图像分割算法研究与实现

中北大学

课程设计说明书

学生姓名：梁一才学号：10050644X30

学院：信息商务学院

专业：电子信息工程

题目：信息处理综合实践:

图像分割算法研究与实现

指导教师：陈平职称: 副教授

2013 年 12 月 15 日

中北大学

课程设计任务书

13/14 学年第一学期

学院：信息商务学院

专业：电子信息工程

学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践:

图像分割算法研究与实现

起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平

系主任：王浩全

下达任务书日期: 2013 年12月15 日

课程设计任务书

1．设计目的：

1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力；

2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理；

3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。

2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）：

(1)编程实现分水岭算法的图像分割；

(2)编程实现区域分裂合并法；

(3)对比分析两种分割算法的分割效果；

(4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。

3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕：

每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。

课程设计任务书

4．主要参考文献：

[1] 夏得深，傅德胜.现代图像处理技术与应用[M]．南京：东南大学出版，2001：120-135.

[2] K.R.Castleman.数字图像处理[M]．北京：电子工业出版社，1998：110，166，220.

[3] 冈萨雷斯.数字图像处理（MATLAB版）[M]．北京：电子工业出版社，2005;111-120，

152.

[4] 刘直芳，游胜志.基于多尺度彩色形态矢量算子的边缘检测[J].中国图像图形学报，

2002，32（1）：30-33.

[5] 潘晨，顾峰．基于3D直方图的彩色图像分割方法[J].中国图像图形学报，2002，33

（2）：35-38.

5．设计成果形式及要求：

毕业设计说明书

仿真结果

6．工作计划及进度：

2013年

12月16日~ 12月19日：查资料；

12月19日~ 12月24日：在指导教师指导下设计方案；

12月25日~ 12月27日：撰写课程设计说明书；

12月27日：答辩

系主任审查意见：

签字：

年月日

目录

1 引言 (1)

1.1数字图像分割的现状 (1)

1.2数字图像分割的意义 (1)

2 基于MATLAB的图像分割 (2)

3 图像分割的主要研究方法 (3)

3.1图像分割定义 (3)

3.2图像分割方法综述 (4)

3.3分水岭算法 (4)

3.3.1分水岭算法概念 (4)

3.3.2分水岭算法原理 (5)

3.4区域分裂合并法 (6)

3.4.1区域分裂合并算法基本原理 (6)

3.4.2区域分裂合并算法算法过程 (7)

4 MATLAB程序与结果 (8)

4.1分水岭算法结果与分析 (8)

4.2分裂合并算法结果与分析 (10)

5两种图像分割方法的比较 (11)

6 结论 (13)

7参考文献 (14)

1 引言

1.1 数字图像分割的现状

图像分割技术，是从图像中将某个特定区域与其它部分进行分离并提取出来的处理。图像分割的方法有许多种，有阈值分割方法，边界分割方法，区域提取方法，结合特定理论工具的分割方法等。早在1965年就有人提出检测边缘算子，边缘检测已产生不少经典算法。越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。尤其是近年来迅速发展起来的小波理论为图像处理带来了新的理论和方法。小波变换具有良好局部特性，当小波函数尺度较大时，抗噪声的能力强，当小波函数尺度较小时，提取图像细节的能力强，这样就可以很好地解决抑制噪声和提取图像边缘细节之间的矛盾。

图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何基于数学工具的解析方法都很难得到很好的效果。因此，人们倾向于重新设计一个针对具体问题的新算法来解决所而临的图像分割问题。这在只有少量图像样本的时候，利用各种先验知识，设计一个具有针对性的算法进行图像分割是比较容易的。但是当需要构建一些实用的机器视觉系统时，所面临的将是具有一定差异性、数量庞大的图像库，此时如何很好的利用先验知识，设计一个对所有待处理图像都实用的分割算法将是一件非常困难的任务。其次，由于缺乏一个统一的理论作为基础，同时也缺乏对人类视觉系统(human vision system，HVS)机理的深刻认识，构造一种能够成功应用于所有图像的统一的图像分割算法，到目前为止还是难以实现的。

1.2 数字图像分割的意义

现实生活中在分割一幅图像时，多是依据经验和直觉去选择方法，通过反复实践来找到一种最佳的方法。与计算机科学技术的确定性和准确性相比，图像分割更像是一种艺术行为，有经验的人能比较容易的选用出适当的方法，使不同的图像都得到最佳的分割效果。但是，当要处理的图像十分庞大时，图像分割就像是流水线上的一道简单工序，这种艺术行为就显得无能为力了。随着图像技术和多媒体技术的发展，包括图像、音频和视频等信息的多媒体数据己经广泛用于