数字图像阈值自动分割的实现解析.doc

数字图像阈值自动分割的实现 针对不同图像实现图像二值化的自动分割 一、摘要 本文主要讨论了数字图像阈值自动分割的实现和针对不同图像实现图像二值化的自动分割的课题。其中包括直方图阈值分割技术、类间方差阈值分割、迭代法阈值分割三种图像阈值分割的原理和基本内容，提出几种常用的图像阈值分割方法和比较几种方法的优缺点，更好地完成课题要求，并且从中获得一定的专业知识和技能。 关键词：阈值分割、二值化、直方图阈值分割技术、类间方差阈值分割、迭代法阈值分割 二、前言 本课题的主要目的是实现数字图像阈值自动分割，我们主要介绍三种有效的阈值分割方法：(1) 直方图阈值分割技术(2)类间方差阈值分割(3)迭代法阈值分割。我们分别介绍三种方法的原理、程序和运行结果，并结合结果进行优缺点的比较。 我们经过广泛的查取资料，注意到以下几个问题（1）编译的程序原理能够实现不同图像的自动阈值分割（2）对于彩色图像的阈值分割，要把彩色图像转化成灰度图像。 三、正文 3.1定义 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像有哪些信誉好的足球投注网站等等领域。图像阈值分割是一种广泛应用的分割技术阈值分割法的特点是：适用于目标与背景灰度有较强对比的情况，重要的是背景或物体的灰度比较单一，而且总可以得到封闭且连通区域的边界。 若取 ： b0=0（黑）,b1=1（白），即为我们通常所说的图像二值化。 一般意义下，阈值运算可以看作是对图像中某点的灰度、该点的某种局部特性以及该点在图像中的位置的一种函数，这种阈值函数可记作：T(x，y，n(x，y)，f(x，y))式中，f(x，y)是点(x，y)的灰度值；n(x，y)是点(x，y)的局部邻域特性．根据对T的不同约束，可以得到3种不同类型的阈值，即 (1)点相关的全局阈值T＝T(f(x，y)):只与点的灰度值有关 (2)区域相关的全局阈值T＝T(n(x，y)，f(x，y)):与点的灰度值和该点的局部邻域特征有关 (3)局部阈值或动态阈值T＝T(x，y，n(x，y)，f(x，y)):与点的位置、该点的灰度值和该点邻域特征有关 本文对三种阈值分割技术进行综述： （1）直方图阈值分割技术 （2）类间方差阈值分割 （3）迭代法阈值分割 3.2设计目的： 图像分割的目的是把图像空间分成一些有意义的区域。例如对于安全监控图像来说，人脸的分割很重要。研究图像分割可以以逐个的像素为基础，也可以利用规定领域中的图像信息区分割。 阈值分割是一种利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生对应的二值图像。图像分割可以压缩数据，简化其后的分析与处理步骤，在很多图像处理系统中都是必不可少的一个环节。 3.3设计方案（思路）： 阈值分割图像的基本原理描述如下： 式中，Z为阈值，是图像f(x,y)灰度级范围内的任一个灰度级集合，Z属于[Z1,Zk],Z1，Zk为任意选出来的目标和背景灰度级。可见从复杂背景中分辨出目标并将其形状完整地提取出来，预知的选择是阈值分割技术的关键，迄今为止还没有一种对所有图像都能有效分割的阈值选取方法。我们主要使用三种常用的阈值选取方法：直方图阈值分割法和类间方差阈值分割法以及迭代阈值分割法。 3.4设计内容： 阈值分割方法比较 3.4.1基于点的全局阈值方法 基于点的全局阈值算法与其他几大类方法相比，算法时间复杂度较小，易于实现，适合应用于在线实时图像处理系统。 3.4.2基于区域的全局阈值方法 对一幅图像而言，不同的区域，比如说目标区域或背景区域，同一区域内的象素，在位置和灰度级上同时具有较强的一致性和相关性。 3.4.3局部阈值法和多阈值法 局部阈值(动态阈值)?当图像中有如下一些情况：有阴影，照度不均匀，各处的对比度不同，突发噪声，背景灰度变化等，如果只用一个固定的全局阈值对整幅图像进行分割，则由于不能兼顾图像各处的情况而使分割效果受到影响。有一种解决办法就是用与象索位置相关的一组阈值(即阈值使坐标的函数)来对图像各部分分别进行分割。这种与坐标相关的阈值也叫动态阈值，此方法也叫变化阈值法，或自适应阈值法。这类算法的时间复杂性和空间复杂性比较大，但是抗噪能力强，对一些用全局阈值