基于MATLAB的图像区域特征检测

图像中区域特征检测与提取技术研究
摘要：数字图像处理是利用计算机对图像信息进行各种变换处理的技术和方法。本文主要介绍了数字图像处理和图像中区域特征检测的原理，以及MATLAB在数字图像处理中的应用。本次设计主要研究了数字图像处理中图像分割中的阈值分割法和区域生长法，此次研究主要是以MATLAB软件为平台，采用了区域生长法编写设计代码程序，实现了数字图像的区域特征检测，包括提取了周长、面积和重心坐标，整个设计以区域生长基本算法编写。
关键词：图像分割；区域生长法；MATLAB；区域特征检测
Research on regional feature detection and extraction of image
Abstract：Digital image processing is to use the computer for image information for a variety of transformation processing techniques and methods. This article mainly introduced the digital image processing and the principle of regional characteristics in image detection, And MATLAB application in digital image processing. The design of the main research of the digital image processing, image segmentation threshold segmentation and region growing method, This research mainly based on MATLAB software platform, The region growing method is used to write program design code, Realize the regional features of digital image detection, Including extracted the perimeter, area and coordinates of the center of gravity, The whole project is compiled with region growing algorithm basic method.
Key words：Image segmentation； Region growing method；MATLAB；regional feature detection.
目 录

第一章 绪论 1
1.1 研究的目的和意义 1
1.2 国内外研究现状和发展趋势 1
1.3 主要研究内容 3
1.4 采用的研究思路 3
1.5 本章节安排 4
第二章 MATLAB与数字图像处理 5
2.1 数字图像处理概述 5
2.1.1数字图像处理的目的 5
2,1,2 图像处理的研究内容 5
2.2 MATLAB概述 6
第三章 图像分割 7
3.1 阈值分割原理 8
3.1.1直方图阈值分割 9
3.1.2 类间方差阈值分割 10
3.1.3 最大熵阈值分割 10
3.1.4 模糊阈值分割 11
3.2 基于区域的分割 12
3.2.1 区域增长 12
3.3 邻域平均法 17
3.4 中值滤波法 17
第四章 图像分析与描述 19
4.1 图像目标的特征提取 19
4.1.1 幅度特征 19
4.1.2 统计特征 19
4.2 基于区域的特征提取 21
4.2.1 区域面积 21
4.2.2 区域质心 22
4.2.3 区域方向 23
4.2.4 区域周长 24
第五章 运用MATLAB实现图像中区域特征检测 25
5.1 灰度处理 25
5.1.1 程序分析 25
5.1.2结果分析 26
5.2 用区域生长法分割图像 26
5.2.1 程序分析 26
5.2.2 结果分析 27
5.3 图像区域基本特征计算 29
5.3.1 程序分析 29
5.3.2 结果分析 30
第六章 总结 32
附录 33
参考文献 36
致谢 错误！未定义书签。

第一章 绪论
1.1 研究的目的和意义
通过对图像中区域特征的检测与提取技术的研究，为匹配与识别打下了基础，从而可以研究各种图像，可以让人们更加准确的理解这个世界，尽管人眼鉴别事物的能力高，可以识别多种颜色，但是在很多情形下，图像对于人眼来说是不可见的，通过研究，可以使这些不可见的图像变得清晰明亮。
其次，通过研究，我们可以扩宽人们提取信息的范围，扩宽人们的眼界。人的眼睛目前只能看到电磁波谱中可见光的部分，人的眼睛对其余的各种波谱都是看不见的。但是我们通过数字图像处理技术就可以利用各种波段的信息进行数字成像，将看不见的信息变为看得见的信息图像[1]。
例如在生物学中：DNA显示分析；红血球和白血球分析技术、组织和虫卵切片的分析技术；染色体分析技术；内脏大小形状及异常检测技术；心血管数字减影以及其他减影技术；癌细胞识别技术；心脏活动的动态分析技术；微循环的分析判断技术等。在航天应用中：军事侦察、定位、导航、指挥；多光谱卫星图像分析；矿藏勘探；森林资源探查、分类、防火；水力资源探查，洪水泛滥监测；病虫害调查；天文、太空星体的探测及分析；交通、空中管理、铁路选线等。在工业上：CAD和CAM技术用于模具、零件制造、服装、印染业；零件、产品无损检测，焊缝及内部缺陷检查；印制电路板质量、缺陷的检出；生产过程的监控；邮件自动分检。在军事领域中：罪犯脸型合成；手迹、人像的识别等。研究可以为人类带来巨大的社会经济效益，可以预见，将会对自然科学甚至人类社会的发展具有深远的意义。
1.2 国内外研究现状和发展趋势
目前国内外主要有以下6个方面的应用：航天与航空技术方面、生物医学工程方面、通信工程方面、工业和工程方面、军事和公安方面、文化艺术方面及其他。
以后其将向着多媒体化、立体化、高分辨率、高速、标准化和智能化方向发展；图像和图形的结合将从一维成像逐渐向多维成像的方向发展；在硬件芯片上的应用将更加广阔[2]。
图像中区域特征检测与图像分割息息相关，紧密联系，要研究区域，就首先要知道分割方法。分割是将图像分成许多统一、区域的过程。每个均匀区域都是整个场景的要素部分或对象。换句话说，图像的分割是定义相连且不相互重叠区域的集合，以便在图像段的每个像素获取表明区域的一个独特的、属于哪个区域的标记。在自动化图像分析中，分割是最重要的元素之一，主要是因为在这一步将从图像中提取感兴趣的对象或其他实体，用于随后的处理，如描述和识别。例如，航空图像包含海洋和陆地，最初，分割的问题是将图像分为两部分——路地段和水体（或海洋段）。其后，需要适当的分割图像中陆地部分对象，并进行相应的分类。
在提取每段之后，接下来的任务是提取重要的特征集，如文理、颜色和形状。这些是重要的可测量的和实体，给测量图像段提供了各种各样的特征，在场景中的各个区域都可以通过一系列的特征来描述。
因此研究区域就需要用到图像分割法，图像分割是图像处理中一类重要的研究，其基本操作是把图像分成一些有意义的、互不重叠的区域，分割结果的优劣直接影响到对图像后续处理的方法和质量，作为图像分析、理解的基础，图像分割在诸多领域具有广泛的应用，例如基于内容的图像检索、机器视觉、文字识别、指纹识别以及生物医学图像处理方面的病变检测和识别，军事图像处理方面的地形匹配与目标制导，工业图像处理方面的无损探伤和非接触式检测等。图像分割方法可以分为基于区域特征的方法、基于边界特征的方法和基于相关匹配的方法三大类。而本次研究是基于区域特征的方法。区域分割法目前是公认的图像处理难题，其困难在于图像内容的多样性以及噪声等的干扰，以后将慢慢克服这些弱点，向有效性、整体性、精确性，稳定性的方向发展；区域生长法目前主要的问题是表示区域的初始化种子的选择，在区域生长过程中，这些不同区域点合适属性的选择在相似性和区域面积上也遇到问题，因此都要经过后处理，未来区域生长法将减少分割图像中无法与任何邻接区域合并的小区域的数量。阈值法是一种
传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。在过去的40年里，图像阈值化这个看似简单实际却不那么简单的问题，受到了世界各地学者的强烈关注，因此也产生了很多的方法来确定阈值，但是很遗憾，如同其他图像分割法一样，目前还没有一个现成的方法对缤纷复杂的图像处理得当。
1.3 主要研究内容
在图像中检测出不同的特征区域后需要使用一种更适合于计算机进一步处理的形式，对得到的区域像素集进行表示和描述。基本上，表示一个区域包括两种选择：用其外部特性来表示区域；用其内部特性来表示区域（如组成区域的像素）。显然，一般局部特征区域的外部特性不具有区分性，只能通过其内部特性来表示。
因此可采用区域生长法，选取一幅合适的图画，将具有相似性质的像素结合起来构成区域。从种子点开始，将每个种子点有相似性的相邻像素合并到这个区域。在这里每个种子像素点都以迭代方式生长，直到处理过图像中的每一个像素，这就形成了不同区域，整个过程为一个迭代的过程[3]。具体方法如下：
(1)首先确定一个像素点作为种子，然后按照相似性准则增长区域，逐步生成具有某种均匀性的空间区域
(2)确定在生长过程中能将相邻像素包括进来的准则
(3)制定让增长停止的条件或规则
阈值分割的实质是利用图像的灰度直方图信息获得用于分割的阈值。它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一部分的像素是同一个物体。阈值分割算法主要有以下两个步骤：一是确定需要的分割阈值，二是将分割阈值与像素值进行比较以划分像素。在这两步中，确定阈值是分割的关键。
因此查阅了很多资料，了解了阈值化算法及应用，区域生长法的概念及应用。
1.4 采用的研究思路
我采用的方法有阈值分割法、区域增长法。
(1)用阈值分割时，一般假设图像由具有单峰灰度分布的目标和背景组成，处于目标或背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的灰度值上有很大的差别。此时图像的灰度直方图基本可以看做是由分别对应目标和背景的两个单峰直方图混合构成的。进一步，如果这两个分布大小接近且均值相聚足够远，而且两部分的均方差也足够小，则直方图应为较明显的双峰。类似的，如果图像中有多个单峰灰度分布的目标，则直方图有可能表现为较明显的多峰，对这类图像用阈值分割可以取得较好效果[4]。
但是阈值分割法由于没有或很少考虑到空间关系，使得多阈值选择受到限制，基于区域的分割方法可以弥补这点不足，传统的区域分割方法有区域增长法。该类方法在没有先验知识可以利用时，对含有复杂场景或自然场景等先验知识不足的图像进行分割，也可以取得较好的性能。
(2)区域生长是把图像分割成特征相近的若干小区域，通过比较区域间的相似性，将足