matlab基于水平差分的图像分割方法研究

摘? 要 图像分割是一个很关键的图像分析技术，是由图像处理进到图像分析的关键步骤.它的目的就是把图像中感兴趣的那部分分割出来供大家研究、处理和分析，一直都是图像技术研究中的热点。但是由于地域的差别，图像分割一直都没有一个比较通用的算法。 而对图像进行分割的方法有多种,阈值法是其中的一种简单实用的方法。本文主要对水平差分理论和matlab进行研究,并将它们结合起来以提高图像分割的准确性。本文的主要研究内容如下: 1)讨论了matlab的主要应用及其特点。2) 分析了图像分割方法近年来的新进展,并分析了图像水平差分分割中的某些经典方法,如双峰方法、迭代方法、最大类间方差等方法。3) 最后做仿真实验将其实现。 关键词：图像分割，水平差分，matlab，分型理论 研究背景 对于一幅图像,人们感兴趣的往往是图像中特定的部分区域，我们把这部分区域叫做目标或者感兴趣区域，为了进一步的研究和利用感兴趣的区域,就要把这部分区域提取出来。可见图像分割是对图像做进一步处理的前提和基础,只有把目标准确分割出来,后续的工作才会有保障和意义，这里所谓的图像分割就是把各个区域的轮廓曲线勾勒出来，所以分割后的结果应该满足一定的条件,分割后的各个部分之和要正好覆盖整个图像,并且分割后的各个子部分不能有重叠的区域;分割是按照某种特性进行的,这种特性可以是图像的灰度,纹理或者形状等;同一区域的图像要满足相同的某些特性近年来,生物医学图像的分割显的尤为重要"首先是各种成像技术的发展产生了具有不同性质的图像,主要的成像技术有CT,MRJ,PET,US等"这就产生了海量的图像供医生专家诊断分析,为医生提供了丰富的资料"但由于医学成像的特点,比如图像中的各个组织灰度是不均匀的,或者组织之间的界限不明显等,会对医生的准确诊断造成一定的影响。以往都是有经验的专家手工来分割出相应的组织然后再进行分析,这样的分割应该来说是不精确的而且每个人分割的结果也不尽相同，所以如何利用医学图像自身的特点来实现计算机的自动分割是一个非常有意义的课题。 在实际图像处理中，一般情况下我们只是注意到图像中那些我们感兴趣的目标，因为只有这部分也就是我们注意到的有用的目标物才能为我们提供高效、有用的信息。而这些目标一般又都对应着图像中某些特定的、具有独特性质的区域。为了把这些有用的区域提取出来供我们人类使用，图像分割这门技术也就应运而生了。我们通常情况下所说的图像分割就是指把图像划分成若干个有意义的区域的过程，每个区域都是具有相近特性的像素的连通集合，一般情况下我们所关注到的那些有用的目标物就存在与这些区域中。研究者们为了识别和分析图像中的那部分我们感兴趣的目标，例如进行特征提取或者测量，就需要将这些相关的区域从图像背景中提取出来。图像分割就能够把图像中的这些有用的区域分割出来，从而把一幅图像分成一系列的有意义的、各具特征的目标或者区域。 图像分割技术主要分为四大类：区域分割，阈值分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。阈值分割是近年来国际领域上的一个新的研究热点，它是一种最简单的图像分割技术，其基本原理就是：通过设定不同的特征阈值点，从而把图像的象素点分为若干类，然后通过阈值点来分割图像，最终把图像中的有用的部分提取出来。本文将对matlab用于图像分割的基本理论进行简要研究，并对当前matlab用于图像分割的最新研究进展进行综述，最终着重于研究matlab用于阈值分割的图像分割方法。 1.2研究目的和意义 由前面的论述，我们知道，图像分割是由图像处理过渡到图像分析的一个关键步骤，在图像处理工程中占据着重要的地位。一方面，图像分割以及基于图像分割的目标表达、特征点提取和参数的测量等这一系列技术环节可以将原始图像转化为更抽象、更紧凑的形式，使得更高层的图像分析和理解成为可能。另一方面，图像分割是图像前景目标表达的基础，对特征点的提取和测量有着重要的影响，在实际得生产生活中，图像分割的应用也很广泛，几乎出现在和图像处理有关系的所有领域，从脑部MR图像处理分析到卫星云图的处理，从交通管理中对违章车辆区域的分割到面向对象中图像压缩以及基于内容的图像检索中特征区域点的提取。在这些应用中，图像分割通常都是对图像进行进一步的分析、识别、压缩编码等处理，区域特征点的提取的准确性将直接影响到后继任务的执行的有效性和准确性，因此图像分割的方法和精确程度是至关重要的，研究出一种通用的准确的图像分割方法也就成了我们现今研究者们责无旁贷的任务。 综上所述，图像处理中的图像分割研究不论是在我们的生活中还是以后的学习中都是非常有意义的，对其作深层次的研究不仅能够解决我们自身的问题，也一定能够在一定程度上推动计算机各个分支的发展。 ? 1.3国内外研究现状 从上个世纪六十年代初算起，图像分割算法的研究工作就已经起步，算起来也已经有了几十年的历史，但是虽然提出来的分割算法及其繁多，在图像分割算法上也做了大量的工作，但是分割算法至今仍然没有得到一个相对通用的算法，即使是这样多年来从事图像分割算法研究的学者们的工作热情还是没有减弱，他们仍然鞠躬尽瘁的奋斗在实验台前，为了研究出一种通用的分割算法而努力着。上面的事实说明虽然现在存在的图像分割算法种类很多，但是还是没有一种通用的算法供不同地域，有不同目的的人使用。究其根本原因是因为来自不同的国家不同的领域的人们他们研究出来的分割算法有很大的差异，而不同的人对于同一幅图像感兴趣的地方也不尽相同，因此没能够设计出一个通用的算法也是可以理解的。上面我们对图像分割算法的现状做了一个初步的了解，下面我们来进一步的研究图像分割的发展现状。 要了解图像分割的现状，我们首先不得不来解释一下什么是图像分割。图像分割就是指把图像分成各具特征的区域，并把我们感兴趣的目标提取出来的一门技术。对于一幅图像我们肯定有感兴趣和不感兴趣的地方，而图像分割就能够把我们感兴趣的那一部分分割出来呈现在我们面前，正因为它具有这一功效，图像分割在很多领域（包括工业，精密仪器，农业，医学医疗）都有着非常广泛的应用。多年来，对图像分割的研究也一直是图像技术研究中的热点和焦点，由于图像分割不仅能够在实际工作中起到非常大的作用，另一方面它还能够减少我们的工作时间迅速的把我们感兴趣的那部分一目了然地呈现在我们面前，从而排除我们不需要的那部分因素，所以近几年来人们对它的研究热情也不断高涨，也使得图像分割又取得了更大的进步。图像分割作为一种分析图像的重要技术，不论是在计算机科学还是在图像识别的各类应用系统中都占有着举足轻重的地位，只要我们需要对图像目标进行分析，测量那么我们就离不开图像分割，因此图像分割也就成了研究计算机视觉系统、字符识别和目标自动获取等图像识别和理解系统首先要解决的问题。然而虽然几乎自图像分割问世就开始了图像分割的研究，也吸引了很多研究人员为之付出了巨大的努力，在不同的领域也取得了相当可以的进展与成就，但是因为这门研究存在地域上存在差距，不同地方，不同的人虽然看到的是同一幅画可能他感兴趣的地方也不相同。同一个人不同时间也可能对同一幅画有不同的侧重点，也正因为这样才使得图像分割成了一个经典的难题，近年来虽然人们提出了大量的算法，但是到目前为止既没有出现一种通用的图像分割算法，也没有一种判断是否分割成功的客观标准出现。所以人们还在努力研发一种通用的算法，希望能够发展出新的、更具有潜力的同时也更简单的一种分割算法，以期实现更通用、更完美、更简单的分割结果。因此不论是从分割算法的适用性还是其方便、简单这一特点上来讲分割算法的研究仍然有很大的研究空间。