matlab的图像分割算法分析与仿真实现(附件)【字数:12299】
摘 要摘 要图像处理在它漫长的研究历程中已经慢慢地形成了一套自己的科学体系,所以它的新处理方法也随之而层出不穷。而在这个图像处理发展的过程中,图像分割又一直都是最基础,也是最重要的领域之一。所以不仅得到国内人士的关注和研究也受到了海外研究人士的关注,也在很多方面得到应用并取得一定的成果,但是也一直都有一个缺憾就是到目前为止还没有人能研究出一种唯一的标准分割法,所以在未来的发展历程中还需要我们多加探索,挖掘图像分割更多的方法【1】。 图像分析的那些经典的研究课题就包括了灰度阈值分割、边缘检测和区域法。就现在已经研究出的理论和方法都有很多不到位的地方,所以我们仍然需要不断的对这些算法进行改进和进一步的发展。我们现在所常用到的一些经典分割运算都能对任何图像进行一个直接的操作,但是仍然有些算法应用范围比较狭窄,只能针对有一些比较特殊的图像。为了更精确的从图像中获取更多我们想要的信息,我们不得不在面对某些图像处理前先进行一个粗分割的操作流程【2】。另外,我还要强调说明的是边缘跟边界并不是同一个意思,它们所代表的意义也不一样。如果一个图像中的某个地方的像素值存在着突变,那么这个地方就是边缘;而边界则位于我们已知存在的物体跟生活的真实场景之间【3】。除此以外,在成像的过程中需要我们特别考虑到的两大因素就是光照和噪声。由于现实中的图像都存在特殊性跟不规则性,所以有很多分的图像分割都没有办法完全依靠计算机来自动完成,但是如果人为进行操作分割的话,又存在着很多的定位不准确跟操作量太大的问题。因此,就有人提出了采用人跟计算机相互配合进行操作的想法,利用计算机的定位精准跟人细节上的把握从而导致对目标轮廓的一个更快更精准的定位,既省时又省力【4】。若上述的人工交互式能得到实现,那么这个具有重要学术价值的课题——图像分割,一定具有广阔的应用前景,且被越来越多的人加以研究和创新。关键词阈值分割;边缘检测;区域法
目录
第一章 绪论 1
1.1 图像分割技术的背景和国内外研究现状 1
1.2 基本概念 2
1.2.1 图像与数字图像处理 2
1.2.2图像分割的定义 3
1.2.3图像分割的目的与研究意义 3
第二章 MATLAB简介 4
2.1 MATLAB的 style="display:inline-block;width:630px;height:85px" data-ad-client="ca-pub-6529562764548102" data-ad-slot="6284556726"> (adsbygoogle = window.adsbygoogle || []).push({ });
目录
第一章 绪论 1
1.1 图像分割技术的背景和国内外研究现状 1
1.2 基本概念 2
1.2.1 图像与数字图像处理 2
1.2.2图像分割的定义 3
1.2.3图像分割的目的与研究意义 3
第二章 MATLAB简介 4
2.1 MATLAB的 style="display:inline-block;width:630px;height:85px" data-ad-client="ca-pub-6529562764548102" data-ad-slot="6284556726"> (adsbygoogle = window.adsbygoogle || []).push({ });
*好棒文|www.hbsrm.com +Q: ^351916072#
概况 4
2.2MATLAB的语言特点 4
第三章 图像目标分割与提取技术的方法综述 6
3.1 图像去噪 6
3.2 阈值分割 10
3.2.1 概述 10
3.2.2 双峰法 11
3.2.3 迭代法 14
3.2.4 大津法(OSTU法) 16
3.2.5 阈值算法MATLAB仿真结果小结 17
3.3 边缘检测 18
3.3.1 微分算子 19
3.3.1 边缘检测MATLAB仿真结果小结 25
3.4 区域法 26
3.4.1 区域法MATLAB仿真结果小结 28
结 论 29
致 谢 30
参 考 文 献 31
第一章 绪论
图像分割技术的背景和国内外研究现状
在之前的一些图像分割中,主要采用两种方法来进行实施分别为边界法和区域法。边界法主要就是通过对边缘的一种假设来求得的,若某个图像已经经过分割处理,那么其中的某个区域就在未经处理前的图像中存在边缘。而后面所说的区域法其实也同样是通过对区域性质的一种假设来进行计算的,图像在经过一定的分割处理会有很多的子区域产生,那么这些子区域的性质就一定都一样,相反若本身的区域就不相同,那么区域里的像素性质也肯定是不一样的。通过上文中描述的一些简单介绍我们可以发现都是各有所长,也各有所短。很自然的就有人猜想能不能结合这两种方法的优点来对图形分割进行操作呢?这样不就扬长避短了吗。但是事实的发展往往与人所想背道而驰,现在的计算机功能越来越多,应用范围也自然越来越广,使得很多用计算机处理的办法变多用来处理纹理图像分割、基于彩色分量分割等等。为此我们也不得不更新很多实验手段来应对这一领域的发展,大到从时域到频域的一个运算和图像分割,小到小波变化都被包含其中。
就目前情况而言,分割问题中存在的最大困难因素就是图像数据模糊跟噪声干扰。而且到目前为止,还没有找到一种能对任何图像进行一个精确分割的方法。毕竟实际中的图像景物情况各异,不可能按照平时处理的图像那么标准,图像处理时每个相对应的问题都要一个个的分析解决,而不能从现有的方法中找出一个能全部解决的。而且到现在为止我们也没能找到一个评判的标准来对分割结果进行一个评定,至于最终所得到的分割效果还是我们自己将它们与现实进行对比所得知的。现在我们很多的图像分割法都是依赖于以前的研究历史,从中发现了许多经典的图像分割法从而加以运用。虽然这些分割法也并不是在所有类型的图像分割中都适合,但最起码也是为我们以后的研究图像分割法奠定了基础。事实上,我们现在很多分割算法就是从这些经典的分割法中衍生出来的。
随着现在很多理论的完善和成熟,图像分割技术发展也得到很大的进步,并且涉及到的应用范围也越来越广泛,比如医学、遥感、红外等领域。现在国内外就已经有很多的大学跟科研机构都专门为此设了机器视觉实验室就是为了对这方面技术进行一个更深入的研究,我们也相信随着图像分割的不断深入研究,更新更精确的分割方法也将会不断被提出和应用。
基本概念
1.2.1 图像与数字图像处理
我们平时所说的图像跟我们所看的实体是有区别。通过观察系统来观察客观世界并获得的各种信息都被称之为图像,实体的定义则是间接作用于人眼系统从而导致视觉感官反应的则为实体。有科学研究表明,人们通过视觉所获知的信息占了全部信息的四分之三,所以它是人们出生以来体验到的最重要、信息量获得最大的东西。
图像出现的形式是各式各样的,有可视跟不可视的,或者抽象和实际的,当然还有适于计算机处理跟不适于计算机处理的。如果就其本质来分则可以分为两大类:第一类为模拟图像,就是类似光学图像、电视图像跟照相图像等等。但是往往事物的发生总是伴随着优势与不足,模拟图像就是这样。虽然它的处理速度比较快,但是精度跟灵活性与其他相比较则要来的差些,故不方便我们的查找与判断。第二类则为连续的模拟图像,就是经过离散化处理从而转化为能够被计算机识别的点阵图像即数字图像。真正的数字图像常用M行、M列矩阵[G]来描述:
[G]=
我们一般都会选用二维数组也就是M行N列(即M*N个像素)的数字图像来对图像进行存储。图像中的每个像素灰度值按固定的顺序在数组T中排放好,然后按各自的位置分别对每个像素进行定义,即数组左上角的像素则定义为第(1,1)个像素,以此类推。
数字图像处理的定义就是对数字图像进行特定模式的加工跟处理,从而使它能够达到人类视觉系统所能接收的图像的处理过程。像对图像去噪,对微弱图像增强,对失真图像校正等等。随着科学技术的飞速发展,数字图像处理在未来的各行各业会得到更多的应用。
版权保护: 本文由 hbsrm.com编辑,转载请保留链接: www.hbsrm.com/jxgc/zdh/1413.html