图像分割算法研究及实现

中北大学课程设计说明书学生姓名：梁一才学号：10050644X30学院：信息商务学院专业：电子信息工程题目：信息处理综合实践:图像分割算法研究与实现指导教师：陈平职称:副教授2013年12月15日中北大学课程设计任务书13/14学年第一学期学院：信息商务学院专业：电子信息工程学生姓名：焦晶晶学号：10050644X07学生姓名：郑晓峰学号：10050644X22学生姓名：梁一才学号：10050644X30课程设计题目：信息处理综合实践:图像分割算法研究与实现起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平系主任：王浩全下达任务书日期:2013年12月15日课程设计任务书1．设计目的：1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力；2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理；3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）：(1)编程实现分水岭算法的图像分割；(2)编程实现区域分裂合并法；(3)对比分析两种分割算法的分割效果；(4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕：每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。课程设计任务书4．主要参考文献：[1]夏得深，傅德胜.现代图像处理技术与应用[M]．南京：东南大学出版，2001：120-135.[2]K.R.Castleman.数字图像处理[M]．北京：电子工业出版社，1998：110，166，220.[3]冈萨雷斯.数字图像处理（MATLAB版）[M]．北京：电子工业出版社，2005;111-120，152.[4]刘直芳，游胜志.基于多尺度彩色形态矢量算子的边缘检测[J].中国图像图形学报，2002，32（1）：30-33.[5]潘晨，顾峰．基于3D直方图的彩色图像分割方法[J].中国图像图形学报，2002，33（2）：35-38.5．设计成果形式及要求：毕业设计说明书仿真结果6．工作计划及进度：2013年12月16日~12月19日：查资料；12月19日~12月24日：在指导教师指导下设计方案；12月25日~12月27日：撰写课程设计说明书；12月27日：答辩系主任审查意见：签字：年月日目录1引言.......................................................11.1数字图像分割的现状.....................................11.2数字图像分割的意义.....................................12基于MATLAB的图像分割.......................................23图像分割的主要研究方法......................................33.1图像分割定义..........................................33.2图像分割方法综述......................................43.3分水岭算法............................................43.3.1分水岭算法概念....................................43.3.2分水岭算法原理....................................53.4区域分裂合并法........................................63.4.1区域分裂合并算法基本原理..........................63.4.2区域分裂合并算法算法过程..........................74MATLAB程序与结果...........................................84.1分水岭算法结果与分析...................................84.2分裂合并算法结果与分析................................105两种图像分割方法的比较.....................................116结论......................................................137参考文献...................................................1411引言1.1数字图像分割的现状图像分割技术，是从图像中将某个特定区域与其它部分进行分离并提取出来的处理。图像分割的方法有许多种，有阈值分割方法，边界分割方法，区域提取方法，结合特定理论工具的分割方法等。早在1965年就有人提出检测边缘算子，边缘检测已产生不少经典算法。越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。尤其是近年来迅速发展起来的小波理论为图像处理带来了新的理论和方法。小波变换具有良好局部特性，当小波函数尺度较大时，抗噪声的能力强，当小波函数尺度较小时，提取图像细节的能力强，这样就可以很好地解决抑制噪声和提取图像边缘细节之间的矛盾。图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何基于数学工具的解析方法都很难得到很好的效果。因此，人们倾向于重新设计一个针对具体问题的新算法来解决所而临的图像分割问题。这在只有少量图像样本的时候，利用各种先验知识，设计一个具有针对性的算法进行图像分割是比较容易的。但是当需要构建一些实用的机器视觉系统时，所面临的将是具有一定差异性、数量庞大的图像库，此时如何很好的利用先验知识，设计一个对所有待处理图像都实用的分割算法将是一件非常困难的任务。其次，由于缺乏一个统一的理论作为基础，同时也缺乏对人类视觉系统(humanvisionsystem，HVS)机理的深刻认识，构造一种能够成功应用于所有图像的统一的图像分割算法，到目前为止还是难以实现的。1.2数字图像分割的意义现实生活中在分割一幅图像时，多是依据经验和直觉去选择方法，通过反复实践来找到一种最佳的方法。与计算机科学技术的确定性和准确性相比，图像分割更像是一种艺术行为，有经验的人能比较容易的选用出适当的方法，使不同的图像都得到最佳的分割效果。但是，当要处理的图像十分庞大时，图像分割就像是流水线上的一道简单工序，这种艺术行为就显得无能为力了。随着图像技术和多媒体技术的发展，包括图像、音频和视频等信息的多媒体数据己经广泛用于2Internet和企事业信息系统中，而且越来越多的商业活动、信息表现和事务交易中都将包括多媒体数据，自然也就包含了大量的图像，基于内容的图像检索的广泛应用就是一个例子，这些常常都是以图像分割作为基础的。由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。相信这些交互式方法的应用，必将推动图像目标分割与提取这一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的研究领域。边缘提取是图像边缘检测和计算机视觉等领域最基本的技术，如何准确、快速的提取图像中的边缘信息一直是这些领域的研究热点，随着此项技术研究的深入和整个领域的不断发展，边缘提取技术已经成为图像分割、目标识别、图像压缩等技术的基础。其理论意义深远，应用背景广泛，有相当的使用价值和理论难度。边缘提取算法的提出通常是面向具体问题的，普遍实用性较差。区域提取法有两种基本形式：一种是从单个像素出发，逐渐合并以形成所需的分割区域；另一种是从全图出发，逐渐分裂切割至所需的分割区域。在实际中使用的通常是这两种基本形式的结合。根据以上两种基本形式，区域提取法可以分为区域生长法和分裂合并法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的。该方法的关键是要选择合适的生长或相似准则。生长准则一般可分为三种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。区域提取法的缺点是往往会造成过度分割，即将图像分割成过多的区域，因此近年来针对这种方法的研究较少。2基于MATLAB的图像分割MATLAB允许用户以数学形式的语言编写程序，用户在命令窗口中输入命3令即可直接得出结果，这比C++、Fortran和Basic等等该机语言都要方便的多。而且它是用C语言开发的，其流程控制语句与C语言中的相应语句几乎一致。这给使用上带来了方便，使我能较快的适应与使用MATLAB这门语言，使用起来更加方便。另外，MATLAB的内部函数提供了相当丰富的函数，这些函数解决许多基本问题，如矩阵的输入。在其它语言中(比如C语言中)，要输入一个矩阵，先要编写一个矩阵的子函数，而MATLAB语言则提供了一个人机交互的数学系统环境，该系统的基本数据结构是矩阵，在生成矩阵对象时，不要求做明确的维数说明。与利用C语言或Fortran等等高级语言编写数值计算的程序相比，利用MATLAB可以节省大量的编程时间。这就给用户节省了很多的时间，使用户可以把自己的精力放到创造方面，而把繁琐的问题交给内部函数来解决。除了这些数量巨大的基本内部函数外，MATLAB还有为数不少的工具箱。这些工具箱用于解决某些领域的复杂问题。3图像分割的主要研究方法3.1图像分割定义图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出了上千种各种类型的分割算法，现提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用分割算法，而且近年来每年都有上百篇相关研究报道发表。然而，还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际问题。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一[1]。多年来人们对图像分割提出了不同的解释和表述，借助集合概念对图像分割可给出如下定义：令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，…，RN；（1）在分割结果中，每个区域的像素有着相同的特性；（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性；（3）分割的所有子区域的并集就是原来的图像；（4）各个子集是连通的区域；4图像分割是把图像分割成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的灰度、颜色、纹理等提取的目标可以是对应的单个区域，也可以是对应的多个区域。3.2图像分割方法综述图像分割是指将图像划分为与其中含有的真实世界的物体或区域有强相关性的组成部分的过程。图像分割是图像处理和分析中的重要问题,也是计算机视觉研究中的一个经典难题。尽管它一直受到科研人员的重视,但是它的发展很慢,被认为是计算机视觉的一个瓶颈。迄今为止,还没有一种图像分割方法适用于所有的图像,也没有一类图像所有的方法都适用于它。近几年来,研究人员不断改进原有方法并将其它学科的新