图像前景背景分割

实验一：利用基于直方图的自适应阈值方法实现分割前景与背景姓名：吕荣荣学号：18120309学院：计算机班级：信号班一、实验要求：a）实验图像见文件夹Segmentation_data；b）设定三个不同阈值，直接观察分割结果;c）利用统计直方图，得到一个自适应的d）以报告形式（word）阐述对所采用的基于直方图的自适应阈值法、实验结果以及对实验结果的分析。二、实验目的：利用基于直方图的自适应阈值方法实现分割前景与背景三、实验原理：图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割是把图像中有意义的特征区域或者把需要的应用的特征区域提取出来。阈值分割是一种简单有效的图像分割方法。它对物体与背景又较强对比的图像分割特别有效，所有灰度值大于或等于阈值的像素被判决属于物体。比较常见的阈值分割方法有自适应阈值和全局阈值。最佳阈值的选择方法有直方图阈值分割法、最大类间方差法、迭代法。本实验是基于直方图的自适应阈值方法来实现分割前景与背景。阈值分割图像的基本原理为：利用图像中要提取的目标物与其背景在灰度特性上的差异，或者说利用边界的灰度突变性，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以区分图像中每个像素点应该属于目标区域还是背景区域，从而得到结果的分割图像。阈值分割是一种简单有效的图像分割方法。他对物体与背景有较强对比的图像分割特别有效，所有灰度大于或等于判决阈值就被判决为属于物体，灰度值用“255”表示前景；否则这些像素点被排除在物体区域外，灰度值为“0”，表示背景。利用直方图的方法是一种全局阈值分割方法。假定物体和背景分别处于不同灰度级，图像的灰度分布曲线近似用两个正态分布概率密度函数，分别代表目标和背景，利用这个函数的合成曲线拟合整体图像的概率密度曲线，图像的直方图将会出现两个分离的峰值。因此，先作出图像的灰度直方图，选取最合适的阈值，然后根据该阈值进行分割就可以将目标从图像中分割出来。在实际情况中，当照明不均匀、有突发噪声或者背景变化较大时，整幅图像分割时将没有合适的单一阈值，如果仍采用单一的阈值去处理每一个像素，可能会将目标和背景区域错误划分。而自适应阈值分割的思想，将图像中每个像素设置可能不一样的阈值。四、实验结果：第一幅图片的实验结果：图表1图表2图表3第二幅图片的实验结果：图表4图表5图表6第三幅图片的实验结果：图表7图表8上图为与图一图二设置相同阈值后的处理结果。图表9图表10五、结果分析：阈值不同，分割效果不同，已知的三幅图用直方图自适应阈值的方法进行处理没有得到设定阈值的良好效果我认为是由于双峰不明显导致自适应阈值算法不能发挥最好的效果。