基于阈值的图像分割方法研究与实现

本科毕业设计

（2011届）

题目基于阈值的图像分割方法研究与实现

摘要

本毕业设计主要研究基于Hough变换的图像结构提取方法，通过MATLAB语言编程来实现两种典型的图像阈值分割算法（最大类间方差法和迭代法），并对这两种算法进行比较分析。其主要工作步骤如下：

首先介绍数字图像处理和图像分割的基本理论知识。接着对几种图像分割方法进行了介绍。然后了解图像阈值化原理，并在此基础上对两种典型的图像阈值分割算法（最大类间方差法和迭代法）的原理进行了介绍。最后通过MATLAB语言编程实现这两种算法，分别得到这两种算法的分割性能，并对这两种算法的分割性能进行比较。结果表明在大多数情况下，最大类间方差法比迭代法更稳定。

关键词：数字图像处理；阈值化；最大类间方差法；迭代法；直方图

ABSTRACT

The main aim of this thesis is to analyze image segmentation method based on thresholding, then implement two typical algorithms (Otsu method and Iterative method) by MATLAB language programming, and compare the two algorithms. Its main work procedure is as follows:

First the basic theories of digital image processing and image segmentation are introduced. Then several image segmentation algorithms are introduced. Based on knowing the theory of image thresholding, we introduce the theory of two typical algorithms (Otsu method and Iterative method). Finally through MATLAB language programming, we can get the segmentation performance of the two algorithms respectively, and compare the two algorithm’s segmentation performance. The result shows that Otsu method is more stable than Iterative method in most cases.

Key words：digital image processing; thresholding; Otsu method; Iterative method;

image histogram.

目录

1 引言 (1)

2 数字图像处理基础 (2)

2.1 数字图像处理的发展概况 (2)

2.2 数字图像处理的目的与主要内容 (2)

2.3 数字图像的表示法 (3)

2.4 图像的灰度直方图 (4)

3 图像分割技术及其方法 (5)

3.1 图像分割的基本论述 (5)

3.2 典型的图像分割方法 (6)

3.3 结合特定理论的图像分割方法 (8)

4 图像阈值化分割原理 (10)

4.1 阈值化分割原理 (10)

4.2 迭代法 (11)

4.3 最大类间方差法 (12)

4.4 图像阈值化技术的应用现状 (14)

5 分割效果分析 (15)

5.1 MATLAB的简介 (15)

5.2 分割效果的评估标准 (16)

5.3 分割效果分析 (16)

6 结论 (24)

致谢 (25)

参考文献 (26)

附录 (27)

1 引言

21世纪是科学技术迅猛发展的时代，图像作为现代信息社会中最基本的信息之一得到了广泛的应用。数字图像处理技术是20世纪60年代发展起来的一门新兴学科，几乎在各个行业里都起到了重要作用，随着全球数字化和现代信息技术的不断发展，数字图像处理这门新兴学科也跟着得到了迅速的发展，其理论与方法进一步完善，使得数字图像处理在更多领域得到了广泛的应用，并展示出广阔的应用前景。

在数字图像处理中，图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。目前图像分割技术已被广泛应用于很多的领域，如工业自动化，在线产品检验，生产过程控制，文档图像处理，遥感和生物医学图像分析，保安监视，以及军事，体育，农业工程等方面。基于阈值选取方法的图像分割方法，因其计算简单，具有较高的运算效率、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，但是不同方法选取的阈值直接影响到图像分割的质量。

从20世纪70年代，图像阈值分割方法一直受到人们的关注和重视，到现在为止已经提出了众多基于阈值的分割算法，但是并没有通用的阈值分割理论，也没有一种图像阈值分割算法适用于所有的情况，每种图像分割算法都有其局限性。其中，迭代法和最大类间方差法（大津法）作为两种典型的算法得到了广泛的应用。本论文就这两种算法进行了研究与实现，通过MATLAB语言编程实现这两种算法，分别对几幅灰度图像进行分割，从而验证这两种算法的有效性，并对它们做对比分析。

2 数字图像处理基础

2.1 数字图像处理的发展概况

数字图像处理(Digital Image Processing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室(JPL)。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT(Computer Tomograph)。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域

[1]。

2.2数字图像处理的目的与主要内容

图像处理就是对图像信息进行加工处理，一般来说，对图像进行加工处理与分析主要目的有3个方面：提高图像的视感质量已达到赏心悦目的目的；提取图像中所包含的某些特征与特殊信息，以便于分计算机析；图像数据的变换、编码