基于分水岭方法的图像分割方法研究
基于分水岭方法的图像分割方法研究[20200410135623]
摘 要
图像分割能够帮助人们研究图像中的特定目标。图像分割方法多种多样，但是因为图像的复杂性与传输图像的各种噪声，导致图像分割并没有统一的分割方法。现有的很多种分割方法，如全局阈值otsu法分割、边缘检测法。分水岭分割方法具有简单快速有效的优势，但存在过度分割的现象。本文研究以分水岭方法为核心的混合检测算法实现对高密度、目标粘连、灰度变化大图像的可靠分割，仿真结果验证了此方法的有效性。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:图像分割分水岭方法边缘检测法阈值otsu法
目 录
1. 绪论1
1.1 图像分割技术的背景意义1
1.2 图像分割技术的研究与现状1
1.3本文研究内容2
2. 数字图像分割方法3
2.1数字图像的知识基础3
2.2数字图像处理3
2.3常用图像分割技术4
2.3.1阈值分割4
2.3.2边缘检测法分割5
2.4分水岭分割方法的概念6
2.4.1分水岭分割方法的原理6
2.4.2分水岭分割方法的特点7
3. 基于分水岭方法的图像分割技术9
3.1基本分水岭方法对灰度均匀图像分割9
3.1.1分水岭分割算法流程9
3.1.2对灰度均匀图像分割10
3.2基于标记的分水岭对灰度不均匀，目标少许粘连图像的分割12
3.2.1标记与距离变换12
3.2.2基于标记的分水岭方法对灰度不均匀，目标少许粘连图像的分割13
3.3基于改进分水岭方法的高密度、粘连细胞图像分割17
4.总结与分析22
参考文献23
附录 代码24
致谢30第一章 绪论
1.1 图像分割技术的背景意义
随着人们对图像使用的愈加频繁，也就开始更多地研究图像。通常，人们并不需要了解图像中的所有内容，而只是对图中的需要的某些部分有兴趣[17]。这些令人有兴趣的部分通常对应这图像中特殊的目标或拥有特殊性质的区域,有可能是单一的区域，也可能是多个区域，这些差别可能非常明显，也可能非常细小，以至于我们的眼睛无法觉察。人们必须从图片中找出需要的目标，分辨出了目标之后，才能对它进行分析和更多地处理。这就是图像分割要研究的问题。而且，由于将图像进行分割之后，最终会得到图像中一些有用的区域，与图像中各种物体或目标各自对应。这就极大地减少了以后的图像的分析和识别等一系列处理过程当中需要进行处理的数据量，而且同时还保留了数字图像结构特征的信息。通过对分割结果进行描述，能够理解图像中所包含的相关信息。图像分割的好坏直接影响之后图像处理的好坏，以至于决定最终处理成功与否，因此，图像分割的方法和准确性举足轻重。由此可知，图像的分割技术在图像处理技术中所占的位置非常重要。?总的来说，图像分割，是将图像分成各个区域的一种处理技术，从本质上说，是将图像中的各个像素按照灰度，纹理等等一些特性进行分类。
随着科技的发展，图像处理技术有着越来越多的应用，无论是遥感图像的识别，医学显微图像，核磁共振图像的分辨，或是日常生活中的面部识别等等，都需要图像分割技术的参与，因此，图像分割技术在图像处理领域中一直是非常热门的问题。
1.2 图像分割技术的研究与现状
图像处理中一项非常重要的技术就是图像分割技术[20]，从数十年前开始就是一个困扰人们的难题，从二十世纪七十年代开始，人们就开始了解图像的分割技术，发现了分割技术的重要性，开始不断研究图像分割技术。发展收到今天，国内外已经有了不少的研究成果。一九六五年时，一些学者就提出了基于边缘检测算子的一种边缘检测分割方法。至今，常用的分割方法还发展出了阈值分割方法和基于区域的分割方法。但人们还是没能找到一个通用的方法来进行分割，分割之后，人们也没用固定的标准来判断分割得是好是坏。为此，国内外的研究人员在现有的分割方法上不断探究，互相启发，来寻找更有效地方法。
由于图像分割在之后的图像处理中是非常关键的一步，图像在完成分割之后，还有许多处理步骤，比如提取目标特征，对目标进行识别等，这些处理的是好是坏，基本都由图像分割的完成质量来决定[3]。由于这项课题难度极大，牵涉较多，很有深度。虽然研究人员针对繁多问题提出了各种各样方法，但是，至今为止仍然不存在一个普遍适用的理论和方法。由于实际的图像通常非常复杂，目标众多，让计算机自动完成如此复杂而且很难分辨的分割工作几乎是不可能的，但是如果依靠人工来分割，工作量非常巨大，耗时极长，会产生人为的误差。因此，有人提出了人机结合的基本方法,利用人的认知，结合计算机快速处理的优势，来对目标进行快速的定位。对于现在人们已经研究出分割方法而言，大部分都是为了解决具体问题而提出的算法，此外，人们也还没能够研究出对应不同图片应该具体选择哪种分割算法是最好的方法，这些不确定性对图像分割技术的实际应用是难以解决的问题。近几年来，分割的方法又出现了很多新的思路，人们研究出了不少新的算法，同时也对原有算法有了更多的改进，并且将图像的分割方法总结为四大类：基本为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法。
1.3 本文研究内容
通过对图像分割技术的背景与历史发展的了解，本文将对图像分割技术中常用的分割方法进行研究。主要思路是通过对统一图片的相同目标进行分割，找出分割效果最好的，将他应用到其他的图像分割中。主要研究内容如下：
在研究基于边缘的分割方法中，本文以抗噪性能比较好的sobel边缘检测算子为例，进行图像分割的测试。
基于阈值的分割方法原理上是基于图像的分割，在本文采用的阈值法中，选择了Otsu法阈值选择，这是一种使类间方差最大的自动阈值选取方法，具有简单，处理速度快的特点。
分水岭分割方法是法参考了形态学理论的一种分割方法，本文会对图片采取先求出灰度图，在转换成梯度图，然后再进行分割,以此来研究分水岭算法最常见的过度分割问题，最后在解决问题。
本次的研究在于对比各类分割方法，找出各种算法的优缺点，体现分水岭分割方法的优势，对应不同的图片，对分水岭分割算法进行一些改进，已完成分割。最主要的一个应用是实现了一串连续帧的图片的读入，进行预处理，完成之后，再进行基于分水岭方法的图像分割，在分割完成以后，对分割出来的细胞图像求出质心，在进行下一帧图像的处理，把本次的质心与上次的进行比较，距离最近的就是移动之前的细胞，然后对轨迹进行标示。
第二章 数字图像分割方法
2.1数字图像的知识基础
至今为止，数字技术有了长足的发展并且越来越多的应用于各个领域。如今，日常生活中的许多的信息都可以通过数字技术使其数字化，然后可以将这些数字信息方便的储存和处理。数字图像就是一种用数字数据的形式进行存储与处理的图像。将图像数字化之后，就可以使用计算机可以对图像进行处理，重要的是能够使用常规图像处理技术之外的加工与处理方法。同时，由于数字图像的本质仍然是数据，就能够在网上进行传输，并且就算复制多次，也不容易产生失真。
2.2数字图像处理
计算机有着远远超过人类的计算能力，这让计算机在人们的生活中起着巨大的作用，所以当人们想要对图像进行处理来满足自己的各方面需要时，也希望能够使用计算机进行帮助，这就产生了数字图像处理技术。这实质上对一幅图像的数字码进行处理。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别三个部分。现在，人们所说的图像处理一般就是指数字图像处理。
图像变换是常用的数字图像处理技术之一，将图像进行正交变换之后，能将图像的边缘信息体现在高频频率上，而大部分分布于低频段，这能减少运算次数，有利于图像压缩传输。
还有一种基本的图像处理技术，图像增强，这种技术的作用不仅仅是突出某些部分，也可以是去除某些不需要的信息。这项技术常用来提高图像的清晰度，便于肉眼辨认，也用于突出图像的边缘，提高计算机处理速度。
摘 要
图像分割能够帮助人们研究图像中的特定目标。图像分割方法多种多样，但是因为图像的复杂性与传输图像的各种噪声，导致图像分割并没有统一的分割方法。现有的很多种分割方法，如全局阈值otsu法分割、边缘检测法。分水岭分割方法具有简单快速有效的优势，但存在过度分割的现象。本文研究以分水岭方法为核心的混合检测算法实现对高密度、目标粘连、灰度变化大图像的可靠分割，仿真结果验证了此方法的有效性。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:图像分割分水岭方法边缘检测法阈值otsu法
目 录
1. 绪论1
1.1 图像分割技术的背景意义1
1.2 图像分割技术的研究与现状1
1.3本文研究内容2
2. 数字图像分割方法3
2.1数字图像的知识基础3
2.2数字图像处理3
2.3常用图像分割技术4
2.3.1阈值分割4
2.3.2边缘检测法分割5
2.4分水岭分割方法的概念6
2.4.1分水岭分割方法的原理6
2.4.2分水岭分割方法的特点7
3. 基于分水岭方法的图像分割技术9
3.1基本分水岭方法对灰度均匀图像分割9
3.1.1分水岭分割算法流程9
3.1.2对灰度均匀图像分割10
3.2基于标记的分水岭对灰度不均匀，目标少许粘连图像的分割12
3.2.1标记与距离变换12
3.2.2基于标记的分水岭方法对灰度不均匀，目标少许粘连图像的分割13
3.3基于改进分水岭方法的高密度、粘连细胞图像分割17
4.总结与分析22
参考文献23
附录 代码24
致谢30第一章 绪论
1.1 图像分割技术的背景意义
随着人们对图像使用的愈加频繁，也就开始更多地研究图像。通常，人们并不需要了解图像中的所有内容，而只是对图中的需要的某些部分有兴趣[17]。这些令人有兴趣的部分通常对应这图像中特殊的目标或拥有特殊性质的区域,有可能是单一的区域，也可能是多个区域，这些差别可能非常明显，也可能非常细小，以至于我们的眼睛无法觉察。人们必须从图片中找出需要的目标，分辨出了目标之后，才能对它进行分析和更多地处理。这就是图像分割要研究的问题。而且，由于将图像进行分割之后，最终会得到图像中一些有用的区域，与图像中各种物体或目标各自对应。这就极大地减少了以后的图像的分析和识别等一系列处理过程当中需要进行处理的数据量，而且同时还保留了数字图像结构特征的信息。通过对分割结果进行描述，能够理解图像中所包含的相关信息。图像分割的好坏直接影响之后图像处理的好坏，以至于决定最终处理成功与否，因此，图像分割的方法和准确性举足轻重。由此可知，图像的分割技术在图像处理技术中所占的位置非常重要。?总的来说，图像分割，是将图像分成各个区域的一种处理技术，从本质上说，是将图像中的各个像素按照灰度，纹理等等一些特性进行分类。
随着科技的发展，图像处理技术有着越来越多的应用，无论是遥感图像的识别，医学显微图像，核磁共振图像的分辨，或是日常生活中的面部识别等等，都需要图像分割技术的参与，因此，图像分割技术在图像处理领域中一直是非常热门的问题。
1.2 图像分割技术的研究与现状
图像处理中一项非常重要的技术就是图像分割技术[20]，从数十年前开始就是一个困扰人们的难题，从二十世纪七十年代开始，人们就开始了解图像的分割技术，发现了分割技术的重要性，开始不断研究图像分割技术。发展收到今天，国内外已经有了不少的研究成果。一九六五年时，一些学者就提出了基于边缘检测算子的一种边缘检测分割方法。至今，常用的分割方法还发展出了阈值分割方法和基于区域的分割方法。但人们还是没能找到一个通用的方法来进行分割，分割之后，人们也没用固定的标准来判断分割得是好是坏。为此，国内外的研究人员在现有的分割方法上不断探究，互相启发，来寻找更有效地方法。
由于图像分割在之后的图像处理中是非常关键的一步，图像在完成分割之后，还有许多处理步骤，比如提取目标特征，对目标进行识别等，这些处理的是好是坏，基本都由图像分割的完成质量来决定[3]。由于这项课题难度极大，牵涉较多，很有深度。虽然研究人员针对繁多问题提出了各种各样方法，但是，至今为止仍然不存在一个普遍适用的理论和方法。由于实际的图像通常非常复杂，目标众多，让计算机自动完成如此复杂而且很难分辨的分割工作几乎是不可能的，但是如果依靠人工来分割，工作量非常巨大，耗时极长，会产生人为的误差。因此，有人提出了人机结合的基本方法,利用人的认知，结合计算机快速处理的优势，来对目标进行快速的定位。对于现在人们已经研究出分割方法而言，大部分都是为了解决具体问题而提出的算法，此外，人们也还没能够研究出对应不同图片应该具体选择哪种分割算法是最好的方法，这些不确定性对图像分割技术的实际应用是难以解决的问题。近几年来，分割的方法又出现了很多新的思路，人们研究出了不少新的算法，同时也对原有算法有了更多的改进，并且将图像的分割方法总结为四大类：基本为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法。
1.3 本文研究内容
通过对图像分割技术的背景与历史发展的了解，本文将对图像分割技术中常用的分割方法进行研究。主要思路是通过对统一图片的相同目标进行分割，找出分割效果最好的，将他应用到其他的图像分割中。主要研究内容如下：
在研究基于边缘的分割方法中，本文以抗噪性能比较好的sobel边缘检测算子为例，进行图像分割的测试。
基于阈值的分割方法原理上是基于图像的分割，在本文采用的阈值法中，选择了Otsu法阈值选择，这是一种使类间方差最大的自动阈值选取方法，具有简单，处理速度快的特点。
分水岭分割方法是法参考了形态学理论的一种分割方法，本文会对图片采取先求出灰度图，在转换成梯度图，然后再进行分割,以此来研究分水岭算法最常见的过度分割问题，最后在解决问题。
本次的研究在于对比各类分割方法，找出各种算法的优缺点，体现分水岭分割方法的优势，对应不同的图片，对分水岭分割算法进行一些改进，已完成分割。最主要的一个应用是实现了一串连续帧的图片的读入，进行预处理，完成之后，再进行基于分水岭方法的图像分割，在分割完成以后，对分割出来的细胞图像求出质心，在进行下一帧图像的处理，把本次的质心与上次的进行比较，距离最近的就是移动之前的细胞，然后对轨迹进行标示。
第二章 数字图像分割方法
2.1数字图像的知识基础
至今为止，数字技术有了长足的发展并且越来越多的应用于各个领域。如今，日常生活中的许多的信息都可以通过数字技术使其数字化，然后可以将这些数字信息方便的储存和处理。数字图像就是一种用数字数据的形式进行存储与处理的图像。将图像数字化之后，就可以使用计算机可以对图像进行处理，重要的是能够使用常规图像处理技术之外的加工与处理方法。同时，由于数字图像的本质仍然是数据，就能够在网上进行传输，并且就算复制多次，也不容易产生失真。
2.2数字图像处理
计算机有着远远超过人类的计算能力，这让计算机在人们的生活中起着巨大的作用，所以当人们想要对图像进行处理来满足自己的各方面需要时，也希望能够使用计算机进行帮助，这就产生了数字图像处理技术。这实质上对一幅图像的数字码进行处理。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别三个部分。现在，人们所说的图像处理一般就是指数字图像处理。
图像变换是常用的数字图像处理技术之一，将图像进行正交变换之后，能将图像的边缘信息体现在高频频率上，而大部分分布于低频段，这能减少运算次数，有利于图像压缩传输。
还有一种基本的图像处理技术，图像增强，这种技术的作用不仅仅是突出某些部分，也可以是去除某些不需要的信息。这项技术常用来提高图像的清晰度，便于肉眼辨认，也用于突出图像的边缘，提高计算机处理速度。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4222.html
