數(shù)字圖像灰度閾值的圖像分割技術(shù)matlab

1、1 課程設(shè)計的目的(1) 使學(xué)生通過實驗體會一些主要的分割算子對圖像處理的效果，以及各種因素對分割效果的影響(2) 使用Matlab軟件進行圖像的分割(3) 能夠進行自行評價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價處理結(jié)果，能夠從理論上做出合理的解釋2 課程設(shè)計的要求（1） 能對圖像文件（bmp,jpg,tiff,gif）進行打開，保存，退出等功能操作（2） 包含功能模塊：圖像的邊緣檢測（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)域生長等3 前言3.1圖像閾值分割技

2、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。簡單的講，就是在一幅圖像中，把目標從背景中分離出來，以便于進一步處理。圖像分割是圖像處理與計算機視覺領(lǐng)域低層次視覺中最為基礎(chǔ)和重要的領(lǐng)域之一，它是對圖像進行視覺分析和模式識別的基本前提。同時它也是一個經(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準。在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣，這些部分稱為目標或前景(其他部分稱為背景)，他們一般對應(yīng)圖像中特定

3、的、具有獨特性質(zhì)的區(qū)域。為了辨識和分析目標，需要將他們分離提取出來，在此基礎(chǔ)上才有可能對目標進一步利用。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)先定義的目標可以對應(yīng)單個區(qū)域，也可以對應(yīng)多個區(qū)域。現(xiàn)有的圖像分割算法有：閾值分割、邊緣檢測和區(qū)域提取法。本文著重研究基于閾值法的圖像分割技術(shù)。若圖像中目標和背景具有不同的灰度集合：目標灰度集合與背景灰度集合，且兩個灰度集合可用一個灰度級閾值T進行分割。這樣就可以用閾值分割灰度級的方法在圖像中分割出目標區(qū)域與背景區(qū)域，這種方法稱為灰度閾值分割方法。在物體與背景有較強的對比度的圖像中，

4、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，背景在另一個灰度級上也分布均勻，這時利用閾值可以將目標與背景分割得很好。如果目標和背景的差別是某些其他特征而不是灰度特征時，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)狀和實際應(yīng)用 閾值法是一種傳統(tǒng)的圖像分割方法，因其實現(xiàn)簡單、計算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。

5、已被應(yīng)用于很多的領(lǐng)域，例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標的分割；在遙感應(yīng)用中，合成孔徑雷達圖像中目標的分割等；在醫(yī)學(xué)應(yīng)用中，血液細胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，水果品質(zhì)無損檢測過程中水果圖像與背景的分割。在工業(yè)生產(chǎn)中，機器視覺運用于產(chǎn)品質(zhì)量檢測等等。在這些應(yīng)用中，分割是對圖像進一步分析、識別的前提，分割的準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)點是計算簡單，運算效率較高，速度快。全局閾值對于灰度相差很大的不同目標和背景能進行有效的分割。當(dāng)圖像的灰

6、度差異不明顯或不同目標的灰度值范圍有重疊時，應(yīng)采用局部閾值或動態(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，因而對噪聲很敏感。在實際應(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。這類算法的時間復(fù)雜性和空間復(fù)雜性比較大，但是抗噪能力強，對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敘述及設(shè)計方案4.1閾值分割的基本概念圖像閾值化分割是一種最常用，同時也是最簡單的圖像分割方法，它特別適用于目標和背景占據(jù)不同灰度級范圍的圖像1。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡化了分析和處理步驟，因此在很多情況下，是進行圖像分析、特

7、征提取與模式識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，對像素集合進行一個劃分，得到的每個子集形成一個與現(xiàn)實景物相對應(yīng)的區(qū)域，各個區(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出發(fā)選取一個或多個閾值來實現(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)，按照一定的準則在f(x，y)中找到特征值T，將圖像分割為兩個部分，分割后的圖像為若取 ：b0=0（黑）,b1=1（白），即為我們通常

8、所說的圖像二值化。一般意義下，閾值運算可以看作是對圖像中某點的灰度、該點的某種局部特性以及該點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(x，y)的灰度值；N(x，y)是點(x，y)的局部鄰域特性根據(jù)對T的不同約束，可以得到3種不同類型的閾值，即 （1）點相關(guān)的全局閾值TT(f(x，y) (只與點的灰度值有關(guān))（2）區(qū)域相關(guān)的全局閾值TT(N(x，y)，f(x，y) (與點的灰度值和該點的局部鄰域特征有關(guān)) （3）局部閾值或動態(tài)閾值TT(x，y，N(x，y)，f(x，y)(與點的位置、該點的灰度值和該點鄰域特征有關(guān))所有這些閾值化

9、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(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)對全圖使用統(tǒng)一閾值還是對不同區(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(multithreshol

10、ding)。4.2閾值分割方法的分類全局閾值法指利用全局信息對整幅圖像求出最優(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小的子圖像，再對每個子圖像應(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，因此本文主要對全局閾值法中基于點的閾值法和基于區(qū)域的閾值法分別進行了研究。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）基于點的全局閾值方法基于點的全局閾值算法與其他幾大類方法相比，算法時間復(fù)雜度較低，易

11、于實現(xiàn)，適合應(yīng)用于在線實時圖像處理系統(tǒng)。（2）基于區(qū)域的全局閾值方法對一幅圖像而言，不同的區(qū)域，比如說目標區(qū)域或背景區(qū)域，同一區(qū)域內(nèi)的象素，在位置和灰度級上同時具有較強的一致性和相關(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，各處的對比度不同，突發(fā)噪聲，背景灰度變化等，如果只用一個固定的全局閾值對整幅圖像進行分割，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(即閾值使坐標的函數(shù))來對圖像各部分分別進行分割。這種與坐標相關(guān)的閾值也叫動態(tài)閾值，此方法也叫變化閾值法，或自適應(yīng)閾值法。這類算法的時間復(fù)

12、雜性和空間復(fù)雜性比較大，但是抗噪能力強，對一些用全局閾值不易分割的圖像有較好的效果。本文對基于對圖像閾值分割技術(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現(xiàn)閾值分割。4.3閾值分割的處理算法基于灰度直方圖的閾值選取圖像分割（MATLAB實現(xiàn)）直方圖給出了圖像中各個灰度級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，這個差距在直方圖中表現(xiàn)出來就是：直方圖上會出現(xiàn)一個谷底值，如果我們將這個谷底所對應(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，可惜往往這個谷底不是很明顯，

13、不過這是閾值選取的最基本的方法。基于灰度直方圖的閾值選取方法描述對灰度圖像的閾值分割就是先確定一個處干圖像灰度取值范圍之中的灰度閾值, 然后將圖像中各個象素的灰度值都與這個閾值相比較, 并根據(jù)比較結(jié)果將對應(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, 從而達到分割的目的從該方法中可以看出, 確定一個最優(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, 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小的子圖像, 再對每個子圖像分別求出最優(yōu)

14、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和背景組成，在目標和背景內(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，這類圖像常可用取閾值方法來較好的分割。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是一個內(nèi)部函數(shù)n=sum(C');%n(k)表示灰度值=k的象素的個數(shù)N=sum(n);%求出圖象象素

15、總數(shù)t=n/N;%t(k)表第k個灰度級出現(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(I>threshold);I(tt)=255;tt=find(I<=threshold);I(tt)=0;figure;imshow(I);title('the thresholded image');6.仿真

16、結(jié)果灰度直方圖：閾值分割后的圖像：結(jié)果分析：實驗結(jié)果表明：本文提出的基于最大熵的自動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，因為直方圖往往參差不齊，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

17、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算復(fù)雜度稍低，且運算時間較短。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小的子圖像 ,再對每個子圖像應(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

18、,也是計算機視覺研究中的一個經(jīng)典難題。閾值法是一種簡單有效的圖像分割方法 ,它用一個或幾個閾值將圖像的灰度級分為幾個部分 ,認為屬于同一個部分的像素是同一個物體。閾值法的最大特點是計算簡單 ,在重視運算效率的應(yīng)用場合,它得到了廣泛的應(yīng)用。通過這次的課程報告，我對數(shù)字圖象處理有了更深層次的認識，對數(shù)字圖象處理這門課程也越來越感興趣了，在做報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，對我今后學(xué)習(xí)數(shù)字圖象處理肯定會有很大的幫助作業(yè)。其次，數(shù)字圖像處理在現(xiàn)實生活中有著非常廣泛的應(yīng)用，在心理學(xué)、生理學(xué)、計算機科學(xué)等諸多領(lǐng)域內(nèi)都發(fā)揮著作用。同時，圖像處理在軍事、遙感、氣象等大型應(yīng)用中有不斷增長的需求。我想，經(jīng)過這次課程設(shè)計我不但對數(shù)字圖像處理有了更深入的了解，對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。相信這份興趣會成為以后繼續(xù)深入學(xué)習(xí)數(shù)字圖像處理方面知識的動力。參考文獻1 張強精通MATLAB數(shù)字圖像處理北京：電子工業(yè)出版社，2009.62 朱虹等.數(shù)字圖像處理.北京：科學(xué)出版