- 上一篇：基于MSP430单片机的磁感应器件应用
- 下一篇：基于FPGA的图像去噪技术研究
3.5 图像分割质量的评价 30
结 论 33
致 谢 34
参考文献35
1 绪论
1.1 图像分割的意义
通常，在一副完整的图像中，我们的所需要的只是图像里的某一部分。而这些我们所需要的部分，一般情况下会在完整图像中占有一些像素，而且在一些特殊的性质上会与其周围的部分存在一定的差异。这些差异可以表现在各种方面，可能比较显著，也可能非常微小。
图像分割是按照一定的方法和规范把原图像分成许多的具有各自不同特点的没有交集的子域的过程。它可以把所需的局部从完整图像中划分并提取出来，以供进行下面的分析和处理。这个步骤可以极大地减少后续对图像分析的过程中图像数据的工作量，而且又能对原始图像的整体结构和特性的信息有效地保留。通过对其最终结果的对比分析，图像中的相关信息就很容易被解读了。
因此，图像分割的精度是很重要的，他关系到后续对图像特征的分析处理的质量。所以，图像分割的方式和其精确度是非常重要的过程，由此也可以看出图像分割的重要地位。
1.2 图像分割技术的现状和发展趋势
1.3 本文主要内容
本文从对图像分割技术的介绍和研究开始，相继介绍了图像分割技术中一些典型的图像分割算法，并用MATLAB进行了实际实验，并直观的分析了各种算法的优点和不足。
本文共分为三个章节，第一章为绪论，介绍了图像分割技术的研究背景、现状和发展趋势。第二章主要对图像分割算法的原理做了简单介绍，并对阈值分割、边缘检测以及区域检测的一些基本算法做了简要分析。第三章首先简单介绍了MATLAB软件，然后对前一章介绍的算法进行了仿真，并进行比较，在本章的最后，引入了峰值信噪比对一些检测结果进行对比分析，并尝试对各算法进行评价。最后，给出了本文的总结
2 图像分割算法研究
图像分割算法经过几十年的不断发展，产生了许许多多不同的分类。图像分割实际上是对图像中像素的重新分类过程，分类的依据也多种多样。一般情况下，分类可以依据图像中灰度值的连续性和图像中像素之间的相似性来判别。依据灰度的连续性差异，人们提出了基于边缘的分割方法，主要包括：边缘检测法、还原跟踪法依据霍夫（Hought）变换法等；对于依据像素的相似性的检测方法，也被称为基于区域的分割方法，主要包括：双峰法、阈值分割以及区域分裂合并法等；除此之外，由于新新论的提出，还有结合特定理论工具的分割方法，主要包括：分水岭分割、小波变换分割、模式识别分割、信息分割以及神经网络分割等方法[6]。
2.1 基于阈值的图像分割法
在所有的分割方法中，阈值分割可以算的上是最简单、最方便的一种图像分割方法。用阈值法进行图像分割，由于阈值选取方法的差别，又可以细分为直方图法、类间方差法、二文最大大熵值法和模糊阈值法等。
阈值分割主要是根据图像中人们需求的目标物体和背景图像在灰度值特性上的差异来实现区分的。对于一副需要分割的图像，通过算法将其变换成灰度图，然后通过分析图像上灰度的差别，将其划分成不通的灰度区间，这些灰度区间对应着图像中各个物体的边界，这是如果设计合适的灰度门槛（阈值），通过这个门槛数值进行判断[7]，就可以分析出灰度图像上的像素点是否属于目标，并和背景区分出来，最终就可以实现图像上目标物体的分割。
图像的阈值处理变换函数及其函数图像的形式如下所示。可以看出，该函数形式为阶梯函数，它的工作原理是先根据图像分割处理的目的，人为的规定一个阈值T，然后通过对比图像中像素的灰度值与该阈值的大小，当像素灰度值大于阈值时，那么将该点的灰度值归为255，当像素的灰度值低于这个阈值时，将该点的灰度值置为0。阈值变换表达式如下图所示：