论文总字数：11753字

摘 要

随着社会经济的发展和信息的快速进步，图像信息几乎涉及所有领域。作为图像分析的一个重要环节，图像分割也越来越受重视，对其研究具有十分重要的意义。本文在对几种主流的图像分割算法进行了分析，分类，归纳和总结的基础上，重点介绍和研究了区域合并的分割算法。结果表明此算法在进行图像分割时具有有效性，可靠性和实用性。

关键词：图像分割,边缘法,区域合并,交互式图像分割；

Abstract：With the rapid economic development and social progress of information, image information in almost all areas. As an important part of image analysis, image segmentation is also getting attention, is of great significance for the research. In this paper, several mainstream of image segmentation algorithms are analyzed, classified

and summarized on the basis of, and focuses on a region merging segmentation algorithm.. The results show that the algorithm is in progress with the validity, reliability and security when image segmentation.

Keywords：Image segmentation; edge method; regional merger; interactive image segmentation;

目录

1 前言 3

1.1 研究背景和意义 4

1.2 图像分割的定义 4

1.3 图像分割评价标准 5

2 图像分割技术的基本算法 5

2.1 基于边缘的分割算法 5

2.1.1 Roberts算子 6

2.1.2 索贝尔算子 6

2.1.3 Prewitt算子 7

2.1.4 Krisch算子 7

2.1.4 Laplacian算子 8

2.1.5 Gauss-Laplacian算子 9

2.2 阈值法 10

2.2.1 直方图阈值的双峰法 11

2.2.2 最大方差阈值分割 12

2.2.3 自适应阈值分割 13

3 基于区域合并的算法 15

3.1 基于区域的图像分割方法 15

3.1.1 区域生长法 15

3.2.1 区域分裂和合并技术 16

3.3区域合并算法 17

结论 19

参考文献 20

致谢 21

1 前言

1.1 研究背景和意义

图像是信息或人们感知的有形的想象力人类视觉的眼睛。图像可以通过多种形式，如：运动图像的静态图像,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散图像。

对于图像信号，为了叙述方便，不失一般性，假设一个指数的空间图像（T）和几何空间（X，Y，Z）,元素的空间U值，U = {N，UG，UB }。如果指标空间D中的所有元素d=(d₁,d₂,.... .DN）=（X，Y，Z，T）能连续的值，那么信号是连续的图像。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）。

因此可以得出结论了：在对图像进行分割研究时需要找到适合的分割方法时，那么分割技术也能找到其中的优点与缺陷，有效的提高图像分割的效率。此论文，选择了其中一个具有代表性的算法作为研究课题，发现研究中的不足与技巧，也能做到更好的找到适合的图像分割方案，可以提高分割系统的性能。

1.2 图像分割的定义

对于事物的选择一样，更偏向于所感兴趣的一些东西，当在对图像进行研究时，所研究的部分，对应的是此图像中的特定的区域，学术上称为前景；其余剩下的我们不感兴趣的部分称为背景。研究时，得先确定所感兴趣的部分，这就是本文接下来研究的目标图像。从广义定义来说图像分割，就是依据定性定量的数据评测，找到相似的特征和特性合集把他们归为一类，然后把他们分为一些具有相似性的不重叠区域。每个区域内具有类似性质的，即具有一致性；所以不同区域的不具有相似性质，所以这是不符合的。

从集合的角度来看，我们可以把图像分割定义为[1]：对于图像，假设有集合F1,F2,F3.....Fm.,使得：

（1） =F_i，

（2）每一个F_i都是4-连通或8-连通域；

（3）对每一个F_i来说都符合其中的一种特性；

则（F1，F2，.....Fm,)是F分割所得。

但是图像分割的对象是以整幅图出发，按是否具有一致属性的准则，来判断像素归属于哪里，最后形成区域图。可总结，图像分割是根据P一致性准则的选择的图像被分为非重叠区域集合{ S1，S2......SN}的过程。

1.3 图像分割评价标准

图像分割的结果是需要人为的视觉并加以主观想法去断定其优良等级，都说眼见都不一定为实，在对于高精度的图像分割效果上，人的判断是不准确不客观的，我们需要的是一个对其做一个定性定量的客观评价。

为了掌握图像分割算法，我们应该评价每个算法。分割评价就像老师的评价一样，对于发现分割方法中的不足，提升分割质量，并运用最合适的算法具有指导意义。间接法和直接法是评价的最基本方法：直接发顾名思义是对算法和原理的一个直接评述，是不考虑外界环境的影响，算法的优劣是其本质；而间接法则是在把结果进行测试和对比的一个客观评价。

图1.1 图像分割评价方法示意图

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，定量实验标准取得最大的，所以说只有使用这种评价标准是才是有说服力的。

2 图像分割技术的基本算法

2.1 基于边缘的分割算法

此算法是从边缘提取的对象分割的要求，以独立的目标，主要取决于不连续的图像的不同区域。这种技术的优点是边缘定位准确，计算速度。缺点是容易受外界环境影响，另外此方法只使用了部分信息，不能100%保证分割区内的颜色相同，且不能产生连续的闭轮廓。综合其优缺点后我们可以总结出来：基于边缘法我们需要经过后续的处理和结合其他算法，才能使分割取得更好的效果。

边缘分割算法一般有如下四个步骤：

剩余内容已隐藏，请支付后下载全文，论文总字数：11753字