计算机图像介绍,计算机图像处理介绍.doc

昆明理工大学

计算机图像处理

指导老师： 李玉惠

学 院： 信息工程与自动化学院

专 业： 控 制 工 程

学 号： 2011704065

姓 名： 王京京

计算机图像处理——图像分割

一、计算机图像处理简介

图像处理技术的研究内容涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘学科。随着数字化时代的到来，就数字图像处理与分析方面的研究工作显得十分重要。它已经成为高等理工院校电子信息工程、通信工程、信号与信息处理等学科的一门重要的技术专业课，广泛应用于工业、农业、交通、金融、地质、海洋、气象、生物医学、军事、公安、电子商务、卫星遥感、机器人视觉、目标跟踪、自主车导航、多媒体信息网络通信等领域，取得了显著的社会效益和经济效益。目前，图像信息处理已经成为了一个研究热点。

本文跟随这一研究热点，主要学习研究图像的分割技术，并在MATLAB图像软件包中进行实验，得出实验结果。

二、图像分割技术

图像分割是指根据选定的特征将图像划分为若干个有意义的部分，图像特征可以是图像本身的特征，如像素的灰度、边缘轮廓和纹理等。图像分割的作用是从图像中提取有用的信息，从而使原图像在内容表达上更为简单明了，为后续图像分析和理解打下基础。它主要包括：根据灰度进行分割，边界检测的基本方法，拟合曲面求导法，高斯平滑滤波求导法，统计判决法，分裂-合并算法，跟踪技术，模糊数学方法，模型化与统计检验法，松弛标志法，匹配检测技术，活动轮廓模型法，基于模式识别检测法，基于视觉特性检测法。

2.1图像阈值法

图像阈值方法有全局阈值和局部阈值。分割过程中对图像上每个像素所使用的阈值都相等，则为全局阈值方法; 每个像素所使用的阈值可能不同，则为局部阈值方法。

2.1.1全局阈值法

采用阈值确定边界的最简单方法就是在整个图像中将灰度阈值的值设置为常数。如果背景的灰度值在整个图像中可合理地看做恒定，而且所有物体与背景都具有几乎相同的对比度。

在MATLAB中的实现程序代码：

I = imread('coins.png');

level = graythresh(I);

BW = im2bw(I,level);

subplot(2,3,1),imshow(I);title('原始图像');

subplot(2,3,2),imshow(BW);title('全局阈值后的图像');

实验结果如图2.1所示

图2.1 全局阈值法实验结果

进行全局阈值分割时，如果图像的直方图出现两个分离的峰值，分割阈值可以选择直方图的两个波峰间的波谷所对应的灰度值作为分割的阈值，但是这种方法不可避免的出现误分割，使一部分本属于背景的像素被判为物体，属于物体的一部分像素同样会被认为是背景。灰度图选择不同的阈值，产生的图像分割效果不同，因此对于不同的图像，必须正确的选择阈值，以便得到更好的分割效果。因此，一般运用全局阈值法的时候就会想到最佳阈值法，通过选择最佳的阈值进行分割图像。

2.2 边缘检测法

图像的边缘是指图像局部区域亮度变化显著的部分。该区域的灰度剖面一般可以看做一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征。边缘检测主要是图像的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多种不同的边缘检测方法。

边缘检测的基本思想：先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置阈值的方法提取边缘点集。但是由于噪声和图像模糊，检测到的边界可能会有间断的情况发生。所以边缘检测包含以下两项内容：

(1) 用边缘算子提取边缘点集。

(2) 在边缘点集合中去除某些边缘点，填充一些边缘点，将得到的边缘点集连接为线。

边缘检测的步骤：

图4.2 边缘检测法的基本步骤

2.2.1梯度算子边缘检测法

采用不同的梯度算子进行图像的边缘检测，程序代码如下：

p=imread('C:\Documents and Settings\DELL\桌面\lena','jpg');

by1=edge(p,'sobel');

by2=edge(p,'roberts');

by3=edge(p,'prewitt');

by4=edge(p,'canny');

by5=edge(p,'log');

subplot(2,3,1),imshow(by2);title('roberts');

subplo