图像分割和特征提取.docx

图像分割和特征提取.docx

《图像分割和特征提取.docx》由会员分享，可在线阅读，更多相关《图像分割和特征提取.docx（39页珍藏版）》请在冰点文库上搜索。

图像分割和特征提取

图像分割和特征提取技术研究

摘要

图像分割是图像分析的第一步，是图像理解的重要组成部分，在有关图像处理的几乎所有领域具有广泛的应用。

因此，图像分割一直受到高度重视，对其研究具有十分重要的意义。

长期以来，研究人员提出了许多实用的分割算法。

随着统计学理论，神经网络，小波理论等在图像分割中的应用日益广泛，遗传算法、尺度空间、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，许多国内外学者也针对一些具体应用提出了许多实用有效的方法。

本文介绍了数字图像处理技术中图像分割技术的基本理论和三种图像分割方法

（1）基于阈值图像分割；

（2）基于边缘检测及算子分割；（3）基于区域特性的图像分割。

对基于点的分割方法进行了较全面的叙述，主要研究了图像分割方法中的边缘检测法，区域提取法和阈值分割法。

通过大量的理论研习。

并编写了MATLAB软件程序，对各分割方法进行了仿真实验，得到分割图像。

最后对于仿真进行了数据处理分析，验证了Canny算子的整体效果最好,Prewitt算子分割细致。

但对于一幅图像仅仅只有只用一种方法达不到很好的效果，而根据待分割图象的不同特点，结合已知的先验知识，研究符合具体图象特性的分割模型，才是提高图象分割的重要手段。

关键词：

图像分割；边缘法；区域法；阈值法；分水岭分割法　

LmageSegmentationAndFeatureExtractionTechnologyResearch

Abstract

Imagesegmentationisthefirststepinimageanalysis,imagesegmentationisanimportantcomponentofimageunderstanding,inalmostallareasoftheimageprocessinghaswidelyapplication.Asaresult,imagesegmentationhasbeenattachedgreatimportanceto,itsresearchhastheveryvitalsignificance.Foralongtime,researchersputforwardmanypracticalsegmentationalgorithm.Withstatisticstheory,theneuralnetwork,wavelettheoryhasbeenusedincreasinglyinimagesegmentation,suchasgeneticalgorithm,scalespace,andnonlineardiffusionequationwiththerecentemergenceofnewmethodsandnewideasareconstantlybeingusedtosolvethesegmentationproblem,manyscholarsathomeandabroadforsomespecificapplicationputforwardmanypracticalandeffectivemethod.

DigitalimageprocessingtechniqueswereintroducedinThispaperintroducesthedigitalimageprocessingtechnologyofimagesegmentationtechnologyinbasictheoryandthreemethodsofimagesegmentation.

（1）basedonthresholdimagesegmentation.

（2）segmentationbasedonedgedetectionandoperator;（3）theimagesegmentationbasedonregionfeature.Onthesegmentationmethodbasedonthepointofnarrative,mainlystudiestheedgeofimagesegmentationmethod,regionextractionmethodandthresholdsegmentationmethod.Throughalotoftheorystudy.AndwritetheMATLABsoftware,thesegmentationmethod,thesimulationexperimentforimagesegmentation.Finallyanalyzedthedataprocessingforsimulation.VerifytheCannyoperatoroftheoveralleffectisbest.Prewittoperatorsegmentationanddetailed.Butforanimageonlyonlyonewaytoreachagoodeffect,andaccordingtothedifferentcharacteristicsofforimagesegmentation,combinedwiththeknownpriorknowledge,researchinaccordancewiththespecificimagesegmentationmodel,isanimportantmeanstoimprovetheimagesegmentation.

KEYWORDS：

Segmentation；edgemethod；theregionalmethod；threshold；watershedsegmentation

第1章绪论

1.1课题研究背景与意义

图像分割是图像处理中的一项关键技术，也是一经典难题，发展至今仍没有找到一个通用的方法，也没有制定出判断分割算法好坏的标准，对近几年来出现的图像分割方法作了较为全面的综述，探讨了图像分割技术的发展方向，对从事图像处理研究的科研人员具有一定的启发作用。

图像分割是图像分析的第一步，图像分割接下来的任务，如特征提取、目标识别等的好坏，都取决于图像分割的质量如何。

由于该课题的难度和深度，进展比较缓慢。

图像分割技术自20世纪70年代起一直受到人们的高度重视，虽然研究人员针对各种问题提出了许多方法，但迄今为止仍然不存在一个普遍适用的理论和方法。

另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。

最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述，并将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法4类。

然而，对图像分割的效果好坏或正确与否，还没有一个统一的评价判断准则。

不同的分割方法对同一幅图像的分割效果是不同的，而且同一种分割方法对一幅图像在不同空间下的分割效果也是不同的。

21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。

首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。

其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。

以上说明本次的基于MATLAB图像分割算法研究对社会需求具有重要意义。

1.2国内外发展现状

自20世纪70年代起图像分割一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。

另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。

最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述。

并将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法。

早期的图像研究中，图像的分割方法主要可以分为两大类。

一类是边界方法，这种方法的假设是图像分割结果的某个子区域在原来的图像中一定会有边缘存在；

一类是区域方法，这种方法的假设是图像分割结果的子区域一定会有相同的性质，而不同区域的像素没有共同的性质。

这两种方法都有缺点和优点，有的学者也试图把两者结合起来进行图像分割，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、纹理图像分割。

所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也应用在图像分割当中。

1.3课题设计内容

图像信号因其传递信息的丰富性，在科学研究与生产实践中有着极其重要的应用，特别在公共事务管理中，存在着大量图像处理应用需求。

在图像信息应用中，利用图像分割技术，能够有效地从原始图像中，提取目标信息，从而为图像数据库管理，图像信息检索与应用等提供可靠的技术保障。

作为一种成熟的应用软件，Matlab有着强大的数字图像处理功能。

本课题要求以之作为应用开发平台，研究不同噪声水平下，分割方法选择、实现及其效果评估，具有一定的应用价值和现实可行性。

基于原始图像及其特征分析，应用不同的算法，进行图像分割方法研究与效果比较。

本文主要以MATLAB为工具来实现数字图像分割的处理。

第2章概述

2.1　图像和数字图像

图像是能为人类视觉所感知的信息形式或人们心目中的有形想象。

据统计，在人类接受的信息中，视觉信息约占80％，俗语“百闻不如一见”就反映了图像在信息感知中的独到之处。

目前，图像处理技术发展迅速，应用领域也越来越广。

图像可以通过各种各样的形式存在，例如：

静止图像于运动图像；灰度图像和彩色图像；平面图像与立体图像等等，但是就其本质而言，我们可将图像分为连续图像和离散图像。

对于图像信号，为了描述的方便和不失一般性，假定图像的指标空间为时间（t）和几何空间（x,y,z）构成，其值空间为U，其元素u＝｛uR,uG,uB}。

如果指标空间D中的所有元素d=（d1,d2,.....dn）=（x,y,z,t）均可取连续值，则称此信号为连续图像。

相反的，如果d只能取离散值的图像为离散图像。

习惯上，把空间连续（或离散）的图像称为连续（或离散）图像。

数字图像指幅度和空间同时离散（或同时连续的图像）。

与模拟图像相比，数字图像具有以下显著特点[1]：

1）精度高：

目前的计算机技术可以将一幅模拟图像化为任意的二维数组，即数字图像可以由无限个像素组成，每个像素的亮度可以量化为12位（即4096个灰度级），这样的精度使数字图像与彩色图像的效果相差无几；

2）处理方便：

由于数字图像本质上是一组数据，所以可以使用计算机对它进行任意方式的修改，例如，放大、缩小、改变颜色、幅值和删除某一部分等；

3）重复性好：

模拟图像（例如，照片）即便使用非常好的底片和相纸，也会随着时间的流逝而褪色、发黄，而数字图像可以储存在光盘中，上百年后再用计算机重现也不会有丝毫的改变。

2.2数字图像处理简介

数字图像处理（DigitalImageProcessing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

数字图像处理的产生和迅速发展主要受三个因素的影响：

一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。

2.3图像处理文件格式

组成数字图像的基本单位称为像素（Pixel），把像素按不同的方式进行组织和存储，就得到不同的图像格式；把图像数据存为文件就得到图像文件。

图像文件按其格式的不同一般具有不同的扩展名。

常用的图像文件格式有位图文件、JPEG文件、GIF文件、PNG文件等。

每一种格式都有它的特点和用途，在选择输出的图像文件格式时，应考虑图像的应用目的以及图像文件格式对图像数据类型的要求。

下面我们介绍几种常用的图像文件格式及其特点。

（1）BMP图像格式

这是一种DOS和Windows兼容计算机系统的标准图像格式。

BMP格式支持索引色、灰度等色彩模式。

图像存储为BMP格式时，每一个像素所占的位数可以是1位、4位、8位或32位，相对应的颜色数也从黑白一直到真彩色。

对于使用Windows格式的4位和8位图像，可以指定采用RLE压缩。

BMP图像文件含文件头、调色板数据和图像数据三个层次。

这种格式在PC机上应用非常普遍。

（2）JPEG图像格式

JPEG是由联合照片专家组（JointPhotographicExpertsGroup）开发的一种图像文件格式。

它采用有损压缩方式去除冗余的图像和彩色数据，在获取极高的压缩率的同时也能展现十分丰富生动的图像。

也就是说，可以用较少的磁盘空间得到较好的图像质。

另外，JPEG还是一种比较灵活的格式，当将图像保存为JPEG格式时，允许用户用不同的压缩比例对文件进行压缩，就是可以指定图像的品质和压缩级别。

（3）TIFF图像格式

TIFF文件主要由三部份组成，包括文件头、标识信息区和图像数据区。

TIFF文件的图像数据区以行扫描的方式存取图像，存储图像前先将图像分割成若干部分，压缩后再存储。

存储时，单色图像一个字节存储8个点，16色图像一个字节2个点，而256色图像就是一个字节存储一个点。

TIFF图像格式是一种应用非常广泛的位图图像格式，几乎被所有绘画、图像编辑和页面排版应用程序所支持。

TIFF格式常常用于在应用程序之间和计算机平台之间交换文件。

（4）GIF图像格式

GIF是GraphicsInterchangeFormat（图形交换格式）的缩写，是由ComputerServe公司推出的一种图像格式。

该种图像格式的特点是压缩比高，可以极大地节省存储空间。

最初的GIF只是简单的用来存储单幅静止图像，后来可以同时存储若干幅静止图像从而形成连续的动画；同时，GIF格式支持透明背景，可以较好地与网页背景融合在一起。

因此，GIF常常用于保存作为网页数据进行传输的图像文件，成为网络和BBS上使用频率较高的一种图像文件格式。

但是GIF最多只能处理256种色彩，不能用于存储真彩色的图像文件。

（5）PNG图像格式

这种格式称为可移植网络图像文件格式（PortableNetworkGraphics），由ThomasBoutell,TomLan。

等人提出并设计。

其特点是:

1支持48位真彩色图像、16位灰度图像和颜色索引数据图像；

②主要面向网络图像传输和图像编辑，其提供的二维交叉存储机制使用户在图像网络传输过程中能更快的观察到接近真实的近似图像；

③对用户完全透明且无专利限制，用户可以从Internet上随时下载与PNG文件格式配套的图像数据压缩算法源程序代码：

④具有比GIF高5-20%的压缩效率；

⑤具有可扩展性。

作为目前最不失真的图像格式，PNG格式图像吸取了GIF和JPEG二者的优点。

它可以把文件压缩到极限以利于网络传输，但由于采用无损压缩方式来减少文件大小，PNG格式能保留所有与图像品质有关的信息。

同时，PNG支持图像背景透明，显示速度快。

本文是在灰度图像BMP格式下的研究，在MATLAB中，灰度图像是保存在一个矩阵中的，矩阵中的每一个元素代表一个像素点。

矩阵可以是双精度类型，其值域为[0，1]；也可以为uint8类型，其数据范围为[0，255]。

矩阵的每个元素代表不同的亮度或灰度级。

2.4图像分割理论概述

图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。

通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。

所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来。

2.4.1图像分割的定义

文字定义：

把图象（空间）按一定要求分成一些“有意义”区域的处理技术。

“有意义”—希望这些区域能分别和图象景物中各目标物（或背景）相对应。

正式“集合”定义：

令集合R代表整个图像区域，对R的分割可看作将R分成若干个满足如下五个条件的非空的子集（子区域）：

（1）

（分割所得全部子区域的总和（并集）应能包括图像中所有像素或将图像中每个像素都划分进一个子区中）

（2）对所有的i和j,有Ri∩Rj=ø（i≠j）；（各子区互不重叠）

（3）对i=1，2，3……，N，有P（Ri）=TRUE；（属于同一子区像素应具有的某些共同特性）

（4）对i≠j，有P（Ri∪Rj）=FALSE；（属于不同子区像素应具有某些不同特性）

（5）对i=1，2，……，N，Ri是连通区域。

（同一子区内像素应当是连通的）

条件1指出对一幅图像的分割结果的全部子区域的总和（并集）就是原图像，或者说分割应该是将图像中的每个像素都分进某个子区域中。

条件2指出在分割结果中各个子区域是互不重叠的，或者说在分割结果中一个像素不能同时属于两个区域。

条件3指出在分割结果中每个子区域都有独特的特性，或者说属于同一个区域中的像素应该具有某些相同的特性。

条件4指出在分割结果中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一些不同的特性。

条件5要求分割结果中同一个子区域内的像素应当是相通的，即同一个子区域内的任意两个像素在该子区域内是互相连通，或者说分割得到的区域是一个连通组元。

上面的定义，不仅对明确的说明了分割的含义，而且对进行分割也有相当的指导作用。

因为分割总是根据一些分割准则进行的。

条件1和条件2说明正确的分割准则应可适用于所有区域和所有像素，条件3和条件4说明合理的分割准则应该能够帮助确定各区域像素有代表性的特性，而条件5说明完整的分割准则应直接或间接地对区域内象素的连通性有一定的要求或限定。

最后需要指出的是，在实际应用中图像分割不仅是要把一幅图像分成满足以上五个条件的各具特性的区域，而且需要把其中感兴趣的目标区域提取出来,只有这样才算是真正完成了图像分割的任务。

2.4.2图像分割的目的和意义

图像分割的目的在于根据某些特征（如灰度级、频谱、纹理等）将一幅图像分成若干有意义的区域，使得这些特征在某一区域内表现一致或相似，而在不同区域间表现出明显的不同[5]。

在图像的研究和应用过程中，人们往往仅对各幅图像中的某些部分感兴趣。

这些部分常称为目标或前景，它们一般对应图像中特定的具有独特性质的区域。

为了辨别和分析目标，需要将这些区域分离提取出来，在此基础上才有可能对目标进一步利用。

图像分割就是将图像分成各具特性的区域并提取出感兴趣的目标的技术和过程。

在进行图像分割时，首先要根据目标和背景的先验知识来对图像中的目标、背景进行标记、定位，然后将等待识别的目标从背景中分离出来。

图像分割是由图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术。

这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始的图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能。

因此，图像分割多年来一直得到人们的高度重视。

图像分割在实际中已得到广泛的应用，例如在工业自动化，在线产品检验，生产过程控制，文档图像处理，遥感和生物医学图像分析，保安监视，以及军事，体育，农业工程等方面。

概括来说，在各种图像应中，只要需对图像目标进行提取，测量等都离不开图像分割。

近年来，图像分割在对图象的编码中也起到越来越重要的作用，例如国际标准MPEG-4中模型基/目标基编码等都需要基于分割的结果。

可见，图像分割在图像工程中有重要的地位和影响。

2.5图像分割主要研究方法

图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出了上千种各种类型的分割算法，现提出的分割算法大都是针对具体问题的，并没有一种适合于所有图像的通用分割算法，而且近年来每年都有上百篇相关研究报道发表。

然而，还没有制定出选择合适分割算法的标准，这给图像分割技术的应用带来许多实际问题。

因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

图像分割在图像工程中的位置它起着承上启下的作用，可以认为是介于低层次处理和高层次处理的中间层间。

最近几年又出现了许多新思路、新方法、或改进算法。

下面对一些经典传统方法作简要的概述。

多年来人们对图像分割提出了不同的解释和表述，借助集合概念对图像分割可给出如下定义：

令集合R代表整个图像区域，对R的图像分割可以看做是将R分成N个满足以下条件的非空子集R1，R2，R3，…，RN；

（1）在分割结果中，每个区域的像素有着相同的特性；

（2）在分割结果中，不同子区域具有不同的特性，并且它们没有公共特性；

（3）分割的所有子区域的并集就是原来的图像；

（4）各个子集是连通的区域；

图像分割是把图像分割成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的灰度、颜色、纹理等提取的目标可以是对应的单个区域，也可以是对应的多个区域。

图像分割方法有许多种分类方式，在这里将分割方法概括为四类：

（1）边缘检测方法

（2）区域提取方法

（3）阈值分割方法

（4）结合特定理论工具的分割方法。

下面就这些方法展开介绍。

2.5.1边缘检测法

图像分析和理解的第一步常常是边缘检测。

边缘检测方法是人们研究得比较多的一种方法，它通过检测图像中不同区域的边缘来达到分割图像的目的。

边缘检测的实质是采用某种算法来提取出图像中对象与背景问的交界线。

我们将边缘定义为图像中灰度发生急剧变化的区域边界。

图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。

经典的边缘检测方法，是通过对原始图像中像素的某小邻域构造边缘检测算子来达到检测边缘这一目的。

2.5.2区域提取法

区域提取法有两种基本形式：

一种是从单个像素出发，逐渐合并以形成所需的分割区域；另一种是从全图出发，逐渐分裂切割至所需的分割区域。

在实际中使用的通常是这两种基本形式的结合。

根据以上两种基本形式，区域提取法可以分为区域生长法和分裂合并法。

区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的。

该方法的关键是要选择合适的生长或相似准则。

生长准则一般可分为三种：

基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。

分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。

区域提取法的缺点是往往会造成过度分割，即将图像分割成过多的区域，因此近年来针对这种方法的研究较少。

2.5.3阈值分割法

对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。

这两类像素一般分属图像的两类区域，从而达到分割的目的。

阈值分割算法主要有两个步骤：

（1）确定需要的阈值；

（2）将分割阈值与像