基于閾值的灰度圖像分割

《基于閾值的灰度圖像分割》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、灰度閾值化方法的研究----CPT算法主要內(nèi)容：第一章：緒論第二章：圖像的預(yù)處理第三章：圖像分割概述第四章：灰度閾值化圖像分割方法第五章：CPT算法及其對它的改進(jìn)第六章：編程環(huán)境及用PhotoStar對改進(jìn)的CPT算法和其他算法的實(shí)現(xiàn)第七章：實(shí)驗(yàn)結(jié)果與分析第一章：緒論1.1數(shù)字圖像處理技術(shù)的發(fā)展人類傳遞信息的主要媒介是語音和圖像。據(jù)統(tǒng)計(jì)，在人類接受的信息中，聽覺信息占20％，視覺占60％，其他如味覺、觸覺、嗅覺總的加起來不過占20％。所以，作為傳遞信息的重要媒體和手段——圖像信息是十分重要的?！?】對于圖像信息的處理，即圖像處理當(dāng)然對信息的傳遞產(chǎn)

2、生很大影響。數(shù)字圖像處理技術(shù)起源于20世紀(jì)20年代，當(dāng)時(shí)通過海底電纜從倫敦到紐約傳輸了一幅圖片，它采用了數(shù)字壓縮技術(shù)。1964年美國的噴氣處理實(shí)驗(yàn)室處理了太空船“徘徊者七號”發(fā)回的月球照片，這標(biāo)志著第三代計(jì)算機(jī)問世后數(shù)字圖像處理概念得到應(yīng)用。其后，數(shù)字圖像處理技術(shù)發(fā)展迅速，目前已成為工程學(xué)、計(jì)算機(jī)科學(xué)、生物學(xué)、醫(yī)學(xué)等領(lǐng)域各學(xué)科之間學(xué)習(xí)和研究的對象。經(jīng)過人們幾十年的努力，數(shù)字圖像處理這一學(xué)科已逐漸成熟起來。人們總是試圖把各個(gè)學(xué)科應(yīng)用到數(shù)字圖像處理中去，并且每產(chǎn)生一種新方法，人們也會嘗試它在數(shù)字圖像處理中的應(yīng)用。同時(shí)，數(shù)字圖像處理也在很多學(xué)科中發(fā)揮著

3、它越來越大的作用。1.2圖像分割概述和本論文的主要工作圖像分割的目的是把圖像空間分成一些有意義的區(qū)域，是數(shù)字圖像處理中的重要問題，是計(jì)算機(jī)視覺領(lǐng)域低層次視覺問題中的重要問題，同時(shí)它也是一個(gè)經(jīng)典的難題。幾十年來，很多圖像分割的方法被人們提出來，但至今它尚無一個(gè)統(tǒng)一的理論。圖像分割的方法很多，有早先的閾值化方法、最新的基于形態(tài)學(xué)方法和基于神經(jīng)網(wǎng)絡(luò)的方法。閾值化方法是一種古老的方法，但確是一種十分簡單而有效的方法，近幾十年人們對閾值化方法不斷完善和探索，取得了顯著的成就，使得閾值化方法在實(shí)際應(yīng)用中占有很重要的地位。本文將主要對圖像分割的閾值化方法進(jìn)行探

4、討。在對閾值化方法的研究過程中，本人首先將集中精力對效果比較好的閾值化方法進(jìn)行探討，并對其存在的不足加以改進(jìn)，從而作出性能優(yōu)良的計(jì)算機(jī)算法；由于目前很多方法各有其特點(diǎn)，所以將對具有不同特點(diǎn)的圖像用不同的方法處理進(jìn)行研究。在論文正文部分還將其應(yīng)用到實(shí)踐中去，并對其加以評價(jià)。第二章：圖像的預(yù)處理2.1圖像預(yù)處理的概述由于切片染色和輸入光照條件及采集過程電信號的影響，所采集的醫(yī)學(xué)圖像會存在些噪聲和畸變。去掉這樣的噪聲和畸變，把圖像具有的信息變得醫(yī)生容易觀看，或把圖像變換成某種標(biāo)準(zhǔn)的形式，使特征提取和識別易于進(jìn)行，這樣的處理在圖像分析和識別中使非常必要的

5、，對于醫(yī)學(xué)圖像的分割來說，它直接影響分割的質(zhì)量，甚至直接決定了是否能正確得到分割結(jié)果，這些前期處理通常叫做預(yù)處理，包括噪聲的去處、對比度的增強(qiáng)、幾何畸形的校正等。2.2圖像預(yù)處理的方法本論文研究的預(yù)處理主要是針對噪聲而言，所以主要介紹兩種去噪的預(yù)處理方法。2.2.1多圖像平均法多圖像平均法即把一系列圖像相加取平均的方法。是醫(yī)學(xué)圖像處理中常用的方法，像由于瑞利散射引起的噪聲用這種方法會得到很好的效果。如果一幅圖像含有噪聲，可以假設(shè)這些噪聲相對于每一坐標(biāo)點(diǎn)(x,y)是不相關(guān)的，且數(shù)學(xué)期望為零。設(shè)g(x,y)是有噪聲的圖像，它是有噪聲圖像e(x,y)和

6、原始圖像f(x,y)疊加而成的。即對M次采集的噪聲圖像{gi(x,y)}(i=1,2…,M)取平均。即：可以證明它們的期望值為：如果考慮新圖像和噪聲圖像各自均方差的關(guān)系，則有：可見隨著取平均的圖像的數(shù)目M增加，噪聲在每個(gè)像素位置(x,y)的影響逐步減小。2.2.2中值濾波中值濾波是一種非線性、非參數(shù)的圖像預(yù)處理技術(shù)，中值濾波器是一個(gè)含有奇數(shù)個(gè)像素的滑動窗口，窗口正中的像素的灰度由窗口內(nèi)各像素的灰度值中值代替。中值濾波很好的解決了消除脈沖干擾和保持圖像邊緣的問題。如果最大值是單調(diào)增加數(shù)列中的一個(gè)噪聲尖峰，則中值濾波帶來有效的改善；但是，如果最大值是

7、一個(gè)信號脈沖，則結(jié)果會使圖像中的一些細(xì)線、尖銳邊角缺失。本文將通過在計(jì)算機(jī)上實(shí)現(xiàn)其算法對其效果進(jìn)行觀察、分析。第三章：圖像分割概述3.1什么是圖像分割圖像分割就是將圖像中具有特殊含義的不同區(qū)域區(qū)分開來，這些區(qū)域互不相交，每一個(gè)區(qū)域滿足一致性。用數(shù)學(xué)形式可以表達(dá)為：設(shè)圖像為g(x,y),其中0≤x≤Max(x),0≤y≤Max(y)。將圖像進(jìn)行分割就是將圖像分割為滿足以下條件的子區(qū)域g1,g2,g3……。1)，即所有子區(qū)域組成了整幅圖像；2)gk是連通的區(qū)域；3)gk(x,y)∩gi(x,y)=（k,j=1,2,3…N;k≠j），即任意兩個(gè)子區(qū)域不

8、存在公共元素；4)區(qū)域gk滿足一定的均勻一致性條件。均勻一致性(或相似性)一般指同一區(qū)域內(nèi)的像素點(diǎn)之間灰度值差異較小或灰度的變化緩慢。3