基于分水岭和形态学的图像分割算法研究毕业设计.docx

《基于分水岭和形态学的图像分割算法研究毕业设计.docx》由会员分享，可在线阅读，更多相关《基于分水岭和形态学的图像分割算法研究毕业设计.docx（28页珍藏版）》请在第一文库网上搜索。

1、本科生毕业设计（申请学士学位）论文题目基于分水岭和形态学的图像分割算法研究学生：（签字）学号：答辩日期：2013年6月15日指导教师：（签字）目录摘要1Abstract11绪论21.1 研究目的和意义21.2 图像分割的研究进展21.3 论文主要内容和组织结构32数学形态学41.1 膨胀与腐蚀42. 1.1灰度膨胀43. 1.2灰度腐蚀41.2 形态学的开运算和闭运算52. 3形态学重建53基于分水岭和形态学的图像分割算法62.1 分水岭算法原理62.2 形态学算子的改进72.3 改进的图像分割算法描述83. 4实验结果与数据分析84结束语10参考文献H附录13致谢15基于分水岭和形态学的图像

2、分割算法研究摘要：图像分割是图像分析和处理中一个重要的研究方向，也是目标的检测和识别的重要步骤。而且由于图像的多样性和复杂性，很难用统一的方法来描述感兴趣的对象，因而在实际应用中只能根据各种领域的需求来选择合适的分割方法，导致各种图像分割方法具有特定的局限性和针对性。目前还没有一种通用的方法，能使各种类型的图象达到最优分割质量。传统的图像分割算法中对图像噪声敏感，噪声会直接恶化图像的梯度图像，计算量大，分割过程耗时长，分割效率低，从而产生过分割问题。为了降低过分割现象对图像分割的影响，提出了一种改进的分水岭算法的图像分割方法。本文先进行分水岭变换，再利用数学形态学的方法，使用多尺度形态梯度算子

3、，利用结构元素度优点以达到改善图像分割中的过分割现象。实验结果表明，改进的算法有效地改善了过分割现象，具有较好的图像分割效果。关键字：图像分割；分水岭算法；形态学算子Imagesegmentationa1gorithmbasedonwatershedandmorpho1ogica1studyAbstractJ1mageana1ysisandimagesegmentationisanimportantresearchdirection,a1soistheimportantprocessoftargetdetectionandrecognition.Andbecauseofthediversity

4、andcomp1exityoftheimage,itisdifficu1ttouseuniformmethodtodescribetheobjectofinterest,andthereforecanon1yaccordingtothevariousfie1dsinthepractica1app1icationneedstochoosetheappropriatemethod,1eadtoa11kindsofimagesegmentationmethodhascertain1imitationsandpertinence.Thereisnoacommonmethod,canmakevariou

5、stypesofimagetoachievetheoptima1segmentationqua1ity.Thetraditiona1imagesegmentationa1gorithmissensitivetoimagenoise,thenoisewi11deteriorateimagegradientimagedirect1y,1argeamountofca1cu1ation,thesegmentationprocesstakes1ong,segmentationefficiencyis1ow,resu1tinginaover-segmentationprob1em.Inordertored

6、ucetheover-segmentationphenomenainf1uenceonimagesegmentation,animprovedwatersheda1gorithmisproposedforimagesegmentationmethod.Watershedtransformfirstinthispaper,andthenthemathematica1morpho1ogymethod,usingmu1ti-sca1emorpho1ogica1gradientoperator,usingthestructuree1ementsofadvantagetoimprovetheimages

7、egmentationofover-segmentationphenomenon.Theexperimenta1resu1tsshowthattheimproveda1gorithmimprovedtheover-segmentationphenomenaeffective1y,hasthegoodimagesegmentationeffect.Keywords:Imagesegmentation;Watersheda1gorithm;Morpho1ogica1operator1绪论1.1 研究目的和意义图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法

8、和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割;但某些分割方法只是适合于某些特殊类型的图像分割，所以分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。图像分割是由图像处理到图像分析的关键步骤，在图像工程中占有重要位置。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、更紧凑的表达形式，使得更

9、高层的图像分析和理解成为可能。因此在实际应用中，图像分割不仅仅要把一幅图像分成满足上面五个条件的各具特性的区域，而且要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图像分割的任务，为下一步的图像分析做好准备，使更高层的图像分析和理解成为可能。图像分割在很多方面，如医学图像分析，交通监控等，都有着非常广泛的应用，具有重要的意义。（1）分割的结果常用于图像分析，如不同形式图像的配准与融合，结构的测量，图像重建以及运动跟踪等。（2）在系统仿真，效果评估，图像的3D重建以及三维定位等可视化系统中，图像分割都是预处理的重要步骤。（3）图像分割可在不丢失有用信息的前提下进行数据压缩，这就降低了传输

10、的带宽,对提高图像在因特网上的传输速度至关重要。（4）分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。1.2 图像分割的研究进展图像分割是图像处理中的一项关键技术，至今已提出上千种分割算法。但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有i种适合所有图像的通用分割算法。前人的方法主要有三大类：阈值分割方法、边缘检测方法和区域提取方法。（1）阈值分割方法阈值分割法分为全局阈值法和局部阈值分割法。所谓局部阈值分割法是将原始图像划分成较小的图像，并对每个子图像选取相应的阈值。在阈值分割后，相邻子图像之间的边界处可能产生灰度级的不连续性，因此需用平滑技术进行排除。局部阈

11、值法常用的方法有灰度差直方图法、微分直方图法。局部阈值分割法虽然能改善分割效果，但存在以下几个缺点：每幅子图像的尺寸不能太小，否则统计出的结果无意义。每幅图像的分割是任意的，如果有一幅子图像正好落在目标区域或背景区域，而根据统计结果对其进行分割，也许会产生更差的结果。局部阈值法对每一幅子图像都要进行统计，速度慢，难以适应实时性的要求。全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。经典的阈值选取以灰度直方图为处理对象。根据阈值选择方法的不同，可以分为模态方法、迭代式阈值选择等方法。这些方法都是以图像的直方图为研究对象来确定分割的阈值的。另外还有类间方差阈值分割法、

12、二维最大嫡分割法、模糊阈值分割法以及共生矩阵分割法等等。(2)基于边缘检测法边缘检测法是一种处理不连续性图像的分割技术。图像的大部分信息不会只存于某个特定的区域，而是存于不同区域的边缘上，而且人的视觉系统在很大程度上都是根据图像边缘差异对图像进行识别分析的。所以通过对图像的边缘信息检测，可以实现对图像的分割。按照处理技术可以分为并行边缘检测技术和串行边缘检测技术。检测过程中可以通过空域微分算子来完成卷积。这些微分算子包括、Sobe1梯度算子、Prewitt梯度算子、综合正交算子等。这些方法主要是对检测图像中灰度的变化，图像边缘是灰度突变的地方。在有噪声时，得到的边缘常是孤立不连续的，为了得到完

13、整的边缘信息，还需进行边界闭合处理。边界闭合是根据像素梯度的幅度及梯度方向满足规定的条件将边缘素连接起来，就有可能得到闭合的边界。(3)基于区域分割法区域分割法主要包括：区域生长和分裂合并法，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。区域生长法是根据预先规定好的指标，提取图像中相互连接区域的方法，它是利用区域一致性准则对目标进行分割。规定的指标包括图像的灰度信息，边缘，某种特性。区域生长法一般都会放在一系列过程中使用，不会单独使用。它主要的缺陷是，每一个需要提取的区域，都必须先给出种子点，然后提取出和种子一样，符合规定的指标的区域，这样有多少区域就必须给出多少个种子数。这种法

14、对噪声也很敏感，会造成分割区域不连续。相反的，局部且大量的噪声会使影响会使原本来分开的区域连接起来。分裂合并法是从整个图像出发，将图像分割成各个子区域，再把前景的区域合并起来，这样就实现了目标的提取。分裂合并法的目标区域由一些相互连通的像素组成的，如果把图像分割到像素级的话，就可以判断该像素是否为目标像素。当所有的分割的子区域都判断完，把目标区域就可得到前景目标。这种方法处理复杂图像时效果较好，但算法比较复杂，计算量也比较大，在分裂过程中可能会破坏目标区域的边界。1.3 论文主要内容和组织结构本文详细介绍了数学形态学和分水岭算法原理，对基于改进分水岭的图像分割算法进行了较为详细的探讨和研究，突

15、出了分水岭图像分割算法在图像处理中的优点；重点研究了形态学算子的改进应用于分水岭算法的图像分割，并通过不同分割方法得到的分割结果，对分割结果进行了分析。本文共分为3章，各章内容安排如下：第1章绪论部分，简要介绍了本课题研究的目的和意义，重点分析了图像分割的研究进展。第2章详细介绍了数学形态学，了解了数学形态学中的膨胀与腐蚀以及形态学的开闭运算。第3章详细分析了分水岭分割原理，针对基于改进分水岭的图像分割算法进行了探讨，利用改进的形态学算子应用分水岭算法的图像分割，并进行了实验验证：针对研究图像，利用不同的算法做比较实验，并对实验结果及数据进行了综合分析。第4章对本文的主要工作进行了小结，并对图

16、像分割的前景进行了展望。2数学形态学数学形态学是数学基础和所用语言是集合论。数学形态学的算法具有天然的并行实现的结构,实现了形态学分析和处理算法的并行，大大提高了图像分析和处理的速度。在有关数学形态学的许多研究成果中，其已经影响到包括图像增强、分割、恢复、边缘检测、纹理分析、颗粒分析、特征生成、骨架化、形状分析、压缩、成分分析及细化等诸多领域。2.1 膨胀与腐蚀将二值数学形态学推广至灰度形态学,则在以下讨论中将处理的是数学图像函数而不是集合。设/(,y)是输入图像，伏,y)是结构元素,它可被看作是一个子图像函数。如果Z表示的是实整数集合，同样假设(x,y)是来自ZrZ的整数,I和b是对坐标为(x,y)象素灰度值的函数(来自实数集R的实数)。如果灰度也是整数