通信工程畢業(yè)設(shè)計（論文）基于改進直方圖的分割研究

1、本 科 生 畢 業(yè) 設(shè) 計 論 文 基于改進直方圖的分割研究院 系： 電子信息工程學(xué)系 專 業(yè)： 通信工程 班 級： 學(xué) 號： 指導(dǎo)教師： 職稱（或?qū)W位）： 副教授 2011年 4 月原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文（設(shè)計），是本人在導(dǎo)師的指導(dǎo)下，獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本論文（設(shè)計）的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)生簽名： 年 月 日 指導(dǎo)聲明本人指導(dǎo)的 同學(xué)的畢業(yè)論文（設(shè)計）題目大小、難度適當(dāng)，且符合該同學(xué)所學(xué)專業(yè)的

2、培養(yǎng)目標的要求。本人在指導(dǎo)過程中，通過網(wǎng)上文獻搜索及文獻比對等方式，對其畢業(yè)論文（設(shè)計）內(nèi)容進行了檢查，未發(fā)現(xiàn)抄襲現(xiàn)象，特此聲明。指導(dǎo)教師簽名： 年 月 日目 錄1緒論21.1 數(shù)字圖像處理與圖像分割概述21.2 發(fā)展及現(xiàn)狀21.3 研究背景及意義22 直方圖分割22.1 設(shè)計分析22.2 研究方法32.3 常規(guī)直方圖分割32.4 加噪后的常規(guī)直方圖分割63 基于灰度梯度散射圖法83.1 灰度和梯度83.2 灰度梯度散射圖84 結(jié)論10結(jié)束語10致謝10參考文獻11附錄12基于改進直方圖的分割研究xxx（電子信息工程學(xué)系 指導(dǎo)教師xxx）摘要：通常人們只對圖像的某個部位感興趣，為了將人們感興趣

3、的部分從圖像中分離出來，人們就得對圖像進行分割。由于現(xiàn)實生活中的圖像往往存在噪聲干擾,所以給圖像加入了一定量的高斯噪聲用來模擬分割中可能遇到的實際情況。在噪聲的干擾下常規(guī)的直方圖分割并沒有得出很好的分割效果，所以論文提出了灰度梯度散射圖的分割方法。從分割效果來看用灰度梯度散射圖法對圖像進行分割能夠較快而且較準確地分割出目標，關(guān)鍵的一點是它對噪聲不敏感或者說噪聲對它的影響很少。關(guān)鍵詞：灰梯度散射圖; 直方圖分割; 閾值; 噪聲abstract: usually people are interested in some parts of the image, in order to separa

4、te the part which people are interested in from the image, people should achieve image segmentation. because real-life image often exists the noise interference, join a certain amount of gaussian noise to the image to simulate the actual situation which segmentation might encounter. under the noises

5、 interrupt on the histogram image segmentation method does not draw a good segmentation effect, so this article presents a grey gradient scattering figure segmentation method. judging from the division results, using the grey gradient scattering figure method to achieve image segmentation can segmen

6、t the target rapidly and accurately, the most important is that the method is not sensitive to noise or noise has rare influence on it.查看字典詳細內(nèi)容朗讀顯示對應(yīng)的拉丁字符的拼音字典 - 查看字典詳細內(nèi)容朗讀顯示對應(yīng)的拉丁字符的拼音字典 - 查看字典詳細內(nèi)容keywords: grey gradient scattering figure; histogram image segmentation; threshold; noise1緒論1.1 數(shù)字圖像處理與

7、圖像分割概述數(shù)字圖像處理技術(shù)1其工作原理是實現(xiàn)了圖像信號與數(shù)字信息之間的轉(zhuǎn)換，并將最終結(jié)果交由計算機處理。1964年美國運用計算機處理從太空發(fā)回的圖像并取得了很好的效果，這個標志著圖像處理大規(guī)模應(yīng)用的開始。通過幾十年的發(fā)展以及計算機技術(shù)的成熟，現(xiàn)在數(shù)字圖像處理已經(jīng)衍生出諸如：圖像分割、圖像識別、圖像增強等眾多新的分支，它們在人們生活的不同領(lǐng)域扮演著重要的角色。圖像分割是圖像處理的一個重要步驟，在人們進行圖像處理研究的初期就已經(jīng)受到人們的高度重視。經(jīng)過幾十年來的發(fā)展，人們已經(jīng)提出了上千種的分割方法2。1.2 發(fā)展及現(xiàn)狀圖像分割3就是將圖像按照人們的意愿分成許多個區(qū)域，使這些區(qū)域具有不重疊的特性或

8、者該區(qū)域具有實際意義異或是幾個區(qū)域的圖像特征相差不大。圖像分割使得人們分離出目標區(qū)域，同時人們可以對圖像的特征進行提取或者是對目標的一些參數(shù)進行一些簡單的測量，為人們進行更深入的圖像研究提供了基礎(chǔ)。噪聲的干擾和圖像模糊是人們進行分割時會遇到的主要問題。雖然不時都會有新的方法被提出，但是還沒有出現(xiàn)一種方法能夠適合所有或者說大部分的圖像。1.3 研究背景及意義通常而言，人們的注意力一般會集中在圖像的某個特定部分，它們一般占據(jù)著一定的范圍，并且和周圍的環(huán)境或者物體存在著一定的差異如輪廓、顏色等。由于人眼的局限性，人們可能無法察覺一些細微的部分。過去由于人類所獲得知識的局限性使得人們無法提取出自己所想

9、要的那部分，但是隨著計算機圖像處理技術(shù)的發(fā)展這個問題已經(jīng)得到比較圓滿的解決了。對圖像進行分割的作用在于人們可以辨別與分析圖像中自己想要的那部分，識別操作的重要一環(huán)就是分割。分割的方法有很多,其中直方圖分割4是最簡單、最基本、最貼近普通群眾的方法。但在實際的分割當(dāng)中，人們往往會發(fā)現(xiàn)這樣一個現(xiàn)象：由于噪聲的干擾所以原本很分明的谷被填平，這樣就使得人們在對谷進行檢測遇到了很大的麻煩。所以論文提出了灰度梯度散射圖5的分割方法，通過先對給定的加入一定量的高斯噪聲桔子照片進行分析后進行常規(guī)直方圖分割；然后對加入噪聲的圖片分別進行灰度梯度散射圖法進行分割，并比較。通過對實驗結(jié)果進行理論分析得出一般改進直方圖

10、分割的規(guī)律。2 直方圖分割2.1 設(shè)計分析從大體上看，直方圖分割過程主要是閾值的提取與圖像分割。根據(jù)matlab處理后出現(xiàn)的直方圖如圖1所示，可以根據(jù)該直方圖取到合適的閾值，然后再根據(jù)所取的閾值對圖像進行分割。具體過程是： 通過matlab處理目標圖像。 根據(jù)處理所得到的直方圖找到合適的閾值。 根據(jù)上步所取得的閾值分割圖像。 得到分割后的圖像。圖1 直方圖2.2 研究方法 圖2為大家簡要的展示了論文的具體工作流程。 常規(guī)直方圖分割用matlab處理圖像得到該圖像的直方圖對圖像進行分割取出圖像的合適閾值用灰度梯度散射圖法分割結(jié)論比 較拍攝所需的桔子照片通過lab通道處理圖像加噪圖2 流程圖2.3

11、 常規(guī)直方圖分割這里主要是為了找出改進直方圖分割的方法，所以首先要進行的是對給定的圖像進行常規(guī)直方圖分割。常規(guī)直方圖分割主要用到通過通道對目標圖像進行處理、得到該圖像的直方圖、閾值選取6、通過選取好的閾值對給定的圖像進行分割。從具體的算法上：(1)通過通道對目標圖像進行處理首先將目標圖像經(jīng)過通道進行處理，常見的通道有rgb、lab、cmyk、his，通過實驗發(fā)現(xiàn)cmyk通道主要是用于印刷而rgb通道受光線影響較大只有l(wèi)ab通道受光線影響較小。因此選擇lab通道對圖像進行處理結(jié)果如圖3所示。圖3 處理后的目標圖像圖(2)閾值選取 極小值點閾值如果將直方圖的包絡(luò)看做是一條曲線，則選取直方圖的谷課借

12、助求曲線極小值的方法。設(shè)代表直方圖，那么極小值點應(yīng)滿足如公式（1）所示：或 （1）和這些極小值點對應(yīng)的灰度值就可用作分割閾值。 迭代式閾值選擇迭代式閾值選擇方法的基本思想是：開始時選擇一個閾值作為初始估計值，然后按某種策略不斷地改進這一估計值，直到滿足給定的準則為止。迭代過程中，關(guān)鍵之處在于選擇什么樣的閾值改進策略。好的閾值改進策略應(yīng)該具備兩個特征：一是能夠快速收斂，二是在每一個迭代過程中，新產(chǎn)生閾值優(yōu)于上一次的閾值。下面介紹一種迭代式閾值選擇算法，其具體步驟如下：1） 選擇圖像灰度的中值作為初始閾值2） 利用閾值把圖像分割成兩個區(qū)域-和，用下式計算區(qū)域和的灰度均值和，如公式（2）所示：， （

13、2）3） 計算出、后用下式計算出新的閾值，如公式（3）所示： （3）4） 重復(fù)步驟23直到和的差小于某個給定值。從目標圖像的直方圖(如圖4所示)中們可以看出，由于桔子相對于背景會暗一點而且背景的面積遠遠大于桔子的面積，而且從圖4中可以看出這個直方圖的橫坐標代表的是圖像的灰度值，縱坐代表的是圖像的像素個數(shù)，所以可以認定圖中波峰較小的那個代表的是目標區(qū)域而另外那個高點的波峰則代表的是背景區(qū)域。由于桔子邊緣的相對于背景來說會暗一點但是它相對于桔子來說有相對兩點而且桔子邊緣的面積既小于背景同時也小于桔子，所以兩個波峰之間的波谷可以確定是桔子的邊緣。根據(jù)上述閾值的選取方法然后運用matlab自動算出所需

14、要的閾值。圖4 目標圖像直方圖(3)圖像分割根據(jù)上述所選取的閾值開始分割圖像。閾值分割的原理：首先在灰度允許的取值范圍內(nèi)選一個或多個灰度閾值，之后將所選取好的閾值和圖像的各個像素的灰度值進行比較。最后根據(jù)比較的結(jié)果將它們劃分到各自所屬的不同區(qū)域，進而實現(xiàn)分割目的。根據(jù)上面所選的閾值筆者運用matlab對目標圖像進行分割得到的結(jié)果如圖5所示。從圖5可以看出分割效果除了桔子上部分有點小瑕疵外其余的部分都還不錯，這說明了之前選擇的閾值選擇方法是正確的,實驗選取的閾值較好的完成了自己的使命。圖5 分割結(jié)果圖2.4 加噪后的常規(guī)直方圖分割由于實際的情況很可能有噪聲的干擾所以給目標圖像加入均值為0，方差為

15、0.2的高斯噪聲。經(jīng)過處理后的目標圖像如圖6所示。圖6 加噪后的目標圖像圖(1)閾值選取從加噪后圖像直方圖可以看出由于噪聲的干擾所以原本很分明的谷被填平致使不能明確閾值大小所以后續(xù)的分割也就成為了奢望。經(jīng)過處理后目標圖像直方圖如圖7所示。圖7 加噪后目標圖像直方圖(2)圖像分割為了模擬現(xiàn)實的情況所以給目標圖像加入均值為0，方差為0.2的高斯噪聲。如圖8所展示的直方圖中可以看出在噪聲的干擾下直方圖中原本很明顯的波谷被填平了，致使人們無法對該直方圖的波谷進行檢測。因此無法按照之前所說的方法進行閾值選取，為了后續(xù)分割的進行選擇了個閾值對目標圖像進行分割得到的結(jié)果如圖8所示。 圖8 加噪后的分割結(jié)果圖

16、從上圖的分割效果與之前分割效果相比可以發(fā)現(xiàn)兩個分割效果差別有多么的大。即使只加入了一定量的高斯噪聲但是就這點高斯噪聲導(dǎo)致直方圖中原本分離的分之間的波谷被填平，使得人們對谷的檢測遇到了很大的問題，導(dǎo)致無法選到合適的閾值。這樣分割就無法進行下去，所以論文嘗試著給它們隨便選個閥值，但是圖8所展示的效果是遠遠不能達到人們的要求。從這個實例中可以發(fā)現(xiàn)噪聲對于常規(guī)的直方圖分割影響是多么的大，但是現(xiàn)實的生活中又不可避免的存有噪聲，所以這就導(dǎo)致了常規(guī)直方圖分割的局限性。3 基于灰度梯度散射圖法3.1 灰度和梯度灰度的定義很多在圖像分割中它可以認為是圖像的亮度，簡單一點就是指黑白圖像中的顏色深度，它的范圍一般是

17、從0到255，顏色越深的它相對應(yīng)的灰度值就越小，顏色越淡的灰度值就越大。其中黑色對應(yīng)的灰度值是0，而白色對應(yīng)的灰度值為255。梯度得定義也很多在圖像分割中就是代表圖像灰度值顯著變化的地方，簡單一點就是指圖像灰度變化的明顯程度。就拿目標圖像來說吧，背景的梯度值就比較小而且有些地方的梯度值可能會為0因為背景的像素之間灰度值相差不大，同樣這個理論也適合桔子的部分，因為它里面的像素值同樣也相差不大所以梯度值也就相對小。但是桔子的邊緣區(qū)域又是另外一番景象了，由于桔子和背景之間的像素相差較大所以相對應(yīng)的梯度值也就會比較大。3.2 灰度梯度散射圖灰度梯度散射圖7也可以將它看做是一個二維直方圖，它的橫坐標代表

18、的是灰度值，縱坐標代表的是梯度值。從它的統(tǒng)計值中可以得到圖中任一點的像素個數(shù)。圖9 灰度梯度散射圖圖9就是一個典型的灰度-梯度散射圖，從圖中可以發(fā)現(xiàn)該圖的橫軸代表的是灰度值而縱軸則代表梯度值，同時從該圖中了解到散射圖一般會有2個接近灰度軸的聚類，它們接近灰度軸但又不與灰度軸相連而且這兩個聚類是相互分開的，同時可以從圖中發(fā)現(xiàn)這兩個聚類的梯度值還是相對比較低的。根據(jù)之前所闡述的梯度概念，可以發(fā)現(xiàn)一般來說由于背景或者目標內(nèi)部變化的程度相對于邊緣的變化小的多了，所以可以這樣認為：在一般情況下一幅圖像中邊緣上的梯度值會遠遠大于圖像上目標與背景的梯度值。從圖中還可以發(fā)現(xiàn)有兩個大小比較分明的聚類，它們可以明

19、確表示出背景、目標圖像、以及目標圖像邊緣的像素個數(shù)。因此從中可以了解到該目標圖像的背景所占的面積相對于目標圖像的面積大挺多的。由于背景所屬的聚類比較靠近灰度值零點而目標所屬的聚類則是相對遠離灰度值零點，所以從中可以判斷出改目標圖像相對于背景會亮一些。這兩個聚類的形狀和它們內(nèi)部像素的相關(guān)程度有關(guān)，如果某個聚類內(nèi)像素的相關(guān)性很強或者梯度算子8對噪聲不太敏感，那么它就會相應(yīng)地集中并且接近灰度軸。否則這個聚類就會相應(yīng)地遠離灰度軸。從圖像中筆者還發(fā)現(xiàn)了圖中還會有較少對應(yīng)目標邊界和背景邊界上的像素點，這些邊緣像素處于背景像素和目標像素之間，這是由于目標圖像的邊緣的亮度相對于背景像素的亮度稍微高點當(dāng)然也有可

20、能相同但是它又比目標像素的亮度低點或者有些相同所以邊緣像素只能處在背景像素與目標像素之間。同時又可以從圖中發(fā)現(xiàn)邊緣像素的梯度值要比背景像素的梯度或者目標像素的梯度都高。從梯度的定義中可以了解到梯度就是指圖像灰度變化的明顯程度，由于背景與目標之間變換比較明顯，所以邊緣像素的梯度值也就相應(yīng)的比背景像素的梯度和目標像素的梯度大了，因此它就相應(yīng)的遠離灰度軸。這些邊緣像素聚類的輪廓形狀以及它們的分布與梯度算子的種類有關(guān)。假如對其使用了一階微分算子，而且邊緣還是斜坡的，那么這個邊緣像素的聚類將與背景像素聚類和目標像素聚類相連接。在這種情況下這個邊緣聚類將和邊緣坡度成正比而遠離灰度軸。人們可以根據(jù)不同區(qū)域的

21、像素在散射圖的分布情況，同時結(jié)合使用梯度閾值與灰度閾值將它們分開。為了增加說服力，筆者根據(jù)上述分析運用灰度梯度散射圖法對10個光照條件不同或者環(huán)境不一的桔子照片進行分割。在實際的分割當(dāng)中大家或多或少都會遇到類似圖像模糊問題或者噪聲干擾等問題所以提前給這些將要處理的圖像進行了加噪處理，用來模擬現(xiàn)實的圖像分割中會遇到的難題。筆者從10個分割好的圖像中選取了比較典型的圖像（如圖10所示）。(a)(b)圖10 改進后的分割效果圖圖10中圖a是在陽光充足的大白天的條件下拍攝的，而圖b是在晚上日關(guān)燈的條件下拍攝的，a與b是在同一個環(huán)境但是光照條件不同的情況下拍攝的。圖10中的2個照片那個較好的模擬人們在實

22、際分割中會遇到的問題具有較好的說服力。雖然筆者預(yù)先給它們加入了一定量的高斯噪聲但是從上圖的分割效果來看運用灰度梯度散射圖來對圖像進行分割較好的解決了人們進行常規(guī)直方圖分割時由于噪聲的干擾所以原本很分明的谷被填平，這樣就使得人們在對谷進行檢測遇到了很大的麻煩。從上圖顯示出來的分割效果可以看出用灰-梯度散射圖法對圖像進行分割能夠較快而且較準確地分割出目標，關(guān)鍵的一點是它對噪聲不敏感或者說噪聲對它的影響很少。4 結(jié)論筆者先是運用常規(guī)的直方圖分割的方法來處理目標圖像，但在噪聲的干擾下而常規(guī)的方法并沒有得到比較好的分割結(jié)果。所以筆者提出了灰-梯度散射圖法的分割方法。從分割效果來看用灰-梯度散射圖法對圖像

23、進行分割能夠較快而且較準確地分割出目標，最關(guān)鍵的一點是它對噪聲不敏感或者說噪聲對它的影響很少。結(jié)束語：隨著圖像分割受到的關(guān)注度越來越高，人們對其的研究也日益加深。研究的成果還是比較喜人的，雖然研究成果比較喜人但是依然存在著不少的問題?，F(xiàn)在主要存在這兩個問題：一是沒有一種普遍的分割算法；二是沒有一個能廣泛適用于各類情況的分割評價。希望隨著人們對于圖像分割研究的深入圖像分割所殘留的問題能夠得到很好的解決。致謝：本次畢業(yè)設(shè)計能順利地進展并完成，我非常感謝指導(dǎo)老師吳曉。從畢業(yè)設(shè)計的選題、指導(dǎo)到最終設(shè)計的完成，吳曉老師都一直耐心地指導(dǎo)，給予我最大的幫助。吳曉老師不僅教會我設(shè)計中的理論知識，他嚴謹踏實的工作作風(fēng)、認真負責(zé)的工作態(tài)度更是深深地感染著我。在此我向吳曉老師表示最真誠的感謝。同時，我也要感謝這一段時間和我一起奮斗的同學(xué)們，我們互相幫助，互相理解，互相研究，完成最后的畢業(yè)設(shè)計，在此我想對你們說：真的非常感謝你們。參考文獻：1 姚敏數(shù)字圖像處理m北京：機械工業(yè)出版社，2008：22 王愛民，沈蘭蓀圖像分割研究綜述j測控技術(shù)，2000，19（5）：1-53 張德豐詳解matlab數(shù)字圖像處理m北京