基于OpenCV的图像阈值分割研究与实现.docVIP

基于OpenCV的图像阈值分割研究与实现 　　摘 要： 图像的阈值化在图像分割中有着至关重要的作用。在OpenCV 算法环境下，运用固定阈值化和自适应阈值化算法，分别对同一幅图调用OpenCV 中相应的函数进行处理；同时针对图像中的噪声，结合高斯模糊算法对图像噪声的滤除作用，将高斯模糊和阈值化算法结合起来，分析研究图像分割算法。结果表明自适应阈值化算法可以更有效地进行图像分割。 　　关键字： OpenCV； 自适应阈值； 图像分割； 固定阈值 　　中图分类号： TN919?34； TP32 文献标识码： A 文章编号： 1004?373X（2013）24?0073?04 　　Research and implementation of image threshold segmentation based on OpenCV 　　LEI Jian?feng， WANG Wei 　　（Capital Medical University， Beijing 100069， China） 　　Abstract：The image threshold plays a very important role in image segmentation. In the OpenCV algorithm environment， the fixed threshold algorithm and adaptive threshold algorithm are emploied respectively to process the same image by calling the corresponding function in OpenCV. The noise in the image is eliminated in combination with the filtering function of Gauss fuzzy algorithm. The image segmentation algorithm was analyzed by means of Gauss fuzzy and thresholding algorithm. The results show that the adaptive threshold algorithm can perform image segmentation more efficiently. 　　Keyword： OpenCV； adaptive threshold； image segmentation； fixed threshold 　　1 OpenCV简介 　　OpenCV是一种开源的软件，采用基于C/C++语言编写，OpenCV可以在多种操作系统上运行同时为其他软件提供了多种接口。在数据类型上OpenCV提供了多种基本数据类型。虽然这些数据类型在C语言中不是基本类型，但结构都很简单，可将它们作为原子类型。OpenCV 主体分为5个模块，其中4个模块如图1所示。 　　 　　图1 OpenCV基本结构图 　　OpenCV的目标是为计算机视觉提供基本工具，在处理计算机视觉中一些很复杂的问题时，可以利用OpenCV提供的高层函数有效地解决这些问题。OpenCV有一个强大的函数库，它可以提供基本函数为大多数计算机视觉问题创建一个完整解决方案。 　　2 图像分割 　　图像分割[1]是图像分析中很重要的基础环节，只有准确地将对象从图像中提取出来，才能进一步对该对象做定量的描绘。图像分割又是比较困难的环节，因为在许多情况下，对象与背景之间很难区分。所以图像分割算法已经成为图像处理[2]和分析领域中研究的热点，并且到目前为止没有一种通用的分割算法对各种图像均能得到满意的分割结果。图像分割的准则实质是将一幅图像分成几幅子图像，并且满足3个条件： 　　（1）图像中的每一个像素必须被归入某一子图像，并只能属于一个子图像； 　　（2）属于同一子图像的像素在某种性质上是相近的； 　　（3）属于不同子图像的像素在该性质上相差很大。所谓性质指的是如灰度、灰度梯度、纹理以及空间位置等。因此，图像分割的过程也就是按性质对像素进行分类和识别。 　　图像分割[3]方法一般有2类： 　　（1）基于边界分割方法，这种方法通过子图像之间一般都有明显的边界。假设图像中只有2个子图像，子图像不存在多个互不连通的区域； 　　（2）基于阈值方法，这种方法首先根据像素的某个特征确定分割阈值，然后将像素的这个特征值与此分割阈值相比较，并以此决定将该像素归入哪一类子图像。通常将像素的灰度作为特征来选择阈值。 　　2.1 VC6.0下OpenCV的安装及环境搭配 　　（1）下载