資源描述:
《基于邊緣檢測(cè)分割方法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、基于邊緣檢測(cè)的分割方法摘要:邊緣檢測(cè)是數(shù)字圖像處理中的一項(xiàng)重要內(nèi)容。本文對(duì)圖像邊緣檢測(cè)的幾種經(jīng)典算法(Robets算子、Sobel算子、Log算子、Canny算子)進(jìn)行了分析和比較,并用MATLAB實(shí)現(xiàn)這幾個(gè)算法。最后通過實(shí)例圖像對(duì)不同邊緣檢測(cè)算法的效果進(jìn)行比較。數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ),是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。圖像理解和分析的第一步往往就是邊緣檢測(cè)。目前基于邊緣檢測(cè)的分割方法已經(jīng)在醫(yī)學(xué)工程應(yīng)用中占有十分重要的地位。關(guān)鍵字:邊緣檢測(cè)、Roberts算子、Lo
2、g算子、Canny算子1、引言醫(yī)學(xué)圖像三維重建是通過計(jì)算機(jī)圖形學(xué)、數(shù)字圖像處理技術(shù)、計(jì)算機(jī)可視化以及人機(jī)交互等技術(shù),把二維的醫(yī)學(xué)圖像序列轉(zhuǎn)換為三維圖像在屏幕上顯示出來(lái),并根據(jù)需要為用戶提供交互處理手段的理論、方法和技術(shù)。圖像分割是進(jìn)行圖像三維重建的必要準(zhǔn)備,圖像分割效果的優(yōu)劣直接影響三維重建在醫(yī)學(xué)領(lǐng)域的應(yīng)用[1]。醫(yī)學(xué)圖像分割和三維重建將數(shù)字圖像處理技術(shù)和計(jì)算機(jī)圖形學(xué)應(yīng)用在了在生物醫(yī)學(xué)工程中,該應(yīng)用涉及到計(jì)算機(jī)圖形學(xué)、圖像處理技術(shù)、生物醫(yī)學(xué)工程等多種技術(shù),該領(lǐng)域的研究多學(xué)科交叉的,在醫(yī)學(xué)診斷、手術(shù)規(guī)劃及醫(yī)學(xué)教學(xué)等方面有很高的應(yīng)用價(jià)值,
3、是近年來(lái)的計(jì)算機(jī)應(yīng)用技術(shù)的一個(gè)研究熱點(diǎn)。醫(yī)學(xué)圖像分割與三維重建是兩個(gè)不可分割的領(lǐng)域。圖像分割是圖像處理中的一個(gè)經(jīng)典難題,也是圖像處理和計(jì)算機(jī)視覺領(lǐng)域中的基本技術(shù)[2]。目前、廣大研究者在圖像分割領(lǐng)域里已提出了上百種分割方法,每種分割方法只局限特定的分割對(duì)象,至今沒有一種通用的方法。目前主要應(yīng)用較多的圖像分割方法有兩種:基于圖像區(qū)域的方法和基于邊緣檢測(cè)的分割方法。而邊緣檢測(cè)一直是圖像處理中的熱點(diǎn)和難點(diǎn),早期的經(jīng)典的邊緣檢測(cè)基本算法有很多,如Sobel?算子、梯度算子、Marr?算子、Robert?算子、Prewitt?算子、拉普拉斯算子
4、、高斯偏導(dǎo)濾波器以及Canny?邊緣檢測(cè)器等。2、圖像分割如果要對(duì)人體內(nèi)部正?;虿∽兊膯蝹€(gè)組織或器官進(jìn)行三維重建和定量分析,首先需要對(duì)該組織或器官進(jìn)行分割,醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像臨床應(yīng)用的瓶頸,準(zhǔn)確的分割的可以輔助醫(yī)生更容易的判斷疾病的真實(shí)情況,對(duì)病灶的量化分析并做出正確的疾病診斷至關(guān)重要[3]。圖像分割的目的是指將圖像中具有某些相同的特殊含義的不同區(qū)域進(jìn)行區(qū)別或提取出來(lái),不同含義區(qū)域是互不相交的,相同含義的區(qū)域都滿足特定的一致性。根據(jù)對(duì)處理圖像的分析,圖像分割需要對(duì)圖像矩陣中所關(guān)心的目標(biāo)進(jìn)行定位。通過從復(fù)雜的景象中分割出感興趣的目標(biāo)
5、物體,才能更方便地對(duì)圖像包含的有意義信息進(jìn)行定量分析并可以對(duì)圖像內(nèi)容進(jìn)行識(shí)別,方便對(duì)圖像進(jìn)行理解[4]。圖像灰度、顏色、紋理、局部統(tǒng)計(jì)特征或頻譜特征等都可以作為圖像分割的特征,分析圖像中這些特征之間的差異,從而將圖像中不同目標(biāo)物體區(qū)分開來(lái)[5]。目前在臨床應(yīng)用的醫(yī)學(xué)影像設(shè)備(CT、MRI、PET等)成像技術(shù)上與普通格式的圖像有較大的差別,醫(yī)學(xué)圖像比其他格式的圖像更加具有多樣性和復(fù)雜性,使得某些醫(yī)療設(shè)備產(chǎn)生的醫(yī)學(xué)圖像可能存在一定的噪聲,在設(shè)備分辨率不高的情況下某些對(duì)象邊緣也有可能不是很清晰,因此一般來(lái)講醫(yī)學(xué)圖像的分割比普通格式圖片的分割
6、要困難一些[6]。一般來(lái)說圖像分割過程中都只能采用很多特征中的某種特征進(jìn)行分割,因此每種方法必然帶有局限性和針對(duì)性,在實(shí)際應(yīng)用領(lǐng)域要根據(jù)應(yīng)用需要來(lái)選擇合適的分割方法。根據(jù)圖像分割過程中處理的對(duì)象的不同可以將圖像分割問題劃分為兩個(gè)基本的類型,即基于區(qū)域的整體分割和基于邊緣檢測(cè)的分割。3、基于邊緣檢測(cè)的分割方法數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ),是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。圖像理解和分析的第一步往往就是邊緣檢測(cè)。目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一,在工程應(yīng)用中占有十
7、分重要的地位。基于邊緣檢測(cè)的圖像分割是利用圖像中目標(biāo)對(duì)象邊緣灰度變換一般比較劇烈的屬性,利用圖像處理中邊緣檢測(cè)方法將目標(biāo)對(duì)象所在的區(qū)域提取出來(lái)的分割方法。由于這種分割方法是利用不同圖像區(qū)域間的不同性質(zhì)(如區(qū)域邊緣的灰度不連續(xù))檢測(cè)出各個(gè)區(qū)域間的分界線,因此通常導(dǎo)致分割出來(lái)的圖像對(duì)象的邊緣不連續(xù),甚至有時(shí)可能得到錯(cuò)誤的邊緣。近年來(lái),隨著圖像統(tǒng)計(jì)理論、模糊集理論、神經(jīng)網(wǎng)絡(luò)技術(shù)、圖形形態(tài)學(xué)理論、小波理論等逐漸應(yīng)用在在圖像分割領(lǐng)域,遺傳算法、尺度空間、多分辨率方法、非線性擴(kuò)展方程等方面的研究也不斷被用于圖像分割,不少研究人員提出了很多有針對(duì)具
8、體領(lǐng)域的圖像分割方法[7][8]?;谶吘墮z測(cè)分割方法的關(guān)鍵是進(jìn)行邊緣檢測(cè),按照處理順序邊緣檢測(cè)技術(shù)可以分為串行邊緣檢測(cè)和并行邊緣檢測(cè)。在串行邊緣檢測(cè)技術(shù)中,當(dāng)前像素是否屬于待檢測(cè)的邊緣受到先前象素的檢測(cè)結(jié)果的影響;而在