图像二值化中阈值选取方法研究

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

目录

摘要 ................................................................. III Abstract............................................................... IV 第一章绪论. (1)

1.1 图像与数字图像 (1)

1.2 数字图像处理技术内容与发展现状 (2)

1.3 灰度图像二值化原理及意义 (4)

第二章软件工具——MATLAB (6)

2.1 MATLAB概述 (6)

2.2 MATLAB的工作环境 (6)

2.3 MATLAB图像处理工具箱 (8)

2.4 工具箱实现的常用功能 (9)

第三章图像二值化方法 (11)

3.1 课题研究对象 (11)

3.2 二值化方法研究动态 (13)

3.3 全局阈值法 (18)

3.4 局部阈值法 (18)

第四章 Otsu方法和Bernsen方法 (20)

4.1 Otsu算法分析 (20)

4.2 Otsu方法流程图 (22)

4.3 Bernsen算法分析 (23)

4.4 Bernsen方法流程图 (23)

第五章 Otsu方法和Bernsen方法实验比较 (25)

5.1 Otsu方法实验结果分析 (25)

5.2 Bernsen方法结果分析 (27)

5.3 0tsu方法和Bernsen方法实验结果比较 (28)

5.4 结论 (29)

结束语 (31)

参考文献 (32)

致谢 (33)

附录:源代码 (34)

摘要

在人类获取的信息中,视觉信息约占60%,听觉约占20%,其它约占20%。由此可见,视觉信息对人类非常重要。同时,图像是人类获取视觉信息的主要途径。图像二值化是图像预处理中的一项重要技术,在模式识别、光学字符识别、医学成像等方面都有重要应用。论文介绍了图像及数字图像处理技术的一些概念和相关知识;对Matlab7.0 软件的发展和软件在图像处理中的应用做了简要介绍;还介绍了灰度图像二值化方法以及利用Matlab7.0软件工具进行算法的实现。课题重点实现了图像分割技术中灰度图像二值化方法,如Otsu算法、Bernsen算法,并对这些算法运行的实验结果进行分析与比较。

关键词:图像处理,二值化,Matlab,Otsu算法,Bernsen算法

Abstract

Human beings obtain a lot of information, among which the visual information is about 60%, the sense of hearing about 20%, and others about 20%. Therefore, the visual information is very important for human beings. Moreover, the images are the primary way, by which a lot of information is obtained. Image binarization, as an important technology in image pre-processing, is widely-employed in pattern recognition, optical character recognition, medical imaging and so forth. In this paper, some notions and relative knowledge in digital image processing technology are introduced; then, the development of Matlab7.0 and its application in image processing briefly introduced; in addition, the method of grayscale image binarization and how to implement these algorithms based on Matlab7.0 are presented. This paper mainly implements the grayscale image binarization method in image segmentation technology, such as Otsu algorithm and Bernsen algorithm, and analyzes and compares the experimental results of the above algorithms.

Keywords: Image processing, Binarization, Matlab, Otsu algorithm, Bernsen algorithm

第一章绪论

1.1 图像与数字图像

图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计,在人类获取的信息中,视觉信息约占60%,听觉信息约占20%,其他方式加起来才约占20%。由此可见,视觉信息对人类非常重要。同时,图像又是人类获取视觉信息的主要途径,是人类能体验的最重要、最丰富、信息量最大的信息源。通常,客观事物在空间上都是三维的(3D)的,但是从客观景物获得的图像却是属于二维(2D)平面的。

图像存在方式多种多样,可以是可视的或者非可视的,抽象的或者实际的,适于计算机处理的和不适于计算机处理的。但就其本质来说,可以将图像分为以下两大类。

模拟图像。包括光学图像、照相图像、电视图像等。比如人在显微镜下看到的图像就是一幅光学模拟图像。对模拟图像的处理速度快,但精度和灵活性差,不易查找和判断。

数字图像。数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够辨识的点阵图像。在严格意义上讲,数字图像是经过等距离矩形网格采样,对幅度进行等间隔量化的二维函数。因此,数字图像实际上就是被量化的二维采样数组。

一幅数字图像都是由若干个数据点组成的,每个数据点称为像素(pixel)。比如一幅256×400,就是指该图像是由水平方向上256列像素和垂直方向上400行像素组成的矩形图。每一个像素具有自己的属性,如颜色(color)、灰度(gray scale)等,颜色和灰度是决定一幅图像表现里的关键因素。其中颜色量化等级包括单色、四色、16色、256色、24位真彩色等,量化等级越高,则量化误差越小,图像的颜色表现力越强。同样,灰度是单色图像中像素亮度的表征,量化等级越高,表现力越强。但是随着量化等级的增加,数据量将大大增加,使得图像处理的计算量和复杂度相应的增加。

与模拟图像相比,数字图像具有以下显著优点:

(1)精度高。目前的计算机技术可以将一幅模拟图像数字化为任意的二维数组,即

相关文档
最新文档