比特币与电子商务.doc

图像分割算法研究

郝博麟

摘要：本文通过研究图像分割算法，了解基本图像分割算法及其原理，数学模型，了解对日常生活应用。

1图像分割算法简介

图像分割时一种重要的图像分析技术。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或者前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。这里的独特性可以是像素的灰度值、物体轮廓曲线、颜色、纹理等。为了识别和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量和对图像进行利用。因此图像分割就是指把图像分成各具特性[1]

的区域并提出感兴趣目标的技术和过程。图像分割的方法已有上千种，每年还有许多新方法出现，虽因尚无通用的分割理论，目前提出的分割算法大都是针对具体问题的，但是对于图像分割的一般性规律则基本上已经达成了共识。

对图像分割的方法进行了分类和研究，把图像分割的方法分为三大类：（１）基于边缘检测的分割方法，图像最基本的特征是边缘，边缘检测方法利用图像一阶导数的极值或二阶导数的过零点信息为

判断边缘点提供了基本依据，论文对细胞图像进行分割，从实际效果上比较各种算子进行边缘检测的优缺点；（２）基于区域的分割方法，阈值化方法根据物体像素的灰度级与背景像素的灰度级的不同，将物体从背景中较好地分割出来，区域增长分割就是把具有某种相似性质的像素连通起来，从而构成最终的分割区域；（３）基于特定理论的分割方法，这些特定理论包括小波变换、数学形态学、神经网络和模糊技术等。把直方图与小波变换方法结合起来，利用小波变换的多尺度特性，在不同的尺度上选择分割阈值，这样使得阈值的选取更加合理，实验结果表明该算法能得到较好的分割效果。通过对以上三类方法的探讨，以及对各类算法进行的实验，总结了传统图像分割算法的优缺点和各类算法的适应环境。

对于数字图像处理的认识：

图像处理技术一般分为两大类：模拟图像处理和数字图像处理。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程，它是２０世纪６０年代随着计算机技术和超大规模集成的发展而产生、发展和不断成熟起来的一个新兴领域，在理论上和实际应用中都取得了巨大的成就。进入２１世纪，随着计算机技术的快速发展和相关理论的不断完善，数字图像处理技术在很多应用领域受到了极大的重视并且取得了重大的成就。随着数字图像处理技术的迅速发展，到目前为止，数字图像处理在医疗设备、图像通讯、地理信息系统、工业自动化和办公自动化系统领域的应用越来越多，对推动社会的发展和改善人们的生活水平起到了极大的作用。

数字图像处理是在以计算机为中心的包括各种输入、输出及显示设备在内的数字图像处理系统上进行的，是将连续的模拟图像转换成离散的数字图像后，再建立在一定的数学模型和物理模型的基础上，所进行并且实现的种种处理。数字图像处理的发展取决于硬件的研制、软件的开发和必要的科学条件。目前，图像处理的发展趋势是以数字图像处理为主，因为这种方法有非常多的优点。比如：使用和保存方便、处理精度高并且灵活、功能齐全、通用性和重复性好等。但与光信息处理相比，处理速度、图像容量等受到计算机的限制，处理设备也比较复杂。[2]

数字图像处理把在空间上离散的，在幅度上量化的数字图像，经过特定数理模式的加工处理，以达到有利于人眼视觉或某种接收系统所需要的图像的过程。广义地来说，数字图像处理主要研究的内容包括：

（１）图像变换

一般来说，如果对数字图像进行直接处理，那么涉及到的计算量就比较大，因此需要采用图像变换的方法（如：傅立叶变换、离散余弦变换等）将空间域的处理转换为变换域处理，这样做不仅减少了计算量，而且可以获得更加有效的处理。近年来出现的小波变换技术，在数字图像处理中就有着广泛且有效的应用。

（２）图像编码压缩

把数字化的图像数据按照一定的规则进行排列或者运算的过程，称为图像编码。利用图像本身的内在特性，通过某种特殊的编码，达

到减少原图像数据时空占用量的处理叫做图像压缩编码。该部分主要研究各种高效压缩编码方法。

（３）图像增强

指利用各种数学方法和变换手段提高图像中目标和背景的对比度与图像的清晰度，从而突出接收系统所感兴趣的部分。例如：强化图像高频分量，则可以使图像中的目标轮廓清晰、细节明显。该部分主要研究各种增强模型和处理方法。

（４）图像复原

在景物成像的过程中，由于目标的高速运动、噪声干扰、介质散射等各种因素，导致最后形成的图像存在种种的恶化。把这种恶化了的图像恢复到能真实反映原图像的处理，称为图像复原。该部分主要研究各种校Ｊ下模型和处理方法。

（５）图像识别

图像识别属于模式识别的范畴，其主要内容是指图像经过某些预处理（例如：增强、复原、压缩）后，进行特征提取和图像分割，从而进行判决分类。图像识别常常采用经典的模式识别方法，有结构模式分类和统计模式分类，近年来新发展起来的人工神经网络模式分类和模糊模式识别在图像识别中越来越受到重视。

（６）图像分割

图像分割是一种重要的和关键的图像分析技术，其目的是把图像分成各具特性的区域并提取出感兴趣的部分，图像分割的结果是图像特征提取和识别等图像理解的基础。对它的研究一直是数字图像处

理技术研究中的热点和焦点，目前已经提出了数以千计的不同算法，虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决，这方面的研究仍然面临很多的挑战。

数字图像处理的这些内容之间在理论基础和处理方法上各有异同，在技术上既相互渗透，又分别和不同学科相结合，难以严格区分，但可保持相对的独立性。

2图像分割研究意义

在图像的研究和应用中，人们往往只对一幅图像中的某些部分感兴趣，例如一幅遥感图像，从军事的角度可能只对机场、兵工厂、导弹基地等军事目标比较感兴趣；而从其它的角度如环境生态方面考虑，则只对森林、草地、湿地等目标感兴趣。这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域（可以对应单个区域，也可以对应多个区域），称之为目标，而其它部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中分离出来，这就是图像分割要研究的问题。所谓图像分割，广义来说，是根据图像的某些特征或特征集合（例如灰度、颜色、纹理等）的相似性准则对图像像素进行分组聚类，把图像平面划分成若干个具有某些一致性的不重叠区域。这使得同一区域中的像素特征是类似的，即具有一致性；而不同区域间像素的特征存在突变，即具有非一致性。[3]