电子科技大学成都学院论文格式最新模板Word格式文档下载.docx
《电子科技大学成都学院论文格式最新模板Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《电子科技大学成都学院论文格式最新模板Word格式文档下载.docx（9页珍藏版）》请在冰点文库上搜索。
2.3基于迭代式阈值选择的图像分割
在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大。
间方差法。
2.4基于Otsu法阈值选择的图像分割
由Otsu于1978年提出的最大类间方差法以其计算简单、稳定有效，一直广
把一幅数字图像f（x,y）中的像素按灰度级用阈值T分为C0和C1类，即
（2-2）
（2-3）
其因此，各灰度级出
Otsu法。
第3章阈值分割的仿真结果
3.1仿真工具MATLAB的简介
本课题以
控制系统、神经网络、模糊逻辑、小波分析和系统仿真等方面的应用。
3.2基于阈值的图像分割仿真结果
3.2.1基于灰度阈值的图像分割仿真结果
对灰度图像
（a）原图（b）阈值为150的分割结果图
（c）图（a）的直方图
图3-1灰度阈值选择法阈值分割
3.2.2基于人工选择法的图像分割
人
（a）原图（b）阈值为150的分割结果图
图3-3灰度阈值人工选择法阈值分割
3.2.3基于迭代式阈值选择的阈值分割图
迭改变
（a）
（a）原始图（b）直方图
（c）迭代法
图3-7迭代法阈值分割
3.2.4基于Otsu法阈值选择的图像分割
最。
3.3各种阈值分割方法的优缺点比较
通过稳定的分割。
第4章总结与展望
此次毕业设计
参考文献
[1]章毓晋.图像处理和分析[M].北京：
清华大学出版社，1999.
[2]章毓晋.图像分割[M].北京：
科学出版社，2001.
[3]章毓晋.图像工程[M].北京：
清华大学出版社，2000.
[4]KittlerJ.andIllingworthJ.Minimumerrorthresholding[J].PatternRecognition,1986,19
（1）:
41~47.
[5]PunT.Entropicthresholding,anewmethod[J].ComputerGraphicsandImageProcess,1981,16（3）:
210~239.
[6]KapurJ.N.,SahooP.K.andWongA.K.C.Anewmethodforgraylevelpicturethresholdingusingtheentropyofthehistogram[J].ComputerGraphicsandImageProcess,1981,16（3）:
273~285.
[7]TangX.D.,PangY.J.,ZhangH.andZhuW.Fastimagesegmentationmethodbasedonthreshold[C].ControlandDecisionConference,Yantai,Shandong,2008:
3281~3285.
[8]TaoW.B.,JinH.andLiuL.M.Anewimagethresholdingmethodbasedongraphcuts[C].ProceedingsofIEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing,Honolulu,Hi,2007:
605~608.
[9]林正春，王知衍，张艳青.最优进化图像阈值分割算法[J].计算机辅助设计与图形学学报，2010，7（22）:
1202~1206.
[10]张新明，李双，郑延斌，张慧云．傅里叶谱和矩不变法结合的图像阈值分割[J].计算机应用，2010,8（30）:
2905~2907.
[11]施博.基于量子粒子群算法的图像阈值分割方法研究[D].湖北：
中南民族大学,2009.
[12]WangS.T.,ChuangF.L.andXiongF.S.AnovelimagethresholdingmethodbasedonParzenwindowestimate[J].PatternRecognition,2008,41
（1）:
117~129.
[13]郝智泉，吕汉兴.牌照生产中图像分割技术的应用[J].机械与电子，2003
（2）:
74~76.
[14]瞿继双，王超，王正志.一种基于多阈值的形态学提取遥感图像海岸线特征方法[J].中国图像图形学报，2003（3）:
805~809.
致谢
本
附录
附录一：
图像阈值MATLAB程序命令
（略）
程序：
1.灰度阈值
I0=imread（'
D:
\2128.bmp'
）;
I1=rgb2gray（I0）;
[M,N]=size（I1）;
figure;
imshow（I1）;
title（'
原始图像'
Result=zeros（M,N）;
fori=1:
M
forj=1:
N
ifI1（i,j）>
150
Result（i,j）=0;
else
Result（i,j）=1;
end
end
subplot（1,2,1）;
subplot（1,2,2）;
imshow（Result）;
灰度阈值'
直方图
I=imread（'
\lena_new.bmp'
subplot（2,2,1）;
imshow（I）;
subplot（2,2,2）;
imhist（I）
I1=histeq（I）;
imshow（I1）
2.-以下是迭代法求阈值
ZMAX=max（max（I））;
%取出最大灰度值
ZMIN=min（min（I））;
%取出最小灰度值
TK=（ZMAX+ZMIN）/2;
%初始阈值
BCal=1;
iSize=size（I）;
%图像的大小
while（BCal）
iForeground=0;
%令前景像素点初始总数为0
iBackground=0;
%令背景像素点初始总数为0
ForegroundSum=0;
%令前景像素点灰度和为0
BackgroundSum=0;
%令背景像素点灰度和为0
fori=1:
iSize
（1）
iSize
（2）
tmp=I（i,j）;
if（tmp>
=TK）
iForeground=iForeground+1;
%前景像素点数
ForegroundSum=ForegroundSum+double（tmp）;
%前景灰度和
iBackground=iBackground+1;
%背景像素数
BackgroundSum=BackgroundSum+double（tmp）;
%背景灰度和
ZO=ForegroundSum/iForeground;
%前景灰度平均值
ZB=BackgroundSum/iBackground;
%背景灰度平均值
TKTmp=uint8（（ZO+ZB）/2）;
if（（TKTmp-TK）<
1）
BCal=0;
%迭代结束
TK=TKTmp;
%进行新的迭代
end
disp（strcat（'
迭代法得到的阈值:
'
num2str（TK）））;
newI=im2bw（I,double（TK）/255）;
%使用阈值对图像进行分割
3.以下为最大类间方差法求阈值iMax=max（max（I））;
%计算最大值
iMin=min（min（I））;
%计算最小值
T=double（iMin:
iMax）;
%所有像素值
muxSize=iSize
（1）*iSize
（2）;
%计算像素点总数
length（T）%对所有像素值遍历
TK=T（1,i）;
%令前景像素点总数为0
%令背景像素点总数为0
ForegroundSun=0;
BackgroundSun=0;
fork=1:
tmpData=I（j,k）;
if（tmpData>
iForeground=iForeground+1;
ForegroundSun=ForegroundSun+double（tmpData）;
%前景灰度和
iBackground=iBackground+1;
%背景像素点数
BackgroundSun=BackgroundSun+double（tmpData）;
w0=iForeground/muxSize;
%前景像素点的比例
w1=iBackground/muxSize;
%背景像素点的比例
u0=ForegroundSun/iForeground;
u1=BackgroundSun/iBackground;
T（2,i）=w0*w1*（u0-u1）*（u0-u1）;
%计算类间方差
oMax=max（T（2,:
））;
%方差最大值
idx=find（T（2,:
）>
=oMax）;
%方差最大值对应的列号
T=uint8（T（1,idx））;
%从第一行取出灰度值作为阈值
最大类间方差法求得的阈值:
num2str（T）））
BW=im2bw（I,double（T）/255）;
subplot（1,4,1）;
xlabel（'
（a）原始图像'
subplot（1,4,2）;
imshow（newI）;
（b）迭代法分割效果图'
subplot（1,4,3）;
imshow（BW）;
（c）最大类间方差法分割效果图'
subplot（1,4,4）;
imhist（I）;
（d）原始图像的直方图'
%Otsu法二值化图像
f=imread（'
subplot（221）;
imshow（f）;
原图像'
T=graythresh（f）;
g=im2bw（f,T）;
subplot（222）;
imshow（g）;
Otsu法二值化图像'
外文资料原文
ASurveyofImagesegmentation
TechniquesandPerformanceEvaluation
Incomputervision,Segmentationistheprocessofpartitioningadigitalimageintomultiplesegments（setsofpixels,alsoknownassuperpixels）.Thegoalofsegmentationistosimplifyand/orchangetherepresentationofanimageintosomethingthatismoremeaningfulandeasiertoanalyze.Imagesegmentationistypicallyusedtolocateobjectsandboundaries（lines,curves,etc.）inimages.Moreprecisely,imagesegmentationistheprocessofassigningalabeltoeverypixelinanimagesuchthatpixelswiththesamelabelsharecertainvisualcharacteristics.
.
译文
图像分割方法及性能评价综述
在计算机视觉，
升级会员 