基于MATLAB的图像分割方法及应用(共35页)

1、精选优质文档-倾情为你奉上 本科毕业设计（论文）课题名称 基于MATLAB的图像分割方法及应用 电子信息工程 学院 电子科学与技术 专业学 号 学生姓名 指导教师 起讫日期 工作地点 专心-专注-专业摘 要图像处理是一种新兴学科，在短短几十年中得以迅速发展并广泛应用于航天、军事、医学等领域。它是如今信息社会引人注目的多媒体技术中重要组成部分只一。图像分割技术是非常重要的图像处理技术之一，无语是在理论研究还是在实际应用中人们都非常的重视。图像分割有许多的种类和方式，一些分割运算能够直接应用于任何图像，而另外一些却只适用于特别种类的图像。图像分割技术是从图像处理技术，再到后期的图像分析的关键步骤，

2、图像分割结果的好坏，可以说对图像的理解有直接影响。本文根据图像分割原理及人眼视觉的基本理论，研究图像的彩色模型及图像分割的常用方法，比较各方法的特点，并选择合适的方法对图像进行分割。本文采用MATLAB软件对图像进行彩色坐标变换及阈值分割，计算简单，具有较高的运行效率，分割的结果是使图像更符合人眼的视觉特性，获得比较好的效果。关键字：图像处理；图像分割；人类视觉；MATLAB ABSTRACTImage processing of the emerging disciplines, in a short span of decades to the rapid development and

3、is widely used in military, aerospace, medical and other fields. Today's information society it is eye-catching multi-media technology an important part.This paper reviews the image processing in the human visual segmentation and the basic theory and commonly used method, combined with the cells

4、 to deal with image color space conversion and split. And through the MATLAB platform to realize color image segmentation. This article first discusses the basic principles of vision, including the structure of the human eye, the human eye's visual system, color vision, color, etc. In this paper

5、, The basic principle of color image processing is also carried out preliminary study was mainly aimed at the visual characteristics of the human eye to choose the appropriate color model to color images converted from RGB space to reflect the characteristics of human visual processing of the HSI sp

6、ace and then. Color images of cells after conversion model for the operation of division.In this paper, the threshold segmentation of cell image segmentation is using methods. Threshold segmentation method applied to objects and background have a stronger contrast to the situation, it is important t

7、hat the gray background or objects in a single comparison, the calculation is simple, with high operating efficiency. The results of segmentation are to make the image more in line with the visual characteristics of the human eye and to obtain relatively good results.Keywords: image processing; imag

8、e segmentation; MATLAB; human visual目 录第一章 绪论1.1 前言数字图像处理技术是一个跨学科的领域。伴随着计算机科学技术的不断发展，图像处理和图像剖析逐渐形成了自身的科学体系，新的处理方式数见不鲜，虽然它的发展时间不长，但却引发了各方面人士普遍的关心。起初，视觉是人类最重要的感知方式，图像又是视觉的根基。于是，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们探索视觉感知的有效用具。其次，图像处理技术在遥感、气象、军事等大型应用中也有不断提高的需求。图1.1 数字图像处理系统的构成图像处理技术的基本内容图像处理技术通常是指数字图像处理技术。数字图像

9、是指用数字摄像机、扫描仪等设备通过采样和数字化获得的一个大的二维数组，该数组的元素称为像素，它的值为一整数，称为灰度值。数字图像处理技术的内容，主要包括下列几个方面。1、图像获取数字图像处理获取研究的主要方式是把一幅连续的光学图像变化成一幅数字图像。连续的光学图像一般需要经过采样、量化和编码构成一幅数字图像。2、图像变换图像变换是在许多图像处理和分析的基础上，其研究的主要内容是把图像从空间域变换成另一个域（频域），并完成对处理图像的分析，然后通过反变换得到处理的图像。图像变换可以更快地完成复杂的空间域处理。3、图像增强图像增强是提高图像质量的重要手段。图像增强的主要目标有两个：一个是改进图像的

10、视觉质量，如提升图像的亮度、加强图像的对比度，去除图像中的噪声等等；另一个为了满足机器视觉的需求，更好地进行机器视觉处理。图像增强是图像处理的一个重要组成部分，图像增强技术主要分为空间域增强和频域增强两大类。前者指直接在空间域，即在图像的平面自身实现图像的加强处理；后者主要指的是图像的傅立叶变换，变换到频域处理，然后通过反变换增强图像。4、图像复原技术图像恢复技术的主要内容是将图像退化模型，并根据图像退化的原因，恢复退化图像，以获得高质量的图像。图像复原可以分为无约束图像复原和有约束图像复原。5、图像编码技术编码是图像压缩的一种重要手段，它满足一定的保真度的要求。图像数据的压缩，使图像数据的存

11、储与传输更便利。按照编写代码过程当中是不是有损失，可以将图像编码分为有损压缩编码和无损压缩编码。在编码过程中的编码无损压缩是没有图像信息的丢失的，从而能够从压缩数据中准确地恢复原始图像；有损压缩编码在编码过程中的有损压缩是图像信息损失，因此不能基于压缩数据准确地重建原始图像，有一定程度的失真。按照编码机理能够将图像编码分为变化编码、混合编码、预测编码和熵编码等。6、图像分割技术图像分割技术是非常重要的图像处理技术之一，无语是在理论研究还是在实际应用中人们都非常的重视。图像分割有许多的种类和方式，一些分割运算能够直接应用于任何图像，而另外一些却只适用于特别种类的图像。图像分割技术是从图像处理技术

12、，再到后期的图像分析的关键步骤，图像分割结果的好坏，可以说对图像的理解有直接影响。图像数据的模糊和噪声的干扰是分割问题的两大难题。到目前为止，还没有一个完美的图像分割方法，可以根据人的意愿精确地分割任何一种图像。现实图像中景物情况各种不同，具体问题需具体分析，按照实际情况选择得当的方法。分割成果的好坏或正确与否，到现在为止，尚无一个统一的评价和判断标准，分割的好坏务必从分割的效果和现实应用的场合来判断。然而，在人类研究图像的历史长河中，仍然积累了许多经典的图像分割方法。固然这些分割方法不可以适应全部种类的图像分割，可是这些方法却是图像分割方法进一步发展的根基。实际上，当代一些分割算法恰巧是从经

13、典的图像分割方法中产生出来的。图像分割法大致可以分为三个种：边缘检测法，阈值分割法和基于区域的图像分割法。1.2 MATLAB简介MATLAB是一种科学计算软件，专门以矩阵的形式处理数据。它是一种用于算法开发、数据分析、数值计算和数据可视化的高级技术计算语言和交互式环境。除绘制函数、数据图像、矩阵运算等经常使用的功能外，MATLAB还能用来建立用户界面和挪用其他的语言（包括C，FORTRAN和C+等）编辑的程序。MATLAB软件是当今很流行的一款科学计算软件，其主要由Simulink、主包和工具箱三部分组成。Simulink是一种用于动态系统仿真的交互式系统。MATLAB主包有五部分：MATL

14、AB语言、MATLAB工作环境、句柄图形、MATLAB数学函数库和MATLAB应用程序接口（API）。MATLAB工具箱是MATLAB是用来办理各个领域内特定问题的函数库，它是开放式的。即可以应用，又可以根据需要进行扩展。本课题的目标是完成基于MATLAB实现数字图像分割。1.3 视觉研究现状因为图像处理的很多目的都是辅助人更好地察看和了解图像的信息，因此，有必要研究人类视觉系统的特点，并研究它的等效数学物理模型，从而在进行图像处理时，认为这是考虑整个加工系统的一部分。不过，由于现代科学技术发展的程度还不能确切地表明有关人类视觉的全部生理、物理过程，因此对人类视觉系统模型的讨论，只可建立在假设

15、和实验结果相符合的基础之上，在现实生活中，图像大部分都是彩色的，因此，很有必要研究人类视觉对彩色的感知规律。人类视觉系统是一个非常复杂的系统，目前主要研究机器人的视觉使机器人具有视觉感知功能的系统。机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、显示或输出。机器视觉系统是指用计算机来实现人的视觉功能，即用计算机来实现对客观的三维世界的辨别。按照如今的理解，人类视觉系统的感应部分是视网膜，它是一个三维采样系统。所谓的三维理解是指对被察看对象的尺寸、形状、脱离观察点的距离、运动特征（方向和速度）和质地等的理解。1.4 视觉研究与彩色图像坐标转换1.4.1 视觉研究与图像处理数字图像处理

16、，也称为计算机图像处理。它是将图像信号转换成数字形式并利用计算机对其进行各类目的的处理。彩色图像处理的目标是辅助人更好地察看和了解图像中的信息，处理方案的选择和设计与信宿与信源的特征密切相关。所谓信宿就是是信息处理的接收器人类视觉系统,图像源是治疗前或后处理。所以明了图像特征和人类视觉系统对彩色的感知规律是非常重要的。人的眼睛对彩色图像的视觉感觉要比对黑白图像丰富很多，彩色数字图像的收集、处理及显示技术在医学、印染、电视等领域中获得日益普遍的应用。为了使用科学的手段，特别是计算机来处理彩色信息，务必可以使用定量的方式来描述彩色信息，即创建彩色模型。视觉研究就是对探讨人的视觉系统对彩色的识别能力

17、，然后通过图像分割得到图像的最佳的视觉效果。因此视觉研究和图像处理是相互联系、相互影响和相互作用的。1.4.2 视觉研究在彩色图像坐标转换的应用当代颜色视觉理论主要有两大类：一是杨一赫姆霍尔兹的三色学说，另一个是赫林的“对立”颜色学说。前者以颜色混合的物理规律作为起点，后者以视学现象作为起点，两者都可以解释很多现象，但他们都有缺点。比如三色学说是最大优越性是能充分说明各类颜色的混合现象，但最大的因难是不能够满意地诠释色盲现象。但对于色盲现象的对立理论可以较好地解释，但最大的困难是三原色可以产生各种颜色这一现象并不能完全解释的物理现象，这是现代色度学基础。l 颜色的三色学说科学家研究中的一种学说

18、以为：人的视觉神经系统中惟有感绿、感红、感蓝三种基本的视神经，这三种视神经末梢的细胞分别含有对不同色光敏感的光敏感素，绿色细胞，红细胞和蓝色敏感细胞，分别对光谱中的绿光、红光、和蓝光最为敏锐，达到兴奋刺激的高峰值，便会分别产绿生色、红色和蓝色的感觉。l 颜色的四色学说另外一种理论认为：在视网膜中存在三对视素，即黑白视素、红绿视素和黄蓝视素。三对视素的新陈代谢作用主要包含建设和破坏两种对立的过程（或者称为同化和异化两种对峙的过程），当白光刺激时，“破坏” 黑白视素，引起视觉冲动，产生白色感觉。这就是赫林的“对立颜色学说”也称颜色的“四色学说”。l 颜色视觉的阶段学说第三种理论学说是在前面两个基础

19、上建立起来的一种新学说，称为颜色视觉的“阶段学说”理论。该学说以为：视网膜中存在着三种差异的色彩感受器，它们是三种感色的锥细胞，每种锥细胞具备不同的光谱敏感特性。与此同时，视神经系统中能够发出三种反馈，它们分别是：红绿（RG）反应、光反应（L）和黄蓝反应（YB）。同时也可以说：视网膜的锥体细胞是一种颜色（系统），当将所接收到的视觉信息向脑皮层视区的传导时，在传到的过程中变为了四色系统（机制）。它们分别支持了“三色学说”和“四色学说“理论。1.5 研究目的与内容1.5.1 研究目的视觉是人类最高级的感知器官，所以图像在人类感知中承担着非常重要的角色，这是毋庸置疑的。本文的主要研究目的是对图像的分

20、割方法进行研究，选择适合本论文的设计方法，然后通过对图像的分割，以达到人眼的最佳视觉效果。本课题主要是通过对人眼的视觉系统研究，然后选择与人眼视觉系统密切相关的颜色模型进行颜色空间模型之间的相互转换，再对图像分割方法进行比较选择合适的分割方法，通过MATLAB平台实现彩色图像分割，最后对分割后的图像进行比较来获得到最佳的视觉效果。1.5.2 本文主要内容第一章绪论，主要详细介绍了图像处理的内容，目前人类视觉研究的现状主要以研究机器人的视觉以及与图像处理之间的关系，和它在彩色图标中的应用，并且说明了本课题的主要研究目的与内容。第二章视觉基本理论，详细叙述了人眼的构造；人眼的视觉系统；颜色视觉中的

21、颜色的定义、分类、属性以及混合颜色；色度学的基本原理；目标物体的彩色坐标转换，包括彩色色度学模型及它们之间的相互转换公式，工业彩色模型，彩色视觉模型。 第三章图像处理技术基础，叙述了图像处理的技术背景和彩色图像格式的类型，主要介绍了常见的几种彩色图像文件格式类型。彩色图像分割技术中主要介绍阈值分割，边缘检测，区域生长以及区域集合。第四章主要论述彩色图像分割的MATLAB实现，根据第三章中的转换公式，运用MATLAB编写程序得出原始图像，转换后的图像以及分割后的图像，然后对这些图像进行比较、分析，最终得出结论。 第二章 视觉基本理论2.1 视光学人的视觉系统是一和结构精巧、性能卓越的图像处理系统

22、，充分了解人眼的视觉原理、视觉特征及视觉模型，对人类设计更为合理的图像系统是非常有帮助的。视觉是人类最基本的功能，它能够进一步分为视觉感觉和视觉知觉。两者中视觉感觉是属于较低层次的。她主要承担接受外部刺激的功能，所需要思考的主要是刺激的物理特征和对人眼睛的刺激程度。然而，知觉处于较高层次，主要是通过人脑的神经活动将外部刺激转化为有意义的内容。在很多情况下，视觉主要指视感觉。2.1.1 人眼的结构人类眼睛是球状器官，它的平均半径约20mm。它是由三层膜包围起来的。如图2.1所示。图2.1 眼球的水平剖面图眼睛的形状为一个圆球由三层薄膜包着。其中，最外层为坚固的蛋白质膜，前方大概1/6部分是有弹性

23、的透明组织，把它叫做角膜，光线就是从这里进入眼睛内部的，剩下的5/6部分是白色的不透明组织，把它叫做巩膜，它的作用是巩固和保护整个眼球。中间的一层是虹膜以及脉络膜构成的。在虹膜的中间位置有一个小圆孔，它是瞳膜。瞳膜可以改变大小，并且像照相机中的光圈一样，能够控制进入眼睛内部的光通量大小。由于种族的差异，虹膜也就产生了不同的颜色，比如褐色、蓝色、黑色等等。在眼球的最内层的叫做视网膜，在视网膜的表面散布着许多的感光细胞。根据形状的不同，将这些光敏细胞能够分为两种类型：锥状和杆状。锥状细胞既具有辨别光的强弱的能力，有能够分辨颜色，日间的视觉过程主要就是依靠锥状细胞来完成，因此锥状视觉又被称作是白昼视

24、觉。相比锥状细胞来说，杆状细胞的数量众多，因为杆状细胞普遍散布在视网膜的表面之上，由于有若干个杆状细胞衔接在一根神经上，所以无法分辨出图像中的细小之处，却只能够感知视线中景物的外貌形象。虽然杆状细胞不能够感觉颜色，但是它对于低照明度的景物却相当的敏锐，因此，晚上观察到的景物只有浓淡和黑白之分，却看不清景物的色彩不同。因此，杆状视觉又被叫做是夜视觉。光敏细胞在视网膜上的分布如图2.2所示。图2.2 光敏细胞在视网膜上的分布情况人类眼睛在察看周围景物时，光线依次经过角膜、前房水状液、水晶体、后房玻璃体，最后成像在视网膜的黄斑区附近。由于视网膜表面上的感光细胞接受到不同强弱光的刺激，所以会产生电脉冲

25、强度也不同，电脉冲通过神经纤维传递到视神经中枢，因为感光细胞的位置不同，各位置的受到的光刺激强弱也不同，所以产生电脉冲也不同。最终，大脑中就形成一幅景物的图像。2.1.2 视觉系统据有关资料得知，人的视觉现象99.99%是由生理和物理因素引起的，只有0.1%是由心理因素引起的。人的视觉系统，如图2.3所示可以分成四个部分：视神经传导途径、人的眼睛（眼球）、视觉皮层及侧外膝状体。景物在左、右眼视网膜接收器上形成景象，这些视网膜接收器通过光化反应能将接受的光能变成电脉冲，电脉冲后来再通过视神经传递到视径交叉，然后再传送到侧外膝状体，最终到达大脑中的视觉皮层。 图2.3 人的视觉系统结构每当眼睛感受

26、到的光包括全部的可见光信号时，并且它的强度差不多相近时，人们感觉到的就是白光。当在白光的照射下时，如果物体能够反射80%以上的入射光，那么物体看上去也是白色的。如果物体反射的光小于3%的入射光，那么看上去就是黑色的。反射光在两者之间时，就对应不同程度的灰度。为了容易表示，反射光的光强度能够归一化到01之间,0对应的就是黑色，而1对应的就是白色，其中间值对应相对的灰色。在计算机图像处理中，首要思考锥状细胞的生理反应和感觉特性，然而对于那些在光功率非常低的情况下才会起作用的杆状细胞的研究却非常少，总的来说，人类的视觉系统对色彩的感知大致能够归纳为以下几点：(1)人眼的本质上就是一个照相机，人眼的视

27、网膜主要是用神经元来感受外面世界的色彩，每一个神经元或一个颜色敏感的锥体细胞，或是几个对颜色不敏感的杆状细胞。(2)视觉的三色理论认定，人类眼睛中存在三种对频率响应不同的锥状体细胞，依次是对红、绿、蓝三种基色存在最强的反映，当不同颜色的光刺激人类眼睛时，能够引起三种不同锥状细胞不同的响应强度，最终组合并且产生各类不相同的色彩。(3)红、绿和蓝三种锥状细胞在频率不同的光照射下，它的感知程度也是不同的，同时，对于亮度不同的光感知程度也是有差别的。也就是说，人类能够通过数字图像处理技术来减小数据率却使得人感觉不到彩色图像质地下降，这个特性为图像处理提供了方便颜色空间有许多的种类，如RGB，CMYK，

28、YIQ，HIS，YUV等。在某个特定的颜色空间中，人类眼睛对于各个分量的敏感程度是不相同。2.1.3 颜色视觉1、颜色的定义颜色是通过脑、眼和我们的生活经验所孕育出的一种对光的视觉效应。人对颜色的感觉不单单由于光的物理性质所确定，例如人类对颜色的感觉常常会受到四周颜色的影响。有时候人们也会将物质产生不同颜色的物理特征直接叫做颜色。颜色是人对光的感知，也就是说，黑色就是人对无光的感知，准确来说黑色不能够算作是一种真正的颜色。2、颜色的分类颜色分为两大类：非彩色和彩色。非彩色即指白色、黑色和介于这两者之间深浅不同的灰色，也被称作为无色系列。而彩色则是指除了非彩色以外的所有颜色。3、颜色的基本属性颜

29、色有三个基本属性，分别是色调、亮度和饱和度。2.2 目标物体的彩色坐标转换常用的彩色色度学模型有RGB模型、HSI模型和CMY模型。RGB模型R表示红(Red)，G表示绿(Green)，B表示蓝(Blue)。HSI模型H表示色调（Hue），S表示饱和度（Saturation），I表示亮度（Intensity）。CMY模型C表示蓝绿（绿加蓝），M表示品红（红加蓝），Y表示黄（红加绿）。下面是这三种模型之间的转换公式。1、RGB转换到HIS公式： 式（2-1） 2、HIS转换到RGB公式：当H在00,1200之间 式（2-2）当H在1200,2400之间 式（2-3）当H在2400,3600之间

30、式（2-4）3、RGB转换到CMY公式： 式（2-5）4、CMY转换到RGB公式： 式（2-6）第三章 图像处理技术基础3.1 技术背景人类通过眼、鼻、耳、身、舌接收信息，来感知外部世界，从而认识世界和改造世界。据统计，人类取得的信息中，超过75%是从视觉角度获取的，也就意味着是从图像中获取的。图像是物体经过反射或透射客观存在的能量，或者由发光物体自身散发的光能量，在人的视觉体统中构成的视觉信息。客观的世界是三维的，但是一般从客观景物获得的图像是二维的。简单地说，图像是二维或三维景物展现在人心目中的影像。若接受并加工辨别视觉信息的是电子计算机，那么就叫做计算机图像处理和识别。3.2 彩色图像格

31、式由于不同的开发商自己定义的图像格式都不完全一致，因此目前数字图像有多种存储格式。要想实行数字图像处理，就务必先了解图像文件的各种格式。一般来说，图像文件都由文件头和图像数据两部分组成的，文件头的内容和格式是由制作该图像文件的公司决定的，大致包括文件类型、文件大小、版本号等内容。常见的彩色图像格式包括：BMP格式、GIF格式、TIFF格式、PNG格式、JPEG格式。下面详细介绍这几种彩色图像文件格式。1、BMP图像文件格式BMP是英文Bitmap的简写，它是Windows操作系统中交换图像、图形数据的一种标准格式，其全称是设备独立位图（Device Independent Bitmap，DIB

32、）。BMP图像文件也称为位图文件，主要包括4个部分：调色板、文件头、位图信息头、位图数据。2、GIF图像文件格式GIF(Graphics Interchange Format，图像交换文件格式)是由Compuserve公司开发的图像文件格式，目前是在不同的系统平台上交流和传输图像，现已称为BBS和网络上图像传输的通用格式。GIF格式的所有图像数据均为压缩过的，采用的压缩算法是LZW算法，其性能优于RLE算法，能提供1:11:3的压缩比，压缩效率高。LZW压缩算法的特性在于其能够动态地标记数据流中出现的重复串， 并且它把压缩过程中碰到的字符串记载在这张字符串表中，下次再遇到这一字符串时，就用一短

33、代码表示它，从而达到了压缩数据量的目的。 3、TIFF图像文件格式TIFF（Tagged Image Format File）格式是由Aldus公司与微软公司共同开发设计的图像文件格式，大部分数据扫描仪扫描输出的图像文件格式均为TIFF。TIFF格式支持任何大小的图像，从单色的二值图像到24位的真彩色图像，它普遍的应用在单面排版系统及和它有关联的应用程序，并且与计算机的结构、操作系统和图像硬件无关。TIFF图像文件格式的压缩方式有很多种，如游程编码压缩、LZW压缩、紧缩位法编码压缩等，也有的TIFF图像文件存放在物理介质上，没有进行压缩编码，但存放时尽可能地节约空间。4、PNG图像文件格式PN

34、G是90年代中期开始开发的图像文件存储格式，其目的是替代GIF和TIFF文件格式。其格式标准由W3C制定。PNG的特色：既可使用调色板方式存储颜色，又可以直接存储颜色值；可以存储最高48位彩色图像；采用类似LZW的deflate压缩算法实现无损压缩；可以类似GIF的渐进方式传输图像；支持图像透明显示兼容性好。5、JPEG图像文件格式JPEG（Joint Photographic Experts Group,联合图像专家组）是由ISO和IEC为静态图像所创立的第一个国际数字图像压缩准则，主要目的是解决专业摄影师所碰到的图像信息过于巨大的问题。JPEG格式最大的有点是解约存储空间、处理速度快，但由

35、于JPEG是有损压缩，无论压缩比大小如何，图像的信息多多少少会损失，而且被压缩的部分不可恢复，因此图像质量往往有所下降。3.3 彩色图像分割技术彩色图像分割是数字图像处理领域中一种十分重要的图像分析技术，在对图像的研究和应用中，按照不同领域的不同需求，在某个领域常常只对原始图像中的某些局部感兴趣。这些目标区域通常来说都具备本身特定的少许诸如纹理、颜色等性质，彩色图像的分割主要按照图像在不同区域内的不同特征，从而对图像进行边界或区域上的分割，并从中提取出所关心的目标。3.3.1 阈值分割法阈值分割法是灰度图像分割中采用非常普遍的一种方式。从灰度图像中分挑出有意义区域的最基本的方法便是设定阈值的分

36、割方法。阈值法是采用图像中要获取的目标物和其背景存在灰度特征上的差异。比如设定一个灰度阈值，但凡灰度值低于此阈值的像素都变成某一个指定的灰度值，然而灰度值高于这个阈值的像素都设置成另一指定的值。这样就能够将图像中的背景和物体用两种不同的灰度级区分开来。阈值分割法适合用在物体与背景有较强对比性的情况下，重要的是背景或者物体的灰度相对单一。本次主要采用的是直方图阈值分割法。分割时，选择的阈值应该位于直方图两个不同峰之间的谷上，这样方便将各个峰区分开来。本论文采取的是一种多维直方图阈值化方案，阈值是从不同的颜色空间(RGB、YIQ、HSI)中选出来的，并且用作区域分裂。设原始图像，以一定的规则在中选

37、取一个合适的灰度值，作为阈值，则分割后的图像，可由下式表示设原始图像，以一定的规则在中找出一个合适的灰度值 式（3-1） 或 式（3-2）另外，也能够将阈值设置为一个灰度范围t1,t2，凡是灰度在范围内的像素都变为1，否则皆变为0,即 式（3-3）某种特殊情况下，高于阈值的像t素保持原灰度级，其它像素都变为0，称为半阈值法，分割后的图像可表示为： 式（3-4）阈值法不仅计算简单，并且具有较高的运行效率。3.3.2 边缘检测法图像边缘是图像最基本的特性之一，它的实质是图像局部的不连续性，比如灰度级的突变、颜色的突变、纹理结构的突变等。边缘存在于目标和背景、区域和区域、目标与目标之间，能够勾画出目

38、标物体的轮廓，并且给观察者给予了十分直观的信息（如形状、方向等），是目标辨别的重要属性。边缘检测是灰度图像分割普遍采用的一种技术，它是基于在区域边缘上的像素灰度转变比较猛烈，通过检测不同区域的边缘来处理图像分割的问题。在灰度图像中，边缘的定义是基于灰度级的转变，并且两个区域的边缘惟有当亮度变化明显时才能够被检测出来。在彩色图像中，使得用于边缘检测的信息更加，比如具备相同亮度、不同色调的边缘一样能够被检测出来。相对应地，彩色图像边缘的定义也是基于3维颜色空间的不连续性。对于彩色图像分割来讲，现有的灰度边缘检测技术能够直接作用于彩色图像的3个分量上，其结果再根据给定的方法进行归并，常用的合并方法有

39、求和、均方根、取最大绝对值、“或”运算等 。3.3.3 区域生长法区域生长法是指将具备某种相似性质的像素集合区域生长成更大区域的过程。在实施区域生长时，最初要在每一个分割的区域内选取一个像素作为种子像素，也就是当作生长的起点，而后对比种子点附近领域的像素，把与种子像素具备类似属性的像素归并到种子像素所属的区域内。区域生长法是一个反复的流程，这些生长的像素将会在一直不断的生长，一直到没有满足条件的像素能够归并，才算实现一个区域的生长。在区域生长中主要的问题如下：l 代表区域的初始化种子的选取；在区域生长过程当中，这些不同区域点适合属性的选择。l 相似性：相似性代表在灰度级中值察看在两个空间邻接像

40、素之间或者像素集合的平均灰度级间的最小差分。它们将会孕育出不同的区域。若这个差分比相似度阈值小，那么像素属于同一区域。l 基于图像具体属性的像素生长不一定是好的分割。在区域生长的过程中，不应采用邻近或贯通性信息。l 区域面积：最小面积阈值与像素中的最小区域大小相关。在分割的图像中，没有比这个阈值小，它由用户定义。区域生长的后处理：因为非优化参数的设定，区域生长常常会引起过生长或者欠生长。人们已经创建了许许多多的后处理，从基于边缘和区域生长的分割中，后处理能得到联合分割的信息。更简单的后处理方法是基于一般启发法，根据最初设定的均匀性标准，减少那些无法与所有邻近区域合并的小区域的数目。3.3.4

41、分水岭分割法分水岭分割法是一种重要的形态学图像分割法，而且具有成熟的迅速算法。在分水岭分割法中，待分割的图像被当作地形学上被水覆盖的自然地貌，然后将图像中的每个像素的灰度值示意为该点的海拔高度，其每个部分极小值和其影响区域叫做集水盆，而集水盆的边界则是分水岭。在分水岭分割方法中，由于灰度值的不同，每个局部极小值孕育出互不重合的分割区域，作为分水岭或集水盆地，则各个区域之间的边界叫做分割线或者分水线。如图3.1所示在低分辨率下的相似图像经分水岭算法进行初始分割后的结果。图3.1 分水岭分割法因为在分水岭分割法中，对应每个局部极小值都孕育出一个分割区域，于是获得的初始分割结果是过分割，于此同时不同

42、颜色之间的边缘几近全数被包括在分水线之中。所以将属于同一类色彩的初始分割区域根据特定准则进行统一，可以获得预期的效果图。本文使用一种基于图像空间和颜色关连区域统一标准，按照各个初始分割区域的色彩差别和空间上的邻接关系确定各个区域的合并次序。依然采用归一化的H和S份量来权衡不同区域的色彩差别，如式2-11所示。因为归一化H份量是从小到大依次以合拢环状散布，即最小值0和最大值1表示相似的色彩，所以H份量的间距计算方法不同，如式3-6所示。 式（3-5） 式（3-6）上式中，i，j表示随意2个初始分割区域；RH代表归一化H份量的平均值，RS代表归一化S份量的平均值；D(i，j)表示区域i，j之间的色

43、彩差别。两个相邻区域的结合度由公有边界的像素数目以及边界处像素的梯度差决定，如式3-7所示，N(i，j)表征结合度。 式（3-7）上式中，E(i，j)表示区域i，j之间的边界区域；M为梯度图像；E(i，j)为区域E(i，j)的像素数量。色彩差别和结合度一起确定各相邻区域对的归并的优先级，如式3-8所示，是由实验取得，一般取值0.8。每次将优先级最高的即F(i，j)值最小的2个相邻区域进行合并，合并后区域的RH和RS和相应F(i，j)重新计算，而后进入下一次合并流程。 式（3-8）结果如图3.2所示。图3.2 区域合并的结果3.3.5 其他方法彩色图像分割是彩色图像处理的重要问题之一。彩色图像分

44、割技术能够当作灰度图像分割技术在各类颜色空间上的应用。除了以上介绍的四种方法之外，还有以下几种彩色图像分割法：模糊方法、特征空间聚类法、神经元网络法、基于物理模型方法等。第四章 彩色图像分割的MATLAB实现4.1 MATLAB语言：阈值分割法实现图像分割4.1.1 设计流程图4.1阈值分割设计流程图如图4.1所示，为阈值分割设计流程图。阈值分割法具体流程：（1）首先需要设置一个合适的阈值；（2）读入图像；（3）通过判断图像中每一个像素点的特征属性是否满足阈值的要求；（4）若大于阈值则属于目标区域，若小于等于阈值时，则属于背景区域。4.1.2 MATLAB程序1、RGB图像分割代码如下:d=i

45、mread('xibao.JPG'); %读入原始图像imshow(d); %显示原始图像r g b=size(d); %计算图像数据矩阵的行列数threshold=65;for i=1:rfor j=1:gfor k=1:3R=double(d(i,j,1);G=double(d(i,j,2);B=double(d(i,j,3); %实现等式转换if d(i,j,2)>65 %判断与阈值的大小关系d(i,j,2)=255;else d(i,j,2)=0;endendendendfigureimshow(d)程序经过运行输入图片后，得出如图4

46、.3所示： 图4.2 原始图 图4.3 分割后的图像2、根据第二章中的公式（2-1） RGB到HSI的转换程序代码如下：d=imread('xibao.JPG'); %读入原始图像r g b=size(d); %计算图像数据矩阵的行列数for i=1:rfor j=1:gR=double(d(i,j,1);G=double(d(i,j,2);B=double(d(i,j,3); %实现等式转换I=(R+G+B)/3;S=1-3*min(R,G,B)/(R+G+B);H=acos(0.5*(R-G)+(R-B)/(sqrt(R-G)2+(R-B)*(G-B)+eps); %计算公

47、式if B<=GH=H*180/pi;elseH=360-H*180/pi;endendendfigureimshow(d)threshold=65;for i=1:rfor j=1:gfor k=1:3R=double(d(i,j,1);G=double(d(i,j,2);B=double(d(i,j,3); %实现等式转换if d(i,j,2)>65 %判断与阈值的大小关系d(i,j,2)=255;else d(i,j,2)=0;endendendendfigureimshow(d)加入分割程序经过运行输入图片后，得出如图4.4所示： 图4.4 H

48、IS模型分割图3、根据第二章中的公式（2-5） RGB到CMY的转换程序代码如下：d=imread('xibao.JPG'); %读入原始图像imshow(d); %显示原始图像r g b=size(d); %计算图像数据矩阵的行列数for i=1:rfor j=1:gR=double(d(i,j,1);G=double(d(i,j,2);B=double(d(i,j,3);r1=R/255;g1=G/255;b1=B/255;C=1-r1;M=1-g1;Y=1-b1; %计算公式if(M<0.67) %当现有的元素小于0.67时，跳出for循环endendendfigu

49、reimshow(d)threshold=65;for i=1:rfor j=1:gfor k=1:3R=double(d(i,j,1);G=double(d(i,j,2);B=double(d(i,j,3); %实现等式转换if d(i,j,2)>65 %判断与阈值的大小关系d(i,j,2)=255;else d(i,j,2)=0;endendendendfigureimshow(d)加入分割程序经过运行输入图片后，得出如图4.5所示：图4.5 CMY模型分割图4.2 MATLAB语言：边缘检测法实现图像分割4.2.1 设计流程图4.6 边缘检测法设计流程

50、图如图4.6所示，为边缘检测法的设计流程图。对于彩色图像分割来说，边缘检测技术可以直接应用于彩色图像上。具体流程：（1）读取图像；（2）直接加上算子检测，便可以得到分割后的效果图。4.2.2 MATLAB程序边缘检测法分割代码如下:f=imread('C:UsersdjDesktopMATLABxibao.JPG');f=rgb2gray(f);f2=imnoise(f,'salt & pepper',0.3);figuresubplot(2,3,1);imshow(f);title('灰白原图');g,t=edge(f,'rob

51、erts','both');subplot(2,3,2);subimage(f);title(' Roberts算子对图像分割的结果 ');g,t=edge(f,'sobel','both');subplot(2,3,3);subimage(g);title(' Sobel算子对图像分割的结果 ');g,t=edge(f,'prewitt','both');subplot(2,3,4);subimage(g);title('Prewitt算子对图像分割的结果 '

52、;);g,t=edge(f,'log');subplot(2,3,5);subimage(g);title('LOG算子对图像分割的结果 ');g,t=edge(f,'canny');subplot(2,3,6);subimage(g);title('canny算子对图像分割的结果 ');运行程序后，得出如图4.7示： 4.7 边缘分割后的图像4.3 MATLAB语言：区域生长法实现图像分割4.3.1 设计流程图4.8 区域生长法设计流程图如图4.8所示，为区域生长法的设计流程图。区域生长法流程如下：（1）首先要选择生长点，确定种

53、子像素；（2）读取图像；（3）通过扫描图像中每一个像素点的特征属性是否与种子像素相似；（4）若与种子像素则合并入生长区域内，反之，则不选入生长区域内。4.3.2 MATLAB程序区域生长法分割代码如下:image=imread('xibao.JPG');f=rgb2gray(image);f=rgb2gray(image);subplot(1,2,1);subimage(f);%选择三个种子点seedx=63,10,85;%xibao图的生长点seedy=30,56,60;hold onplot(seedx,seedy,'gs','linewidth&#

54、39;,1);title('原始图像及种子点位置');f=double(f);markerim=f=f(seedy(1),seedx(1);for i=2:length(seedx)markerim=markerim|(f=f(seedy(i),seedx(i);end%3个种子点区域的阈值thresh=12,6,12;maskim=zeros(size(f);for i=1:length(seedx)g=abs(f-f(seedy(i),seedx(i)<=thresh(i);maskim=maskim|g;endg,nr=bwlabel(imreconstruct(m

55、arkerim,maskim),8);subplot(1,2,2);subimage(g);title('三个种子点区域生长分割结果');运行程序后，得出如图4.9所示：图4.9 区域生长法分割后的图像4.4 MATLAB语言：分水岭分割法实现图像分割4.4.1 设计流程图4.10 分水岭分割法设计流程图如图4.10所示，为分水岭分割法的设计流程图。它采用了分级阵列结构，按照像素的高低来确定所选元素的优先级。具体流程：（1）分级队列的初始化，扫描所有标记的邻居像素，将未有归属的邻居像素按优先级不同放入不同优先级的队列；（2）4.4.2 MATLAB程序分水岭分割法代码如下:rgb = imread('xibao.JPG');I = rgb2gray(rgb);imshow(I) %读入彩色图像，将其转化成灰度图像hy = fspecial('sobel');hx = hy'Iy = imfilter(double(I), hy, 'replicate');Ix = imfilter(double(I), hx, 'replicate');gradmag