第4章 图像分割基础

视觉检测技术－习题答案1-1 何为计算机视觉？能够解释图像，实现类似人类视觉系统理解外部世界的机器系统称为计算机视觉或机器视觉。

1-2计算机视觉能够完成的四种基本任务是什么？尺寸和表面特征的检测；目标的识别和定位。

1-3制约计算机视觉技术应用水平的两大基础是什么？1）包括数字图像处理的视觉理论和算法；2）微电子技术1-4计算机视觉和视觉检测是什么关系？（无标准答案，根据自己的理解进行归纳、概括即可。

）以检测为目的的计算机视觉应用称为视觉检测。

视觉检测是计算机视觉内容的一部分。

第二章习题（人类视觉）2-1 做一个简单实验。

将视轴与观测书页的法线平行，给出高清晰观察区域的尺度范围。

2-2 人类视觉系统由几部分组成？各部分的功能是什么？三个部分：眼球、神经传输系统及大脑的视觉中枢；各部分作用是：光学成像、影象摄取或采集、影象信号的传输、影象信号、信息处理。

2-3 分别举出一个证明视觉空间分辨率和时间分辨率的实例。

并解释视觉区域时间分辨率不同的生理机制（生物物理原因）。

2-4 两种感受野的什么特性有利于检测影像的边缘？2-5 何为马赫带？其形成的生物学基础是什么？2-6 在夜间观赏烟火时，观察到得什么现象可以用视觉动态响应特性进行解释。

2-7 一粉笔沿轴向快速从眼前掠过留下的是什么影像，为什么？第三章习题（图象的基本知识）3-1 物体表面上某一点（小区域）的灰度（或亮度）与那些因素或分量有关？是什么关系？－语言陈述，列写公式3-2 伪彩色图象处理的目的是什么？为什么该处理方法可以实现这样一个目的？－从人类视觉对灰度和彩色的分辩能力谈起――。

3-3 假彩色图像处理的目的和任务是什么？概括：1）降低人类对对彩色区域的分辩难度；2）开展人类视觉的光谱范围。

3-4 请给出灰度直方图的两种应用。

①用于判断图像量化是否恰当。

②用于确定图像二值化的阈值。

③用于区域分割和面积计算。

3-5 黑白图像、普通灰度图像的灰度取值范围是多少？彩色图像中一个象素的颜色需要用多少个bit来表示？――每两个F表示一种基色，――24位，－3-6 结合三相CCD电荷包转移过程图，补充画出在满足t2<t2.5<t3的t2.5时刻的电荷转移示意图。

第1章绪论1.1 引言当今社会，是知识经济的社会，高新科技飞速发展。

入们在迅速发展新科技的同时，也越来越关注自身的生活环境与医疗条件。

健康，越来越成为每一个入倾心关注和孜孜追求的意境。

然焉，群学技术是一把双刃剑，它带给人们得到的同时也在破坏着我们赖以生存的环境，从而严重威害人类的健康。

堪愧的环境，沉重的压力以及激烈的竞争，都侵入们的健康走入低餐，从而健康成为全人类共同关注的目标。

因此医学的发展面临严重的挑战，作为医生诊断和治疗重要手段的医学影像学也得到了相应的发展。

现今，医学图像在医疗诊断中起着不可低估的重要作用。

计算机断层扫描、核磁共振(Magnetic Resonance，MR)、超声(Ultras叫nd)以及其它成像技术等，都是无侵害性的器宫体外成像的有力手段。

但是，医学图像还有一个显著的特点，由于受成像设备的影响、局部体效应(同一个体素中包含多种组织)、患者的体位运动和检查床的匀速直线运动，使得医学图像不可避免地盘现噪声和伪影，边缘模糊和信号强度不均匀现缓，例如信号强度在同一种组织中会出现大幅度的变化或在同一个物体中也不均匀。

此外，在图像形成和传输的过程中，图像的像质也会受到一定的影响，这些都给医生下达准确的诊断造成了一定的障碍。

为了提高医学图像的可读性，使得医生可以对人体的解割结构以及病变部位进行更有效的观察和诊断，提离诊断的准确率，医学图像处理从而成为了一门应用性很强的学科而且得到了长足的发展。

1.2 医学图像分割的意义、分类及其研究现状1.2.1 医学图像分割的意义医学图像分割在医学研究、临床诊断、病理分析、手术计划、影像信息处理、计算机辅助手术等医学研究与实践领域中有着广泛的应用和研究价值，具体表现为以下几个方面：(1) 用于感兴趣区域提取，便于医学图像的分析和识别。

如不同形式或来源的医学图像配准与融合，解剖结构的定量度量、细胞的识别与计数、器官的运动跟踪及同步等；(2)用于人体器官、组织或病灶的尺寸、体积或容积的测量。

多相图像分割的Split-Bregman方法及对偶方法第一章：引言1.1 研究背景和意义1.2 国内外研究现状和发展趋势1.3 本文的研究内容和贡献第二章：多相图像分割的相关理论与方法2.1 图像分割的基本概念和方法2.2 基于能量函数的多相分割方法2.3 Split-Bregman方法及其优化策略2.4 基于对偶算法的多相分割方法第三章：Split-Bregman方法在多相图像分割中的应用3.1 Split-Bregman方法在二相分割中的应用3.2 Split-Bregman方法在三相分割中的应用3.3 Split-Bregman方法在更高相数分割中的应用3.4 分割结果的定量评价第四章：对偶方法在多相图像分割中的应用4.1 对偶方法在二相分割中的应用4.2 对偶方法在三相分割中的应用4.3 对偶方法在更高相数分割中的应用4.4 分割结果的定量评价第五章：实验与分析5.1 实验数据和环境5.2 对比实验及结果分析5.3 讨论与总结参考文献第一章：引言1.1 研究背景和意义图像分割是计算机视觉和图像处理领域中的一个重要研究方向，其主要目的是将一个数字图像分成若干块或区域，使每一块或区域能够准确地表示出图像中的一个物体或一种特定的结构。

图像分割在医学影像、航空影像、遥感影像等众多领域具有广泛的应用，比如医学影像中的肿瘤分割、航空影像中的建筑物识别、遥感影像中的土地利用分类等。

因此，图像分割的算法研究和应用具有重要的理论和实际意义。

近年来，多相图像分割成为了研究的重点之一。

传统的图像分割方法通常将图像分成两类，即前景和背景，然而在实际应用中，我们更希望将图像分成多个部分，因为往往一个图像可能包含多个物体或结构，这时就需要使用多相分割。

多相分割的思想是将图像中每个区域看成一个物体或结构，如何划分出这些区域成为关键。

而多相图像分割的难点是如何使各个区域之间的边界准确地分割出来。

1.2 国内外研究现状和发展趋势目前，图像分割的研究涉及到众多领域，包括数学、物理、计算机科学等等。

本科毕业论文图像分割技术研究Survey on the image segmentation学院名称：电气信息工程学院专业班级：电子信息工程0601班2010年 6 月图像分割技术研究摘要图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，也是图像处理、模式识别等多个领域中一个十分重要且又十分困难的问题。

在图像处理过程中，原有的图像分割方法都不可避免的会产生误差，这些误差会影响到图像处理和识别的效果。

遗传算法作为一种求解问题的高效并行的全局搜索方法，以其固有的鲁棒性、并行性和自适应性，使之非常适于大规模搜索空间的寻优，已广泛应用许多学科及工程领域。

在计算机视觉领域中的应用也正日益受到重视，为图像分割问题提供了新而有效的方法。

本文对遗传算法的基本概念和研究进展进行了综述；重点阐述了基于遗传算法的最大类间方差进行图像分割算法的原理、过程，并在MATLAB中进行了仿真实现。

实验结果表明基于遗传算法的最大类间方差方法的分割速度快，轮廓区域分割明显，分割质量高，达到了预期目的。

关键字：图像分割；遗传算法；阈值分割Survey on the image segmentationAbstract I mage segmentation is the first step of image processing and the basic of computer vision. It is an important part of the image, which is a very important and difficult problem in the field of image processing, pattern recognition.In image processing process, the original method of image segmentation can produce inevitable errors and these errors can affect the effect of image processing and identification .This paper discusses the current situation of the genetic algorithms used in the image segmentation and gives some kind of principles and the processes on genetic algorithm of image segmentationIn this paper.It also descripts the basic concepts and research on genetic algorithms .It emphasizes the algorithm based on genetic and ostu and realizes the simulation on Matlab. The experimental results show that this method works well in segmentation speed，the outline of the division and separate areas of high quality and achieve the desired effect.Genetic algorithm (GA) is a sort of efficient，paralled，full search method with its inherent virtues of robustness，parallel and self-adaptive characters. It is suitable for searching the optimization result in the large search space. Now it has been applied widely and perfectly in many study fields and engineering areas. In computer vision field GA is increasingly attached more importance. It provides the image segmentation a new and effective method.Key words image segmentation；genetic algorithm；image threshold segmentation目录第一章绪论 (1)1.1本课题研究的背景、目的与意义 (1)1.2本课题研究的现状与前景 (2)1.3本论文的主要工作及内容安排 (3)第二章图像分割基本理论 (4)2.1图像分割基本概念 (4)2.2图像分割的体系结构 (4)2.3图像分割方法分类 (5)2.3.1阈值分割方法 (5)2.3.2边缘检测方法 (8)2.3.3区域提取方法 (9)2.3.4结合特定理论工具的分割方法 (10)2.4图像分割的质量评价 (11)第三章遗传算法相关理论 (12)3.1遗传算法的应用研究概况 (12)3.2遗传算法的发展 (12)3.3遗传算法的基本概念 (13)3.4遗传算法基本流程 (14)3.5遗传算法的构成 (14)3.5.1编码 (14)3.5.2确定初始群体 (14)3.5.3适应度函数 (15)3.5.4遗传操作 (15)3.5.5控制参数 (17)3.6遗传算法的特点 (18)第四章 MATLAB相关知识 (20)4.1MATLAB简介 (20)4.2MATLAB的主要功能 (20)4.3MATLAB的技术特点 (21)4.4遗传算工法具箱(S HEFFIELD工具箱) (22)第五章基于遗传算法的最大类间方差图像分割算法 (24)5.1最大类间方差法简介 (24)5.2基于遗传算法的最大类间方差图像分割 (25)5.3流程图 (26)5.4实验结果 (27)第六章总结与展望 (29)6.1全文工作总结 (29)6.2展望 (29)致谢 (30)参考文献 (31)附录 (32)第一章绪论1.1本课题研究的背景、目的与意义数字图像处理技术是一个跨学科的领域。

昆明理工大学信息工程与自动化学院学生实验报告（201—201学年第学期）课程名称：图形图像基础开课实验室： 201年月日一、实验目的及内容目的：掌握和熟悉Matlab编程环境及语言；掌握数学形态学和图像分割的基本原理及应用。

内容：1.通过数学形态学实现边界提取。

2.通过全局阈值及局部阈值实现灰度图像二值化；3.分别用Sobel算子和Canny算子对图像进行边缘检测；通过Hough检测图像中的直线。

二、要求1.描述腐蚀、膨胀、开运算、闭运算的原理。

2.编写程序，使用数学形态学方法实现边界提取。

3.描述全局阈值、局部阈值对图像进行二值化的原理。

4.描述Canny边缘检测算法原理及Hough变换直线检测原理。

5.使用Matlab中的edge函数分别进行Sobel和Canny边缘检测并比较检测结果。

6.写一个M函数，实现局部阈值二值化，并与Matlab中通过graythresh和im2bw两函数进行全局阈值二值化的结果进行对比。

7.M函数结构清晰，运行结果正确。

8.描述M函数的设计、实现和结果，并对结果进行分析。

三、实验环境Windows 7、MATLAB7.10.0四、实验原理及实现1.描述腐蚀、膨胀、开运算、闭运算的原理。

膨胀：把二值图像各1像素连接成分的边界扩大一层（填充边缘或0像素内部的孔）腐蚀：把二值图像各1像素连接成分的边界点去掉从而缩小一层（可提取骨干信息去掉毛刺，去掉孤立的0像素）开：先腐蚀再膨胀，可以去掉目标外的孤立点。

闭：先膨胀再腐蚀，可以去掉目标内的孔。

先腐蚀后膨胀的过程称为开运算。

它具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。

2.编写程序，使用数学形态学方法实现边界提取。

代码：close all;clear all;f=imread('Fig0409(a)(bld).tif');imshow(f),title('original image');se = strel('disk',1);fe=imerode(f,se); %ͼÏñ¸¯Ê´figure,imshow(fe),title('erosed image');se = strel('disk',1);fd=imdilate(f,se); %ͼÏñÅòÕÍfigure,imshow(fd),title('dilated image');f1=fd-fe;thresh = graythresh(f1);f2 = im2bw(f1,thresh);figure,imshow(f2),title('±ßÔµÌáÈ¡');运行截图：原始图像原始图像边界提取3.描述全局阈值、局部阈值对图像进行二值化的原理。