1、 1 洗手 基于 matlab的图像分割技术研究 洗手 洗手 摘 要 ： beef图像分割是一个很关键的图像分析技术 ， 吃饭 是由图像处理进到图像分析的关键步骤 .它的目的就是把图像中感兴趣的那部分分割出来供大家研究 、 beef处理和分析 ， 吃饭 一直都是图像技术研究中的热点 。 洗手 但是由于地域的差别 ， 吃饭 图像分割一直都没有一个比较通用的算法 。 洗手 洗手 而对图像进行分割的方法有多种 ,阈值法是其中的一种简单实用的方法 。 洗手 本文主要对阈值法和 matlab 进行研究 ,并将它们结合起来以提高图像分割的准确性 。 洗手 本文的主要研究内容如下 : 1) 分析了阈值分割方
2、法近年来的新进展 ,并 分析了图像阈值分割中的某些经典方法 ,如全局阈值方法 、 beef局部阈值方法 、 beef动态阈值方法等 。 洗手 2)讨论了 matlab 的主要应用及其特点 。 洗手 3) 将 matlab 应用于阈值分割 ， 吃饭 并做实验将其实现 。 洗手 洗手 关键词 ： beef图像分割 ， 吃饭 阈值分割 ， 吃饭 matlab， 吃饭 算法 洗手 Research based on the matlab image segmentation technology 洗手 Abstract： beefImage segmentation is a key techniqu
3、e in analysis technique, it is a crux procedure of the Image processing into image analysis .Its purpose is Its purpose is to put the image which people interest division out for everyone to research, process and analysis, image technology research is always the focus in the study. But because of th
4、e difference of image segmentation region, there has not existed a relatively generic algorithm 洗手 There are a lot of image segmentation method, threshold value method is one of the most simplest practical methods. This article focuses on the threshold value method and matlab , and will combine them
5、 with each other in order to improve the accuracy of segmentation. The main research contents of this article are as follows: 1) analysis the developing situation of the threshold segmentation method in recent years, then analyzes some of the classic image threshold segmentation ,such as global thre
6、shold method, local threshold method, dynamic threshold method, etc. 2) discusses the main application and characteristics of matlab. 3)combine matlab witn threshold segmentation, and do a sutra experiment 洗手 Key words： beefImage segmentation , Threshold segmentation, Matlab, Algorithm 洗手 目录 洗手 1 引言
7、 3 洗手 2 图像分割算法与提取技术综述 3 洗手 2.1 图像分割发展和现状 4 洗手 2.1.1 研究背景与意义 4 洗手 3 阈值分割 5 洗手 3.1 阈值分割概述 5 洗手 2 3.2 阈值分割算法 6 洗手 3.2.1 全局阈值法 7 洗手 3.2.2 局部阈值法 18 8 洗手 3.3.3 动态阈值 13 9 洗手 3.3.4 其他阈值法 9 洗手 3.3 阈值分割的优缺点 9 洗手 4 编程语言的选择 10 洗手 4.1 MATLAB 简介 10 洗手 4.2 MATLAB 的主要应用 6 10 洗手 4.3 MATLAB 的特点 6 10 洗手 5 程序运行结果 11 洗手
8、 6 结术语 13 洗手 致 谢 163 洗手 1 引言 洗手 随着科学技术的进一步发展和计算机科学的逐渐进步 ， 吃饭 数字图像处理理论及其 相关 的技术 在方方面面都取得 了飞速的发展 ， 吃饭 同时也相应有 了骄人的成绩 ， 吃饭 而 图像分割作为图像处理和计算机视觉中的一个 极其 重要环节 ， 吃饭 从上个世纪六十年代起 ， 吃饭 就 早已经吸引了广大学者的关注 。 洗手 洗手 21 世纪人类 也 进入 到 了信息化时代 ， 吃饭 在 这个飞速发展的信息化社会中 ， 吃饭 计算机在 信息处理中 发挥着巨大的作用 。 洗手 尤其 是在图像处理领域 ， 吃饭 计算机的加入使得 数字图像处理
9、技术得到了飞速的发展 ， 吃饭 并在国民经济的各个领域 也都有了相对比较 广泛 的 应用 。 洗手 洗手 在实际 图像处理中 ， 吃饭 一般情况下我们只是注意到 图像中那些 我们 感兴趣的目标 ， 吃饭 因为只有这部分也就是我们注意到的有用的目标物 才能为我们提供高效 、 b eef有用的信息 。 洗手 而这些目标一般 又都 对应 着 图像中 某些 特定的 、 b eef具有独特性质的区域 。 洗手 为了把这些有用的区域提取出来供我们人类使 用 ， 吃饭 图像分割这门技术也就应运而生了 。 洗手 我们通常情况下所说的 图像分割就是 指把图像划分成若干个有意义的区域的过程 ， 吃饭 每个 区域
10、都 是具有相近特性的像素的连通集合 ， 吃饭 一般情况下我们所关注到的那些有用的目标物就存在与这些区域中 1。 洗手 研究者们 为了识别和分析图像中 的那部分我们 感兴趣的目标 ， 吃饭 例 如进行特征提取或者 测量 ， 吃饭 就需要将这些相关的区域从图像背景中提取出来 。 洗手 图像分割就能够 把图像 中的这些有用的区域分割出来 ， 吃饭 从而把一幅图像 分成一系列的有意义的 、beef各具特征的目标或者区域 。 洗手 洗手 图像分割技 术主要分为四大类 ： beef区域分割 ， 吃饭 阈值分割 ， 吃饭 边缘检测和差分法运动分割（主要针对运动图像的分割） 。 洗手 阈值分割是近年来国际领域
11、上的一个新的研究热点 ， 吃饭 它 是一种最简单 的图像分割技术 ， 吃饭 其基本原理 就 是 ： beef通过设定不同的特征阈值 点 ， 吃饭 从而 把图像 的 象素点分为若干类 ， 吃饭 然后通过阈值点来分割图像 ， 吃饭 最终把图像中的有用的部分提取出来 。 洗手 本文将对 matlab 用于图像 分割的基本理论进行简要研究 ， 吃饭 并对当前 matlab用于图像分割的最新研究进展进行综述 ， 吃饭 最终着重 于研究 matlab 用于阈值分割的图 像分割 方法 。 洗手 洗手 2 图像分割算法与提取技术综述 洗手 从上个世纪六十年代初算起 ， 吃饭 图像分割 算法的研究工作就已经起步
12、 ， 吃饭 算起来也已经有了几十年的历史 ， 吃饭 但是虽然提出来的分割算法及其繁多 ， 吃饭 在图像分割算法上 也 做了大量的工作 ， 吃饭 但是分割算法至今 仍然 没有得到一个 相对 通用的算法 ， 吃饭 即使是这样多年来从事 图像分割算法 研究的学者们 的 工作热情 还是没有减弱 ， 吃饭 他们仍然鞠躬尽瘁的奋斗在实验台前 ， 吃饭 为了研究出一种通用的分割算法而努力着 。 洗手 上面的事实说明虽然现在存在的图像分割算法种类很多 ， 吃饭 但是还是没有一种通 用的算法供不同地域 ， 吃饭 有不同目的的人使用 。 洗手 究其根本原因是因为来自不同的国家不同的领域的人们他们研究出来的分4 割
13、算法有很大的差异 ， 吃饭 而不同的人对于同一幅图像感兴趣的地方也不尽相同 ， 吃饭 因此没能够设计出一个通用的算法也是可以理解的 。 洗手 上面我们对图像分割算法的现状做了一个初步的了解 ， 吃饭 下面我们来进一步的研究图像分割的发展现状 。 洗手 洗手 2.1 图像分割发展和现状 洗手 要了解图像分割的现状 ， 吃饭 我们首先不得不来解释一下什么是图像分割 。 洗手 图像分割 就 是指把图像分成各具特征的区域 ， 吃饭 并 把我们 感兴趣的目标提取 出 来 的 一门 技术 。 洗手 对于一幅图像我们肯定有感兴趣和不感兴趣的地方 ， 吃饭 而图像分割就能够把我们感兴趣的那一部分分割出来呈现在
14、我们面前 ， 吃饭 正因为它具有这一功效 ， 吃饭 图像分割在很多领域（包括工业 ， 吃饭 精密仪器 ， 吃饭 农业 ， 吃饭 医学医疗）都有着非常 广泛的应用 。 洗手 多年来 ， 吃饭 对图像分割的研究 也 一直是图像技术研究中的热点和焦点 ， 吃饭 由于图像分割不仅能够在实际工作中起到非常大的作用 ， 吃饭 另一方面它还能够减少我们的工作时间迅速的把我们感兴趣的那部分一目了然地呈现在我们面前 ， 吃饭 从而排除我们不需要的那部分因素 ， 吃饭 所以近几 年来人们对它的研究热情也不断高涨 ， 吃饭 也使得图像分割又取得了更大的进步 。 洗手 图像分割作为一种分析图像的重要技术 ， 吃饭 不
15、论是在计算机科学还是在图像识别的各类应用系统中都占有着举足轻重的地位 ， 吃饭 只要我们需要对图像目标进行分析 ， 吃饭 测量那么我们就离不开图像分割 ， 吃饭 因此图像分割也就成了 研究计算机视觉系统 、 beef字符识别和目标自动获取等图像识别和理解系统首先要解决的问题 。 洗手 然而 虽然几乎自 图像分割问世 就开始了图像分割的研究 ， 吃饭 也 吸引了很多研究人员为之付出了巨大的努力 ， 吃饭 在不同的领域也取得了相当 可以 的进展与成 就 ， 吃饭 但是因为这门研究存在地域上存在差距 ， 吃饭 不同地方 ， 吃饭 不同的人虽然看到的是同一幅画可能他感兴趣的地方也不相同 。 洗手 同一
16、个人不同时间也可能对同一幅画有不同的侧重点 ， 吃饭 也正因为这样才使得图像分割成了 一个经典 的难题 ， 吃饭 近年来虽然人们提出了大量的算法 ， 吃饭 但是到目前为止既没有出现一种通用的图像分割算法 ，吃饭 也没有 一种判断是否分割成功的客观标准 出现 。 洗手 所以人们还在努力研发一种通用的算法 ， 吃饭 希望能够 发展 出 新的 、 beef更具有潜力的 同时也更简单的一种 分割算法 ， 吃饭 以期实现更通用 、 b eef更完美 、 beef更 简单 的分割结果 。 洗手 因此不论是从分割算法的适用性还是其方便 、 beef简单这一特点上来讲分割算法的研究仍然有很大的研究空间 。 洗
17、手 洗手 2.1.1 研究背景与意义 洗手 数字图像目标 的 分割与提取 作为数字图像处理和计算机视觉领域中一个极其重要的 研究分支 ， 吃饭 一直以来都受到广大研究人士的青睐和关注 。 洗手 由于在目标分割与提取的过程中需要利用大量的数字图像处理的方法 ， 吃饭 另外加上图像分割在计算机视觉以及模式识别等领域中的广泛应用 ， 吃饭 这些都使得图像分割的研究得到了大量的研究者的注意 。 洗手 相信对这一问题的深入研究不仅会慢慢的 完善图像分割的研究使得一种通用算法产生 ， 吃饭而且 也 会推动模式识别 、 b eef人工智能 、 beef计算机视觉 等计算机科学分支的发展 。 洗手 图像分割和
18、边缘检测的问题在近二十年中 已经得到了广泛的关注和长足的发展 。 洗手 国内外 研究人5 士提出了很多的 不同的研究 方法 ， 吃饭 也分别在不同的领域中得到了初步 的成果 。 洗手 洗手 图像分割是一门极其重要的图像技术 ， 吃饭 它在实际应用中得到很大的应用 。 洗手 图像技术虽然其种类比较多 ， 吃饭 跨度也很大 ， 吃饭 但是我们仍然可以把它归类到一个统一的框架中 ， 吃饭 这个框架就是图像工程 。 洗手 图像工程是一门对图像领 域的所有的有关图像的科学进行研究应用的新兴的科学 ， 吃饭 其内容极为广泛 ， 吃饭 根据抽象工程和研究方法的不同 ， 吃饭 我们又可以将图像工程分为三个各具
19、特色的层次 ： b eef图像处理 ， 吃饭 图像分析和图像理解 。 洗手 从意思上我们就可以看出 ， 吃饭 拿到一幅图像我们首先需要对这幅图像进行处理 ， 吃饭 然后是分析 、 beef理解 。洗手 图像处理 、 beef图像分析和图像理解具有不同的操作对象 ； beef图像处理是比较低层次的操作过程 ， 吃饭 而图像分析则进入了一个比较高级的层次 ， 吃饭 这里我们成为中层 ， 吃饭 它侧重于对图像的像素级和进行描述 ， 吃饭 图像的 理解进入了一个更为高级的操作环境 。 洗手 图像分割在图像工程中有着很重要地地位和影响一方面它是图像目标表达的基础 ， 吃饭 另一方面它能够将目标表达 、
20、beef特征点提取和参数测量等原始图像分别的装化为更抽象的形式 。 洗手 洗手 由前面的论述 ， 吃饭 我们知道 ， 吃饭 图像分割是由图像处理过渡到图像分析的 一个 关键步骤 ， 吃饭在图像 处理工程中占据着 重要的地位 。 洗手 一方面 ， 吃饭 图像分割以及 基于 图像 分割的目标 表达 、 b eef特征点提取和参数的测量等这一系列技术环节可以将原始图像转化为更抽象 、 beef更紧凑的形式 ， 吃饭 使得 更高层的图像分析和理 解成为可能 。 洗手 另 一方面 ， 吃饭 图像分割 是图像前景目标表达的基础 ， 吃饭 对特征 点的提取和 测量有 着 重要的影响 ， 吃饭 在实际 得生产
21、生活中 ， 吃饭图像分割的应用也很广泛 ， 吃饭 几乎出现在和 图像处理 有关系的所有领域 ， 吃饭 从 脑部 MR 图像处理分析 到卫星云图的处理 ， 吃饭 从 交通管理中 对违章车辆区域的分割到面向对象中图像压缩以及 基于内容的图像检索中特征区域 点 的提取 。 洗手 在这些应用中 ， 吃饭 图像分割通常 都是 对图像进行进一步 的 分析 、 b eef识别 、 beef压缩编码等处理 ， 吃饭 区域 特征点的提取的准确性将直接影响 到 后继任务的 执行的 有效性 和准确性 ， 吃饭 因此 图像分割的方法和精确程度 是至关重要的 ， 吃饭 研究出一种通用的准确的图像分割方法也就成了我们现今
22、研究者们责无旁贷的任务 。 洗手 洗手 综上所述 ， 吃饭 图像 处理中的图像分割研究不论是在我们的生活中还是以后的学习中都是非常有意义的 ， 吃饭 对其作深层次的研究不仅能够解决我们自身的问题 ， 吃饭 也一定能够 在一定程度上推动计算机各个 分支的发展 。 洗手 洗手 3 阈值分割 洗手 图像分割是图像处理中最为基础和重要的领域之一 ， 吃饭 而图像阈值 分割方法 是一种传统的图像分割方法 ， 吃饭 也 是最早提出的 一种图像分割方法 ， 吃饭 它具有方便 、 beef简洁 、 beef性能稳定 ，吃饭 计算量小 等等一系列的优点 。 洗手 使得阈值分割成为目前图像分割领域最基本和应用范围
23、最广泛的一个分割技术 ， 吃饭 被应用在很多领域 。 洗手 下面我们对阈值分割 方法 做一个详细的介绍 。 洗手 洗手 3.1 阈值分割概述 洗手 6 阈值分割 主要是利用图像中那些我们要提取的目标物和它的背景在灰度程度上存在差异这一重要特征 ， 吃饭 通过设置合适的灰度门限也就是我们这里所谓的阈值 ， 吃饭 最终将图像的灰度分为两个或者多个灰度区间 ， 吃饭 以此来确定有意义的区域以及分隔物体的边界2。 洗手 阈值分割常用于图像的二值化处理 ， 吃饭 也就是选 择一个或多个合适的阈值 ， 吃饭 通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定我们所选定的这个像素点是属于我们的目
24、标区域还是背离我们所选的目标区域 ， 吃饭 从而将图像转化为二值图像 。 洗手 洗手 阈值化是最常用的一种图像分割技术 ， 吃饭 同时也是最简单的一种分割方法 ， 吃饭 它分割的结果是一系列连续的区域 ， 吃饭 适用于那些目标和背景占据着不同灰度范围的图像 。 洗手 它根据灰度级 ， 吃饭 将像素的集合一个个划分 ， 吃饭 得到多个与现实景物相符合的区域 ， 吃饭 而它的每一个区域都有它们一致的属性 ， 吃饭 而相邻的区域布局也具有相同的属性 ， 吃饭 这种划分是通过选取一个或者多个阈值来实现的 。 洗手 一般情况下灰度图像的阈值分割会做出一下几种假设 ： b eef（ 1）图像目标或者背景内
25、部的相邻像素之间的灰度值是高度相关的（ 2）图像目标和背景目标之间的边界两侧像素的差别很大（ 3）图像目标与背景目标的灰度分布是单峰的 。 洗手 在很多情况下 ， 吃饭 图像分割是进行特征点提取 、 beef图像分析与模式识别等等之前的必要的图像处理过程 。 洗手 图像阈值化的根本目的是按照灰度级别的不同将左右的像素集合进行划分整理 ， 吃饭 得到与现实景物相对应的区域 。 洗手 洗手 3.2 阈值分割算法 洗手 阈 值分割算法分为全局阈值分割和局部阈值分割两种 ， 吃饭 它是按照分割过程中每个像素点所使用的阈值点的不同进行划分的 。 洗手 阈值相同就是全局阈值 ， 吃饭 同理阈值不同的就是局
26、部阈值 。 洗手 最佳的全局阈值方法有以下几种 ： beef实验法 、 beef直方图法和最小误差法 。 洗手 洗手 阈值分割算法的最根本策略是从单阈值算法开始的 ， 吃饭 多阈值算法其实是单阈值算法的延伸 ， 吃饭 单阈值分割也只能算是多阈值分割的一种特例 。 洗手 单阈值算法基本策略就是先预设一个阈值 T， 吃饭 待处理的图像的像素灰度值是 f（ x， 吃饭 y） ， 吃饭 然后我们将图像中的像素分成两 部分 ： b eef我们把满足条件 f（ x， 吃饭 y） T 的和 f（ x， 吃饭 y） T 洗手 f（ x， 吃饭 y） =洗手 f（ x， 吃饭 y） T 洗手 也就是说当表达式
27、f（ x， 吃饭 y）的值为 1的时候它所代表的就是目标点 ， 吃饭 反之值为0 着表示背景点 。 洗手 洗手 这是单阈值分割算法 ， 吃饭 如果有多个目标点并且各个灰度级之间差别比较大的话 ， 吃饭 我们可以设置一系列的阈值用来实现多阈值分割 ， 吃饭 可以表示为 TK,K 的值可以是 1 也可以很大 ， 吃饭 这样我们就可以吧一幅图像的像素分成多个区域 。 洗手 洗手 从上面我们可以知道阈值分割的重点就是选取一个合适的阈值 ， 吃饭 阈值的选取不同得到的最终分割结果也不一样 ， 吃饭 也一定会影响到后面的图像分析处理结果 。 洗手 洗手 3.2.1 全局 阈值法 洗手 前面已经说过 如果每
28、个像素所使用的阈值不同的时候我们就使用全局阈值法 ， 吃饭 也就是说当图像目标和背景之间有高对比度的时候 ， 吃饭 我们就可以利用全局分割成功的分割图像 。 洗手 洗手 全局分割有多种分割方法 ， 吃饭 如极小值阈值法 、 beef迭代阈值法 、 beef最优阈值法 、 beefOtsu 阈值法 、beefp 参数法等等 。 洗手 实际使用时我们可以根据图像像素点的特征来确定我们应该用哪种分割方法 。 洗手 洗手 1、 beef最小值阈值法 洗手 当一幅图像中点状目标与背景之间具有鲜明的对比的时候 ， 吃饭 这时候我们可以先做出它的直方图 ， 吃饭 这是我们就可以看到它的直方图就会表现出双峰特
29、点 ， 吃饭 这时候我们可以选取双峰之间的谷底作为阈值点 。 洗手 我们假设 p(z)代表直方图 ， 吃饭 那么极小点应该要满足 ： beef洗手 P (z) = 0 且 P (z) 0 洗手 2、 beef迭代阈值法 4洗手 迭代阈值算法如下 洗手 首先我们要选定一个初始阈值 T1。 洗手 洗手 根据阈值 T1我们可以把一幅图像分为两部分 ， 吃饭 然后在分别求出这两部分的平均灰度值Z1和 Z2即最小灰度值和最大灰度值 ， 吃饭 根据 Z1和 Z2可以计算出一个新的阈值 。 洗手 洗手 T2= Z1+Z2/2。 洗手 洗手 计算 T2 T1 T （ T 是预先指定的一个很小的正数 ， 吃饭
30、这个数也可以是 0， 吃饭 也就是说当 T2 和 T1很接近时就可以终止迭代 ， 吃饭 否则 T2 T1， 吃饭 重复第（ 2）步 。 洗手 洗手 第（ 3）步结束后 T2 就是最佳阈值 。 洗手 洗手 3、 beef最优阈值法 洗手 以上两种方法有时候也会出现误差 ， 吃饭 我们有可能把目标像素部分错划分为背景部分 ， 吃饭 也有可能把背景部分误认为是目标部分 ， 吃饭 而最优阈值法的根本思想就是选取一个8 阈值使得分割的误差概率最小 。 洗手 洗手 4、 beefOtsu 法 5洗 手 Otsu 法是阈值分割中常用的一种自动确定阈值的方法 ， 吃饭 它确定阈值的准则就是能够使得分割后的图像
31、各个像素类的类内方差最小 ， 吃饭 我们也可以用另一种方法使得图像中各个像素类的类间方差最大 。 洗手 这两种方法是等价的 ， 吃饭 类内方差和类间方差都是一个常数 ，吃饭 两者之和就是整幅图像的方差 。 洗手 分割的最终目的就是要使得类内之间的方差差别最小而类别之间的方差最大 。 洗手 洗手 5、 beefP 参数法 洗手 P 参数法的最基本思路就是选取一个阈值 T， 吃饭 使得背景区域在图像中占得比例为 P， 吃饭 目标区域所占比例为 1-P。 洗手 P参数法仅仅 可以用于已经预先知道目标区域或者背景区域占全图像百分比的场合 。 洗手 洗手 3.2.2 局部阈值法 18洗手 当 图像目标和
32、背景目标在直方图上对应两个比较明显的波峰 ， 吃饭 并且两个波峰之间有较深的波谷或者双峰之间的距离比较远是 ， 吃饭 我们可以用前面介绍过的全局阈值法来分割图像 ， 吃饭 可是 ， 吃饭 在现实中我们经常会遇到一些直方图双峰之间被填充或者双峰相聚比较近 ； b eef也有可能背景目标和图像目标的面积相差比较大 ， 吃饭 表现在直方图上就是一方被另一方所淹没 ， 吃饭 这样可能使得原本是双峰性质的图像会呈现出单峰性质 ， 吃饭 遇到这 种情况我们就可以采用局部阈值法 ， 吃饭 常用的局部阈值法有直方图变换法和散射图法 。 洗手 洗手 直方图变换法 6洗手 一般来讲直方图的谷底是最合适的 分割 阈
33、值 ， 吃饭 但是实际应用中 ， 吃饭 谷底往往 会有别的填充物 ， 吃饭 这时候我们就很难找到它 们的谷底 。 洗手 洗手 直方图变换法可以利用像素本身的特点把图像原有的直方图变换成可以明显看出谷底的直方图 ， 吃饭 这个新的直方图和原始的直方图比较 ， 吃饭 双峰之间的谷底更深 ， 吃饭 或者把谷底装换为峰从而更容易检测 ， 吃饭 这样我们就可以从直方图看出图像的阈值 。 洗手 洗手 例如 ， 吃饭 因为目标区域的像素点 具有一致性和相关性 ， 吃饭 背景区域就会类似 ， 吃饭 梯度值比较小 。 洗手 而边界区域因为噪音会有较大的梯度值 。 洗手 使用直方图变换法 ， 吃饭 就可以根据梯度
34、值加权 ， 吃饭 梯度值小的像素权加大 ， 吃饭 梯度值大的像素值减小 。 洗手 这样就可以明显的看出直方图的谷底 。 洗手 洗手 散射图法 6洗手 当我们用一个直方图的横轴来表示灰度值 ， 吃饭 纵轴表示某种性质例如梯度值 ， 吃饭 这样的一个而为直方图我们可以看作是一个散射图 ， 吃饭 图中各点的数值对应的就是 某些 像素 点 的灰度值和梯度值 ， 吃饭 这就是散射图法 。 洗手 洗手 其他与局部阈值法 洗手 文献 7提出了一种基于阈值曲面的二维遗传算法 。 洗手 遗传算法是基于进化论中自然9 选择机理的 、 b eef并行的 、 beef统计的随机化搜索方法 ， 吃饭 所以在图像处理中常
35、用来确定分割阈值 。 洗手 文献 8 9中提出一种基于局部梯度最大值的插值方法 。 洗手 首先平滑图像 ， 吃饭 并求得具有局部梯度最大值的像素点 ， 吃饭 然后利用这些像素点的位置和灰度在图像上内插 ， 吃饭 得到灰度级阈值表面 。 洗手 除此之外 ， 吃饭 典型的局部阈值方法还有 White 和 Rohrer10的加权移动平均阈值方法 ， 吃饭 Perez 和 Gonzalez11的适用于非均匀照射下图像的局部阈值方法以及 Shio12的与照射无关的对比度度量阈值方法等 。 洗手 总的来说 ， 吃饭 这类算法的时间和空间复杂度都较大 ， 吃饭 但是抗噪能力强 ， 吃饭 对一些使用全局阈值法
36、不宜分割的图像具有较好的效果 洗手 3.3.3 动态阈值 13洗手 在其他特殊情况下 由于很多我们无法控制的原因 ， 吃饭 图像背景的灰度值并不是恒定不变的 ， 吃饭 背景与目标的对比值在同一幅图像的不同地方往往是不一样的 ， 吃饭 在某些地方可能还有阴影 。 洗手 这时候如果只是单一的用全局阈值法或者局部阈值法就不能够很好的分割一幅图画 ， 吃 饭很有可能一部分分割的很好而另外一部分却并不合适 。 洗手 这时候我们就需要在同一幅图像中用不同的分割法 ， 吃饭 合适的方法就是让阈值随图像中的位置变化 ， 吃饭 这样就可以将图像纷纷为一个个子图像 ， 吃饭 每一个字图像都有不同的阈值 。 洗手
37、洗手 下面介绍一种动态阈值方法 ， 吃饭 其基本步骤如下 14： beef洗手 （ 1）将整幅图像分解为一系列的相互之间有 50%重叠的子图像 。 洗手 洗手 （ 2）检测各子图像的直方图是否具有双峰性质 。 洗手 如果有 ， 吃饭 则采用最有阈值法确定该子图像的阈值 ， 吃饭 否则不进行处理 。 洗手 洗手 （ 3）根据已得到的部分 子图像的阈值 ， 吃饭 插值得到其他不具备双峰性质的子图像的阈值 。洗手 洗手 （ 4）根据各子图像的阈值插值得到的所有像素的阈值 。 洗手 对于每个像素 ， 吃饭 如果其灰度值大于改点处的阈值 ， 吃饭 则分为目标像素 ， 吃饭 否则分为背景像素 。 洗手 洗
38、手 3.3.4 其他阈值法 洗手 阈值分割的方法还有很多例如最小误差法 、 beef概率松弛法 、 beef特征空间聚类法 、 beef简单统计法与局部特征法 、 beef共同矩阵法等等 。 洗手 洗手 3.3 阈值分割的优缺点 洗手 每一件事情都有其两面性 ， 吃饭 同样 阈值分割这种分割方法也有优点和缺点 ， 吃饭 阈 值分割的优点是实现起来比较简单 ， 吃饭 对于不同的灰度值和特征相差比较大的物体能够有效地对这幅图像进行分割 。 洗手 洗手 阈值分割的缺点主要有两点 14： beef洗手 （ 1） 对于图像中灰度值不是很明显或者说灰度值的范围有大部分是重叠的这种情况 ，吃饭 不能够得到准
39、确的结果 ； beef洗手 10 （ 2） 阈值分割这种方法仅仅考虑了图像的灰度信息而没有考虑到其他的信息如空间信息 ， 吃饭 因此阈值分割对噪声的影响比较敏感 。 洗手洗手 对于以上提出来的两个缺点 ， 吃饭 至今仍然有不少的科学家针对此问题在进行着深入的研究 ， 吃饭 以期得到更大范围的突 破 。 洗手 洗手 4 编程语言的选择 洗手 以前也曾学过 C 语言 、 b eefC+、 beef以及 Matlab 等多种语言 ， 吃饭 也曾考虑过用用这几种语言来实现这个算法 ， 吃饭 但是最后经过老师的分析和指导 ， 吃饭 经过反复比较 ， 吃饭 认识到各种语言的优缺点后 ， 吃饭 还是决定使用
40、 Matlab 来实现图像的分割 。 洗手 洗手 4.1 MATLAB 简介 洗手 Matlab 是由美国 Maths Works 公司推出的用于数值计算和图形处理的系统环境 ，吃饭 它的名字是由矩阵（ Matrix）和实验室（ Laboratory）这两个词的英文头三个字母组成 的 。 洗手 Matlab 除了具备卓越的数值计算能力外 ， 吃饭 它还提供了专业的符号计算 、 beef文字处理 、 b eef可视化建模仿真和实时控制等功能 。 洗手 它是以矩阵为基本单位的 ， 吃饭 其指令表达式与数学 、 beef工程中常用形式十分相似 ， 吃饭 故用 Matlab 来解决问题要比用 C、 b
41、eefC+、 beefFORTRAN 等语言要简单的多 ， 吃饭 是一种高性能的 、 beef可以用于工程计算的一种编程软件 。 洗手 另外 Matlab对于矩阵还有巨大的处理能力 ， 吃饭 他也能够与 C 语言和 Fortran 等其他语言混用 ， 吃饭 是的用户能够更加简单的进行可视 化编程 。 洗手 Matlab 可以把科学计算 、 beef用户界面以及结果可视化和编程都集中在一个使用起来极其方便的环境中 。 洗手 Matlab 也是世界公认的一款优秀的数学应用软件 16 17。 洗手 洗手 4.2 MATLAB 的主要应用 6洗手 1、 beef线性代数 洗手 2、 beef矩阵分析
42、洗手 3、 beef数值及优化 洗手 4、 beef数理统计和随机信号分析 洗手 5、 beef电路与系统 洗手 6、 beef系统动力学 洗手 7、 beef信号和图像处理 洗手 8、 beef控制理论分析和系统设计 洗手 9、 beef过程控制 、 beef建模和仿真 洗手 10、 beef通信系统和财政金融 洗手 4.3 MATLAB 的特点 6洗手 一般来说 ， 吃饭 整个 Matlab 系统是由两部分组成的 ， 吃饭 即 Matlab 内核和辅助工具箱 ，吃饭 两者的调用构成了 Matlab 的强大功能 。 洗手 Matlab 语言一数组为基本单位 ， 吃饭 具备以下主要的特点 ： beef洗手
