图像分割和特征提取技术研究.doc

1、毕业设计图像分割和特征提取技术研究 摘 要 图像分割是图像分析的第一步，是图像理解的重要组成部分，在有关图像处理的几乎所有领域具有广泛的应用。因此，图像分割一直受到高度重视，对其研究具有十分重要的意义。长期以来，研究人员提出了许多实用的分割算法。随着统计学理论，神经网络，小波理论等在图像分割中的应用日益广泛，遗传算法、尺度空间、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，许多国内外学者也针对一些具体应用提出了许多实用有效的方法。本文介绍了数字图像处理技术中图像分割技术的基本理论和三种图像分割方法(1)基于阈值图像分割；(2)基于边缘检测及算子分割；(3)基于区域特性的图像

2、分割。对基于点的分割方法进行了较全面的叙述，主要研究了图像分割方法中的边缘检测法，区域提取法和阈值分割法。通过大量的理论研习。并编写了MATLAB软件程序，对各分割方法进行了仿真实验，得到分割图像。最后对于仿真进行了数据处理分析，验证了Canny算子的整体效果最好, Prewitt算子分割细致。但对于一幅图像仅仅只有只用一种方法达不到很好的效果，而根据待分割图象的不同特点，结合已知的先验知识，研究符合具体图象特性的分割模型，才是提高图象分割的重要手段。关键词：图像分割；边缘法；区域法；阈值法；分水岭分割法Lmage Segmentation And Feature Extraction Tec

3、hnology ResearchAbstract Image segmentation is the first step in image analysis, image segmentation is an important component of image understanding, in almost all areas of the image processing has widely application. As a result, image segmentation has been attached great importance to, its researc

4、h has the very vital significance. For a long time,researchers put forward many practical segmentation algorithm. With statistics theory, the neural network, wavelet theory has been used increasingly in image segmentation, such as genetic algorithm, scale space, and nonlinear diffusion equation with

5、 the recent emergence of new methods and new ideas are constantly being used to solve the segmentation problem, many scholars at home and abroad for some specific application put forward many practical and effective method. Digital image processing techniques were introduced in This paper introduces

6、 the digital image processing technology of image segmentation technology in basic theory and three methods of image segmentation. (1) based on threshold image segmentation. (2) segmentation based on edge detection and operator; (3) the image segmentation based on region feature. On the segmentation

7、 method based on the point of narrative, mainly studies the edge of image segmentation method, region extraction method and threshold segmentation method. Through a lot of theory study. And write the MATLAB software, the segmentation method, the simulation experiment for image segmentation. Finally

8、analyzed the data processing for simulation. Verify the Canny operator of the overall effect is best. Prewitt operator segmentation and detailed. But for an image only only one way to reach a good effect, and according to the different characteristics of for image segmentation, combined with the kno

9、wn prior knowledge, research in accordance with the specific image segmentation model, is an important means to improve the image segmentation.KEYWORDS：Segmentation； edge method；the regional method；threshold；watershed segmentation 目录第1章 绪论11.1 课题研究背景与意义11.2国内外发展现状11.3 课题设计内容2第2章 概述32.1图像和数字图像32.2 数字

10、图像处理简介32.3 图像处理文件格式32.4图像分割理论概述52.4.1 图像分割的定义52.4.2 图像分割的目的和意义62.5图像分割主要研究方法62.5.1 边缘检测法72.5.2 区域提取法72.5.3阈值分割法72.5.4 结合特定理论工具的分割方法82.6数字图像分割质量评价体系8第3章 图像分割方法综述103.1基于阈值图像分割算法103.2 基于边缘检测分割算法123.3 基于区域特性的图像分割算法14第4章 基于Matlab的图像分割仿真结果与讨论164.1 图像阈值分割算法研究164.1.1 Otsu 阈值图像分割算法164.1.2 直方图阈值算法174.2 图像边缘分割

11、算法的研究194. 2.1 Canny 边缘检测算法194. 2.2 Log 分割算发214.3 区域特性图像分割方算法的研究214.3.1 分水岭图像分割算法224.4 本章小结234.4.1主要工作总结234.4.2 结论24第5章总结26参考文献27致谢28 - III -毕业设计第1章 绪论1.1 课题研究背景与意义图像分割是图像处理中的一项关键技术，也是一经典难题，发展至今仍没有找到一个通用的方法，也没有制定出判断分割算法好坏的标准，对近几年来出现的图像分割方法作了较为全面的综述，探讨了图像分割技术的发展方向，对从事图像处理研究的科研人员具有一定的启发作用。图像分割是图像分析的第一步

12、，图像分割接下来的任务，如特征提取、目标识别等的好坏，都取决于图像分割的质量如何。由于该课题的难度和深度，进展比较缓慢。图像分割技术自20世纪70年代起一直受到人们的高度重视，虽然研究人员针对各种问题提出了许多方法，但迄今为止仍然不存在一个普遍适用的理论和方法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述，并将图像分割方法分为阈值分割方法、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4类。然而，对图像分割的效果好坏或正确与否，还没有一个统一的评价判断准则。不同的分割

13、方法对同一幅图像的分割效果是不同的，而且同一种分割方法对一幅图像在不同空间下的分割效果也是不同的。21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。以上说明本次的基于MATLAB图像分割算法研究对社会需求具有重要意义。1.2国内外发展现状自20世纪70年代起图像分割一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论

14、，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述。并将图像分割方法分为阈值分割方法、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。早期的图像研究中，图像的分割方法主要可以分为两大类。一类是边界方法，这种方法的假设是图像分割结果的某个子区域在原来的图像中一定会有边缘存在；一类是区域方法，这种方法的假设是图像分割结果的子区域一定会有相同的性质，而不同区域的像素没有共同的性质。这两种方法都有缺点和优

15、点，有的学者也试图把两者结合起来进行图像分割，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也应用在图像分割当中。1.3 课题设计内容图像信号因其传递信息的丰富性，在科学研究与生产实践中有着极其重要的应用，特别在公共事务管理中，存在着大量图像处理应用需求。在图像信息应用中，利用图像分割技术，能够有效地从原始图像中，提取目标信息，从而为图像数据库管理，图像信息检索与应用等提供可靠的技术保障。作为一种成熟的应用软件，Matlab有着强大的数字图像处理功能。本课题要求以之作为应用开发平台，

16、研究不同噪声水平下，分割方法选择、实现及其效果评估，具有一定的应用价值和现实可行性。基于原始图像及其特征分析，应用不同的算法，进行图像分割方法研究与效果比较。本文主要以MATLAB为工具来实现数字图像分割的处理。第2章 概述2.1图像和数字图像图像是能为人类视觉所感知的信息形式或人们心目中的有形想象。据统计，在人类接受的信息中，视觉信息约占80，俗语“百闻不如一见”就反映了图像在信息感知中的独到之处。目前，图像处理技术发展迅速，应用领域也越来越广。图像可以通过各种各样的形式存在，例如：静止图像于运动图像；灰度图像和彩色图像；平面图像与立体图像等等，但是就其本质而言，我们可将图像分为连续图像和离

17、散图像。对于图像信号，为了描述的方便和不失一般性，假定图像的指标空间为时间（t）和几何空间（x,y,z）构成，其值空间为U，其元素uuR,uG,uB。如果指标空间D中的所有元素d=(d1,d2,.dn)=(x,y,z,t)均可取连续值，则称此信号为连续图像。相反的，如果d只能取离散值的图像为离散图像。习惯上，把空间连续（或离散）的图像称为连续（或离散）图像。数字图像指幅度和空间同时离散（或同时连续的图像）。与模拟图像相比，数字图像具有以下显著特点1：1） 精度高：目前的计算机技术可以将一幅模拟图像化为任意的二维数组，即数字图像可以由无限个像素组成，每个像素的亮度可以量化为12位（即4096个灰

18、度级），这样的精度使数字图像与彩色图像的效果相差无几；2） 处理方便：由于数字图像本质上是一组数据，所以可以使用计算机对它进行任意方式的修改，例如，放大、缩小、改变颜色、幅值和删除某一部分等；3） 重复性好：模拟图像（例如，照片）即便使用非常好的底片和相纸，也会随着时间的流逝而褪色、发黄，而数字图像可以储存在光盘中，上百年后再用计算机重现也不会有丝毫的改变。2.2 数字图像处理简介数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数

19、学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。2.3 图像处理文件格式组成数字图像的基本单位称为像素(Pixel)，把像素按不同的方式进行组织和存储，就得到不同的图像格式；把图像数据存为文件就得到图像文件。图像文件按其格式的不同一般具有不同的扩展名。常用的图像文件格式有位图文件、JPEG文件、GIF文件、PNG文件等。每一种格式都有它的特点和用途，在选择输出的图像文件格式时，应考虑图像的应用目的以及图像文件格式对图像数据类型的要求。下面我们介绍几种常用的图像文件格式及其特点。（1）BMP图像格式这是一种DOS和Windows兼

20、容计算机系统的标准图像格式。BMP格式支持索引色、灰度等色彩模式。图像存储为BMP格式时，每一个像素所占的位数可以是1位、4位、8位或32位，相对应的颜色数也从黑白一直到真彩色。对于使用Windows格式的4位和8位图像，可以指定采用RLE压缩。BMP图像文件含文件头、调色板数据和图像数据三个层次。这种格式在PC机上应用非常普遍。（2）JPEG图像格式JPEG是由联合照片专家组(Joint Photo graphic Experts Group)开发的一种图像文件格式。它采用有损压缩方式去除冗余的图像和彩色数据，在获取极高的压缩率的同时也能展现十分丰富生动的图像。也就是说，可以用较少的磁盘空间

21、得到较好的图像质。另外，JPEG还是一种比较灵活的格式，当将图像保存为JPEG格式时，允许用户用不同的压缩比例对文件进行压缩，就是可以指定图像的品质和压缩级别。（3）TIFF图像格式TIFF文件主要由三部份组成，包括文件头、标识信息区和图像数据区。TIFF文件的图像数据区以行扫描的方式存取图像，存储图像前先将图像分割成若干部分，压缩后再存储。存储时，单色图像一个字节存储8个点，16色图像一个字节2个点，而256色图像就是一个字节存储一个点。TIFF图像格式是一种应用非常广泛的位图图像格式，几乎被所有绘画、图像编辑和页面排版应用程序所支持。TIFF格式常常用于在应用程序之间和计算机平台之间交换文

22、件。(4)GIF图像格式GIF是Graphics Interchange Format(图形交换格式)的缩写，是由ComputerServe公司推出的一种图像格式。该种图像格式的特点是压缩比高，可以极大地节省存储空间。最初的GIF只是简单的用来存储单幅静止图像，后来可以同时存储若干幅静止图像从而形成连续的动画；同时，GIF格式支持透明背景，可以较好地与网页背景融合在一起。因此，GIF常常用于保存作为网页数据进行传输的图像文件，成为网络和BBS上使用频率较高的一种图像文件格式。但是GIF最多只能处理256种色彩，不能用于存储真彩色的图像文件。（5）PNG图像格式这种格式称为可移植网络图像文件格式

23、(Portable Network Graphics)，由Thomas Boutell, Tom Lan。等人提出并设计。其特点是: 支持48位真彩色图像、16位灰度图像和颜色索引数据图像；主要面向网络图像传输和图像编辑，其提供的二维交叉存储机制使用户在图像网络传输过程中能更快的观察到接近真实的近似图像；对用户完全透明且无专利限制，用户可以从Internet上随时下载与PNG文件格式配套的图像数据压缩算法源程序代码： 具有比GIF高5-20%的压缩效率； 具有可扩展性。作为目前最不失真的图像格式，PNG格式图像吸取了GIF和JPEG二者的优点。它可以把文件压缩到极限以利于网络传输，但由于采用无

24、损压缩方式来减少文件大小，PNG格式能保留所有与图像品质有关的信息。同时，PNG支持图像背景透明，显示速度快。本文是在灰度图像BMP格式下的研究，在MATLAB中，灰度图像是保存在一个矩阵中的，矩阵中的每一个元素代表一个像素点。矩阵可以是双精度类型，其值域为0，1；也可以为uint8类型，其数据范围为0，255。矩阵的每个元素代表不同的亮度或灰度级。2.4图像分割理论概述图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁

25、和纽带。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来。2.4.1 图像分割的定义文字定义：把图象（空间）按一定要求分成一些“有意义”区域的处理技术。“有意义”希望这些区域能分别和图象景物中各目标物(或背景)相对应。正式“集合”定义： 令集合 R 代表整个图像区域，对R的分割可看作将R分成若干个满足如下五个条件的非空的子集（子区域）：（1）（分割所得全部子区域的总和（并集）应能包括图像中所有像素或将图像中每个像素都划分进一个子区中）（2）对所有的i和j ,有Ri Rj = (

26、ij)；（各子区互不重叠）（3）对i=1，2，3，N，有P（Ri）=TRUE；（属于同一子区像素应具有的某些共同特性）（4）对ij，有P(Ri Rj)=FALSE；（属于不同子区像素应具有某些不同特性）（5）对i=1，2，N，Ri是连通区域。（同一子区内像素应当是连通的）条件1指出对一幅图像的分割结果的全部子区域的总和(并集)就是原图像，或者说分割应该是将图像中的每个像素都分进某个子区域中。条件2指出在分割结果中各个子区域是互不重叠的，或者说在分割结果中一个像素不能同时属于两个区域。条件3指出在分割结果中每个子区域都有独特的特性，或者说属于同一个区域中的像素应该具有某些相同的特性。条件4指出在

27、分割结果中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一些不同的特性。条件5要求分割结果中同一个子区域内的像素应当是相通的，即同一个子区域内的任意两个像素在该子区域内是互相连通，或者说分割得到的区域是一个连通组元。上面的定义，不仅对明确的说明了分割的含义，而且对进行分割也有相当的指导作用。因为分割总是根据一些分割准则进行的。条件1和条件2说明正确的分割准则应可适用于所有区域和所有像素，条件3和条件4说明合理的分割准则应该能够帮助确定各区域像素有代表性的特性，而条件5说明完整的分割准则应直接或间接地对区域内象素的连通性有一定的要求或限定。最后需要指出的是，在实际应

28、用中图像分割不仅是要把一幅图像分成满足以上五个条件的各具特性的区域，而且需要把其中感兴趣的目标区域提取出来,只有这样才算是真正完成了图像分割的任务。2.4.2 图像分割的目的和意义图像分割的目的在于根据某些特征(如灰度级、频谱、纹理等)将一幅图像分成若干有意义的区域，使得这些特征在某一区域内表现一致或相似，而在不同区域间表现出明显的不同5。在图像的研究和应用过程中，人们往往仅对各幅图像中的某些部分感兴趣。这些部分常称为目标或前景，它们一般对应图像中特定的具有独特性质的区域。为了辨别和分析目标，需要将这些区域分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是将图像分成各具特性的区域并

29、提取出感兴趣的目标的技术和过程。在进行图像分割时，首先要根据目标和背景的先验知识来对图像中的目标、背景进行标记、定位，然后将等待识别的目标从背景中分离出来。图像分割是由图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术。这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始的图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能。因此，图像分割多年来一直得到人们的高度重视。图像分割在实际中已得到广泛的应用，例如在工业自动化，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。概括来说，在各种图像应中，只要需对图像目标

30、进行提取，测量等都离不开图像分割。近年来，图像分割在对图象的编码中也起到越来越重要的作用，例如国际标准MPEG-4中模型基/目标基编码等都需要基于分割的结果。可见，图像分割在图像工程中有重要的地位和影响。2.5图像分割主要研究方法图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出了上千种各种类型的分割算法，现提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用分割算法，而且近年来每年都有上百篇相关研究报道发表。然而，还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际问题。因此，对图像分割的研究还在不断深入之中，是目前图像

31、处理中研究的热点之一。图像分割在图像工程中的位置它起着承上启下的作用，可以认为是介于低层次处理和高层次处理的中间层间。最近几年又出现了许多新思路、新方法、或改进算法。下面对一些经典传统方法作简要的概述。多年来人们对图像分割提出了不同的解释和表述，借助集合概念对图像分割可给出如下定义：令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，RN；（1）在分割结果中，每个区域的像素有着相同的特性；（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性；（3）分割的所有子区域的并集就是原来的图像；（4）各个子集是连通的区域；图像分割是把图像分

32、割成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的灰度、颜色、纹理等提取的目标可以是对应的单个区域，也可以是对应的多个区域。图像分割方法有许多种分类方式，在这里将分割方法概括为四类：(1)边缘检测方法(2)区域提取方法(3)阈值分割方法(4)结合特定理论工具的分割方法。下面就这些方法展开介绍。2.5.1 边缘检测法图像分析和理解的第一步常常是边缘检测。边缘检测方法是人们研究得比较多的一种方法，它通过检测图像中不同区域的边缘来达到分割图像的目的。边缘检测的实质是采用某种算法来提取出图像中对象与背景问的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。

33、图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是通过对原始图像中像素的某小邻域构造边缘检测算子来达到检测边缘这一目的。2.5.2 区域提取法区域提取法有两种基本形式：一种是从单个像素出发，逐渐合并以形成所需的分割区域；另一种是从全图出发，逐渐分裂切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。根据以上两种基本形式，区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其

34、周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的。该方法的关键是要选择合适的生长或相似准则。生长准则一般可分为三种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。区域提取法的缺点是往往会造成过度分割，即将图像分割成过多的区域，因此近年来针对这种方法的研究较少。2.5.3阈值分割法对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为

35、两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。阈值分割算法主要有两个步骤：（1）确定需要的阈值；（2）将分割阈值与像素值比较以划分像素。可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像本身的特点，可分为单阈值分割方法和多阈值分割方法：也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法若考虑分割算法所用的特征或准则的特点，还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松弛法、模糊集法等。2.5.4 结合特定理论

36、工具的分割方法近年来，随着各学科许多新理论和方法的提出，人们也提出了许多结合特定理论工具的分割方法，例如基于数学形态学的分割方法，基于神经网络的分割方法，基于信息论的分割方法，基于模糊集合和逻辑的分割方法，基于小波分析和变换的分割方法，基于遗传算法的分割方法等。基于小波分析和变换的分割方法是借助新出现的数学工具小波变换来分割图像的一种方法，也是现在非常新的一种方法。小波变换是一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测，例如可利用高斯函数的一阶和二阶导数作为小波函数，利用Mallat算法分解小波，然后基于马尔算子进行多尺度边缘检测，这里小波分解的级数可以控制观察距离的“调焦”。

37、而改变高斯函数的标准差可选择所检测边缘的细节程度。小波变换的计算复杂度较低，抗噪声能力较强。理论证明以零点为对称点的对称二进小波适合检测屋顶状边缘，而以零点为反对称点的反对称二进小波适合检测阶跃状边缘。近年来多通道小波也开始用于边缘检测。另外，利用正交小波基的小波变换也可提取多尺度边缘，并可通过对图像奇异度的计算和估计来区分一些边缘的类型。2.6数字图像分割质量评价体系通常我们对一副图像分割结果的好坏判断，是以人的主观判断作为标准的，因此人的视觉决定了分割效果的优良，从而导致了由于人的视觉差异对图像分割好坏评价的差异，所以我们对不同的分割方法做一个定量的、定性的评价是非常有意义的。为了把握图像

38、分割算法的性能，应当对各种算法都进行评价。分割评价是改进和提高现有算法的性能，改善分割质量和指导新算法研究的重要手段。评价方法一般可以分为直接法和间接法两大类：直接发是直接对算法的原理和性能进行评价，而没有考虑到应用环境的影响，评价结果只与算法有关；间接法在对结果进行测试和对比进行评价。 图1-1 图像分割评价方法示意图 由图1-1可知，直接评价法研究图像分割所用的算法本身，通过分析它的原理、性质、特点，从而推断和评判算法的优劣;而间接评价法是去研究输出分割图的质量，或由输入图得到的参考图与输出图的差别从而通过归纳总结得到分割算法的性能。同样要评价分割技术，各种方法的难易程度也不同。用间接法评

39、判算法需要用算法对图像进行分割实验以得到输出分割图(有时还需获得参考图)，而用直接法则只需要对算法本身进行分析就可以。 关于图像分割评价方法方面，许多学者提出了不少评价方法和准则；在这些准则中，定量实验准则提出最多，而且运用这类准则得到的评价标准也具有说服力，定量实验评价准则主要包括：区域间对比度、区域内部均匀性、形状测度、目标计数一致性、像素距离误差、像素数量误差、最终测量精度等。第3章 图像分割方法综述图像分割是指将图像划分为与其中含有的真实世界的物体或区域有强相关性的组成部分的过程。图像分割是图像处理和分析中的重要问题,也是计算机视觉研究中的一个经典问题。尽管它一直受到科研人员的重视,但

40、是它的发展很慢,被认为是计算机视觉的一个瓶颈。迄今为止,还没有一种图像分割方法适用于所有的图像,也没有一类图像所有的方法都适用于它。近几年来,研究人员不断改进原有方法并将其它学科的新理论和新方法引入图像分割,提出了不少新的分割方法。本文对传统的图像分割方法进行分析。典型的图像分割方法有阈值法，边缘检测法，区域法。分析各种图像分割方法可以发现，它们分割图像的基本依据和条件有以下4方面：(l)分割的图像区域应具有同质性，如灰度级别相近、纹理相似等；(2)区域内部平整，不存在很小的小空洞；(3)相邻区域之间对选定的某种同质判据而言，应存在显著差异性；(4)每个分割区域边界应具有齐整性和空间位置的准确

41、性。现有的大多数图像分割方法只是部分满足上述判据。如果加强分割区域的同性质约束，分割区域很容易产生大量小空洞和不规整边缘，若强调不同区域间性质差异的显著性，则极易造成非同质区域的合并和有意义的边界丢失。不同的图像分割方法总有在各种约束条件之间找到适当的平衡点。下面，我们将图像分割算法分为以下5类：基于阈值化的分割、基于边缘的分割、基于区域的分割、基于聚类的分割、基于形态学及其他分割方法。3.1基于阈值图像分割算法阈值分割是一种常用的图像分割方法，它主要利用图像中要提取的目标物与其背景在灰度特性上的差异，通过设置合适的灰度门限（阈值），将图像的灰度划分为两个或多个灰度区间，以确定有意义的区域或分

42、割物体的边界。阈值分割常用于图像的二值化处理，即选择一个合适的阈值，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图像中该像素点是属于目标区域还是属于背景区域，从而将图像转化成二值图像。简单地用一个或几个阈值将图像的直方图分成几类, 图像中灰度值在同一个灰度类内的象素属干同一个类。其过程是决定一个灰度值, 用以区分不同的类, 这个灰度值就叫做“阈值”。它可以分为全局阈值分割和局部阈值分割。所谓全局阈值分割是利用利用整幅图像的信息来得到分割用的阈值, 并根据该阈值对整幅图像进行分割而局部阈值分割是根据图像中的不同区域获得对应的不同区域的阈值, 利用这些阈值对各个区域进行分割, 即

43、一个阈值对应相应的一个子区域, 这种方法也称适应阈值分割。阈值法是一种简单但是非常有效的方法, 特别是不同物体或结构之间有很大的强度对比时, 能够得到很好的效果它一般可以作为一系列图像处理过程的第一步。它一般要求在直方图上能得到明显的峰或谷, 并在谷底选择阈值。如何根据图像选择合适的阈值是基于阈值分割方法的重点所在, 也是难点所在。它的主要局限是, 最简单形式的阈值法只能产生二值图像来区分两个不同的类。另外, 它只考虑象素本身的值, 一般都不考虑图像的空间特性, 这样就对噪声很敏感它也没有考虑图像的纹理信息等有用信息,使分割效果有时不能尽如人意。阈值法的几种阈值选择方法：全局阈值法（1）双峰法

44、对于目标与背景的灰度级有明显差别的图像,其灰度直方图的分布呈双峰状,两个波峰分别与图像中的目标和背景相对应,波谷与图像边缘相对应。当分割阈值位于谷底时,图像分割可取得最好的效果。该方法简单易行,但是对于灰度直方图中波峰不明显或波谷宽阔平坦的图像,不能使用该方法。假设，一副图像只有物体和背景两部分组成，其灰度图直方图呈现明显的双峰值，如图3-1所示： 图3-1 双峰法灰度直方图找出阈值T，则可以对整个图像进行二值化赋值。程序的实现：通过数组记录直方图中的各像素点值的个数， 再对逐个像素值进行扫描。记录每个像素能作为谷底的范围值，接着找出能作为谷底范围最大的点作为阈值。其实现流程图如图3-2所示：

45、开始通过数组g255读入直方图逐个查看能每个像素值在直方图中能作为谷底的范围找出能作为谷底范围最大的像素值作为阈值根据取得的阈值对图像进行二值化结束图3-2 双峰法实现流程图（2）灰度直方图变换法该方法不是直接选取阈值,而是对灰度直方图进行变换,使其具有更深的波谷和更尖的波峰,然后再利用双峰法得到最优阈值。这种方法的一个共同特征是根据像素点的局部特性,对其进行灰度级的增强或减弱的变换。这种方法假设图像由目标和背景组成,并且目标和背景灰度直方图都是单峰分布。（3）迭代法（最优方法）它基于逼近的思想，基本算法如下： 求出图像的最大灰度值和最小灰度值，分别记为Max和Min，令初始阈值为：，根据阈值

46、将图像分割为前景和背景，分别求出两者的平均灰度值和；求出阈值； 如果；则所得即为阈值；否则转迭代计算。迭代所得的阈值分割图象的效果良好， 基于迭代的阈值能区分图象的前景和背景的主要区域所在，但是在图象的细微处还是没有很好的区分度，令人惊讶的是对某些特定图象，微小数据的变化会引起分割效果的巨大变化，两者的数据只是稍有变化，分割效果反差极大，具体原因还有待进一步研究。局部阈值法原始图像被分为几个小的子图像,再对每个子图像分别求出最优分割阈值。（1）自适应阈值在许多情况下，背景的灰度值并不是常数，物体和背景的对比度在图像中也有变化。这时，一个在图像中某一区域效果良好的阈值在其它区域却可能效果很差。另

47、外，当遇到图像中有阴影、突发噪声、照度不均、对比度不均或背景灰度变化等情况时，只用一个固定的阈值对整幅图像进行阈值化处理，则会由于不能兼顾图像各处的情况而使分割效果受到影响。在这些情况下，阈值的选取不是一个固定的值，而是取成一个随图像中位置缓慢变化的函数值是比较合适的。这就是自适应阈值。自适应阈值就是对原始图像分块，对每一块区域根据一般的方法选取局部阈值进行分割。由于各个子图的阈值化是独立进行的，所以在相邻子图像边界处的阈值会有突变，因此应该以采用适当的平滑技术消除这种不连续性，子图像之间的相互交叠也有利于减小这种不连续性。总的来说，这类算法的时间和空间复杂度都较大，但是抗噪能力强，对一些使用全局阈值法不宜分割的图像具有较好的分割效果。（2）多阈值分割在多阈值分割中，分割是根据不同区域的特点得到几个目标对象，所以提取每一个目标需要采用不同的阈值，也就是说要使用多个阈值才能将它们分开，这就是多阈值分割。在实际的应用中，由于噪声等干扰因素，直方图有时不能出现明显的峰值，此时选择的阈值不能得到满意的结果；另外一个就是阈值确定主要依