基于MATLAB的图像分割系统GUI界面
一、课题介绍
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。
二、 图像分割
2.1 图像分割算法的定义与分类
在图像的研究和应用中,人们往往只对一幅图像中的某些部分感兴趣,这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域(可以对应单个区域,也可以对应多个区域),称之为目标或前景;而其它部分称为图像的背景。为了辨识和分析目标,需要把目标从一幅图像中孤立出来,这就是图像分割要研究的问题。所谓图像分割,从广义上来讲,是根据图像的某些特征或特征集合(包括灰度、颜色、纹理等)的相似性准则对图像象素进行分组聚类,把图像平面划分成若干个具有某些一致性的不重叠区域。这使得同一区域中的象素特征是类似的,即具有一致性;而不同区域间象素的特征存在突变,即具有非一致性。从集合的角度出发,图像分割定义如下:
设整个图像空间为一集合R 。根据选定的一致性准则P ,R 被划分为互不重叠的非空子集(或子区域):{
,
,
,
},这些子集必须满足下述条件:
(1)
;
(2) 对于所有的
和
,当
≠
,
= 空集;
(3) P(
) = True ,对所有的
;
(4) 所有
≠
;
,
相邻,P(
) = False
(5) 对
=1,2,L,n,
是连通区域
其中:P(
)为作用于
中所有象素的形似性逻辑谓词,
,
=1,2,
,…
。上述条件
(1)指出分割后的全部子区域的总和应包含图像中的所有元素,或者说分割应将图像中每个象素都分进一个子区域中。
(2)指出各个子区域相互不重叠。
(3)指出分割后得到的属于同一区域中的元素应该具有某种相同特性。
(4)指出对于分割后得到的属于相邻两个区域中的元素具有某种不同的特性。(5)要求同一个子区域内的元素应当是连通的。
其中分割准则P 适用于所有象素,由它来确定各区域元素的相同特性。上述数学条件说明了图像分割算法的一些特点,凡不符合以上特点的图像处理算法则不能称为图像分割算法。
目前,在己提出的多种类型的分割算法中,大致可以分为基于边缘检测的方法和基于区域的方法。而在实际应用中,这些方法主要又可划分为三种类型: 边缘检测型、阈值型和区域跟踪型。本文的讨论正是基于阈值型图像分割方法展开的。
2.2 基于阈值的分割
2.2.1方法定义与特点
基于阈值的分割方法是一种应用十分广泛的图像分割技术。所谓阈值分割方法的实质是利用图像的灰度直方图信息得到用于分割的阈值。它是用一个或几个阈值将图像的灰度级分为几个部