labview图像分割

基于LabVIEW的图像分割程序设计[摘要] 现在图像处理技术已经应用于多个领域当中，其中，纸币识别，车牌识别，文字识别和指纹识别已为大家所熟悉。

图像分割是一种重要的图像技术,它不仅得到了人们的广泛重视和研究,也在实际中得到了大量的应用。

它是处理图像的基本问题之一，是图像处理图像分析的关键步骤。

图像识别的基础是图像分割，其作用是把反映物体真实情况的，占据不同区域的，具有不同性质的目标区分开来，并形成数字特性。

关于图像分割的方法已有上千种，本文将介绍几种主流的方法，并分析各自的特性，利用LabVIEW 平台实现两种阈值方法分割图像，展现实验现象，比较两种方法的处理结果。

[关键词]图像分割阈值法大津法双峰法LabVIEWThe programdesigning of imagesegmentation based on LabVIEW[Abstract]Image processing technology hasbeenused in many fields, the banknote recognition, license plate recognition, character recognitionandfingerprint recognitionhas beenfamiliar to everyone.Image segmentation is an importantimagetechnology,people not only attach importance to it and research it，but also use it in many place. It isoneofthebasic problemsoftheimage processing, and it isa key stepoftheimage processingimage analysis. The image recognitionbased onimage segmentation, the function of which is making a distinction between the area of object's real situation,the area in different places and the area with different characteristic and forming a digital characteristic. There are thousands ofmethodsofimage segmentation, this article will introduce severalmainstreammethod,andanalyze their respectivecharacteristics,use this two ways to make image segmentation with LabVIEW，and show the phenomenon of experiment，campare the treatment result of the two methods.[Keyword] Image segmentationThresholdOTSUbimodaLabVIEW引言 (1)1 图像分割论述 (2)1.1 图像分割的定义 (2)1.2 图像分割方法综述 (3)1.2.1 边缘检测法 (3)1.2.2 阈值分割法 (5)1.2.3 基于区域的分割 (5)2 图像阈值分割算法 (6)2.1 阈值分割算法简述 (6)2.2 全局阈值算法 (7)2.3 自适应阈值算法 (9)2.4 最小误差阈值 (10)2.5 最大类间方差算法 (10)3 图像分割实验结果及实现平台介绍 (11)3.1 LabVIEW简述 (11)3.2 LabVIEW的应用 (12)3.3 VI设计 (14)3.3.1 双峰法选取阈值 (15)3.3.2大津法选取阈值 (16)3.4实验结果比较总结 (17)结论 (20)致谢 (21)[参考文献] (22)图像技术在广义上是各种与图像有关技术的总称。

图像技术种类很多，跨度很大，但可以将它们归在一个整体框架—图像工程之下。

图像工程是一个对整个图像领域进行研究应用的新学科，它的内容非常丰富，根据抽象程度和研究方法的不同可以分为3个各种特点的层次：图像处理，图像分析和图像理解。

在一幅图像中，人们往往只对其中的某些目标感兴趣，这些目标通常占据一定的区域，并且在某些特性（如灰度、轮廓、颜色和纹理等）上和周围的图像有差别。

图像识别的基础是图像分割，其作用是把反映物体真实情况的，占据不同区域的，具有不同特性的目标区分开来，并形成数字特性。

图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，图像分割的作用是至关重要的。

虚拟仪器技术是基于计算机的仪器及测量技术。

与传统仪器技术不同，虚拟仪器技术指在包含数据采集设备的通用计算机平台上，根据需求可以高效率地构建起形形色色的测量系统。

对大多数用户而言，主要的工作变成了软件设计。

虚拟仪器技术突破了传统仪器的局限，可以将许多信号处理的方法方便地应用于测量中，并且为自动测量和网络化测量创造条件。

早期的虚拟仪器技术主要用于军事、航空、航天等领域和科研院所，现在已经越来越多地出现在工厂及其他民用场合。

LabVIEW则是美国国家仪器公司（National Instruments）所提供的虚拟仪器开发平台。

与大多数程序语言不同，LabVIEW是一个图形化的编程环境，编程的过程不是写代码，而是“流程图”。

LabVIEW的使用者是各个领域的工程技术人员，而非计算机专业人员。

LabVIEW将使用者从烦琐的程序设计中解放出来，而将注意力集中在测量等物理问题本身。

LabVIEW除了在工业领域作为测量仪器外，还拥有强大的图像处理功能，它可以外挂专有的“图像处理包”，或者调用Matlab来实现图像处理的功能，但前者需要单独购买，且不方便修改，后者则需要安装Matlab，而直接通过LabVIEW 设计VI实现则方面修改。

本课题将介绍主要几种图像分割的方法，仔细研究其中两种阈值分割的算法，通过直接设计VI来实现阈值图像分割的功能，令LabVIEW也能够进行一些图像处理的任务，使得LabVIEW更加强大。

1 图像分割论述1.1 图像分割的定义图像分割是指将一幅图像分解为若干互不交叠的,有意义的，具有相同性质的区域。

好的图像分割应具备以下特征：（1） 分割出来的各区域对某种特性（如灰度和纹理）而言具有相似性，区域内部是连通的且没有过多小孔。

（2） 相邻区域对分割所依据的性质有明显的性质。

（3） 区域边界是明确的。

大多数图像分割方法只是部分满足上述特征。

如果强调分割区域的同性质约束，则分割区域很容易产生大量小孔和不规整边缘；若强调不同区域间性质差异的显著性，则容易造成不同区域的合并。

具体处理时，不同的图像分割方法总是在各种约束条件之间寻找一种合理的平衡。

图像分割更形式化的定义如下：假设一幅图像中所有像素的集合为F ，有关一致性的假设为P(·)。

把F 划分为n 个满足下述4项条件的子集{S1，S2，…，Sn}（Si 是连通区域）的过程定义为图像分割：（1）F S i == n1j ，分割是完全的，图像中的每一像素必须归属于一个区域。

（2）∅=j i S S ，j i ≠，分割出的不同区域是不相交的。

（3）P(Si)=true ，∀j ，分割出的每个区域的像素具有一致的特性。

（4）P(j i S S )=false ，j i ≠，分割出的不同区域的像素不具有一致的特性。

[1]实际的图像处理和分析都是面向某种应用的，所以上述条件中的各种关系也要视具体情况而定。

目前，还没有一种通用的方法可以很好地兼顾这些约束条件，也没有一种通用的方法可以完成不同的图像分割任务。

原因在于实际的图像是千差万别的，还有一个重要原因在于图像数据的下降，包括图像在获取和传输过程引入的各种噪声以及光照不均匀等因素。

到目前为止，对图像分割的好坏和评价还有统一的标准。

因此，图像分割是图像分析和计算机视觉中的经典难题。

至今，提出的分割算法已有上千种，每年还有不少新算法出现。

这些算法的实现方式各不相同，然而大都基于图像在像素级的两个性质：不连续性和相似性。

属于统一目标的额区域一般具有相似性，而不同的区域在边界出现不连续性。

1.2 图像分割方法综述图像分割是把图像分割成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程，这些特性可以是像素的灰度、颜色、纹理等，提取的目标可以是对应的单个区域，也可以是对应的多个区域。

人们在多年的研究中积累了很多图像分割的方法。

但亦今为止，仍然没有一种图像算法适合所有的图像，也没有一种图像可以用所有方法来分割。

近几年来,研究人员不断改进原有方法并将其它学科的新理论和新方法引入图像分割,提出了不少新的分割方法。

典型的图像分割方法有阈值法，边缘检测法，区域法。

分析各种图像分割方法可以发现，它们分割图像的基本依据和条件有以下4方面：(l)分割的图像区域应具有同质性，如灰度级别相近、纹理相似等；(2)区域内部平整，不存在很小的小空洞；(3)相邻区域之间对选定的某种同质判据而言，应存在显著差异性；(4)每个分割区域边界应具有齐整性和空间位置的准确性。

现有的大多数图像分割方法只是部分满足上述判据。

如果加强分割区域的同性质约束，分割区域很容易产生大量小空洞和不规整边缘:若强调不同区域间性质差异的显著性，则极易造成非同质区域的合并和有意义的边界丢失。

不同的图像分割方法总有在各种约束条件之间找到适当的平衡点。

[2]1.2.1 边缘检测法边缘检测技术对于处理数学图像非常重要，因为边缘是所要提取目标和背景的边界线，提取出边缘才能将目标和背景区分开来。

在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致，而不同区域内部的特征或属性是不同的，边缘的检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色和纹理特征。

边缘检测实际上就是检测图像特性发生变化的位置。

由于噪声和模糊的存在，检测到的边缘可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容:首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。

边缘检测技术可以按照处理的技术分为串行边缘检测和并行边缘检测。

所谓串行边缘检测技术，是指要想确定当前像素点是否属于欲检测边缘上的一点，取决于先前像素的验证结果；而在并行边缘检测技术中，一个像素点是否属于检测边缘上的一点，取决于当前正在检测的像素点以及该像素点的一些相邻像素点，这样该模型可以同时用于图像中的所有像素点，因而称之为并行边缘检测技术。