数字图像阈值分割方法的研究.docx
《数字图像阈值分割方法的研究.docx》由会员分享，可在线阅读，更多相关《数字图像阈值分割方法的研究.docx（9页珍藏版）》请在冰点文库上搜索。
数字图像阈值分割方法的研究
数字图像阈值分割方法的研究
————————————————————————————————作者：
————————————————————————————————日期：
一、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.
二、设计方案（思路）:
阈值分割图像的基本原理描述如下：
g（x,y）=
others
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,
，
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。
我们主要援救两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。
三、设计内容：
（一）直方图阈值分割技术
灰度直方图就是灰度级的像素数
与灰度i的二维关系，它反映了一幅图像上灰度分布的统计特性，在MATLAB中使用函数“imhist.m”来实现.
双峰法就是其中的一种简单的阈值分割方法，即如果会妒忌直方图呈现明显的双峰状，如图1所示，则选取双峰之间的谷底所对应的灰度级作为阈值分割，与要注意的是,用灰度直方图双峰法来分割图像需要一定的图像先验知识。
该方法不适用于直方图中双峰差别很大或者双峰中间谷底比较宽广而平坦的图像，以及单峰直方图的情况。
图1图像的直方图
下面是给出的MATLAB仿真源程序，分割效果如图2
（a）原始图（b）分割后的结果
I=imread（'rice。
tif’）；%读取图像
figure
（1）；%绘制空图板
subplot（1，3，1）；
imhist（I）;％绘制直方图
subplot（1，3，2）；
imshow（I）;
［m,n］=size（I）；%图像尺寸
fori=1：
m
forj=1:
n
if（I（i，j）〈120）％阈值为双峰中间的谷底
I（i,j）=255;
end
end
end
subplot（1,3,3）
imshow（I）;
提示：
在世纪图像中，往往设置多个阈值进行图像和背景的分割。
直方图分割技术还可以采用基于统计最优的最佳阈值分割方法和多门限分割方法
（二）类间方差阈值分割
由Ostu提出的最大类间方差法，是在判决分析最小二乘法原理的基础上推到得出的，其算法比较简单，是一种方便可行的阈值选取方法。
设原始灰度图像灰度级为L，灰度级为I的像素点数为
，则图像的全部像素数为：
归一化直方图,则
按灰度级用阈值t划分为两类
因此，
和
类的类出现概率以及均值层分别有下列各式给出：
和
的类的方差可由下式得到:
定义类内方差为:
类间方差为：
总体方差为这两者之和。
t的选择是类间与类内方差比值最大的灰度值。
下面时该方法计算灰度门限的代码，分割效果如图3
C=imread（'rice.tif’）;%读取图像
figure，imshow（C）；title（'原始灰度图像'）；％绘原图
count=imhist（C）;%直方图统计
［r,t]=size（C）;％图像矩阵大小
N=r＊t；%图像像素个数
L=256;％制定凸显灰度级为256
count=count/N；%各级灰度出现概率
fori=2:
L
ifcount（i）~=0
st=i-1；
break
end
end
％以上循环语句实现寻找出现概率不为0的最小灰度值
fori=L：
-1：
1
ifcount（i）～=0；
nd=i-1；
break
end
end
%实现找出出现概率不为0的最大灰度值
f=count（st+1:
nd+1）;
p=st；q=nd-st;%p和q分别是灰度的起始和结束值
u=0；
fori=1：
q;
u=u+f（i）*（p+i—1）;
ua（i）=u;
end
％计算图像的平均灰度值
fori=1：
q;
w（i）=sum（f（1:
i））;
end
%计算出选择不同k的时候,A区域的概率
d=（u*w—ua）。
^2。
/（w。
＊（1—w））；%求出不同k值时类间方差
[y,tp］=max（d）;%求出最大方差对应的灰度值
th=tp+p;
ifth〈=160
th=tp+p;
else
th=160
end％根据具体情况适当修正门限
Y1=zeros（r，t）;
fori=1：
r
forj=1：
t
X1（i,j）=double（C（i，j））;
end
end
fori=1:
r
forj=1:
t
if（X1（i，j）>=th）
Y1（i，j）=X1（i,j）；
elseY1（i,j）=0;
end
end
end
%上面一段代码实现分割
figure,imshow（Y1）；title（'灰度门限分割图像’）；
图片3
四、结束语:
图像的阈值分割方法还有很多,由于篇幅关系在此就不一一列举，，通过这次课设，我学到了很多，不仅加深了对《数字图像处理》这门课的理解，也巩固了对MATLAB软件的应用。
锻炼了自己的动手能力,本次课程设计感谢魏英姿老师的大力协助,我一定会再接再厉，努力学好这门课程。
五、参考文献
1、张汗灵编著MATLAB在图像处理中的应用/北京：
清华大学出版社，2008
2、王家文MATLAB6.5图形图像处理国防工业出版社
3、王晓丹,吴崇明编著基于MATLAB的系统分析与设计[5］图像处理西安电子科技大学出版社2000
4、余成波编著数字图像处理及MATLAB实现重庆大学出版社2003
5、杨枝灵，王开等编著VisualC++数字图像获取处理及实践应用人民邮电出版社2003
6、苏彦华等编著VisualC++数字图像识别技术典型案例人民邮电出版社2004
7、何斌［等]编著VisualC++数字图像处理人民邮电出版社2002
升级会员 