数字图像处理论文 基于灰度图像的阈值分割改进方法讲解

基于灰度图像的阈值分割改进方法

摘要

通常人们只对图像的某个部位感兴趣，为了能够把感兴趣的部分提取出来，就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像分析和理解。图像增强就是突出人们感兴趣有用的部分，或者是改善图像的质量，使它尽可能的逼近原图像。本论文分析了传统的灰度阈值图像分割，即双峰法、迭代法和最大类间方差法在细节部分分割上的缺点，然后，结合图像增强中的微分梯度，对原有图像的细节进行锐化增强，然后再使用这三种方法进行分割，得到的分割结果和传统的分割方法得到的结果进行比较，该方法确实达到了改善分割后图像细节的效果。

该方法在matlab环境下进行了实现，实验结果表明，与传统的阈值分割方法相比，本文的方法不仅克服了传统阈值分割方法的不足，而且还对复杂灰度图像的细节部分具有较好的分割效果，为图像分割方法的改进提供了技术支持。

关键词：图像分割；图像增强；阈值；梯度；matlab

录目 (1)

言1.引.......................................................................................................... 1 1.1图像分割概述...................................................................................................... 1 图像分割的特征1.2 .......................................................................................... 2 图像分割的发展及现状1.3 (2)

研究背景与意义1.4 ...................................................................................... 3 数字图像处理常用的方法2.1 . (4)

数字图像处理的目的2.2 ...................................................................................... 5 数字图像处理的主要内容2.3 .. (6)

数字图像处理应用的工具

2.4 (7)

3.图像分割的主要方法..............................................................................................

7 基于区域的分割方法

3.1 .............................................................................................. 7 基于边缘的分割方法3.2 .............................................................................. 8 3.3基于聚类分析的图像分

割方法...................................................................................... 8 3.4基于小波变换的分割方法...................................................................................... 9 3.5基于神经网络的分割方法................................................................................. 9 3.6 基于模糊集理论的分割方法.. (10)

基于灰度图像的阈值分割方法

4. ............................................................................................................ 10 设计流程

图4.1. .................................................................................................... 10 双峰法图

像分割4.2 ................................................................................................................... 13 迭代法4.3 .................................................................................... 14 最大类间方差法图像分割4.4 ........................................................................................................................ 16 小结4.5 (16)

基于图像增强的分割改进算法 5. ................................................................................................................ 16 5.1具体算法........................................................................................................... 17 5.2 双峰法分割........................................................................................................... 18 迭代法分割5.3 ............................................................................................ 18 最大类间方差法分割5.4 ....................................................................................................... 19 5.5 重复实验步骤 (20)

5.6小结 (21)

论结

基于灰度图像的阈值分割改进方法

言引 1.图像分割概述1.1使这些区域具有不重叠的图像分割就是将图

像按照人们的意愿分成许多个区域，图像分割使得人们特性或者该区域具有实际意义或是几个区域的图像特征相差不大。同时人们可以对图像的特征进行提取或者是对目标的一些参数进行分离出目标区域，图像分割是图像处理的为人们进行更深入的图像研究提供了基础。一些简单的测量，经过几一个重要步骤，在人们进行图像处理研究的初期就已经受到人们的高度重视。尽管图像分割的方法和到目前为此，人们已经提出了很多种分割方法。十年的发展，种类有很多，却没有唯一的标准的分割方法。有些分割运算可直接应用于任何图像，许多不同种类的图像或景物都可作为待分割的而另一些只能适用于特殊类别的图像。图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方分割结果的好坏需要根据具体的场合及要法也只是适合于某些特殊类型的图像分割。图像分割结果的好图像分割是从图像处理到图像分析的关键步骤，可以说，求衡量。

坏直接影响对图像的理解。图像分割的特征1.2区域内部是纹理而言具有相

似性，）分割出来的各区域对某种性质例如灰度，1（连通的且没有过多小孔；2（）区域边界是明确的；3）相邻区域对分割所依据的性质有明显的差异。（. ）基于亮度值的两个基本特性之一：跳跃性不连续性和相似性4（比如图像的,第1类性质的应用途径是基于亮度的跳跃（不连续）变化分割图像边缘.

阈门限类的主要应用途径是依据事先制定的准则将图像分割为相似的区域、(2第)值处理、区域生长、区域分离和聚合都是这类方法的实例。1

基于灰度图像的阈值分割改进方法

图像分割的发展及现状1.3还没有一到目前为止，分割问题的主要困难在

于图像数据的模糊和噪声的干扰。种或者几种完善的分割方法，可以使按照人们的意愿准确无误的分割任何一种图像。实际图像中景物情况各异，具体问题具体分析，需要根据实际情况选择适合的方法。分割的好坏必目前还没有一个统一的评价判断准则，分割结果的好坏或者正确与否，还是积累了须从分割的效果和实际应用场景来判断。不过在人类研究图像的历史中，但是这些许多经典的图像分割方法。虽然这些分割方法不适合所有类型的图像分割，现代一些分割算法恰恰是从经典方法却是图像分割方法进一步发展的基础。事实上，的分割方法衍生出来的。这图像的分割方法主要可以分为两大类。一类是边界方法，早期的图像研究中，一类种方法的假设是图像分割结果的某个子区域在原来的图像中一定会有边缘存在；而不同这种方法的假设是图像分割结果的子区域一定会有相同的性质，是区域方法，有的学者也试图把两者结这两种方法都有缺点和优点，区域的像素没有共同的性质。如基于彩色很多方法不断涌现，合起来进行图像分割，随着计算机处理能力的提高，分量分割、模糊集、纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也

应用在图像分割当中。研究背景与意义1.4图像分割同时也是进行计算机自

动识别和人工数字图像处理的基础是图像分割，经典的智能的桥梁，长期以来图像分割一直都是数字图像处理领域的一个经典难题。性能较稳图像分割算法诸如直方图分割与阈值分割的方法具有实现简单、计算量小、找出灰度直方图分布的,定等特点。通常，它们是利用图像的灰度直方图的分布特征然而这种分割方法依赖于图像灰选定恰当的阈值将图像分割开，两波峰之间的波谷，这种方法往往会造成错误，度的分布，对灰度分布不呈双峰特征或复杂背景的图像,图像增强的分割—所以论文提出了一种改进方法并且有些细节不能很好的显示出来。从而达到通过图像增强中的微分梯度，改进方法，对原有图像的细节进行锐化增强，这对我们使用灰度阈值分割方法分割图像提供了技术支改善分割后图像细节的效果。持，并且能很好地克服灰度阈值分割方法的缺点。2

基于灰度图像的阈值分割改进方法

数字图像处理的发展概述2.

当时的电子计算机已经发展到一定水年代，20世纪50数字图像处理最早出现于数字图像处理作为一门学科大约形人们开始利用计算机来处理图形和图像信息。平，它以人为对象，早期的图像处理的目的是改善图像的质量，60年代初期。成于20世纪输出的是改善质输入的是质量低的图像，以改善人的视觉效果为目的。图像处理中，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19647号在成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者去除噪声等如几何校正、灰度变换、年发回的几千张月球照片使用了图像处理技术，由计算机成功地绘制出月球表方法进行处理，并考虑了太阳位置和月球环境的影响，随后又对探测飞船发回的近十万张照片进行更为复杂的面地图，获得了巨大的成功。图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也

推动了数字图像处理这门学科的诞生。数字图像处理常用的方法2.1涉及

计算量很大。直接在空间域中进行处理，图像变换：由于图像阵列很大，1（）因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等而且可获得将空间域的处理转换为变换域处理，间接处理技术，不仅可减少计算量，更有效的处理。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性，它在图像处理中也有着广泛而有效的应用。

）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），（2压缩可以在不失真的前提处理时间和减少所占用的存储器容量。以便节省图像传输、它在图编码是压缩技术中最重要的方法，下获得，也可以在允许的失真条件下进行。像处理技术中是发展最早且比较成熟的技术。

如去除噪图像增强和复原的目的是为了提高图像的质量，3）图像增强和复原：（突出图像中所感兴趣的图像增强不考虑图像降质的原因，声，提高图像的清晰度等。部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强

化低频分量3

基于灰度图像的阈值分割改进方法

一般讲应根图像复原要求对图像降质的原因有一定的了解，可减少图像中噪声影响。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。图像分割是将图像图像分割是数字图像处理中的关键技术之一。）图像分割：（4这是进一区域等，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、区域分割的分析和理解的基础。步进行图像识别、虽然目前已研究出不少边缘提取、对图像分割的研究还在但还没有一种普遍适用于各种图像的有效方法。因此，方法，不断深入之中，是目前图像处理中研究的热点之一。

作为最简单的二值图像图像描述：图像描述是图像识别和理解的必要前提。（5）它有边一般图像的描述方法采用二维形状描述，可采用其几何特性描述物体的特性，随着图对于特殊的纹理图像可采用二维纹理特征描述。界描述和区域描述两类方法。表面提出了体积描述、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，描述、广义圆柱体描述等方法。）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6（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识别中也式分类，越来越受到重视。2.2数字图像处理的目的）提1一般来说,对图像进行处理（或加工、分析）的主

要目的有三个方面：（

高图像的视感质量，如进行图像的亮度、彩色变换，增强，对图像进行几何变换等，）提取图像中所包含的某些特征或特殊信息，这些被提取的以改善图像的质量。（2提取特征或信息的过程是模式识别或计特征或信息往往为计算机分析图像提供便利。算机视觉的预处理。提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、）图像数3边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。（据的变换、编码和压缩，以便于图像的存储和传输。都需要由计算机和图像专用设备组成的图像处理系不管是何种目的的图像处理，统对图像数据进行输入、加工和输出。4

基于灰度图像的阈值分割改进方法

数字图像处理的主要内容2.3）图像变换由于图像阵列很1数字图像处理

主要研究的内容有以下几个方面：（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，如傅立叶变换、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（如傅立叶变换可在而且可获得更有效的处理换为变换域处理，不仅可减少计算量，目前新兴研究的小波变换在时域和频域中都具有良好的。频域中进行数字滤波处理））图像编码压缩图像编局部化特性，它在图像处理中也有着广泛而有效的应用。（2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、处理时间和也可以在允许的失真条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，它在图像处理技术中是发展最早且比较件下进行。编码是压缩技术中最重要的方法，）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，成熟的技术。（3突

出图像中所提高图像的清晰度等。图像增强不考虑图像降质的原因，如去除噪声，感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化一图像复原要求对图像降质的原因有一定的了解，低频分量可减少图像中噪声影响。恢复或重建原来的图像。再采用某种滤波方法，降质模型，般讲应根据降质过程建立图像分割是将图像中有图像分割图像分割是数字图像处理中的关

键技术之一。）（4这是进一步进其有意义的特征有图像中的边缘、区域等，意义的特征部分提取出来，区域分割的方法，分析和理解的基础。虽然目前已研究出不少边缘提取、行图像识别、对图像分割的研究还在不断深因此，但还没有一种普遍适用于各种图像的有效方法。）图像描述图像描述是图像识别和5入之中，是目前图像处理中研究的热点之一。（一般图理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，对于特殊的纹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。已经开始进行三维随着图像处理研究的深入发展，理图像可采用二维纹理特征描述。）图像物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。（6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5

基于灰度图像的阈值分割改进方法

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识别中也越来越受

到重视。数字图像处理应用的工具2.4数字图像处理的工具可分为三大类：

第一类包括各种正交变换和图像滤波等方法，其共同点是将图像变换到其它域（如频域）中进行处理（如滤波）后，再变换到它包括各种统计方法、第二类方法是直接在空间域中处理图像，中；原来的空间（域）第三类是数学形态学运算，它不同于常用的频域和空域的;微分方法及其它数学方法方法，是建立在积分几何和随机集合论的基础上的运算。所以图像并行处由于被处理图像的数据量非常大且许多运算在本质上是并行的，理结构和图像并行处理算法也是图像处理中

的主要研究方向。6

基于灰度图像的阈值分割改进方法

图像分割的主要方法3.基于区域的分割方法3.1区域生长和分裂

合并法是两种典型的串行区域技术，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点，然

后将种子像素周围根据某种事先确定的生长或相似邻域中与种子像素有相同或相似性质的像素(合并到种子像素所在的区域中。将这些新像素当作新的种子像素继准则来判定)续进行上面的过程，直到再没有满足条件的像素可被包括进来。这样一个区域就长成了。进而实现目标提取。区域生长是从某个或者某些像素点出发，最后得到整个区域，分裂合并差不多是区域生长的逆过程：从整个图像出发，不断分裂得到各个子区域，前景区域分裂合并的假设是对于一幅图像，然后再把前景区域合并，实现目标提取。那么就可以判如果把一幅图像分裂到像素级，由一些相互连通的像素组成的，因此，把前景区域或者当所有像素点或者子区域完成判断以后，定该像素是否为前景像素。像素合并就可得到前景目标。

基于边缘的分割方法3.2即检测灰度级或者结构具有突变的地图像分割的一

种重要途径是通过边缘检测，方，表明一个区域的终结，也是另一个区域开始的地方。这种不连续性称为边缘。不同的图像灰度不同，边界处一般有明显的边缘，利用此特征可以分割图像。对于图像中边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到。因。零交叉点)(阶跃状边缘，其位置对应一阶导数的极值点，对应二阶导数的过零点算子算子、Prewitt此常用微分算子进行边缘检测。常用的一阶微分算子有Roberts在实际中各种微分算KirshLaplace算子，和Sobel二阶微分算子有算子和算子等。7

基于灰度图像的阈值分割改进方法

这些算子对噪声微分运算是利用模板和图像卷积来实现。子常用小区域模板来表示，敏感，只适合于噪声较小不太复杂的图像。直接采用微分运算难由于边缘和噪声都是灰度不连续点，在频域均为高频分量，算子和以克服噪声的影响。因此用微分算子检测边缘前要对图像进行平滑滤波。LoG Canny算子是具有平滑功

能的二阶和一阶微分算子，边缘检测效果较好。3.3基于聚类分析的图像分割方法特征空间聚类法进行图像分割是将图像空间中的像素用对应的特征空间

点表示，根据它们在特征空间的聚集对特征空间进行分割，然后将它们映射回原算法是最常用(FCM)均值、模糊KC均值聚类图像空间，得到分割结果。其中，然后将每个像素归入均值离它最个初始类均值，K均值算法先选K的聚类算法。近的类并计算新的类均值。迭代执行前面的步骤直到新旧类均值之差小于某一均值算法的推广，是通过最优KC均值算法是在模糊数学基础上对阈值。模糊均值聚类那样认为每个点只能属于某化一个模糊目标函数实现聚类，它不像K一类，而是赋予每个点一个对各类的隶属度，用隶属度更好地描述边缘像素亦非监督模均值(FCM)此亦彼的特点，适合处理事物内在的不确定性。利用模糊C糊聚类标定的特点进行图像分割，可以减少人为的干预，且较适合图像中存在不确定性和模糊性的特点。有时需要人工干预参数的初始化以接近全局算法对初始参数极为敏感，FCM算法没有考虑空间信息，对噪声和灰最优解，提高分割速度。另外，传统FCM度不均匀敏感。