图像分割算法研究及MATLAB仿真

论文总字数：13619字

摘 要

图像分割是现代计算机视觉处理的一个难题，很难不被人们所关注并研究。从上个世纪起便有许多前辈为了研究算法而付出巨大努力，产生出许多研究成果及方法，他们在世界上已经公开发表的图像分割算法难以计数，但到目前为止也没有产生出一个通用的完美的图像分割方法。而我也无非站在巨人的肩上归纳总结并产生自己的理解来基于matlab实现五种图像分割算法，为了使我对结果的分析尽可能准确，并尽可能贴近普通人生活中会遇见的实际情况，我选择了四幅前景和背景对比各异的图像，并对它们应用这五种算法。最后根据实验验证，我给出了一种结合小波变换得到的有效的分割算法。

关键词：图像分割；边缘检测；图像处理；小波变换；数字图像处理；阈值分割

Image segmentation algorithm research and MATLAB simulation

abstract

Image segmentation is a difficult problem in modern computer vision processing, and it is difficult not to be concerned and studied. Since the last century, many predecessors have made great efforts to study the algorithm, and produced many research results and methods. Their published image segmentation algorithms in the world are difficult to count, but so far they have not produced a universal perfect image segmentation method. In order to make my analysis of the results as accurate as possible, and as close as possible to the actual situation of ordinary people's life, I chose four images with different foreground and background contrast, and applied these five algorithms to them. Finally, according to the experimental verification, I give an effective segmentation algorithm combined with wavelet transform.

Keywords: Image segmentation , edge detection , image processing , wavelet transform , digital image processing , threshold segmentation

目录

摘要 I

abstract II

1.1图像分割的意义 1

1.2图像分割的定义 1

1.3图像分割发展现状 1

1.4论文主要工作 2

第二章 基于阈值的图像分割 3

2.1算法原理 3

2.1.1迭代选择阈值法 3

2.1.2最大类间方差阈值选择法（Otsu） 3

2.2实验结果与分析 4

第三章 基于区域生长分割算法的图像分割 6

3.1算法原理 6

3.2实验结果与分析 6

第四章 基于区域分裂--合并算法 8

4.1算法原理 8

4.2实验结果与分析 9

第五章 基于边缘检测的图像分割 12

5.1边缘检测原理 12

5.1.1 Roberts 边缘检测算子 13

5.1.2 Sobel边缘检测算子 13

5.1.3 Prewitt边缘检测算子 13

5.1.4 LoG边缘检测算子 14

5.2边缘连接原理 15

5.3实验结果与分析 16

第六章 基于小波变换的图像分割 18

6.1算法原理 18

6.1.1小波定义 18

6.1.2连续小波变换 18

6.1.3离散小波变换 18

6.1.4应用小波变换的图像分割 19

6.2实验结果与分析 20

致 谢 23

参考文献 24

绪论

1.1图像分割的意义

人们可以感知外界通常是两大主要途径——视觉、听觉，尤其是对于视觉感知，人们看一幅图像时，总是只对部分区域感兴趣，恰恰就是这些区域包含最主要信息，它们具备与周围区域不同的特点，有时可能就是明暗差异，也可能是色彩不同，比如考驾照时用的色盲卡就利用了这点。有时区域间信息差别很大，有时区域间信息差别非常微小，人眼很难察觉。计算机处理器性能根据摩尔定律发展自今，今天的人们已经可以通过多种采样设备如摄像头等，来获得数字图像，并利用计算机来快速地处理这些数字信息。

人们对数字图像进行处理往往是为了提取部分重要目标信息，若要对其处理或者是分析便需要将其分割，如PS里的套索工具便可将目标圈取并从图像里分割，而分割的结果会影响后期图像的测量、图像的识别等的处理或分析的质量。因此我们认为它是对图像进行分析或处理的基础，可以使我们从更多方面来理解图像。图像分割技术已经应用于人们生活的方方面面，如车辆识别、人脸识别、文字识别等，由此可以看出图像分割技术的重要性。

1.2图像分割的定义

图像分割理论发展至今，人类借助集合概念（令I表示整幅图像，图像把I划分为n个区域R1,R2,R3,···Rn）提出了以下比较正式的图像分割定义[^[1]]：

2. Ri是一个联通区域 ;
3. ^[2]
4. ^[3]

（1）表明所有分割区域必须属于同一幅完整图像；（2）表明该图像的任意子区域必须内部像素相互连接且有相似性；（3）表明不同的子区域需要相互分离；（4）表明子区域里的各个像素都需要具备某种一致性可以是灰度级相同或像素值接近等；（5）表明任意子区域R_i和R_j不存在相同的某种可能性。

1.3图像分割发展现状

图像分割的研究已经进行了几十年，得到了世界各地的相关实践者的高度重视。他们上个世纪便已经开始了相关的研究，因为梦想寻找一种普适的、单一的图像分割方法，为此进行了大量的计算分析，得到了大量的图像分割算法[^[4]]。然而，将三维世界的信息映射成二维世界信息后，许多信息会丢失及失真，比如现在的我们采用的“墨卡托投影世界地图^[5]”便严重误导大众，人们单纯看这种地图会以为冰岛大过澳大利亚，这说明该过程中物体在某些的映射条件下的图像会有极大的不同；且受限于采样装置对采样场景中物体表明纹理、反射光源信息等不同信息进行处理后，仅将其单一映射成为数字图像的像素灰度值；还有就是在数字图像采样后图像出现噪声或不同程度扭曲是无法避免的，哪怕是现今世界上最好的相机也是一样，不过是程度差异而已。这些问题导致了对图像进行分割有概率是不确定的问题，而且目前的人类还没有办法消除，以至于目前来看不可能存在一种通用的对任何图像都适用的、统一的图像分割方法。

在过去的40年里，计算机视觉领域的研究人员非常重视图像分割的研究，并提出了大量算法[^[6]]，但是,这些算法方法大多是为了适应特定应用场景而设计的,具有很大的局限性和针对性，对图像分割的研究还是缺乏一个统一的理论知识体系。

剩余内容已隐藏，请支付后下载全文，论文总字数：13619字