圖像分割算法設計 答辯ppt

圖像分割算法設計指導教師：申麗然班級：2009級自動化2班學生：邵東東學號：2220093697主要內(nèi)容：1、圖像分割的定義及分類2、圖像分割算法介紹3、仿真結(jié)果與分析4、總結(jié)圖像分割定義：圖像分割是將圖像中有意義或有用的特征提取出來，也就是說，將圖像分成各具特點的區(qū)域并提取出感興趣目標的技術(shù)和過程。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟。圖像讀入（光電轉(zhuǎn)換）圖像處理（增強，編碼）圖像分析（分割，描述）圖像理解（解釋，理解）光圖像數(shù)字圖像處理過的圖像特征數(shù)據(jù)解釋判斷圖像分割算法分類：圖像分割閾值邊緣檢測區(qū)域迭代法直方圖雙峰法最大類間方差法（OTSU）一階導數(shù)算子：Roberts,Sobel,Prewitt二階導數(shù)算子：Log,Canny區(qū)域生長法區(qū)域分離與合并法基于閾值的圖像分割法對一幅灰度級取值在[0，L-1]的圖像確定一個灰度閾值T（0<T<L-1），然后每個像素的灰度值與T比較，根據(jù)結(jié)果分為兩類：像素的灰度值大于閾值T為一類，像素的灰度值小于閾值T為另一類，像素的灰度值等于閾值T可歸為兩類之一。確定閾值是關(guān)鍵。直方圖雙峰法

該閾值法的依據(jù)是直方圖，通過對直方圖進行分析來實現(xiàn)對圖像的分割。下圖是一副灰度直方圖：將圖表中雙峰之間的谷底放大，我們發(fā)現(xiàn)最佳閾值為T=117左右迭代法迭代法選取最佳閾值流程圖：基于邊緣檢測的圖像分割算法

邊緣檢測是檢測圖像中有意義的不連續(xù)性的常用方法。一條邊緣是一組相連的像素組合，這些像素位于兩個區(qū)域的邊界上。邊緣總是以強度突變的形式出現(xiàn)，可以定義為圖像局部特性的不連續(xù)性，如灰度的突變、紋理結(jié)構(gòu)的突變等。邊緣常常意味著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。

對于邊緣的檢測常常借助空間微分算子進行。根據(jù)灰度變化的特點，常見的邊緣可分為階梯狀、脈沖狀和屋頂狀。常用的空間微分算子主要包括：梯度算子、拉普拉斯算子和Canny算子等。基于區(qū)域的圖像分割法基于區(qū)域的分割是圖像分割中一種重要的分割方法，其定義為按照選定的一致性準則將圖像劃分為互相不交疊的、連通的像元集的處理過程，它彌補了閾值分割沒有考慮空間信息的不足，解決了邊緣檢測的區(qū)域連續(xù)性和封閉性的難點，在圖像分割方法中有很強的優(yōu)勢。區(qū)域生長法區(qū)域分離與合并法

這種方法是從整幅圖像開始，通過不斷分裂到最終得到各個區(qū)域。實際操作中，首先把圖像分成任意大小且相互不重復的區(qū)域，然后再合并分裂這些區(qū)域以滿足分割要求。仿真結(jié)果與分析仿真結(jié)果與分析1、閾值法以迭代法為例，通過程序我們得到原圖的最佳閾值為T=114.0069分割后：原圖：我們可以從原圖的灰度直方圖看出，根據(jù)直方圖雙峰法得到的最佳閾值為T=117，與迭代法得到的結(jié)果基本吻合。

閾值法可以完整地將對象從圖像背景中整齊清晰地分割出來，但它要求圖片的灰度直方圖具有良好的雙峰性。2、邊緣檢測法通過對比可以發(fā)現(xiàn)：一階導數(shù)算子分割結(jié)果出現(xiàn)了邊緣丟失的現(xiàn)象，適合于簡單的圖片；二階導數(shù)算子分割效果良好，能夠檢測到真正的弱邊緣，適合復雜一些的圖片。3、區(qū)域法原圖區(qū)域生長結(jié)果區(qū)域分離與合并結(jié)果

基于區(qū)域的分割解決了邊緣檢測的區(qū)域連續(xù)性和封閉性的難點。區(qū)域生長法有效地克服其它方法存在的圖像分割空間不連續(xù)的缺點，但是穩(wěn)定性、準確性以及運算速度都會受到所選種子好壞的影響；區(qū)域分離與合并法克服了區(qū)域生長法的過分割缺陷，但是這種分割方法將分割區(qū)域的邊界破壞了，產(chǎn)生了塊狀區(qū)域邊界?？偨Y(jié)

實驗結(jié)果表明，基于邊緣的分割方法對邊緣灰度值過渡比較尖銳不太復雜的圖像可以取得較好的效果，受曲線間斷的影響較?。换趨^(qū)域的分割方法利用了圖像的局部空間信息，可有效的克服其它方法存在的圖像分割空間不連續(xù)的缺點；閾值分割算法直觀、實現(xiàn)簡單，在圖像分割中應用廣泛。基于邊緣的分割方法對于邊緣復雜的圖像效果不太理想，會產(chǎn)生弱邊緣丟失、邊緣不連續(xù)等現(xiàn)象；基于區(qū)域