基于数学形态学的图像分割方法研究
遥感实验三(图像分割)2010
卷积滤波
卷积（Convolutions）滤波是通过消除特定的空间频率来使图像增强，根据增强类型（低频、中频和高频）不同可分为低通滤波、带通滤波和高通滤波。此外还可以增强图像某些方向特征的方向滤波等。它们的核心部分是卷积核。ENVI提供很多卷积核，包括高通滤波（High Pass）、低通滤波（Low Pass）、拉普拉斯算子（Laplacian）、方向滤波（Directional）、高斯高通滤波（Gaussian High Pass）、高斯低通滤波（Gaussian Low Pass）、中值滤波（Median）、Sobel、Roberts，还可以自定义卷积核。具体操作如下：
下面对ENVI中各种滤波作一个简单的说明，如表5.1。
表5.1 各种滤波说明
滤波
说明
高通滤波器（High Pass）
高通滤波在保持图像高频信息的同时，消除了图像中的低频成分。它可以用来增强纹理、边缘等信息。高通滤波通过运用一个具有高中心值的变换核来完成（周围通常是负值权重）。ENVI默认的高通滤波器使用3×3的变换核（中心值为“8”，周围像元值为“-1”），高通滤波卷积核的维数必须是奇数。
二、实验内容
（1）利用直方图进行图像分割
实验步骤：1、打开实验图像（地物与直方图DSCF0153.JPG）并显示图像直方图
2、在直方图窗口，移动RGB拉伸的最小值分别为150,160,150，并分别应用，查看拉伸后的图像。
原图：
最小值150的拉伸：
最小值160的拉伸：
去除天空的操作：（菜单—basictools—bandmath）
3)Editable Kernel
卷积核中各项的值。在文本框中双击鼠标可以进行编辑，选择File->Save Kernel或者Restore Kernel，可以把卷积核保存为文件（.ker）或者打开一个卷积核文件。
图像分割常用算法优缺点探析
图像分割常用算法优缺点探析摘要图像分割是数字图像处理中的重要前期过程,是一项重要的图像分割技术,是图像处理中最基本的技术之一。
本文着重介绍了图像分割的常用方法及每种方法中的常用算法,并比较了各自的优缺点,提出了一些改进建议,以期为人们在相关图像数据条件下,根据不同的应用范围选择分割算法时提供依据。
关键词图像分割算法综述一、引言图像分割决定了图像分析的最终成败。
有效合理的图像分割能够为基于内容的图像检索、对象分析等抽象出十分有用的信息,从而使得更高层的图像理解成为可能。
目前图像分割仍然是一个没有得到很好解决的问题,如何提高图像分割的质量得到国内外学者的广泛关注,仍是一个研究热点。
多年来人们对图像分割提出了不同的解释和表达,通俗易懂的定义则表述为:图像分割指的是把一幅图像分割成不同的区域,这些区域在某些图像特征,如边缘、纹理、颜色、亮度等方面是一致的或相似的。
二、几种常用的图像分割算法及其优缺点(一)大津阈值分割法。
由Otsu于1978年提出大津阈值分割法又称为最大类间方差法。
它是一种自动的非参数非监督的门限选取法。
该方法的基本思路是选取的t的最佳阈值应当是使得不同类间的分离性最好。
它的计算方法是首先计算基于直方图而得到的各分割特征值的发生概率,并以阈值变量t将分割特征值分为两类,然后求出每一类的类内方差及类间方差,选取使得类间方差最大,类内方差最小的t作为最佳阈值。
由于该方法计算简单,在一定条件下不受图像对比度与亮度变化的影响,被认为是阈值自动选取的最优方法。
该方法的缺点在于,要求得最佳阈值,需要遍历灰度范围0—(L-1)内的所有像素并计算出方差,当计算量大时效率会很低。
同时,在实际图像中,由于图像本身灰度分布以及噪声干扰等因素的影响,仅利用灰度直方图得到的阈值并不能使图像分割得到满意的结果,虽在一定程度上可以消除噪声的影响,但该方法计算量相当大,难以应用到实时系统。
(二)基于边缘检测的分割算法。
基于数学形态学的植物叶片图像预处理
基于数学形态学的植物叶片图像预处理
李然
【期刊名称】《农业网络信息》
【年(卷),期】2008(000)001
【摘要】植物叶片图像的预处理是进行叶形特征提取和识别的重要前提,获得高质量的预处理叶片图像对计算机辅助植物识别十分重要.本文提出了基于数学形态学的植物叶片图像的预处理方法,运用数学形态学中的开运算和闭运算消除图像中的孤立噪声点并填补叶片内部孔洞.该方法保持了原图像的基本形状特征并能获得清晰的边缘,为叶片特征提取创造了良好的前提.
【总页数】3页(P43-45)
【作者】李然
【作者单位】华北电力大学,电子与通信工程系,河北,保定,071003
【正文语种】中文
【中图分类】S126
【相关文献】
1.基于数学形态学的植物叶片图像分割方法研究 [J], 王萍;唐江丰;王博;王立地
2.基于数学形态学的图像预处理算法的研究 [J], 黄鲲鹏
3.基于数学形态学等技术的黑水城唐卡图像预处理方法研究 [J], 史伟;杜建录
4.基于数学形态学的藻细胞图像预处理 [J], 程军娜;姬光荣;冯晨
5.基于数学形态学的红外图像预处理算法分析 [J], 吴爽;刘峥;刘钦
因版权原因，仅展示原文概要，查看原文内容请购买。
遥感数字图像处理第8章 图像分割
腐蚀运算
目的：消除目标的边界点，用于消除无意义的小目标
(毛刺，小突起)
方法：
1.原点在集合Ｂ(结构元素)中
2.原点不在集合Ｂ(结构元素)中
腐蚀运算(erosion)
腐蚀运算(erosion)
A B x | ( B )x A .
对结构元素B作平移x，B全包含在A中时，
原点的集合就是计算结果
(1)直方图方法：直方图的谷底位置
最佳阈值的选择
(2)自适应阈值方法
A.将目标分割成大小固定的块
B.确定每一个块的目标峰值和背景峰值
C.第一次处理：对每一个块进行分割（边界阈值采用目标和背 景峰值的中点） D.计算每一个块的目标灰度和背景灰度平均值 E.第二次处理：对每个块再次分割（边界阈值采用目标和背景灰 度平均值的中值）
四连通 八连通
工作流程
1.确定待分割对象
2.选择敏感波段
3.选择分割方法
4.对分割的结果进行矢量化
分割原理和方法
边界（边缘）方法： 阈值分割技术，微分算子
边缘检测
假设：图像分割结果中的子区域在原来图像中有边缘存在，或
不同子区域间有边界的存在（像素值灰度不连续性）
区域方法：区域增长技术，聚类分割技术
图像分割的目的
图像分割的目标：根据图像中的物体将图像的像素分
类，并提取感兴趣目标
图像分割是图像识别和图像理解的基本前提步骤
图像
图像预处理
图像识别
图像理解
图像分割
图像分割的目的
图像分割是把图像分解成构成的部件和对象的过程
把焦点放在增强感兴趣对象：汽车牌照（前景）
排除不相干图像成分：其它区域（背景）
最佳阈值的选择
数字图像处理-第六章图像分割与分析
设平面上有若干点，过每点的直线族分别对应于极坐标上的 一条正弦曲线。若这些正弦曲线有共同的交点（ρ′，θ′），如图 (e),则这些点共线，且对应的直线方程为 ρ′=xcosθ′+ysinθ′
这就是Hough变换检测直线的原理。
y
A 60
B
F E
C
G 60
D 120
x
x-y空间的边缘点
D
120
C
w1 w 2 w3
可以指定模板为：
w
4
w5
w
6
w 7 w 8 w 9
9
模板响应记为： R | w i z i | i1
输出响应R>T时对应孤立点。
888 8 128 8 888
图像
-1 -1 -1 -1 8 -1 -1 -1 -1
模板
R = (-1 * 8 * 8 + 128 * 8) / 9 = (120 * 8) / 9 = 960 / 9 = 106
3、阈值分割法（相似性分割）
根据图像像素灰度值的相似性
通过选择阈值，找到灰度值相似的区域 区域的外轮廓就是对象的边
阈值分割法(thresholding)的基本思想： 确定一个合适的阈值T（阈值选定的好坏是此方法成败 的关键）。 将大于等于阈值的像素作为物体或背景，生成一个二值 图像。
f(x0,y0) T
2h
r2 2 4
exp
r2 2 2
是一个轴对称函数：
2h
-σ
σ
0
由图可见，这个函数 在r=±σ处有过零点，在 r │r│<σ时为正，在│r│>σ 时为负。
由于图像的形状，马尔算子有时被称为墨西哥草帽函数。 用▽2h对图像做卷积，等价于先对图像做高斯平滑，然后再用▽2对 图像做卷积。 因为▽2h的平滑性质能减少噪声的影响，所以当边缘模糊或噪声较 大时，利用▽2h检测过零点能提供较可靠的边缘位置。
图像分割综述
摘要图像分割是把图像划分为有意义的若干区域的图像处理技术，分割技术在辅助医学诊断及运动分析、结构分析等领域都有着重要的研究价值和广泛的应用发展前景。
在阅读大量文献的基础上，本文对图像分割技术的理论基础、发展历程及图像分割方法的热点、难点问题进行了分类综述，对不同分割算法优缺点进行了总结和归纳，并对图像分割的发展趋势进行了初步的展望和预测。
在此基础上，为了对图像分割理论有更直观的认识，本文选取并行边界算法和分水岭算法这两种方法，用MATLAB软件进行了基础的仿真，并对结果进行了分析和总结，本文重点对一些近年来新兴的算法，比如水平集（Level-set）算法、马尔科夫随机场算法（Markov）、模糊算法、遗传算法、数学形态学算法等进行了概略性的探讨，对这些新兴算法的特点、原理、研究动态进行了分析和总结。
关键词：图像分割；边界；区域；水平集；马尔科夫AbstractImage segmentation is an image processing technology that divides the image into a number of regions. Image segmentation has very important significance in supporting medical diagnosis, motion analysis, structural analysis and other fields.Based on recent research, a survey on the theory and development of image segmentation, hot and difficult issues in image segmentation is given in this article. And describes the characteristics of each method as well as their respective advantages and disadvantages in image segmentation .This article introduces and analyzes some basic imaging and image segmentation methods in theory and describes the development trends of medical image segmentation. To have a better understanding of image segmentation, I use MATLAB software to stimulate on images about the parallel edge algorithms and watershed algorithm. And the analysis of the segmentation results is given in the article.This article introduces and analyzes the new algorithms in recent years such as Level-set algorithm, Markov algorithm, Fuzzy algorithm, Genetic algorithm and Morphological algorithm. In this paper, the features, theory and research trends of these algorithms are analyzed and summarized.Keywords: Image segmentation; Border; Area；Level-set；Markov第1章引言1.1 图像分割的背景和重要作用图像是传达信息的一种方式，图像中含有大量的有用信息，理解图像并从图像中抽取信息以用来完成其他工作是数字图像技术中一个重要的应用领域，而理解图像的第一步就是图像的分割。
图像分割实验报告
实验七图像分割一、实验目的利用光谱特征进行遥感图像的分割和分割后处理。
二、实验要求1. 能够根据图像的特征，综合使用不同的方法分割出地物对象。
2. 熟练掌握图像直方图的应用。
3. 掌握彩色图像分割的基本方法4. 掌握利用波段组合进行图像分割的工作流程5. 熟悉数学形态学基本方法的应用。
三、实验准备●软件准备：ENVI软件●数据：兰花.jpg文字测原始图像.bmpIKNOSm14 nj Hroad●基本知识：➢图像分割的原则：（1）依据像素灰度值的不连续性进行分割。
假定不同区域像素的灰度值具有不连续性，因而可以对其进行分割。
（2）依据同一区域内部像素的灰度值具有相似性进行分割。
这种方法一般从一个点（种子）出发，将其邻域中满足相似性测量准则的像素进行合并从而达到分割的目的。
依据像素的不连续性进行分割的方法只要是区域增长法。
➢图像分割的工作流程：（1）确定待分割的对象；（2）选择对分割对象敏感的波段；（3）选择分割方法进行分割；（4）将分割后的结果图像转为矢量图。
➢图像分割：（1）图像分割是指把图像分成各具特性的区域并提取出感兴趣的目标的技术和过程。
从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。
图像分割的过程也是一个标记的过程，即将属于同一个区域的像素赋予相同的编号的过程。
（2）目的：将一幅图像分为几个区域，这几个区域之间具有不同的属性，同一区域中各像素具有某些相同的性质。
➢图像分割的方法：（1）灰度阀值法，它在目标与背景之间存在强对比时特别有效（直方图方法）；（2）数学形态学方法，腐蚀、膨胀、开运算和闭运算；➢波段运算：ENVI Band Math是一个灵活的图像处理工具，其中许多功能是无法在任何其它的图像处理系统中获得的。
由于每个用户都有独特的需求，利用此工具用户自己定义处理算法，应用到在ENVI打开的波段或整个图像中，用户可以根据需要自定义简单或复杂的处理程序。
例如：可以对图像进行简单加、减、乘、除运算，或使用IDL编写更复杂的处理运算功能。
AFM图像分割的自适应方法实验研究
AFM图像分割的自适应方法实验研究AFM(Atomic Force Microscopy)是一种表征材料表面形貌，获得原子尺度的高分辨率三维图像信息的非接触扫描热力学显微镜。
AFM技术广泛应用于化学、材料学、生物学、医学等各领域的研究中。
AFM图像处理是分析AFM图像信息的重要步骤，分割是其中的一个主要步骤。
AFM图像分割是将图像中的不同部分分割成不同的区域，以便于对目标物体进行精确分析和定量化研究。
因为AFM图像的噪声较大，而且表面形貌的连续变化比较剧烈，因此，对AFM图像进行分割是比较困难的。
目前，AFM图像分割的自适应方法已经得到了广泛的应用。
该方法能够根据图像的特点，自动选择适合的算法参数，提高算法的稳定性和分割精度。
下面，本文将从基本原理、方法分类、实验研究、应用前景等方面，对AFM图像分割的自适应方法进行详细的介绍。
一、基本原理AFM图像分割的自适应方法的基本原理是利用图像的内在特性和统计规律，运用适当的算法，将图像分割成不同的区域。
判定不同区域的标准主要是图像的亮度、颜色和纹理等视觉特征，一般采用基于像素、基于领域和基于特征的方法。
其中，基于像素的方法主要是利用像素的属性值进行分割，如阈值法。
基于领域的方法是通过确定像素周围的邻域范围，选取合适的特征作为输入，根据邻域内像素的值进行分割。
基于特征的方法是通过提取图像的纹理、几何形状、灰度直方图等特征，来表征不同区域之间的差异，识别出图像中不同的部分。
二、方法分类目前，常用的AFM图像分割自适应方法主要包括阈值法、区域生长法、基于统计的方法、基于能量泛函的方法、图像分水岭法、模型分割法等。
下面我们将按照方法的不同，对它们进行详细的介绍。
（一）阈值法阈值法是将图像分成两个部分：大于或等于阈值的像素部分为一个目标区域，小于阈值的像素部分为背景区域。
阈值的选择对分割结果影响很大，传统的手动选择阈值方法很容易受到人为因素的干扰，自适应阈值法则可以根据像素点周围的灰度范围进行动态选择，提高分割的稳定性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于数学形态学的图像分割方法研究
专业：电子信息科学与技术
班级：2005级1班
姓名：杨晓琦
引言 3 1 图像分割基本理论7
1.1 图像分割的概念7 1.2 传统的图像分割方法9 1.3 特殊理论工具的图像分割方法 12
1.4 图像分割的评价 13
2 数学形态学基本理论16
2.1 形态学的概念 16 2.2 结构元素的选取 16 2.3 二值形态学理论 18 2.4 灰值形态学理论 20 2.5 形态学重建 21 2.6 形态学边缘检测 22
3 Matlab在图像分割处理中的应用 24
3.1 Matlab简介.24 3.2 Matlab在图像处理方面的应用.24
3.3 基于Matlab的图像分割.26
4 车牌图像分割的相关理论研究28
4.1 车牌定位算法简介 28
4.2 车牌的字符图像分割 37
5 基于数学形态学车牌图像分割42
5.1 形态学车牌定位 42 5.2 形态学字符图像分割 53 5.3 本章小结 61 结论62
致谢63 参考文献64附录1 源程序清单 68
本文运用形态学方法对车牌定位算法和车牌字符分割算法进行了系统的研究。
这两种算法的研究为车牌识别做了先期准备，是智能交通中非常重要的组成部分。
在车牌定位算法部分，提出了一种基于二值面积形态学的车牌定位算法。
首先将车牌的灰度图像二值化，然后逐步缩小车牌候选区的面积，计算车牌图像中连通区域的面积，并根据车牌图像的实际情况确定面积阈值，并用形态学的方法对车牌图像进行处理运算，以实现车牌的精确定位。
仿真实验结果表明此算法定位精度高，而且能适应复杂天气环境，能达到满意的定位效果。
在字符分割算法部分，对投影分割算法进行了改进，将其与数学形态学分割算法进行了结合。
首先将车牌图像二值化，然后用数学形态学分割方法结合水平与垂直投影分割方法，确定车牌字符宽和高并校正车牌实际位置，通过两次投影，校正车牌角度，去除车牌边框，确定车牌上下边界及中心点，最后分割提取车牌字符。
实验结果表明该算法能有效的保持车牌字符边缘，获得较好的分割效果。
关键词：
图像分割；数学形态学；车牌定位；字符分割； Matlab
In this paper,the license plate location algorithm and the license plate character segmentation algorithm based on morphological method are studied systematically. The research of these two algorithm is an important part of intelligence traffic and serves for the first step of license plate recognition. In license plate location, an algorithm based on two-valued area morphology is presented.Firstly,the gray image of license plate is binary.then the areas of candidate registration is narrowed gradually,the area of regional connectivity is calculated. According to the actual situation of license plate determines the area thresholding,and use morphology method processing license plate image, achieve accurate positioning. The simulation results show the algorithm has a high positioning accuracy and adapts to the complex weather and environment, can achieve satisfactory results.In character segmentation algorithm, the projection algorithm is improve and combined with mathematical morphology segmentation algorithm. Firstly the license plate is binary, then mathematical morphology segmentation algorithm is combined with horizontal and vertical projection segmentation method, to determine the license plate character width and the height, and calibrate its location through two times projection.The license plate angle is calibrated, license plate frame are removed,the upper and lower boundaries and the center of licence plate are determined.Finally, the license plate character are divisional and extracted Experimental results show the algorithm can remain the license plate character and obtain good segmentation result.
Keywords:
Image division; mathematics morphology; vehicle plate location; charactersegmentation; Matlab。