: 20085101067
本科毕业论文
学 院 计算机与信息技术
专 业 计算机科学与技术
年 级 2008级
姓 名 刘亚楠
论文题目 基于VC的阈值分割算法研究
指导教师 李艳丽 职称 讲师
2012 年 5 月 5 日
目 录
摘 要 1
引言 2
1图像分割 2
1.1图像分割的定义 2
1.2图像分割算法的分类 3
2阈值分割 3
2.1阈值分割的概念 3
2.2阈值的选取 4
2.3图像阈值分割的分类 5
2.3.1全局阈值 5
2.3.2自适应阈值法 5
2.3.3迭代法 6
2.3.4大津法(OTSU法) 7
2.3.5一维最大熵阈值法 8
3基于VC++实现阈值分割算法的优点 9
3.1VC++的概述 9
3.2算法流程设计 9
4小结 10
参考文献 11
基于VC的阈值分割算法的研究
学生:刘亚楠 :20085101067
学 院:计算机与信息技术 专业:计算机科学与技术专业
>
摘 要: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目标的技术和过程。它是图像处理、模式识别和人工智能等多个领域中的重要课题,也是计算机视觉技术中的关键步骤。图像阈值分割是一种传统的图像分割方法。因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。本文简要介绍了阈值法图像分割的理论基础,包括固定阈值分割法、自适应阈值分割法、迭代阈值分割方法、大律法和一维最大熵阈值法,并用VC为平台进行比较。
关键词:图像分割;阈值;Visual C++
Abstract: The image division is refers the image divides into each characteristic region and withdraws feels the interest goal the technology and the process.It is the imagery processing, the pattern recognition and the artificial intelligence and so on in the many domain important topic, also is in the computer vision technology essential step.The image threshold value division is one traditional image division method.Because its realization simple, the computation load small, the performance stabilizes becomes in the image division to be most basic and to apply the most widespread division technology.This article introduced briefly the threshold value law image division rationale, including the fixed threshold value division law, the auto-adapted threshold value division law, the iterative threshold value division method, the big regulation and the unidimensional biggest entropy threshold value law ,and is the platform carries on the comparison with VC.
Keywords: The image division;threshold;Visual C++
引言
所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显的不同。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一,它是对图像进行视觉分析和模式识别的基本前提[1]。到目前为止既不存在一种通用的图像分割方法,也不存在一种判断是否分割成功的客观标准。
图像阈值分割是一种最常用、最简单的图像分割方法。阈值分割也称门限分割[1]。它利用图像中要提取的目标和背景在灰度特性上的差异,把图像视为具有不同灰度级的二类区域(目标和背景),选取一个合适的阈值,以确定图像中每个像素是属于目标区域还是背景区域。
1图像分割
1.1图像分割的定义
图像分割是指将一幅图像分割为若干互不重叠的、有意义的、具有相同性质的区域。好的图像分割应具备以下特征:
(1)分隔出来的各区域对某种特性(如灰度和纹理)而言具有相似性,区域内部是连通的且没有过多小孔;
(2)相邻的区域对阈值分割所依据的性质有明显的差异;
(3)区域之间边界是明确的。
大多数图像分割方法只是部分满足上述特征。如果强调分割区域的同性质约束,则分割区域很容易产生大量小孔和不规整边缘;若强调不同区域间性质差异的显著性,则容易造成不同区域的合并。具体处理时,不同的图像分割方法总是在各种约束条件之间寻找一种合理的平衡。
图像分割的数学形式定义如下:令A表示图像,g表示具有相同性质,图像分割把A分解成个区域满足条件:
(1)=A
(2)对于所有的,
(3)
(4)
(5)对于是连通的区域
条件(1)指出对一幅图像的分割结果的全部子区域的总和(并集)就是图像,或者说分割应该是将图像中的每一个像素都分进某个子区域中,条件(2)表明分割结果中各个子区域是互不重叠的,条件(3)表明每一个区域都具有相同的性质,条件(4)表明相邻的两个区域性质差异不能合并为一个区域,条件(5)要求分割结果中同一个子区域内的像素应当是相通的。
1.2图像分割算法的分类
图像分割是图像技术研究的热点和焦点之一。至今已提出1000多种各类分割算法,但目前还没有一个权威的分类的方法。主要有下面一些分割算法分类方法:
(1)把图像分割算法分为三类:阈值分割、边缘检测、区域分割。
(2)把图像分割算法分为六类:阈值分割、像素分类、深度图像分割、彩色图像分割、边缘检测、其他方法。
2阈值分割
2.1阈值分割的概念
一个系统的界限成为阈,其数值称为阈值:图像中的"阈值"命令是将灰度或彩色图像转换为高对比度的黑白图像[2]。如:可以指定某个色阶作为阈值,所有比阈值亮的像素转换为白色;而所有比阈值暗的像素转换为黑色。"阈值"命令对确定图像的最亮和最暗区域很有用处。
图像阈值化分割是一种最常用,同时也是最简单的图像分割方法,它特别适用于目标和背景占据不同灰度级范围的图像[3]。它不仅可以极大的压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程[4]。图像阈值化的目的是要按照灰度级,对像素集合进行一个划分,得到的每个子集形成一个与现实景物相对应的区域,各个区域内部具有一致的属性,而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现[5]。
阈值分割法是一种基于区域的图像分割技术,其基本原理是:通过设定不同的特征阈值,把图像像素点分为若干类。常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。设原始图像为,按照一定的准则在中找到特征值,将图像分割为两个部分,分割后的图像为
一般意义下,阈值运算可以看作是对图像中某点的灰度、该点的某种局部特性以及该点在图像中的位置的一种函数,这种阈值函数可记作
式中是点的灰度值;是点的局部邻域特性。
根据对T的不同约束,可以得到3种不同类型的阈值,即:
(1)点相关的全局阈值 (只与点的灰度值有关)
(2)区域相关的全局阈值 (与点的灰度值和该点的局部邻域特征有关)
(3)局部阈值或动态阈值 (与点的位置、该点的灰度值和该点邻域特征有关)
2.2阈值的选取
(1) 仅取决于图像灰度值,仅与各个图像像素本身性质相关的阈值选取--全局阈值。
(2) 取决于图像灰度值和该点邻域的某种局部特性,即与局部区域特性相关的的阈值选取--局部阈值。
(3) 除取决于图像灰度值和该点邻域的某种局部特性之外,还取决于空间坐标,即得到的阈值与坐标相关--动态阈值或者自适应阈值[6]。
图1(a)和(b)分别为用全局阈值和自适应阈值对
上一篇:
基于VC的多媒体播放器设计毕业论文
下一篇:
超市进销存管理系统的开发