图像分割算法的研究与实现 开题报告

湖北师范学院学士学位论文（设计）开题报告

结论及边缘检测准则

上面给出的机组图像可以看到对同一原始图像进行边缘检测的效果。为了便于比较, 我们也专门把基于Canny 类的检测器结果列在了图三。下表给出以上算法的计算时间:

Canny 为了解决"定位精度和抑制噪声"的矛盾, 提出了我们熟知的Canny 准则:

( 1) 不漏检真实存在的边缘, 也不把非边缘点作为边缘点检出, 使输出信噪比最大。

( 2) 检测到的边缘点位置距实际边缘点的位置最近。

( 3) 实际存在的边缘点和检测到的边缘点一一对应。

为了达到这3 个准则, Canny 采用变分法导出高斯函数的导数能够达到他提出的最优滤波器的指标, 由此得到公认"较好的"一类边缘检测算法[9]。

图像分割是由图像处理过渡到图像分析的关键步骤，在图像工程中占据重要的位置。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。

（二) 本课题的主要内容：

介绍图像分割的定义及相关概念,讨论了灰度图象的分割方法,对当前比较常用的灰度图象的分割方法给出了详细的介绍,对其方法的优缺点进行详细的评析,根据图象的特点,制定出分割效果最好的方案,并对其进行实验,给出实验结果,对实验结果进行详细的讨论,得出有意义的结论.

考虑到既要具有良好的切割效果,又要保留图像的重要边缘特征,具体的实现步骤如下：

(1)输入待分割图像f(x,y), f(x,y)为灰度图像。

(2)利用MATLAB显示灰度直方图,用迭代法进行阈值选取，以区分背景和目标。

(3)采用边缘检测算子检测图像的边界特征,确定图象的边界位置。

(4)根据图像边缘检测的结果,在图像的边缘位置即灰度发生急剧变化的地方采用局部阈值法进

行分割，对图象边缘进行二值化。

（5）根据图象分割的实际效果，再对以上方法加以完善，力求实现效果最好的图象分割。

实验原理:

在整个实验方案中，总的来说是阈值法与边缘检测法的结合使用，在整个图象分割的过程中，阈值法起到的作用是对图象进行预处理和后处理，阈值法是最简单最基本的图象分割方法，这个方案中，首先采用的是全局阈值法：

（1）用来区分目标与背景的阈值可以迭代法得到。

它基于逼近的思想，基本算法如下：

①求出图像的最大灰度值和最小灰度值，分别记为Max和Min，令初始阈值为：T0=（Max+Min）/2；

②根据阈值Tk将图像分割为前景和背景，分别求出两者的平均灰度值ZO和Zb；

③求出阈值Tk+1=（Z0+Zb）/2;

④如果Tk=Tk+1；则所得即为阈值；否则转②迭代计算。

迭代所得的阈值分割图象的效果良好，基于迭代的阈值能区分图象的前景和背景的主要区域所在在对f(x,y)进行预处理以后，再用边缘检测法对图象目标进行边缘检测：

（2）边缘检测法:

边缘是图像的最基本的特征, 边缘中包含着有价值的目标边界信息, 这些信息可以用作图像分析、目标识别。

边缘是由灰度的不连续性所反映的，有方向和幅度两个特性。一般认为沿边缘走向的灰度变化较为平缓，而垂直边缘走向的灰度变化剧烈。这种变化可能呈阶跃形，也可能呈屋顶形。因此边缘可以粗略地分为阶跃形边缘和屋顶形边缘两种。对于阶跃形边缘，一阶导数在边缘处达到极值，而二阶导