基于matlab的数字图像分割技术研究及实现.docx
- 文档编号:23601579
- 上传时间:2023-05-18
- 格式:DOCX
- 页数:44
- 大小:608.13KB
基于matlab的数字图像分割技术研究及实现.docx
《基于matlab的数字图像分割技术研究及实现.docx》由会员分享,可在线阅读,更多相关《基于matlab的数字图像分割技术研究及实现.docx(44页珍藏版)》请在冰豆网上搜索。
基于matlab的数字图像分割技术研究及实现
摘要
本文通过对图像分割技术的深入研究,对图像分割的研究现状和国内外研究动态进行了跟踪,针对目前常用的图像分割技术如:
阈值分割方法,边缘检测方法,边界法和区域法等作了总结。
在matlab环境下用这些方法对一些具有不同特点的图像进行分割处理,并取得了比较满意的效果,为图像处理的进一步进行奠定了基础。
最后对图像分割技术的研究前景和应用前景作了展望和预见。
关键词:
图像分割,直方图,matlab实现
Abstract
Theimagesarepassedtothein-depthtechnicalstudyonthestatusofresearchandimagesaredynamicandatrackingstudy,withthepresentimagesarecommonlyusedtechnologiessuchas:
thresholdsaremethodsofdetectionmethods,suchasborderlawandregionallawsummarized.Inmatlabenvironmentusingsomeofthesemethodshavedifferentcharacteristicstotheimagesareprocessedandmademoresatisfactoryresultsfortheimageprocessinglaidthefoundationforthefurther.Finallyontheimagesaretheprospectsfortechnologyresearchandapplicationprospectsofavisionandforesight.
Keywords:
Imageryprocessing,imagePartition,histogram,Matlabrealization
目录
第1章绪论1
1.1数字图像处理技术简介1
1.2数字图像处理的应用2
1.3数字图像处理的优点4
1.4数字图像处理方法5
1.4.1空域法5
1.4.2变换域法6
第二章数字图像处理基础7
2.1数字图像处理的主要研究内容7
2.1.1图像变换7
2.1.3图像增强和复原8
2.1.4图像分割8
2.1.5.图像描述8
2.1.6图像分类(识别)8
2.2相关概念介绍9
2.2.1图像的表示方法9
2.2.2图像的数字化10
2.2.3灰度10
2.2.4灰度图像10
2.2.5像素(Pixel)10
2.2.6图像二值化11
2.2.7图像增强11
2.2.8直方图11
2.2.8.1直方图的基本概念11
2.2.8.2直方图的性质
12
第三章图像分割13
3.1图像分割的研究现状13
3.2图像分割在图象处理中的位置13
3.3图像分割的定义14
3.4传统图像阈值分割法15
第四章MATLAB简介16
4.1MATLAB的主要功能19
4.2MATLAB的技术特点21
4.3MATLAB的基本知识22
4.3.1、基本运算22
4.3.2、常用函数:
23
4.3.3MATLAB常用的三角函数23
4.3.4适用于向量的常用函数有:
23
4.3.5重复命令24
4.3.6逻辑命令26
4.3.7基本xy平面绘图命令26
第五章基于matlab的算法实现及仿真31
5.1基于阈值的分割方法31
5.2边缘检测法33
5.3边界法35
5.4区域法38
5.5其他特殊方法41
结论46
参考文献47
致谢49
第1章绪论
1.1数字图像处理技术简介
所谓图像处理就是对图像信息进行加工以满足人的视觉心理或应用需求的行为。
图像处理技术也成为科技领域中必不可少的手段。
已经广泛应用于遥感技术,生物医学,工业应用,军事安全和文化艺术等方面。
随着电子技术和计算机软、硬件技术发展,图像处理技术也在不断发展和完善。
图像处理分为两大类:
模拟图像处理和数字图像处理。
模拟图像处理(AnalogimageProcessing)利用光学原理和物理学原理在物体成像的过程中进行图像处理。
例如:
利用高分辨率的透镜观察物体或调整透镜的焦距得到物体更清晰的像。
从简单的光学滤波到现在的激光全息技术,模拟图像理论也日趋完善。
最明显的特点是处理速度快,信息量小。
模拟图像处理的缺点是精度较差,灵活性差和稳定性差。
数字图像处理(Digitalimageprocessing)利用数字计算机或其它的数字处理硬件,完成由模拟图像信息转换而得到的数字电信号的某种数学处理。
其处理过程主要包括图像采集、图像变换、图像增强、图像存储及图像分析和理解等几方面的内容。
数字图像处理与其它传统的模拟处理方法相比较,具有灵活性好、精度高、可定量分析、再现和适应性好等特点。
其缺点是因为数据量庞大,处理速度还是一个问题,特别是进行复杂的处理更是如此。
它涉及的领域十分广泛,是建立在数学、光学、生理学、信息学、计算机技术和电子技术等学科上的一门综合性跨学科的新兴学科。
数字图像信息有以下四个特点:
(1)信息量大。
例如一帧黑白电视图像有512×512个像素,若像素用8bi[度级的二进制来表示,则有28=256个灰度级,那么一帧黑白电视图像的信息量为512*512*8bit=2097152bit.
(2)数字图像占用的频带较宽。
与语音信息相比,其占用的频带要大几个数量级。
如电视视频图像的带宽为5-SMHZ,而语音带宽仅为4KHZ.
(3)数字图像中各个像素间的相关性大。
例如电视视频画面中,相邻两像素的相关系数高达0.9,而相邻两帧之间的相关系数比帧内相关性还要大,因此图像信息的具有很大压缩潜力。
(4)在一般情况下,观察人员是图像效果的最终评价者。
观察的效果是评价X射线底片图像处理系统图像处理后的图像标准,故图像处理要考虑人的生理和心理因素的影响。
因此要求系统与人的具有良好配合性。
1.2数字图像处理的应用
图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面,随着人类活动范围的不断扩大,图像处理的应用领域也将随之扩大。
航天和航空技术方面的应用
数字图像处理技术在航天和航空技术方面的应用,除了JPL对月球、火星照片的处理之外,另一方面的应用是在飞机遥感和卫星遥感技术中。
现在世界各国都在利用陆地卫星获取的图像进行资料调查,灭害检测,资源勘查,农业规划,城市规划,我国也陆续开展了以上诸方面的一些实际应用,并获得了良好的效果。
在气象预报和对太空其他星球研究方面,数字图像处理技术也发挥了相当大的作用。
生物医学工程方面的应用
数字图像处理在生物医学工程方面的应用十分广泛,而且很有成效。
除了一般的CT技术以外,还有一类是对医用显微图像的处理分析,如红细胞、白细胞分裂,染色体分析,癌细胞识别等,此外,在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。
通信工程方面的应用
当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。
具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。
其中以图像通信最为复杂和困难,因图像的数据量十分巨大,如传送彩色电视信号的速率达100Mbit/s以上,要将这样高的速率的数据实时传送出去,必须采用编码技术来压缩信息的比特量。
在一定意义上讲,编码压缩是这些技术的关键。
除了已应用广泛的熵编码、DPCM编码、变换编码外,目前国内外正在大力发展研究新的编码方法,如分行编码、自适应网络编码小波变换图像压缩编码等。
工业和工程方面的应用
在工业和工程领域中图像处理技术有着广泛的应用,如自动装配线中检测零件的质量,并对零件进行分类,印刷电路板检查,弹性力学照片的应力分析,流体力学图片的阻力和升力分析,邮政信件的自动分拣,在一些有毒、放射性环境内识别工件及物体的行状和排列状态,先进的设计和制造技术中采用工业视觉等等。
其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人,将会给工农业生产带来新的激励,目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。
5.军事公安方面的应用
在军事方面图像处理和识别主要用于导弹精确末制导,各种侦查照片的判读,具有图像传输、存储和显示的军事自动化指挥系统,飞机、坦克和军舰模拟训练系统等;公安业务图片的判读分析,指纹识别,人脸鉴别,不完整图片的复原,以及交通监控、事故分析等。
目前已投入运行的高速公路不停车自动收费系统中的车辆和车骗自动识别都是图像处理技术成功应用的例子。
6.文化艺术方面的应用
目前这类应用油电视画面的数字编辑,动画的制作,电子图像游戏,纺织工艺品设计,服装设计与制作,发型设计,文物资料照片的复制和修复,运动员动作分析和评分等等,现在已逐渐形成一门新的艺术--计算机美术。
1.3数字图像处理的优点
1.再现性好
数字图像处理与模拟图像处理的根本不同在于,它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化,只要图像在数字化时准确地表现了原稿,则数字图像处理过程始终能保持图像的再现。
2.处理精度高
按目前的技术,几乎可将一幅模拟图像数字化为任意大小的二维数组,这主要取决于图像数字化设备的能力。
现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高、这意味着图像的数字化精度可以达到满足任一应用要求。
对计算机而言,不论数组大小,也不论每个像素的位数多少,其处理程序几乎是一样的,换言之,从原理上讲不论图像的精度有多高,处理总是能实现的,只要在处理时改变程序中的数组参数就可以了。
回想一下图像的模拟处理,为了要把处理精度提高一个数量级,就要大幅度改进处理装置,这在经济上极不核算的。
3适用面宽
图像可以来自多种信息源,它们可以使可见光图像,也可以是不可见的波谱图像(例如X射线图像、射线图像、超声波图像或红外图像等)。
从图像反映的客观实体尺度看,不可小岛电子显微图像,大到航空照片、遥感图像甚至天文望远镜图像,这些来自不同信息源的图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像(彩色图像也使由灰度图象组合成的,例如RGB图像有红、绿、蓝三个灰度图象组合而成)组合而成,因而均可用计算机来处理,即只要针对不同的图像信息源,采取相应得图象信息采集措施,图像的数字处理方法适用于任何一种图像。
4.灵活性高
图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分,每一部分均包含丰富的内容。
由于图像的官靴处理从原理上讲智能进行线性运算,这极大地限制了光学图像处理能实现的目标。
而数字图像处理不仅能完成线性运算、而且能实现非线性处理、即凡是可以用数学公式或逻辑关系来表达的一切运算军可以用数字图像处理实现。
1.4数字图像处理方法
模拟图像经过采样、量化后成为数字图像,数字图像特别适合用计算机处理。
数字图像处理方法大致可分为两大类,即:
空域法和变换域法。
1.4.1空域法
数字图像看作是平面中各个像素组成的二维数组,可直接对这个二维数组进行相应的图像处理。
空域处理法主要有下面两大类:
(1)邻域处理法
其中包括:
梯度运算(GradientAlgorithm),拉普拉斯算子运算(LaplacianOperator),平滑算子运算(SmoothingOperator)和卷积运算(ConvolutionAlgorithm)。
(2)点处理法
灰度处理(GreyProcessing)、二值运算、四则运算等。
1.4.2变换域法
数字图像处理的变换域方法是对图像进行变换,得到变换域系数阵列,然后在变换域中进行图像处理,处理后再反变换到空间域,得到处理结果。
这类处理包括:
滤波、数据压缩、特征提取等处理。
数字图像中的主要变换有:
离散傅立叶变换(DFT)、离散余弦变换(DCT),Randon变换,小波(Wavelet)变换等
第二章数字图像处理基础
2.1数字图像处理的主要研究内容
2.1.1图像变换
由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大,因此,往往采用各种图像变换的方法,如付立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理不仅可以减少计算量,而且可以获得更有效的处理(如付立叶变换可在频域中进行数字滤波处理)。
目前新兴研究的小波变换在时域和频域中进行数字滤波处理)。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特征,它在图像处理中也有着广泛而有效的应用。
2.1.2图像编码压缩
计算机处理中的数字图像灰度多数用8bit表示量化并用普通的PCM编码,而医学图像处理和其他科研应用的图像灰度量化可用到12bit以上,因而所需数据量太大,这无疑对图像的存储、处理、传送带来很大的困难,若是量化比特减少,又必然有图像量化噪声增大的缺点,且丢失灰度细节的信息。
数字图像的庞大数据对计算机的处理速度、存储容量都提出过高的要求,因此必须把数据量压缩,图像编码压缩技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得,也可以在允许的失真条件下进,编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。
数字图像数据量的压缩按应用不同科分为三类:
即信息保持性数据压缩,它要求压缩图像的比特数而不丢失任何信息,主要用在图像信息保存中,要求图像能保持信息并能快速存取图像;保真度型数据压缩,允许在压缩过程中丢失一些人感觉不到的信息;特征保持型数据压缩,保存图像中感兴趣的信息,无用信息都丢掉。
2.1.3图像增强和复原
图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图象的清晰度等,图像增强高频分量,可使图像中物体轮廓清晰,细节明显,强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解,一般来讲应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。
2.1.4图像分割
图像分割是数字图像处理中的关键技术之一。
图像分割时将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础,虽然目前已研究出不少边缘提取,区域分割的方法,但还没有一种普通适用于各种图像的有效方法。
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。
2.1.5.图像描述
图像描述是图像识别和理解的必要前提,作为最简单的二值图像可采用其结合特征描述物体的特征,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。
对于特殊的纹理图像可采用二维纹理特征描述,随着图像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面描述、广义圆柱体描述等方法。
2.1.6图像分类(识别)
图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。
图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像中也越来越受重视。
2.2相关概念介绍
2.2.1图像的表示方法
计算机是用数字列表来表示图像的,数字列表可以很长,包含数以百万计的数字。
在计算机内部,弱电信号只有两种不同状态,即高压和低压。
一个二进制数字称为一位。
如果要表示比1大的数,就用多位二进制数。
一个字节包含8个二进制数,排列组合后可以表示从00000000到11111111的256个不同数值。
所以,我们通常用00000000到11111111来表示十进制数的0~255。
在计算机中用多个字节可以表示很大的数字,例如:
1个字节可以表示256个不同的数值;
2个字节就可以表示65536个不同的数值;
3个字节则可以表示16777216个不同的数值;
4个字节可以表示4294967296个不同的数值。
在计算机内部,排好顺序的数据列表称为阵列,阵列可以很大,也可以是多维的。
例如,如果我们用一个1000字节的阵列,然后再在每个阵列里生成一个1000字节的阵列,将得到一个1000×1000=1000000字节的阵列。
阵列的一个特性就是阵列里的每个元素都有惟一的地址
在表示数码图像的时候,阵列十分有用,它为我们提供了如何组织大数据表的方式。
一幅黑白照片可以由多个维阵列表示,阵列中的每一个字节都代表原稿中一个单独的点。
2.2.2图像的数字化
图像的数字化可以使用扫描方式。
在扫描黑白原稿时,扫描头采集原稿上每一点的亮度,获得相对应的模拟信号,然后转换成数字信号。
如果每一个点都用一个字节表示,那么原稿的亮度将会有256级。
256级对于黑白照片从高光到暗调范围内视觉能分辨的阶调级数来说已经足够了。
如果从原稿水平方向上采集1000个样点,垂直方向上采集1000行,那么,这幅原稿扫描的数据量就是1000×1000字节,此庞大数据阵列就是原稿的数字表示。
如果原稿扫描时在水平和垂直方向都采集500个样本,那么原稿的数据量就是500×500=250000字节,是前面原稿数据量的1/4。
相反地,如果原稿在扫描时水平和垂直方向都采集2000个样本,原稿的数据量就是前面的4倍。
2.2.3灰度
灰度顾名思义就是灰的程度,灰度值越大越趋近于白色。
把一幅彩色图转变成灰度图,只
需在matlab中用map(gray)灰色,就可把图像改为灰度的
2.2.4灰度图像
在灰度图像中,像素灰度级用8bit表示,所以每个像素都是介于黑色和白色之间的256种灰度中的一种。
灰度图像只有灰度颜色而没有彩色。
我们通常所说的黑白照片,其实包含了黑白之间的所有灰度色调。
从技术上来说,就是具有从黑到白的256种灰度色域(Gamut)的单色图像.
2.2.5像素(Pixel)
在计算机中,图像是由显示器上许多光点组成的,将显示在显示器上的这些点(光的单元)称为像素.
2.2.6图像二值化
是指将多灰度图像用0和1两个灰度级表示.0代表黑,1代表白
2.2.7图像增强
图像增强是对图像质量在一般意义上的改善.当无法知道图像退化有关的质量信息时,可以使用图像增强技术较为主观地改善图像的质量.所以,图像增强技术是用于改善图像视觉质量所采取的一种方法.因为增强技术并非是针对某种退化所采取的方法,所以很难预测哪一种特定技术是最好的,只能通过试验和分析误差来选择一种合适的方法.有时可能需要彻底改变图像的视觉效果,以便突出重要特征的可观察性,使人或计算机更容易观察或检测.在这种情况下,可以把增强理解为增强感兴趣特征的可检测性,而非改善视觉质量.
2.2.8直方图
2.2.8.1直方图的基本概念
如果将图像中像素亮度(灰度级别)看成是一个随即变量,则其分布情况就反映了图像的统计特性,这可用ProbabilityDensityFunction(PDF)密度估计函数来刻画和描述,表现为灰度直方图(Histogram)。
灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图像中每种灰度出现的频率。
灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现的频率,它是图像最基本的统计特征。
在对图像进行处理之前,了解图像整体或局部的灰度分布情况是非常必要的。
对图像的灰度分布进行分析的重要手段就是建立灰度直方图(DensityHistogram)利用图像灰度直方图,可以直观地看出图像中的像素亮度分布情况,通过直方图均衡化、归一化的处理等,可对图像的质量进行调整。
另外,通过直方图的分析,有助于确定图像阈值化处理的阈值(Threshold)。
2.2.8.2直方图的性质
由直方图的基本概念可知,图像的直方图具有以下三个重要的性质。
(1)直方图是一幅图像中各像素灰度出现次数(或频数)的统计结果,它只反映该图像中不同灰度值出现的次数(或频数),而未反映某一灰度值像素所在位置。
也就是说,他只包含了该图像中某一灰度值的像素出现的概率,而丢失了其所在位置的信息。
(2)任一幅图像,都能惟一地确定出一幅与它对应得直方图,但不同的图像,可能有相同的直方图。
也就是说,图像与直方图之间是多对一的关系。
(3)由于直方图是对具有相同灰度值的像素统计得到的,因此,一幅图像各子区的直方图之和就等于该图像全图的直方图。
第三章图像分割
3.1图像分割的研究现状
随着科学技术的不断发展,人们逐渐认识到现有的任何一种单独的图像分割算法都难以对一般图像取得令人满意的分割结果,因而在继续致力于将新的概念以及新的方法引入图像分割领域的同时,更加重视多种分割算法的有效结合。
采取什么样的结合方法才能体现各种方法的优点和取得好的效果已成为人们关注的问题。
在20世纪80年代后期,在图像处理、模式识别和计算机视觉的主流领域,受到人工智能发展的影响,出现了将更高层次的推理机制用于识别系统的做法,这种思路也开始影响图像分割方法.神经网络、形态学理论、小波理论等在图像分割领域得到广泛的应用,遗传算法、尺度空间、多分辨率方法、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,国内外学者提出了不少针对一些具体应用的好的分割方法。
目前人们仍在继续研究更先进的成像技术和更复杂的图像处理算法。
图像分割方法的研究与分析与影像数据的物理成像原理、图像形成和重构算法的关系更为密切,而且图像分割与其他图像处理分析任务(如图像增强、匹配、可视化)在识别对象结果和功能上是相关的,因此将他们结合起来共同研究是未来研究的一种趋势。
3.2图像分割在图象处理中的位置
图像分割(imageSegmentation)是一种重要的图像技术,它不但得到广泛的重视和研究,它在实际中也得到大量的应用。
图像分割在不同领域中有时它用其他名称,如目标轮廓(obiectlineation)技术,阈值化(thresholding)技术,图像区分或求差(imagediscrimination)技术,目标检测(targetdetection)技术,目标识别(targetrecognition)技术,目标跟踪(targettracking)技术等。
这些技术本身或核心实际上它是图像分割技术图像分割是图像处理、分析的一项基本内容。
图像工程是一对整个图像领域进行研究应用的新学科,它的内容丰富,根据抽象程度和研究方法的不同可分为三个各有特点的层测:
图像处理,图像分析和图像理解如下图所示
:
图3—1图像分割在图像工程中的位置
图像处理着重强调在图像之间进行变换以改善图像的视觉效果。
图像分析则主要是对图像中感兴趣的目标进行检测和测量。
以获得它们的客观信息从而建立对图像的描述。
图像理解的重点是在图像分析的基础上,进一步研究图像中各目标的性质和它们之间的相互关系,并得出对原始图像或客观场景的解释。
从而知道和规划行动。
图像分割就是把图像分成各具特性的区域并提出感兴趣目标的技术和过程。
这里特性可以是像素的灰度、颜色、纹理等,预先定义的目标可以对应单个区域,也可以对应多个区域。
图像分割时由图像处理进到图像分析的关键步骤,在图像工程中占有重要位置。
一方面,它是目标表达的基础,对特征测量有重要影响。
另一方面,因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式,使
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 matlab 数字图像 分割 技术研究 实现