当前位置：文档之家 › 基于阈值的图像分割方法研究与实现

基于阈值的图像分割方法研究与实现

  • 格式：doc
  • 大小：839.97 KB
  • 文档页数：33

杭州电子科技大学本科毕业设计

本科毕业设计

（2011届）

题 目 基于阈值的图像分割方法研究与实现

摘 要

本毕业设计主要研究基于Hough变换的图像结构提取方法，通过MATLAB语言编程来实现两种典型的图像阈值分割算法（最大类间方差法和迭代法），并对这两种算法进行比较分析。其主要工作步骤如下：

首先介绍数字图像处理和图像分割的基本理论知识。接着对几种图像分割方法进行了介绍。然后了解图像阈值化原理，并在此基础上对两种典型的图像阈值分割算法（最大类间方差法和迭代法）的原理进行了介绍。最后通过MATLAB语言编程实现这两种算法，分别得到这两种算法的分割性能，并对这两种算法的分割性能进行比较。结果表明在大多数情况下，最大类间方差法比迭代法更稳定。

关键词：数字图像处理；阈值化；最大类间方差法；迭代法；直方图

杭州电子科技大学本科毕业设计

杭州电子科技大学本科毕业设计

ABSTRACT

The main aim of this thesis is to analyze image segmentation method based on

thresholding, then implement two typical algorithms (Otsu method and Iterative method)

by MATLAB language programming, and compare the two algorithms. Its main work

procedure is as follows:

First the basic theories of digital image processing and image segmentation are

introduced. Then several image segmentation algorithms are introduced. Based on

knowing the theory of image thresholding, we introduce the theory of two typical

algorithms (Otsu method and Iterative method). Finally through MATLAB language

programming, we can get the segmentation performance of the two algorithms

respectively, and compare the two algorithm’s segmentation performance. The result

shows that Otsu method is more stable than Iterative method in most cases.

Key words：digital image processing; thresholding; Otsu method; Iterative method;

image histogram. 杭州电子科技大学本科毕业设计

目 录

1 引言 ............................................................................................................................... 1

2 数字图像处理基础 ....................................................................................................... 2

2.1 数字图像处理的发展概况 ............................................................................. 2

2.2 数字图像处理的目的与主要内容 ................................................................. 2

2.3 数字图像的表示法 ......................................................................................... 3

2.4 图像的灰度直方图 ......................................................................................... 4

3 图像分割技术及其方法 ............................................................................................... 5

3.1 图像分割的基本论述 ..................................................................................... 5

3.2 典型的图像分割方法 ..................................................................................... 6

3.3 结合特定理论的图像分割方法 ..................................................................... 8

4 图像阈值化分割原理 ................................................................................................. 10

4.1 阈值化分割原理 ........................................................................................... 10

4.2 迭代法 ........................................................................................................... 11

4.3 最大类间方差法 ........................................................................................... 12

4.4 图像阈值化技术的应用现状 ....................................................................... 14

5 分割效果分析 ............................................................................................................. 15

5.1 MATLAB的简介 ........................................................................................ 15

5.2 分割效果的评估标准 ................................................................................... 16

5.3 分割效果分析 ............................................................................................... 16

6 结论 ............................................................................................................................. 24

致谢 ................................................................................................................................. 25

参考文献 ......................................................................................................................... 26

附录 ................................................................................................................................. 27 杭州电子科技大学本科毕业设计

1 1 引言

21世纪是科学技术迅猛发展的时代，图像作为现代信息社会中最基本的信息之一得到了广泛的应用。数字图像处理技术是20世纪60年代发展起来的一门新兴学科，几乎在各个行业里都起到了重要作用，随着全球数字化和现代信息技术的不断发展，数字图像处理这门新兴学科也跟着得到了迅速的发展，其理论与方法进一步完善，使得数字图像处理在更多领域得到了广泛的应用，并展示出广阔的应用前景。

在数字图像处理中，图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。目前图像分割技术已被广泛应用于很多的领域，如工业自动化，在线产品检验，生产过程控制，文档图像处理，遥感和生物医学图像分析，保安监视，以及军事，体育，农业工程等方面。基于阈值选取方法的图像分割方法，因其计算简单，具有较高的运算效率、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，但是不同方法选取的阈值直接影响到图像分割的质量。

从20世纪70年代，图像阈值分割方法一直受到人们的关注和重视，到现在为止已经提出了众多基于阈值的分割算法，但是并没有通用的阈值分割理论，也没有一种图像阈值分割算法适用于所有的情况，每种图像分割算法都有其局限性。其中，迭代法和最大类间方差法（大津法）作为两种典型的算法得到了广泛的应用。本论文就这两种算法进行了研究与实现，通过MATLAB语言编程实现这两种算法，分别对几幅灰度图像进行分割，从而验证这两种算法的有效性，并对它们做对比分析。

合集下载

图像分割 实验报告

图像分割 实验报告

图像分割 实验报告

图像分割实验报告

一、引言

图像分割是计算机视觉领域中的一个重要研究方向，它旨在将一幅图像分割成具有语义意义的不同区域。图像分割在许多应用中发挥着关键作用，如目标检测、场景理解和医学图像处理等。本实验旨在探索不同的图像分割方法，并对其进行比较和评估。

二、实验方法

本实验选择了两种常用的图像分割方法：基于阈值的分割和基于边缘的分割。首先，我们使用Python编程语言和OpenCV库加载图像，并对图像进行预处理，如灰度化和平滑处理。接下来，我们将详细介绍这两种分割方法的实现步骤。

1. 基于阈值的分割

基于阈值的分割是一种简单而常用的分割方法。它通过将图像像素的灰度值与预先设定的阈值进行比较，将像素分为前景和背景两类。具体步骤如下：

（1）将彩色图像转换为灰度图像。

（2）选择一个适当的阈值，将图像中的像素分为两类。

（3）根据阈值将图像分割，并得到分割结果。

2. 基于边缘的分割

基于边缘的分割方法是通过检测图像中的边缘来实现分割的。边缘是图像中灰度变化剧烈的区域，通常表示物体的边界。具体步骤如下：

（1）将彩色图像转换为灰度图像。 （2）使用边缘检测算法（如Canny算法）检测图像中的边缘。

（3）根据边缘信息将图像分割，并得到分割结果。

三、实验结果与讨论

我们选择了一张包含多个物体的彩色图像进行实验。首先，我们使用基于阈值的分割方法对图像进行分割，选择了适当的阈值进行实验。实验结果显示，基于阈值的分割方法能够将图像中的物体与背景分离，并得到较好的分割效果。

接下来，我们使用基于边缘的分割方法对同一张图像进行分割。实验结果显示，基于边缘的分割方法能够准确地检测出图像中的边缘，并将图像分割成多个具有边界的区域。与基于阈值的分割方法相比，基于边缘的分割方法能够更好地捕捉到物体的形状和边界信息。

通过对比两种分割方法的实验结果，我们发现基于边缘的分割方法相对于基于阈值的分割方法具有更好的效果。基于边缘的分割方法能够提供更准确的物体边界信息，但也更加复杂和耗时。而基于阈值的分割方法简单快速，适用于一些简单的分割任务。

图像分割算法的研究与实现-开题报告

图像分割算法的研究与实现-开题报告

湖北师范学院学士学位论文（设计）开题报告

学生姓名 所在院系 物理与电子信息科学学院 所在班级 指导教师

学生学号 专业方向 电子信息科学与技术 开题时间 2010.3.8 导师职称

论文题目 图像分割算法的研究与实现

文献综述：

从上世纪70年代起,许多研究人员为图像分割问题付出了巨大的努力。现代图像处理技术已成功地应用于许多领域。例如,机动车号牌识别,交通路口(段)的电子警察,文字识别(OCR),指纹识别,等等。图像分割是图像识别和图像理解的基本前提,图像分割质量的好坏直接影响后续图像处理的效果,因此图像分割的作用是至关重要的。图像分割是指将一幅图像分解为若干互不交叠的有意义具有相同性质的区域。好的图像分割应具备的特征:①分割出来的各区域对某种性质例如灰度,纹理而言具有相似性,区域内部是平整的且没有许多小孔;②相邻区域对分割所依据的性质有明显的差异;③区域边界是明确和规整的。大多数图像分割方法只是部分满足上述特征。如果加强分割区域的同性质约束,则分割区域很容易产生大量小孔和不规整边缘;若强调不同区域间性质差异的显著性,则易造成不同质区域的合并。具体处理时,不同的图像分割方法总是在各种约束条件之间寻找一种合理的折中[1]。

图像分割是图像处理到图像分析的关键步骤,也是进一步图像理解的基础。所谓图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。借助集合概念对图像分割可给出如下比较正式的定义令集合R 代表整个图像区域,对的分割可看作将R分成N 个满足下列5 个条件的非空子集（子区域）R1,…,RN;

① R1 U R2… U RN =R;

② 对所有的i 和j ,有Ri ∩ Rj = ø (i≠j);

③ 对i = 1 ,2 , ⋯, N ,有P(Ri) = TRUE;

④ 对i ≠ j ,有P(Ri ∪Rj) = FALSE;

⑤ 对i = 1 ,2 , ⋯, N , Ri 是连通区域。

图像分割二——阈值处理

图像分割二——阈值处理

7-2 图像分割二——阈值处理

一、实验目的：

1. 理解和掌握全局阈值处理和局部阈值处理的基本原理；

2. 利用 MATLAB 编程实现对图像进行阈值处理，包括全局阈值处理，局

部阈值处理；

3. 通过实验体会分割方法对图像处理的效果，以及各种因素对分割效果的

影响。

二、实验内容：

1. 利用 Matlab 编程实现基本全局阈值处理、Otsu 方法和局部阈值处理，

比较并分析这几种方法分割图像的效果。

2. 理解教材 p221 自定义函数计算给定图像直方图的 T 和 SM 的原理，

并实现；

3. 利用 Matlab 编程实现使用基于梯度的边缘信息改进全局阈值处理、使

用基于拉普拉斯

三、实验步骤：

1. 读入图像并绘制原始图像直方图,代码如下：

clc;clear

f = imread('Fig723(a).jpg');

imshow(f)

title('原始图像')

figure;

imhist(f)

title('原始图像直方图') axis([0 250 0 1200])

2.基本全局阈值处理，代码如下：

f=imread('Fig723(a).jpg');

count = 0;

T = mean2(f);

done = false;

while ~done

countcount = count + 1;

g = f > T;

Tnext = 0.5*(mean(f(g)) + mean(f(~g)));

done = abs(T - Tnext) < 0.5;

T = Tnext;

end

g = im2bw(f, T/255);

subplot(121);

imshow(f)

subplot(122);

imshow(g);

title('基本全局阈值处理后的图像')

3. 使用函数 graythresh 实现 Otsu 分割方法。

参考代码：

clc;clear

f = imread('Fig723(a).jpg');

图像分割中阈值的自动选取的研究及其算法实现

图像分割中阈值的自动选取的研究及其算法实现

--

-- 图像分割是图像处理这门学科中的基础难题，基于阈值的分割则又是图像分割的最基本的难题之一，其难点在于阈值的选取。事实证明，阈值的选择的恰当与否对分割的效果起着决定性的作用。由于阈值选取对图像分割的基础性，本文主要在【1】、【2】、【3】、【4】等的基础上，对一些当前流行的阈值选取算法做了探讨、实现和比较。多阈值分割虽然能进一步提高图像分割的质量，但由于它只是分割技巧的处理问题，而与单阈值分割并无本质的区别。因此本文并不对多阈值分割进行讨论，而只考虑单阈值分割的情形。

1． 双峰法

双峰法的原理及其简单：它认为图像由前景和背景组成，在灰度直方图上，前后二景都形成高峰，在双峰之间的最低谷处就是图像的阈值所在。根据这一原理，我们给出了它的实现，部分代码如下（Pascal语言描述，以下同）：

//intPeak、intPeak2、intValley：峰值和直方图值

//intIndx:：相应的灰度值

intPeak,intIndx,intPeak2,intIndx2,intValley,intValleyIndx:integer;

//初始双峰值

intPeak:=0;

intPeak2:=0;

//取得第一峰值

for intLoop:=0 to 255 do

if intPeak<=intGrayLevel[intLoop] then

begin

intPeak:=intGrayLevel[intLoop];

intIndx:=intLoop;

end;

//取得第二峰值 --

--

for intLoop:=0 to 255 do

Begin

if (intPeak2<=intGrayLevel[intLoop]) and (intLoop<>intIndx) then