數(shù)字圖像灰度閾值的圖像分割技術(shù)matlab

1、數(shù)字圖像處理課程設(shè)計(jì)1 課程設(shè)計(jì)的目的(1) 使學(xué)生通過實(shí)驗(yàn)體會(huì)一些主要的分割算子對(duì)圖像處理的效果，以及各種因素對(duì)分割效果的影響(2) 使用Matlab軟件進(jìn)行圖像的分割(3) 能夠進(jìn)行自行評(píng)價(jià)各主要算子在無噪聲條件下和噪聲條件下的分割性能(4) 能夠掌握分割條件（閾值等）的選擇(5) 完成規(guī)定圖像的處理并要求正確評(píng)價(jià)處理結(jié)果，能夠從理論上做出合理的解釋2 課程設(shè)計(jì)的要求（1） 能對(duì)圖像文件（bmp,jpg,tiff,gif）進(jìn)行打開，保存，退出等功能操作（2） 包含功能模塊：圖像的邊緣檢測(cè)（使用不同梯度算子和拉普拉斯算子）（3） 封閉輪廓邊界（4） 區(qū)域分割算法：閾值分割，區(qū)域生長(zhǎng)等3 前言

2、3.1圖像閾值分割技術(shù)基本原理 所謂圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。簡(jiǎn)單的講，就是在一幅圖像中，把目標(biāo)從背景中分離出來，以便于進(jìn)一步處理。圖像分割是圖像處理與計(jì)算機(jī)視覺領(lǐng)域低層次視覺中最為基礎(chǔ)和重要的領(lǐng)域之一，它是對(duì)圖像進(jìn)行視覺分析和模式識(shí)別的基本前提。同時(shí)它也是一個(gè)經(jīng)典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。在對(duì)圖像的研究和應(yīng)用中，人們往往僅對(duì)圖像中的某些部分感興趣，這些部分稱為目標(biāo)或前景(其他部分稱為背景)，他

3、們一般對(duì)應(yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了辨識(shí)和分析目標(biāo)，需要將他們分離提取出來，在此基礎(chǔ)上才有可能對(duì)目標(biāo)進(jìn)一步利用。圖像分割就是指把圖像分成格局特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。這里特性可以是象素的灰度、顏色、紋理等，預(yù)先定義的目標(biāo)可以對(duì)應(yīng)單個(gè)區(qū)域，也可以對(duì)應(yīng)多個(gè)區(qū)域?，F(xiàn)有的圖像分割算法有：閾值分割、邊緣檢測(cè)和區(qū)域提取法。本文著重研究基于閾值法的圖像分割技術(shù)。若圖像中目標(biāo)和背景具有不同的灰度集合：目標(biāo)灰度集合與背景灰度集合，且兩個(gè)灰度集合可用一個(gè)灰度級(jí)閾值T進(jìn)行分割。這樣就可以用閾值分割灰度級(jí)的方法在圖像中分割出目標(biāo)區(qū)域與背景區(qū)域，這種方法稱為灰度閾值分割方法。在物體與背景有較

4、強(qiáng)的對(duì)比度的圖像中，此種方法應(yīng)用特別有效。比如說物體內(nèi)部灰度分布均勻一致，背景在另一個(gè)灰度級(jí)上也分布均勻，這時(shí)利用閾值可以將目標(biāo)與背景分割得很好。如果目標(biāo)和背景的差別是某些其他特征而不是灰度特征時(shí)，那么先將這些特征差別轉(zhuǎn)化為灰度差別，然后再應(yīng)用閾值分割方法進(jìn)行處理，這樣使用閾值分割技術(shù)也可能是有效的設(shè)圖像為f(x,y)，其灰度集范圍是0,L，在0和L之間選擇一個(gè)合適的灰度閾值T，則圖像分割方法可由式（2.1）描述 （2.1）這樣得到的g(x,y)是一幅二值圖像。3.2圖像閾值分割技術(shù)研究現(xiàn)狀和實(shí)際應(yīng)用 閾值法是一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)

5、用最廣泛的分割技術(shù)。已被應(yīng)用于很多的領(lǐng)域，例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測(cè)中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔徑雷達(dá)圖像中目標(biāo)的分割等；在醫(yī)學(xué)應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，水果品質(zhì)無損檢測(cè)過程中水果圖像與背景的分割。在工業(yè)生產(chǎn)中，機(jī)器視覺運(yùn)用于產(chǎn)品質(zhì)量檢測(cè)等等。在這些應(yīng)用中，分割是對(duì)圖像進(jìn)一步分析、識(shí)別的前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性，其中閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。3.3圖像閾值分割技術(shù)研究背景意義閾值分割的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，運(yùn)算效率較高，速度快。全局閾值對(duì)于灰度相差很大的不同目標(biāo)和背景能進(jìn)行有

6、效的分割。當(dāng)圖像的灰度差異不明顯或不同目標(biāo)的灰度值范圍有重疊時(shí)，應(yīng)采用局部閾值或動(dòng)態(tài)閾值分割法。另一方面，這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對(duì)噪聲很敏感。在實(shí)際應(yīng)用中，閾值法通常與其他方法結(jié)合使用。法也叫變化閾值法，或自適應(yīng)閾值法。這類算法的時(shí)間復(fù)雜性和空間復(fù)雜性比較大，但是抗噪能力強(qiáng)，對(duì)一些用全局閾值不易分割的圖像有較好的效果。4 圖像閾值分割理論知識(shí)敘述及設(shè)計(jì)方案4.1閾值分割的基本概念圖像閾值化分割是一種最常用，同時(shí)也是最簡(jiǎn)單的圖像分割方法，它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像1。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡(jiǎn)化了分析和處理步驟，因此在很多情況下

7、，是進(jìn)行圖像分析、特征提取與模式識(shí)別之前的必要的圖像預(yù)處理過程。圖像閾值化的目的是要按照灰度級(jí)，對(duì)像素集合進(jìn)行一個(gè)劃分，得到的每個(gè)子集形成一個(gè)與現(xiàn)實(shí)景物相對(duì)應(yīng)的區(qū)域，各個(gè)區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局有這種一致屬性。這樣的劃分可以通過從灰度級(jí)出發(fā)選取一個(gè)或多個(gè)閾值來實(shí)現(xiàn)。閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像像素點(diǎn)分為若干類常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則在f(x，y)中找到特征值T，將圖像分割為兩個(gè)部分，分割后的圖像為若取 ：b0=0（黑）,b1=1

8、（白），即為我們通常所說的圖像二值化。一般意義下，閾值運(yùn)算可以看作是對(duì)圖像中某點(diǎn)的灰度、該點(diǎn)的某種局部特性以及該點(diǎn)在圖像中的位置的一種函數(shù)，這種閾值函數(shù)可記作 T(x，y，N(x，y)，f(x，y)式中，f(x，y)是點(diǎn)(x，y)的灰度值；N(x，y)是點(diǎn)(x，y)的局部鄰域特性根據(jù)對(duì)T的不同約束，可以得到3種不同類型的閾值，即 （1）點(diǎn)相關(guān)的全局閾值TT(f(x，y) (只與點(diǎn)的灰度值有關(guān))（2）區(qū)域相關(guān)的全局閾值TT(N(x，y)，f(x，y) (與點(diǎn)的灰度值和該點(diǎn)的局部鄰域特征有關(guān)) （3）局部閾值或動(dòng)態(tài)閾值TT(x，y，N(x，y)，f(x，y)(與點(diǎn)的位置、該點(diǎn)的灰度值和該點(diǎn)鄰域特征

9、有關(guān))所有這些閾值化方法，根據(jù)使用的是圖像的局部信息還是整體信息，可以分為上下文無關(guān)(non-contextual)方法(也叫做基于點(diǎn)(point-dependent)的方法)和上下文相關(guān)(contextual)方法(也叫做基于區(qū)域(region-dependent)的方法)；根據(jù)對(duì)全圖使用統(tǒng)一閾值還是對(duì)不同區(qū)域使用不同閾值，可以分為全局閾值方法(global thresholding)和局部閾值方法(local thresholding，也叫做自適應(yīng)閾值方法adaptive thresholding)；另外，還可以分為雙閾值方法(bilever thresholding)和多閾值方法(mul

10、tithresholding)。4.2閾值分割方法的分類全局閾值法指利用全局信息對(duì)整幅圖像求出最優(yōu)分割閾值，可以是單閾值，也可以是多閾值；局部閾值法是把原始的整幅圖像分為幾個(gè)小的子圖像，再對(duì)每個(gè)子圖像應(yīng)用全局閾值法分別求出最優(yōu)分割閾值。其中全局閾值法又可分為基于點(diǎn)的閾值法和基于區(qū)域的閾值法。閾值分割法的結(jié)果很大程度上依賴于閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。由于局部閾值法中仍要用到全局閾值法，因此本文主要對(duì)全局閾值法中基于點(diǎn)的閾值法和基于區(qū)域的閾值法分別進(jìn)行了研究。根據(jù)閾值法的原理可以將閾值選取技術(shù)分為三大類：（1）基于點(diǎn)的全局閾值方法基于點(diǎn)的全局閾值算法與其他幾大類方法相比，算

11、法時(shí)間復(fù)雜度較低，易于實(shí)現(xiàn)，適合應(yīng)用于在線實(shí)時(shí)圖像處理系統(tǒng)。（2）基于區(qū)域的全局閾值方法對(duì)一幅圖像而言，不同的區(qū)域，比如說目標(biāo)區(qū)域或背景區(qū)域，同一區(qū)域內(nèi)的象素，在位置和灰度級(jí)上同時(shí)具有較強(qiáng)的一致性和相關(guān)性。（3）局部閾值法和多閾值法局部閾值(動(dòng)態(tài)閾值) 當(dāng)圖像中有如下一些情況：有陰影，照度不均勻，各處的對(duì)比度不同，突發(fā)噪聲，背景灰度變化等，如果只用一個(gè)固定的全局閾值對(duì)整幅圖像進(jìn)行分割，則由于不能兼顧圖像各處的情況而使分割效果受到影響。有一種解決辦法就是用與象索位置相關(guān)的一組閾值(即閾值使坐標(biāo)的函數(shù))來對(duì)圖像各部分分別進(jìn)行分割。這種與坐標(biāo)相關(guān)的閾值也叫動(dòng)態(tài)閾值，此方法也叫變化閾值法，或自適應(yīng)閾值

12、法。這類算法的時(shí)間復(fù)雜性和空間復(fù)雜性比較大，但是抗噪能力強(qiáng)，對(duì)一些用全局閾值不易分割的圖像有較好的效果。本文對(duì)基于對(duì)圖像閾值分割技術(shù)的理解，介紹以下三種算法的使用及實(shí)現(xiàn)：基于灰度直方圖的閾值選取圖像分割、基于最大熵的閾值分割和基本全局門限算法實(shí)現(xiàn)閾值分割。4.3閾值分割的處理算法4.3.1基于灰度直方圖的閾值選取圖像分割（MATLAB實(shí)現(xiàn)）直方圖給出了圖像中各個(gè)灰度級(jí)再圖像中所占的比例。圖像分割的目的在于將圖像中的前景從背景中提取出來，而前景與背景的灰度值有差距，這個(gè)差距在直方圖中表現(xiàn)出來就是：直方圖上會(huì)出現(xiàn)一個(gè)谷底值，如果我們將這個(gè)谷底所對(duì)應(yīng)的灰度值作為閾值，那么就可以將前景從背景中提取出來

13、，可惜往往這個(gè)谷底不是很明顯，不過這是閾值選取的最基本的方法。4.3.2基于灰度直方圖的閾值選取方法描述對(duì)灰度圖像的閾值分割就是先確定一個(gè)處干圖像灰度取值范圍之中的灰度閾值, 然后將圖像中各個(gè)象素的灰度值都與這個(gè)閾值相比較, 并根據(jù)比較結(jié)果將對(duì)應(yīng)的象素分為兩類這兩類象素一般分屬圖像的兩類區(qū)域, 從而達(dá)到分割的目的從該方法中可以看出, 確定一個(gè)最優(yōu)閉值是分割的關(guān)鍵現(xiàn)有的大部分算法都是集中在閾值確定的研究上。閾值分割方法根據(jù)圖像本身的特點(diǎn), 可分為全局閉值法局部閉值法。全局閾值法利用全局信息如灰度直方圖對(duì)整幅圖像求出最優(yōu)分割閾值, 可以是單閾值, 也可以是多閾值局部淘值法是把原始的整幅圖像分為幾個(gè)

14、小的子圖像, 再對(duì)每個(gè)子圖像分別求出最優(yōu)閾值。程序流程圖如下圖所示：假設(shè)圖像由具有單峰灰度分布的目標(biāo)和背景組成，在目標(biāo)和背景內(nèi)部的相鄰象素間的灰度值是高度相關(guān)的，但在目標(biāo)和背景處兩邊的象素在灰度值上有很大的區(qū)別，這類圖像?？捎萌￠撝捣椒▉磔^好的分割。這是未經(jīng)轉(zhuǎn)換的原始圖：5基于灰度閾值圖像分割技術(shù)的源代碼clear;I = imread(F:che.gif);figure, imshow(I), title(original image);C=histc(I,0:255);%histc是一個(gè)內(nèi)部函數(shù)n=sum(C);%n(k)表示灰度值=k的象素的個(gè)數(shù)N=sum(n);%求出圖象象素總數(shù)t=n

15、/N;%t(k)表第k個(gè)灰度級(jí)出現(xiàn)的概率figure;bar(0:255,t);%畫直方圖title(histogram);hold off;axis(0,255,0,0.03);%開始利用閾值法分割圖像p,threshold=min(t(120:150);%尋找閾值threshold=threshold+120;tt=find(Ithreshold);I(tt)=255;tt=find(I=threshold);I(tt)=0;figure;imshow(I);title(the thresholded image);6.仿真結(jié)果灰度直方圖：閾值分割后的圖像：結(jié)果分析：實(shí)驗(yàn)結(jié)果表明：本文提出

16、的基于最大熵的自動(dòng)圖像閾值選取分割算法分割效果要明顯優(yōu)于傳統(tǒng)基于直方圖的閾值分割算法，分割效果良好。首先由于圖像的灰度分布往往不是很均勻，并且圖像背景也很有可能受到噪聲影響，從而使圖像的直方圖存在多個(gè)且不明顯的谷值, 在這種情況下要得到合理的圖像分割閾值是十分困難的；另外，常用的確定谷值的方法是先做直方圖，然后人工找谷點(diǎn)，因?yàn)橹狈綀D往往參差不齊，很難找出理想的谷值。本文提出的最大熵閾值分割算法要優(yōu)于常用的直方圖閾值選取算法，并且分割結(jié)果要好于采用數(shù)學(xué)期望法得到的結(jié)果，這主要是由于數(shù)字圖像處理是離散數(shù)值操作，在離散域里求取數(shù)學(xué)期望本質(zhì)上就是求取了圖像的灰度平均值，因此該方法本身具有自身的不足。但

17、與經(jīng)典的OSTU分割算法相比，本文算法又有所不及，但本文所提的方法運(yùn)算復(fù)雜度稍低，且運(yùn)算時(shí)間較短。7課程總結(jié)閾值法分為全局閾值法和局部閾值法兩種。全局閾值法指利用全局信息(例如整幅圖像的灰度直方圖)對(duì)整幅圖像求出最優(yōu)分割閾值 ,可以是單閾值 ,也可以是多閾值;局部閾值法是把原始的整幅圖像分為幾個(gè)小的子圖像 ,再對(duì)每個(gè)子圖像應(yīng)用全局閾值法分別求出最優(yōu)分割閾值。其中全局閾值法又可分為基于點(diǎn)的閾值法和基于區(qū)域的閾值法。閾值分割法的結(jié)果很大程度上依賴于對(duì)閾值的選擇 ,因此該方法的關(guān)鍵是如何選擇合適的閾值。圖像分割是圖像處理中的重要問題 ,也是計(jì)算機(jī)視覺研究中的一個(gè)經(jīng)典難題。閾值法是一種簡(jiǎn)單有效的圖像分

18、割方法 ,它用一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾個(gè)部分 ,認(rèn)為屬于同一個(gè)部分的像素是同一個(gè)物體。閾值法的最大特點(diǎn)是計(jì)算簡(jiǎn)單 ,在重視運(yùn)算效率的應(yīng)用場(chǎng)合,它得到了廣泛的應(yīng)用。通過這次的課程報(bào)告，我對(duì)數(shù)字圖象處理有了更深層次的認(rèn)識(shí)，對(duì)數(shù)字圖象處理這門課程也越來越感興趣了，在做報(bào)告的過程中我也遇到了很多困難，但是在同學(xué)和老師的幫助下一一解決，對(duì)我今后學(xué)習(xí)數(shù)字圖象處理肯定會(huì)有很大的幫助作業(yè)。其次，數(shù)字圖像處理在現(xiàn)實(shí)生活中有著非常廣泛的應(yīng)用，在心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)都發(fā)揮著作用。同時(shí)，圖像處理在軍事、遙感、氣象等大型應(yīng)用中有不斷增長(zhǎng)的需求。我想，經(jīng)過這次課程設(shè)計(jì)我不但對(duì)數(shù)字圖像處理有了更深入的了解，對(duì)MATLAB編程變得更加熟練，更重要的是激發(fā)了我在數(shù)字圖像處理方面的興趣。相信這份興趣會(huì)成為以后繼續(xù)深入學(xué)習(xí)數(shù)字圖像處理方面知識(shí)的動(dòng)力。參考文獻(xiàn)1 張強(qiáng)精通MATLAB數(shù)字圖像處理北京：電子工業(yè)出版社，2009.62 朱虹等.