图像分割综述(数字图像处理大作业)

图像分割综述

摘要：现在数字图像处理越来越多地被运用在相关领域中，图像分割是数字图像处理过程中一种非常重要的技术手段，其发展至今没有一个通用的方法和标准。本文对数字图像处理中的图像分割作了简要介绍，并运用Matlab实现几种图像分割处理方法，如双峰法、迭代法、K均值聚类法、边缘检测,讨论他们了的不同技术要点.

关键字：数字图像处理;图像分割;双峰法;迭代法;K均值聚类;边缘检测

Overview of image segmentation

Abstract: Now the digital image processing is applied in more and more fields, image segmentation is a very important process of digital image processing technology, and there doesn’t exsist a unified method and standard. The image segmentation are introduced in this paper and several methods of image segmentation are realized by Matlab, such as bimodal method, iterative method, k-means clustering and edge detection. We also discuss the main points of different technology.

key word: Digital image processing; Image segmentation; Bimodal method; Iteration method; K-means clustering;Edge detection

1 引言

在数字图像处理的研究和应用中，有时往往对图像的某些部分或者目标感兴趣，此时需要用利用图像分割技术将感兴趣的目标同背景区分开来，以便进一步的研究和分析，这就是数字图像处理中的图像分割技术，其目的是将图像分为若干有意义的区域，这些区域对应图像中不同的目标，然后对感兴趣的区域进行描述和研究[1]。可以说，图像分割结果的好坏，直接影响对图像的理解。

图像分割的种类和方法有很多，但还没有一个成形的图像分割理论。因此，还没有一个单一的、标准的图像分割方法.不同类型的图像，应该选择合适的分割算法对其进行分割。同时，某些分割算法也只是适用于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量，没有统一的评价准则。因此，图像分割是图像分析和计算机视觉中的经典难题。

2 边缘检测

边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像，图像中的边缘通常与图像强度的不连续性有关。图像强度的不连续性可分为：①阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异；②线条不连续，即图像强度突然从一个值变化到另一个值，保持一个较小的行程后又返回到原来的值。

2.1 Roberts 梯度算子法

Roberts 梯度就是采用对角方向相邻两像素之差，故也称为四点差分法。对应的水平和

垂直方向的模板为：

标注

的是当前像素的位置(i,j)为当前像素的位置，其计算公式如下： 特点：用4点进行差分，以求得梯度，方法简单。其缺点是对噪声较敏感，常用于不含噪声的图像边缘点检测。梯度算子类边缘检测方法的效果类似于高通滤波，有增强高频分量，抑制低频分量的作用。 2.2 Prewitt 梯度算子法（平均差分法）

因为平均能减少或消除噪声，Prewitt 梯度算子法就是先求平均，再求差分来求梯度。水平和垂直梯度模板分别为：

利用检测模板可求得水平和垂直方向的梯度，再通过梯度合成和边缘点判定，就可得到平均差分法的检测结果。 （a ）原图 （b ）roberts 处理后

图1 roberts 效果图

⎥⎦⎤⎢⎣⎡-=•

1001x G ⎥⎦⎤⎢⎣⎡-=•0110y G )

1,(),1()1,1(),(),(+-++++-=j i f j i f j i f j i f j i G •⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=•101101101x d ⎥⎥⎥⎦

⎤⎢⎢⎢⎣⎡---=•111000111y d

2.3 Sobel 算子法（加权平均差分法）

Sobel 算子就是对当前行或列对应的值加权后，再进行平均和差分，也称为加权平均差分。水平和垂直梯度模板分别为：

Sobel 算子和Prewitt 算子一样，都在检测边缘点的同时具有抑制噪声的能力，检测出的边缘宽度至少为二像素。由于它们都是先平均后差分，平均时会丢失一些细节信息，使边缘有一定的模糊。但由于Sobel 算子的加权作用，其使边缘的模糊程度要稍低于程度要稍低于Prewitt 算子。

（a ）原图 （b ）sobel 处理后

图3 sobel 效果图

y

x S S j i G +=),(⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=•

10120210

1x S ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=•121000121y S

（a ）原图 （b ）prewitt 处理后

图2 prewitt 效果图

3 阈值分割

阈值分割是一种简单有效的图像分割方法。阈值分割的基本想法[2]

是确定一个阈值，然后把每个像素点的像素值和阈值相比较，根据比较的结果把该像素划分成两类——前景或者背景。一般阈值分割可以分成以下3步：①确定阈值；②将阈值和像素值比较；③把像素归类 。 3.1 双峰法

假定图像由目标背景（具有不同的灰度级）组成，图像的灰度分布曲线可以近似的认为由两个正态分布函数叠加而成，则图像的直方图会出现双峰分布，如图4所示。 选择双峰直方图的波谷处，设灰度级为T ，可以将图像分为两部分，双峰分割的结果可以表示为 g (x,y )={t 0 f (x,y )

式中，T 为图像分割的阈值，结果图像的灰度级通常取t =0（黑色）、t =1（白色）。

3.2 迭代法

迭代阈值选取法是对双峰阈值选取的改进，该方法可以完成阈值的自动选取，具体方法和步骤如下：

1） 选择一个初始阈值T ，假如，假定图像像素的最大灰度值和最小灰度值为max 和

min ，则初始阈值T 可以选择为T=(max+min ）/2。

2） 利用选择的阈值T 对图像进行分割，根据图像像素的灰度值，可以将图像分割为

（a ）原图 （b ）双峰法分割图像

图5 双峰法效果图

图4 双峰分布的直方图