数字图像分割及matlab实现

摘 要

　图像分割作为图像分析和理解的一个关键步骤，其结果将直接影响到目标物特征提取和描述，以及进一步的目标物识别、分类和图像理解。本文全面细致地介绍了图像的分割技术及MATLAB实现。包括图像分割的定义和依据，边缘点检测，边缘线跟踪，门限化分割及区域分割法。针对各种算法给出了对比分析，重点介绍了遗传分割算法，并通过MATLAB软件编程实现了这些算法。

关键词：图像分割 ，边缘检测 , 遗传算法 ，Matlab

目 录

摘 要

Abstract

目 录

第一章 绪论

1.1  图像分割综述

1.2  图像分割的研究意义与发展现状

1.3 本论文所作的工作

1.4 本论文的论述内容

第二章  Matlab简介

2.2 MATLAB的语言特点

2.3 MATLAB 遗传算法工具箱简介

第三章 数字图像基础简介

3.1  图像的基本概念及其特点

3.2 图像的格式

第四章  图像分割

4.1 图像分割算法的定义与分类

4.2 基于阈值的分割

第五章 遗传算法理论简介

5.1遗传算法的基本概念

5.2遗传算法

第六章 基于遗传算法的最大类间方差分割法

6.1 普通最大类间方差法（Otsu法）简介

6.2  最大类间方差图像分割的遗传算法描述

6.3  实验结果与效果对比

结论

谢 辞

参考文献

附 录

第一章 绪论 

1.1  图像分割综述

图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像分割是数字图像处理中的一项关键技术，它使得其后的图像分析、识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。而且，在数字图像处理工程中，一方面，图像分割是目标表达的基础，对特征测量有重要的影响；另一方面，图像分割是自动目标识别的关键步骤，图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，分割中出现的误差会传播至高层次处理阶段，因此分割的精确程度是至关重要的。只有通过细致精细的图像分割，才能使得更高层的图像分析和理解成为可能。因此，图像分割是由图像处理进到图像分析的关键步骤，在图像工程中占据重要的位置。

1.2  图像分割的研究意义与发展现状 

作为计算机视觉和图像处理中的难点和热点之一，图像分割的研究受到了研究工作者的高度重视，对图像分割进行了深入、广泛的研究。作为一种重要的图像技术，图像分割在不同领域中有时也用其它名称：如目标轮廓(object delineation)技术，阈值化(thresholding)技术，图像区分或求差(image discrimination)技术，目标检测(target detection)技术，目标识别(target recognition)技术，目标跟踪(target tracking)技术等，但这些技术本身或其核心实际上也就是图像分割技术。图像分割作为图像处理、分析的一项基本内容，其应用非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。在工业自动化、在线产品检验、生产程控、文件图像处理、遥感图像、保安监视、以及军事、体育、农业等行业和工程中，图像分割都有着广泛的应用。例如：在遥感图像中，合成孔径雷达图像中目标的分割、遥感云图中不同云系和背景分布的分割等；在医学应用中，脑部 MR 图像分割成灰质（GM）、白质（WM）、脑脊髓（CSF）等脑组织和其它脑组织区域（NB）等；在交通图像分析中，把车辆目标从背景中分割出来等；在面向对象的图像压缩和基于内容的图像检索中将图像分割成不同的对象区域等。在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。

自 20 世纪 70 年代至今，已提出上千种各种类型的分割算法。如：门限法、匹配法、区域生长法、分裂－合并法、水线法、马尔可夫随机场模型法、多尺度法、小波分析法、数学形态学等。随着新理论、新技术的发展，一些新的图像分割方法也随之出现，但这些分割算法都是针对某一类型图像、某一具体的应用问题而提出的，并没有一种适合所有图像的通用分割算法。通用方法和策略仍面临着巨大的困难。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。

1.3 本论文所作的工作 

据此，在本论文中只对常用的、并在实践中行之有效的边缘检测方法和阈值分割方法进行深入的了解，并对阈值分割方法中的灰度直方图双峰法和基于遗传算法的最大类间方差法进行详细的讨论，同时用Matlab对上述两种方法进行验证并给出结果。

1.4 本论文的论述内容 

本文对图像分割的整个过程中的一些常用的，经实践检验行之有效的算法进行了讨论和改进。全文共七章。第一章为绪论，主要介绍了现阶段图像分割技术的发展现状和研究意义。其他六章分别在以下几个方面介绍了本文所做的工作：

1.对本文所采用的试验测试工具Matlab 进行简介。

2.简介数字图像的基础问题。概述了数字图像的基本概念和特点，简介了各种图像格式的特点和应用，为全文的讨论作一铺垫。

3.详细讨论了图像分割中的基于阈值的图像分割方法，给出了直方双峰法的算法和验证结果，并简要介绍了普通最大类间方差法的算法过程。

4.对遗传算法理论进行简介。详细讨论了遗传算法的定义和标准遗传算法的流程和要素。为应用此方法对最大阈值进行迭代寻优打下基础。

6.应用遗传算法改进了最大类间方差法。给出了整个遗传操作的使用函数与具体进程，并对实例图片进行处理，得到处理结果并得到迭代最优阈值M。

本文研究了图像分割的相关理论和常用技术，并对遗传算法进行了介绍,对遗传算法应用于图像分割进行了验证.

第二章  Matlab简介

2.1 MATLAB的概况 

MATLAB是矩阵实验室（Matrix　Laboratory）之意。除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。MATLAB的基本数据单位是矩阵，它的指令表达式与数学,工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完相同的事情简捷得多.

　当前流行的MATLAB包括拥有数百个内部函数的主包和三十几种工具包(Toolbox).工具包又可以分为功能性工具包和学科工具包.功能工具包用来扩充MATLAB的符号计算,可视化建模仿真,文字处理及实时控制等功能.学科工具包是专业性比较强的工具包,控制工具包,信号处理工具包,通信工具包等都属于此类.开放性使MATLAB广受用户欢迎.除内部函数外,所有MATLAB主包文件和各种工具包都是可读可修改的文件,用户通过对源程序的修改或加入自己编写程序构造新的专用工具包.

2.2 MATLAB的语言特点

一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点，正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB最突出的特点就是简洁。MATLAB用更直观的，符合人们思维习惯的代码，代替了C和   FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观，最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点：

1. 语言简洁紧凑，使用方便灵活，库函数极其丰富。
2. 运算符丰富。

3. MATLAB既具有结构化的控制语句（如for循环，while循环，break语句和if语句），又有面向对象编程的特性。

4. 程序限制不严格，程序设计自由度大。

5. 程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。

6. MATLAB的图形功能强大。

7. MATLAB的缺点是，它和其他高级程序相比，程序的执行速度较慢。

8. 功能强大的工具箱是MATLAB的另一特色。

9. 源程序的开放性。

2.3 MATLAB 遗传算法工具箱简介  

鉴于Matlab强大的扩展功能和影响力，各个领域的专家相继突出了许多基于Matlab的专用工具箱。本文所采用的遗传算法工具箱，就是由英国谢菲尔德（Sheffield）大学设计推出的。相对于其他版本的遗传算法工具箱，如：美国北卡莱罗纳州立大学推出的遗传算法优化工具箱GAOT（Genetic Algorithm Optimization Toolbox），以及MathWorks公司最新发布的一个专门设计的Matlab遗传算法和直接搜索工具箱（Genetic Algorithm and Direct Search Toolbox），本工具箱的出现最早，影响较大且功能较为完备。文中所采用的所有遗传操作函数大部分出自本工具箱。

第三章 数字图像基础简介

图像处理的首要一步，就是要了解图像的基本性质与特点。只有充分了解和掌握了所要处理得图像的特点和性质，才能在接下来的处理中根据图像的特点获取所需的信息，并对其进行相应的处理。

本章将介绍数字图像的基础知识，以及图像在计算机处理中的信息表达形式，并对几种常用的图像文件格式Bmp, Jpeg以及Png等做简要的介绍。

3.1  图像的基本概念及其特点 

要对图像进行处理，必须清楚图像的概念。一般来说，二维或三维景物呈现在人眼中的样子就是图像。图像具有以下三个方面的特点：

（1）图像带有大量的信息，一幅图像顶得上千言万语;

（2）图像种类繁多，包括照片、绘图视频图像等;

（3）人类从外界