基于分水岭算法图像分割

1.3 本文研究内容以及安排
本文根据国内外现有的图像分割方法，和课题设计要求，研究基于分水岭图像分割方法，梯度图像获 取，所使用的算子。并介绍了利用分水岭算法对图像进行分割。
1.3.1重点阐述本文所做的工作
本文总共为五章，每章具体内容如下。 第一章：绪论主要说明了图像分割的研究目的以及意义，图像分割的国内外现状，分水岭算法的现状， 以及论文的目的和章节的安排。 第二章：对图像分割做了简单的概述，以及对各种常用的分割方法做出了介绍。 第三章：介绍了标记分水岭算法，灰度图像梯度分割，梯度算法，以及对象标记。 第四章：简单介绍了MATLAB，以及使用MATLAB实现标记分水岭算法图像分割步骤和结果。 第五章：对本文工作做出了总结，以及看法。
3
基于分水岭算法图像分割
Байду номын сангаас
图 1（a）全局阈值 2.2.2 基于区域分割方法
（b）自适应阈值 [3]
区域分割方法有两种，一种是区域生长，一种是区域分裂合并。 把具有相似性质的像素集合起来构成区域，这就是区域生长。详细的思想是先对每一个所要分割的区域 找到一个种子像素来作为所生长的起始点，根据某种实现确定的生长或者相似准则来判定种子像素周围于 种子像素有相同或相似性质的像素合并到像素所在的区域中。得到的新像素后，在把这些像素当做新的像 素种子， 来继续上一步的过程。 一直执行到没有符合条件的像素可以被包括进来。 这样就长成了一个区域。 区域生长实现过程，需要选择出一组能够正确代表区域的种子像素，确定好在生长过程中的相同或者相 似性准则，其中相似或者相同准则可以使灰度，彩色，纹理，梯度等特性。再指定一个让生长停止的准则 条件。所选取出来的种子像素可以使单个像素，也可以是包含若干个像素的小区域。根据不同的原则来指 定不同的生长准则，使用不同的生长准则，在生长的过程中会受到生长准则的影响。区域生长的主要优点 是计算简单，在对较均匀的连通目标有很好的分割效果。而缺点是需要人为的去确定种子像素，对噪声相 当敏感，可能会导致区域中出现空洞。此外。它还是一种串行的算法，如果计算的目标过于庞大，分割速 度就会大大的减慢，因此在设计算法时，最好能提高它的计算效率。下图为区域生长分割的一个结果。
2.2 图像分割方法介绍
2.2.1 阈值的分割方法 灰度阈值分割法是一种最常用的并行区域技术，它是图像分割中应用数量最多一类[2]。阈值分割方法 实际上是输入图像 f 到输出图像 g 的如下变换
1 f (i, j ) T g (i, j ) { 0 f (i, j ) T
（1）
其中，T为阈值，物体的图像元素 g (i, j ) 1 ，背景的图像 g (i, j ) ，可以看出来，阈值的分割算法主要 是确定阈值，主要能确定一个合适的阈值就能准确的把图像分割开来。确定了阈值以后，把阈值和像素点 的灰度值比较在和像素分割可对各像素并行地进行，分割所得出的结果是直接给出图像的区域。 计算简单，运算效率快，高是阈值分割的主要优点。在重视运算效率的场合，它得了 广泛的应用。阈 值有很多种处理技术，有全局阈值，最佳阈值，自适应阈值等。 不同的问题需要选择不同的阈值来确定。具体可以通过实验来去顶。如果给定了一张图像，分析直方图 的来确定最佳的阈值方法。例如当直放图明显呈现双峰情况是，可以选择两个峰值的中心点最为最佳的阈 值。下图1（a）(b)分别为全局阈值和自适应阈值分割结果。
第一章 绪论
1.1 研究目的及意义
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，其中的 独特性区域可以是图像的颜色、灰度、纹理、轮廓等，而目标可以对应某一块所需要处理单位区域，也可 是对应的多个处理区域。近年来，随着各科学新理论和新方法的提出，人们也提出了一些特定理论、方法 和工具相结合的分割记住，其中基于形态学得分割算法是目前使用较为广泛的算法之一[1]。 数字图像分割在数学图像的处理和计算机视觉领域中是一个备受关的研究分支在目标分割和提取的过 程中可以运用大量的数字处理方法，结合它在计算机上所产生的视觉，模式识别等领域中的运用，吸引了 一大群研究者的关注。数学图像分割技术所带来的社会意义，加上研究者的研究，使得数学图像分割技术 在深入的研究中不断的完善。将会推动一系列的科学分之发展，比如，模式识别，计算机视觉，人工智能 等。在最近的20年中图像分割得到了广泛的关注和发展，国内外的很多研究人士提出了许多的方法，在各 个不同的领域中都取得了响应的成果。但是在对于一种能过普遍应用于各种复杂情况和准确性很高的分割 检测算法，还存在大量的提升空间。目前的方法和理论还有许多不完善的地方，这就需要不断的探索不断 的改进和发展。 图像有许多的复杂性和多义性，大部分的分割的过程无法依靠计算机单独完成，但是手工分割的工作量 大的惊人，而且对于地位非常困难，所以，有些人提出了人工河计算机交互自动接合定位的方法，结合各 自的优势，来实现对目标轮廓的快速定位。相信这些交互式方法的应用，必将推动图像目标分割与提取这 一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的 研究领域[2]。
2
基于分水岭算法图像分割
第二章 图像分割算法综述
2.1 图像分割的概述
图像分割在图像处理中时一项关键的技术，在20世纪70年代开始一直受到人们的高度重视，迄今为止已 经提出了千百种分割算法，都因为无法通用的分割理论，现在所提出的是针对具体问题的分割方法，并没 有找到一种适合所有图像的通用分割算法。此外，需要制定出适用分割算法的标准，给图像分割技术带来 许多实际问题。最近几年又涌现出了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作 了划分。将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方 法。图像的分割方法有两种。一种是边界方法，一种是区域方法，两种方法都存在缺点和优点，一些学者 试图把两者结合起来进行图像分割，随着计算机处理能力的提高，越来越多的方法陆续的出现，如基于彩 色纹理图像分割、纹理图像分割。教学工具和实验手段也的到了很大的更新扩展，从时域信号到频域信号 处理，使得近来的小波变换也开始在图像分割中得到应用。
-2-
基于分水岭算法图像分割
基于分水岭算法图像分割
江威 南京信息工程大学滨江学院自动控制系，南京 210044
摘要: 在图像处理中，图像分割是一项非常关键的技术，在图像工程中占有重要的地位。随着科学技术的发展，它在众多 领域中有着广泛的应用。如医学、地质、环保、气象。常见的分割算法包括阔值分割算法、边缘检测方法、区域提取方法和 结合特定理论工具分割法。 本文采用了标记分水岭算法对图像进行分割，针对分水岭算法对梯度图像强度的变化分水岭算 法对梯度图像强度的变化非常敏感， 分水岭算法得到分割结果的时候往往会存在过分分割现象本文通过分别对前景对象和背 景对象进行标记，来获得更加完善的效果。 关键词：数字图像，标记分水岭，梯度图像，MATLAB。
目
录
第一章 绪论 ............................................. 1 1.1 研究目的及意义 ....................................... 1 1.2 国内外现状 ........................................... 2 1.3 本文研究内容以及安排 ................................. 2 1.3.1 重点阐述本文所做的工作 ............................. 2 第二章 图像分割算法综述 .................................. 3 2.1 图像分割的概述 ....................................... 3 2.2 图像分割方法介绍 ..................................... 3 2.2.1 阈值的分割方法 ..................................... 3 2.2.2 基于区域分割方法 ................................... 4 2.2.3 基于边缘的图像分割 ................................. 5 2.2.4 基于聚类分析的图像分割方法 ......................... 7 2.2.5 基于模糊集理论的分割方法 ........................... 7 第三章 分水岭图像分割算法 ................................ 8 3.1 分水岭算法原理 ....................................... 8 3.2 分水岭算法特征 ....................................... 9 3.3 梯度图像处理 ......................................... 9 3.3.1 图像梯度的概念和定义 ............................... 9 3.3.2 梯度图像计算方法 .................................. 10 3.4 标记对象 ............................................ 13
-1-
第四章 分水岭算法实现与实验分析 ......................... 14 4.1 分水岭算法实现与实验分析 ............................ 14 4.1.1 分水岭算法实现步骤 ................................ 14 4.1.2 分水岭算法实现 .................................... 14 第五章总结 .............................................. 25 参考文献 ................................................ 26 致谢.................................................... 27 附录 1 源程序代码 ....................................... 29
1
基于分水岭算法图像分割
1.2 国内外现状
根据数字图像处理技术的发展来看，实时性在实际应用中运用非常广泛。实时图像处理系统的主要难点 在于如何在有限的时间里完成大批量的数据处理。因为要对图像进行处理，为了实现实时图像处理快速， 高效的处理，在系统中图像处理的速度要达到一定的速度，然而图像处理的速度是由执行短发的时间，视 频输入输出延迟以及外部数据存储器与DSP的数据交换效率来决定的。从而产生了许多种图像分割算法。 比如阈值分割算法,基于区域分割算法，以及基于边缘的图像分割。 分水岭（watershed）算法法是一种已经发展起来的数学形态图像分割方法。该方法之所以能引起人们 的重视，第一是因为它的计算速度比较快，第二是因为物理轮廓线的封闭性，第三是因为它的定位分厂精 确。但是分水岭算法在微弱边缘处理也拥有很好的响应。 分水岭算法最初是由Digabel和Lantuejoul引入图像处理领域，用于分析简单的二值图像。 ， Beucher,Vincent 等人往深处研究，得到更通用的模型，建立了分水岭算法的理论，大量的用于灰度图像 的分割。它的思想虽然简单，但是设计方法比较困难，早期因为计算机的落后导致该方法计算负担过重， 所消耗的时间较长。因此，采用分水岭算法进行图像分割时，会产生过度的分割现象和消耗的时间较长。 应用到图像分割中，分水岭变换是指将源图像转换成一个标记图像，其中所有属于同一集水盆的点均被 赋予同一个标记，并用一个特殊的标记来标几分水岭上的点。