在20世紀初期的時候，曹倩霞提出一種基于彩色分割和Hough變換的虹膜檢測法[6]。首先利用飽和度信息將眼睛區(qū)域與皮膚區(qū)域分離；然后利用亮度信息將眼睛區(qū)域的眼白和虹膜分離得到虹膜區(qū)域[7]；再通過Hough變換進行虹膜檢測。并且在2006年的時候，張杰等在粗定位人眼的基礎(chǔ)上，利用Hough變換圓檢測的方法精確定位出人眼的位置[8]。中國科學家汪渤利用圖像進行二值化的技術(shù)，在VR設(shè)備中人眼識別及定位上提出基于外部輪廓結(jié)構(gòu)及其機構(gòu)的特征從而可以驗證VR設(shè)備中人眼識別及定位的方法[9]。在2009年的時候，中國科學家呂剛利用神經(jīng)網(wǎng)絡(luò)相關(guān)方面的知識，提出了模板匹配圖像驗證技術(shù)[9]。1.3研究內(nèi)容以及研究方法1.3.1研究內(nèi)容1、研究內(nèi)容：并且本文我們將彩色圖像分割技術(shù)進行了實際的探討，進行探討彩色圖像分割技術(shù)的matlab實現(xiàn)。本文具體做了以下的研究：首先從彩色圖像分割技術(shù)的研究背景還有研究意義出發(fā)，然后對于彩色圖像分割技術(shù)的一些國內(nèi)外研究現(xiàn)狀進行了探討，并且闡述了一些本文用到的研究方法。接著對于彩色圖像分割技術(shù)的一些基礎(chǔ)理論知識進行了解，對于具體彩色圖像分割技術(shù)做了了解，并且對于結(jié)果的定位進行相應(yīng)的預測。最后對于彩色圖像分割技術(shù)進行了相關(guān)的MATLAB仿真實驗，通過寫這篇論文，讓讀者更加深入了解彩色圖像分割技術(shù)方面的知識。同時也提高自己這方面的專業(yè)知識。讓閱讀該論文的讀者提高對這方面事項的關(guān)注。2、解決的問題針對目前主要的一些彩色圖像分割方法進行了綜述，由于應(yīng)用場合不同，所需分割的圖像要求也有所不同，所以分割算法多種多樣，但至今不存在一個通用的算法。雖然大多數(shù)灰度圖像分割算法可以經(jīng)過改進應(yīng)用于彩色圖像分割，但其無法將彩色信息作為一個整體考慮。（1）相較于灰度圖像，彩色圖像中含有的信息更加豐富，顏色空間的表達方式也比較多樣，所以灰度圖像分割方法并不適用于彩色圖像分割，要先確定合適的顏色空間才能對圖像作進一步分割。常用的顏色空間模型有RGB、HSI等，但目前還沒有一種顏色空間可以代替其它顏色空間，如何選擇合適的顏色空間是當前研究的一個熱點問題。（2）直方圖閾值方法僅適用于具有明顯雙峰直方圖的圖像，而對于具有平坦直方圖或單峰的圖像，則不一定能獲得閾值?；谥鶢顖D的技術(shù)的一個常見問題是，由于噪聲，柱狀圖的突出部分往往參差不齊，從而導致假峰值，從而導致分割模糊。為了防止這種情況發(fā)生，通常采用一些平滑的規(guī)定。（3）FCM算法需事先確定聚類數(shù)目，且聚類結(jié)果易受初始化中心影響。利用FFCM算法對彩色圖像進行分割，則不需要事先確定聚類數(shù)目，從而大大提高了聚類速度，實現(xiàn)了對彩色圖像的快速分割。FCM算法缺乏對噪聲和異常值的魯棒性。因此，研究者近年來提出許多改進的聚類算法,有效實現(xiàn)了全局優(yōu)化的聚類，提高了彩色圖像的分割精度、分割質(zhì)量和抗干擾能力。1.3.2研究方法1.文獻法——搜集和分析研究各種現(xiàn)存的有關(guān)彩色圖像分割技術(shù)的文獻資料，從中選取適合本文的信息，幫助完成調(diào)查研究目的。2.分析推算法——通過上面方法收集到的資料，進行分析推算，這里利用圖像二值化等相關(guān)的方法得到相關(guān)的彩色圖像分割技術(shù)的處理結(jié)果。3.實驗法——具體的進行彩色圖像分割技術(shù)的MATLAB仿真實驗，讓自己更加深入了解彩色圖像分割技術(shù)方面的知識。第二章理論知識介紹以及圖像分割技術(shù)建模分析2.1圖像二值化簡介圖像二值化的定義就是將一個圖片顯現(xiàn)出黑白效果的過程，具體可以將一張圖片的\t"/item/%E5%9B%BE%E5%83%8F%E4%BA%8C%E5%80%BC%E5%8C%96/_blank"像素點的\t"/item/%E5%9B%BE%E5%83%8F%E4%BA%8C%E5%80%BC%E5%8C%96/_blank"灰度值進行一定的分區(qū)，具體可以定值定為0或255[10]，這樣就可以達到想要的黑白效果。嚴格的說不是，黑白圖像有很多顏色，其中有很多黑色到白色的過度色。二值化處理后，非黑即白，只有兩種顏色，反差達到最大。在一些關(guān)于\t"/item/%E5%9B%BE%E5%83%8F%E4%BA%8C%E5%80%BC%E5%8C%96/_blank"數(shù)字圖像處理的技術(shù)領(lǐng)域，圖像二值化是一個非常實用的武器，可以使得圖像中的數(shù)據(jù)大量減少，進一步可以能更加好的標注出目標的輪廓[11]。圖像二值化的作用是為了方便提取圖像中的信息，二值圖像在進行計算機識別時可以增加識別效率。比如：需要計算水面懸浮物的數(shù)量，就可以將一定面積的水拍成圖片后二值化。二值圖像是指每個像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是當表示人物、風景的圖像時，二值圖像只能描述其輪廓，不能描述細節(jié)。這時候要用更高的灰度級[12]。二值圖像是每個像素只有兩個可能值的數(shù)字圖像。人們經(jīng)常用單色圖像表示二值圖像，但是也可以用來表示每個像素只有一個采樣值的任何圖像，例如灰度圖像等。二值圖像中所有的像素只能從0和1這兩個值中取，因此在MATLAB中，二值圖像用一個由0和1組成的二維矩陣表示。這兩個可取的值分別對應(yīng)于關(guān)閉和打開，關(guān)閉表征該像素處于背景，而打開表征該像素處于前景。以這種方式來操作圖像可以更容易識別出圖像的結(jié)構(gòu)特征。二值圖像操作只返回與二值圖像的形式或結(jié)構(gòu)有關(guān)的信息，如果希望對其他類型的圖像進行同樣的操作，則首先要將其轉(zhuǎn)換為二進制的圖像格式，可以通過調(diào)用MATLAB提供的im2bw（）來實現(xiàn)[13]。二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結(jié)果中出現(xiàn)。一些輸入輸出設(shè)備，如激光打印機、傳真機、單色計算機顯示器等都可以處理二值圖像。2.2彩色圖像分割技術(shù)研究與實現(xiàn)的流程關(guān)于“彩色圖像分割技術(shù)研究與實現(xiàn)”這個選題，本畢業(yè)設(shè)計將按照如下圖2-1彩色圖像分割技術(shù)流程進行研究處理，也就是先進行原始圖像的獲取，然后獲得在原始圖像的基礎(chǔ)上進行圖像處理，然后進行圖像分割技術(shù)，在圖像分割技術(shù)完成之后，提取圖像分割的重要的特征點的提取，最后對于圖像分割之后的結(jié)果進行分析，具體的流程見圖2-1彩色圖像分割技術(shù)流程：圖2-1彩色圖像分割技術(shù)流程2.3圖像分割概述圖像分割技術(shù)將低層次視覺/圖像處理的問題與高層次視覺/圖像處理的問題聯(lián)系在一起[14]，他的目的就是將給定的衣服圖像分割成物體的集合，而對于這些物體可以運用圖像檢測、辨識和跟蹤等這些處理高層次圖像的技術(shù)進行進一步處理。分割也可以通過檢測區(qū)域之間的邊緣來實現(xiàn)。這種方法已被廣泛研究為灰度圖像。還提出了檢測彩色圖像不連續(xù)性的算法。眾所周知，在灰度圖像中，可以通過近似梯度的函數(shù)或圖像的拉普拉斯函數(shù)（標量函數(shù)）找到邊緣。彩色圖像的梯度函數(shù)基本上可以用兩種方法來否定：1）將所有三種顏色通道的變化嵌入一個單獨的度量中，2）通過計算單個通道的梯度并根據(jù)特定的標準將它們組合起來2.3.1FCM算法

FCM算法需事先確定聚類數(shù)目，且聚類結(jié)果易受初始化中心影響。利用FCM算法對彩色圖像進行分割，則不需要事先確定聚類數(shù)目，從而大大提高了聚類速度，實現(xiàn)了對彩色圖像的快速分割。FCM算法缺乏對噪聲和異常值的魯棒性。因此，研究者近年來提出許多改進的聚類算法,有效實現(xiàn)了全局優(yōu)化的聚類，提高了彩色圖像的分割精度、分割質(zhì)量和抗干擾能力。FCM算法通過計算樣本點對類中心的隸屬度函數(shù)獲得樣本點類屬，從而達到最小化目標函數(shù)的目的。該方法簡單直觀、易于實現(xiàn)，且證明了其對圖像分割的有效性。隨著計算機處理能力的提高和對彩色圖像應(yīng)用的增加，彩色圖像分割受到研究者們越來越多的關(guān)注。彩色圖像分割方法可以被看作是灰度圖像分割方法在彩色圖像上的延伸，但很多原有的灰度圖像分割方法并不能直接應(yīng)用于彩色圖像，這就需要結(jié)合彩色圖像信息的特點將原有灰度圖像分割方法進行改進，或研究專門用于彩色圖像分割的方法。在彩色圖像的背景下，由于圖像的主觀性質(zhì)，分割往往被視為一個定義不清的問題，沒有完美的解決方案，而是多個通?？梢越邮艿慕鉀Q方案。在加州大學伯克利分校進行的實驗1中廣泛證實了分割的主觀性，以開發(fā)一個評估基準，其中使用多個人類觀察者開發(fā)了一個人工生成的自然內(nèi)容圖像分割數(shù)據(jù)庫。兩個要務(wù)：1、一個任意的圖像可能有一個獨特的合適的分割的結(jié)果，而其他具有多個可接受的解決方案；2、充分解決方案的可變性主要是由于注意程度（或粒度）的差異以及從一個觀察者到另一個觀察者的詳細程度。因此，目前大多數(shù)分割算法的目標是提供普遍可接受的結(jié)果，而不是“黃金標準”解決方案。2.3.2Prewitt算子分割圖像技術(shù)該算子在x方向的導數(shù)近似于它前后兩行灰度之差，在y方向上的導數(shù)近似于上下兩列灰度之差，定義該算子的表達式如下：步驟：第一步：清楚變量和顯示，第二步：讀入要進行分割圖像的讀入，第三步，將圖像格式轉(zhuǎn)變?yōu)楦↑c數(shù)數(shù)據(jù)，第四步，利用MATLAB本身的函數(shù)庫里面的。2.4直方圖閾值方法直方圖閾值方法僅適用于具有明顯雙峰直方圖的圖像，而對于具有平坦直方圖或單峰的圖像，則不一定能獲得閾值。基于柱狀圖的技術(shù)的一個常見問題是，由于噪聲，柱狀圖的突出部分往往參差不齊，從而導致假峰值，從而導致分割模糊。為了防止這種情況發(fā)生，通常采用一些平滑的規(guī)定。直方圖閾值化是最常用的灰度圖像分割技術(shù)之一，并提出了幾種實現(xiàn)方法。事實上，一維亮度直方圖的峰谷可以通過灰度圖像的對象和背景分別容易地識別。在彩色圖像的情況下，事情會稍微復雜一些，因為人們必須通過組合三個柱狀圖的峰谷或通過劃分三維柱狀圖來識別場景的重復部分。基于柱狀圖的技術(shù)的一個常見問題是，由于噪聲，柱狀圖的突出部分往往參差不齊，從而導致假峰值，從而導致分割模糊。為了防止這種情況發(fā)生，通常采用一些平滑的規(guī)定第三章彩色圖像分割技術(shù)具體實施步驟3.1圖像的獲取首先，從VR攝像頭或者預先錄制的圖像及視頻中獲取圖像，對圖像做場景光照評估；如場景光照條件良好，則直接進入下一步；不然，在圖像中開展直方圖均衡化處理，阻礙場景光照發(fā)揮的作用；隨之，從圖像中開展大體的定位，假如具備人臉，那么開展之后的環(huán)節(jié)；不然把將圖像過渡到相對繁瑣的環(huán)節(jié)，來檢驗圖像內(nèi)是能不能出現(xiàn)偏轉(zhuǎn)形式的人臉，同時開展一些調(diào)整，調(diào)整結(jié)束后隨之進行定位。審核旋轉(zhuǎn)方式過程中，借助三維可變形模板研究水平旋轉(zhuǎn)方式，利用訓練的AdaBoost核判斷垂直旋轉(zhuǎn)方式。3.2圖像的識別對于圖像識別步驟一般分為三個步驟也就是：圖像預處理、圖像分割、圖像識別。3.3圖像預處理而對于圖像預處理一般也是分為三個步驟分別是：灰度化，二值化，去噪下面用圖像二值化具體分析。3.3.1圖像的灰度化RGB模型是工業(yè)界的一種顏色標準，是通過對紅、綠、藍三種顏色的變化以及相互之間的疊加來得到各種的顏色的總稱。設(shè)為組成某種顏色C所需的3個刺激量分別用X、Y、Z表示，3個刺激值與R、G、B有如下關(guān)系：X=0.409R+0.310G+0.200B；Y=0.177R+0.813G+0.010B；Z=0.000R+0.010G+0.990B；圖像的圖片一般可以分為三通道分別是R（紅色）、G（綠色）、B（藍色）。這里將圖像的圖片的三通道加權(quán)平均值法的原理進行賦值，經(jīng)過試驗證明三通道R（紅色）、G（綠色）、B（藍色）的加權(quán)權(quán)重分別是WR=0.299,WG=0.587,WB=0.114總共實施加權(quán)之后的關(guān)于灰度化公式表達式如下面公示所示：3.3.2灰度圖像二值化下面一個公式展示了二值化的具體的原理：其中，F(xiàn)(i，j)表示為灰度圖像二值化的具體輸出，f(i，j)為為灰度圖像二值化的具體輸入像素，T為灰度圖像二值化的具體閾值。而這里具體確定圖像二值化的具體閾值T的方法為迭代法，具體方法如下所示：1)確定灰度圖像二值化的具體最小灰度值Tm，然后確定灰度圖像二值化的具體最小灰度值最大灰度值Tn，則灰度圖像二值化閾值初值可以表示為：T0=（Tm+Tn）/2；2)將圖像分割成背景和圖案二個部分，分別求出灰度圖像二值化的具體的平均灰度值Ti和Tj.3)求出灰度圖像二值化的具體新閾值:T1=（Ti+Tj）/2；4)如果T0=T1，則結(jié)束，否則令T0==T1，轉(zhuǎn)向第二步。3.3.3灰度圖像去噪毫無疑問，在一般的網(wǎng)站中的圖像圖像都含有多多少少一定的噪聲，因此對于去噪灰度圖像二值化處理之后必須進行去噪處理，我們這里采用的是均值濾波的方法進行去噪的，具體表達式如下：其中，g(x,y)表示為經(jīng)過均值濾波的方法對灰度圖像去噪之后的的新的灰度值，而其中m一般取值取為5或9都可以達到預定的效果。3.4圖像的分割3.4.1Prewitt算子圖像分割圖像灰度圖像二值化經(jīng)過預處理后，我們便能夠可以分割圖像了，分割具體處理的是去灰度圖像二值化經(jīng)過預處理的圖像。圖像分割我們這里采用的是邊緣檢測的方法。首先我們可以求出利用Roberts算子，具體的表達式如下：然后我們可以用這個求得到的算子以及第二章中的具體的步驟來找到圖像的邊緣。3.4.2FCM算法圖像分割FCM算法需事先確定聚類數(shù)目，且聚類結(jié)果易受初始化中心影響。利用FFCM算法對彩色圖像進行分割，則不需要事先確定聚類數(shù)目，從而大大提高了聚類速度，實現(xiàn)了對彩色圖像的快速分割。FCM算法缺乏對噪聲和異常值的魯棒性。因此，研究者近年來提出許多改進的聚類算法,有效實現(xiàn)了全局優(yōu)化的聚類，提高了彩色圖像的分割精度、分割質(zhì)量和抗干擾能力。彩色圖像分割技術(shù)的MATLAB實證研究4.1獲取的圖像為了方便本文的研究，本文從VR攝像頭之中選取了幾張照片進行識別定位處理。在這里我們以其中一張照片作為例子進行實際的中彩色圖像分割技術(shù)等的一些相關(guān)的處理，并且進行MATLAB實證研究。為了產(chǎn)生比較本文選取了二種不同的算法進行彩色圖像分割技術(shù)的MATLAB實證研究，分別是FCM算法圖像分割以及Prewitt算子圖像分割。本文選取了其中一張圖片作為本文待處理的圖片。原始圖片見下面圖4-1原始待處理圖片所示：圖4-1原始待處理圖片4.2圖像的識別仿真結(jié)果演示4.2.1圖像的灰度化仿真結(jié)果演示 選取了待處理的圖片之后，我們接下來要做的就是對于圖像的預處理，而圖像的預處理首先要做的就是對于圖像的灰度化處理，具體的情況我們使用了FCM算法圖像分割以及Prewitt算子圖像分割分別處理，如下圖4-2FCM算法圖像分割灰度化圖像所示以及圖像4-3Prewitt算子圖像分割灰度化圖像所示：圖4-2FCM算法圖像圖4-3Prewitt算子圖像分割灰度化圖像分割灰度化圖像4.2.2圖像的二值化仿真結(jié)果演示為了對于圖像進一步的二值化處理，本文首先確定灰度圖像二值化的具體最小灰度值Tm，然后確定灰度圖像二值化的具體最小Tm，還有灰度值最大灰度值Tn，則灰度圖像二值化閾值初值可以表示為：T0=（Tm+Tn）/2；其次，將圖像分割成背景和圖案二個部分，分別求出灰度圖像二值化的具體的平均灰度值Ti和Tj.接著求出灰度圖像二值化的具體新閾值:T1=（Ti+Tj）/2；最后如果T0=T1，則結(jié)束，否則令T0==T1，轉(zhuǎn)向圖像分割成背景和圖案二個部分，分別求出灰度圖像二值化的具體的平均灰度值Ti和Tj繼續(xù)執(zhí)行，直到迭代過程結(jié)束。具體的情況我們使用了FCM算法圖像分割以及Prewitt算子圖像分割分別處理，具體的二值化圖像如下圖4-4FCM算法圖像分割二值化圖像所示以及圖像4-5Prewitt算子圖像分割二值化圖像所示：圖4-4FCM算法圖像圖4-5Prewitt算子圖像分割二值化圖像分割二值化圖像4.2.3圖像的去燥處理仿真結(jié)果演示從上面圖4-4FCM算法圖像分割二值化圖像所示以及圖像4-5Prewitt算子圖像分割二值化圖像所示可以看出來，圖像的噪點還是非常多的，圖像的上方分布著多多少少的一些噪點，因此對于圖像二值化處理之后必須進行去噪處理，我們這里采用的是均值濾波的方法進行去噪的，具體去燥之后的圖像如下圖4-6FCM算法圖像分割去燥后圖像所示以及圖像4-7Prewitt算子圖像分割去燥后的圖像所示：圖4-6FCM算法圖像圖4-7Prewitt算子圖像分割去燥后圖像分割去燥后圖像4.2.4圖像分割后處理仿真結(jié)果演示圖像分割技術(shù)將低層次視覺/圖像處理的問題與高層次視覺/圖像處理的問題聯(lián)系在一起，他的目的就是將給定的衣服圖像分割成物體的集合，而對于這些物體可以運用圖像檢測、辨識和跟蹤等這些處理高層次圖像的技術(shù)進行進一步處理。具體圖像分割之后的仿真圖像如下圖4-8FCM算法圖像分割后圖像所示以及圖像4-9Prewitt算子圖像分割后的圖像所示：圖4-8FCM算法圖像圖4-9Prewitt算子圖像分割后的仿真圖像分割后的仿真圖像從上面圖4-8FCM算法圖像分割后圖像所示以及圖像4-9Prewitt算子圖像分割后的圖像得到的仿真圖像可以看出，二種分割算子得到的最終的分割圖像都比較理想，但是Prewitt算子圖像分割后的圖像分割出來的邊緣更加清晰一些，但是同樣的噪點曬微多一點，但是也在可以接受的范圍之內(nèi)。同樣的FCM算法圖像分割后的圖像分割出來的邊緣稍微模糊一些，但是同樣的噪點曬微少一點，但是整體也在可以接受的范圍之內(nèi)，二種圖像分割的方法都得到了比較好的效果。第五章結(jié)論與展望5.1結(jié)論可以說先當今對于圖像相關(guān)的內(nèi)容比比皆是，不管是在我們現(xiàn)實生活之中經(jīng)常接觸的照相機攝像機的運用，還是有關(guān)醫(yī)療設(shè)備中一些特殊情況的必要的拍攝，亦或是軍工方面的監(jiān)控作用，還是航天方面的攝像抓拍都運用到了圖像相關(guān)的內(nèi)容，本文我們將彩色圖像分割技術(shù)進行了實際的探討，進行探討彩色圖像分割技術(shù)的matlab實現(xiàn)。本文具體做了以下的研究：首先從彩色圖像分割技術(shù)的研究背景還有研究意義出發(fā)，然后對于彩色圖像分割技術(shù)的一些國內(nèi)外研究現(xiàn)狀進行了探討，并且闡述了一些本文用到的研究方法。接著對于彩色圖像分割技術(shù)的一些基礎(chǔ)理論知識進行了解，對于具體彩色圖像分割技術(shù)做了了解，并且對于結(jié)果的定位進行相應(yīng)的預測。（3）最后對于彩色圖像分割技術(shù)進行了相關(guān)的MATLAB仿真實驗，通過寫這篇論文，讓讀者更加深入了解彩色圖像分割技術(shù)方面的知識。同時也提高自己這方面的專業(yè)知識。讓閱讀該論文的讀者提高對這方面事項的關(guān)注。4.2展望由于時間和條件的限制，本文所設(shè)計的彩色圖像分割技術(shù)的算法也不盡完善，存在著許多的不足之處，在未來對彩色圖像分割技術(shù)的更加深入研究中，還有很多可以改進的地方，主要有以下幾個方面：對于彩色圖像分割技術(shù)更加深入的了解，了解更多切實有效的圖像處理相關(guān)的算法知識。對于MATLAB軟件的使用有待進一步的提升。參考文獻：HaralickRM,ShapiroLG.Imagesegmentationtechniques[C]//ApplicationsofArtificialIntelligenceII.InternationalSocietyforOpticsandPhotonics,1