1、1 設(shè)計(jì)目的與要求1.1 設(shè)計(jì)目的(1)熟悉和掌握MATLAB程序設(shè)計(jì)方法。(2)學(xué)習(xí)和掌握MATLAB圖像處理工具箱。 (2)了解圖像分割和圖像二值化的原理。 (3)掌握?qǐng)D像二值化技術(shù)閾值的選取。 (4)將原彩色圖像變?yōu)槎祷蟮膱D像 ，通過(guò)二維最大熵圖像分割法對(duì)圖像進(jìn)行分割達(dá)到預(yù)期目的。1.2 設(shè)計(jì)要求(1)了解圖像變換的意義和手段。(2)熟悉最大熵和二值化的基本性質(zhì)。(3)通過(guò)本實(shí)驗(yàn)掌握利用MATLAB編程實(shí)現(xiàn)數(shù)字圖像處理。 (4)理解圖像分割的原理，了解其應(yīng)用，掌握最大熵和二值化分割的方法。2 設(shè)計(jì)方案2.1 圖像二值化 圖像二值化是數(shù)字圖像處理技術(shù)中的一項(xiàng)基本技術(shù)，二值化圖像的顯示與

2、打印十分方便，存儲(chǔ)與傳輸也非常容易，在目標(biāo)識(shí)別、圖像分析、文本增強(qiáng)、字符識(shí)別等領(lǐng)域得到廣泛應(yīng)用。圖像二值化是將灰度圖像轉(zhuǎn)化為只有黑白兩類像素的圖像，大多采用閾值化算法處理。在不同的應(yīng)用中，閾值的選取決定著圖像特。征信息的保留。因此，圖像二值化技術(shù)的關(guān)鍵在于如何選取閾值。2.2 最大熵原理 最大熵原理：最大熵原理是在1957 年由E.T.Jaynes 提出的，其主要思想是，在只掌握關(guān)于未知分布的部分知識(shí)時(shí)，應(yīng)該選取符合這些知識(shí)但熵值最大的概率分布。因?yàn)樵谶@種情況下，符合已知知識(shí)的概率分布可能不止一個(gè)。我們知道，熵定義的實(shí)際上是一個(gè)隨機(jī)變量的不確定性，熵最大的時(shí)候，說(shuō)明隨機(jī)變量最不確定，換句話說(shuō)，

3、也就是隨機(jī)變量最隨機(jī)，對(duì)其行為做準(zhǔn)確預(yù)測(cè)最困難。圖像分割中最大熵的引入：在圖像分割中若假定以灰度級(jí)T分割圖像，則圖像中低于灰度級(jí)T的像素點(diǎn)構(gòu)成目標(biāo)物體,高于灰度級(jí)T的像素點(diǎn)構(gòu)成背景那么各個(gè)灰度級(jí)在圖像分割后的兩區(qū)域中的概率如下： O：    (0<=i<=t) （3.2.1） B： (t+1<=i<=255) （3.2.2）   其中Ni為圖像中灰度級(jí)為i的像素點(diǎn)個(gè)數(shù)，Nt為灰度級(jí)從0t的像素點(diǎn)總和，N為圖像總像素點(diǎn)，t為假定灰度閾值T。       (0<=i<=t) 

4、0;   （3.2.3）   (t+1<=i<=255) （3.2.4） 令 H=HB+Ho .則根據(jù)最大信息熵理論在已知條件下要對(duì)圖像做出分割的最佳決策即為最接近實(shí)際圖像分割的理想決策。2.3 圖像分割的研究背景在一幅目標(biāo)圖像下，人們往往只是關(guān)注其中的一個(gè)或者幾個(gè)目標(biāo)，而這些目標(biāo)必然會(huì)占據(jù)一定的區(qū)域，并且與周圍其他目標(biāo)或背景在一些特征上會(huì)有相應(yīng)的差別。但是，很多時(shí)候這些差別會(huì)非常的細(xì)微，以至于人眼很難發(fā)覺(jué)，這就需要用一定的技術(shù)對(duì)圖片做一些處理。而計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，很好地解決了這一難題，使得人們可以利用計(jì)算機(jī)技術(shù)來(lái)協(xié)助理這些信息，例如指紋識(shí)別、

5、車牌識(shí)別以及醫(yī)學(xué)影像的鑒別操作等方向。圖像分割是圖像識(shí)別的基礎(chǔ)，其通過(guò)一些必要的算法把圖像中有意義的部分或特征提取出來(lái)，將圖像分為若干有意義的區(qū)域，并形成數(shù)字特征，這些區(qū)域?qū)?yīng)圖像中的不同目標(biāo)。這些具有某種特征的單元成為圖像的基元，這種經(jīng)過(guò)處理的基元更容易被快速處理。目前，數(shù)以千計(jì)的研究文獻(xiàn)和文章提出了許許多多的圖像分割算法，不同種類的圖像、不同的應(yīng)用要求和應(yīng)用領(lǐng)域所需要提取出的圖像特征是不相同的，所以并不存在普遍適用的最優(yōu)方法，只能根據(jù)圖像特征選擇與值相適應(yīng)的方法。2.4 圖像分割的基本原理圖像分割是根據(jù)圖像的直方圖和結(jié)構(gòu)特性或者一些具體的應(yīng)用需求將圖像劃分成兩個(gè)或多個(gè)互不相交的子區(qū)域的過(guò)程

6、，這些子區(qū)域是在特定意義下的具有相同屬性的像素的連通集合。例如，一幅圖像中不同目標(biāo)物體所占的圖像區(qū)域、背景所占的背景區(qū)域等都屬于這樣的連通集合概念。對(duì)圖像分割的定義有多種不同的解釋，人們普遍接受的是通過(guò)集合定義的圖像分割。用集合R表示整個(gè)圖像區(qū)域，那么對(duì)整個(gè)圖像的分割可以等價(jià)于將集合R分成n個(gè)滿足以下準(zhǔn)則的區(qū)域：false；true。目前提出的圖像分割方法很多，在此分為三種不同的途徑對(duì)其進(jìn)行分類：(1)以物體的的邊界為對(duì)象進(jìn)行分割；(2)先檢測(cè)邊緣像素，再將邊緣像素連接起來(lái)形成分割；(3)以區(qū)域?yàn)閷?duì)象進(jìn)行分割，根據(jù)圖像的灰度、色彩、變換關(guān)系或組織結(jié)構(gòu)等方面的特征相似性來(lái)劃分圖像的子區(qū)域并將各像

7、素劃分到特定區(qū)域。上述這些方法是互補(bǔ)的，不同的場(chǎng)合使用不同的方法，或者綜合各個(gè)方法已達(dá)到最佳的分割效果。3 設(shè)計(jì)內(nèi)容3.1 先將彩色圖像轉(zhuǎn)換為灰度圖像灰度圖(Grayscale)是指只含亮度信息，不含色彩信息的圖像，就像我們平時(shí)看到亮度由暗到明的黑白照片。因此，要表示灰度圖，就需要把亮度值進(jìn)行量化。通常劃分成0到255共256個(gè)級(jí)別，0最暗(全黑)，255最亮(全白)。BMP格式的文件中并沒(méi)有灰度圖這個(gè)概念，但是我們可以很容易地用BMP文件來(lái)表示灰度圖。方法是用256色的調(diào)色板，只不過(guò)這個(gè)調(diào)色板有點(diǎn)特殊，每一項(xiàng)的RGB值都是相同的，也就是說(shuō)RGB值從(0，0，0)，(l，l，1)一直到(255

8、，255，255)。(0，0，0)是全黑色，(255，255，255)是全白色，中間的是灰色。這樣，灰度圖就可用256色圖來(lái)表示。灰度圖使用比較方便。首先RGB的值都一樣；其次，圖像數(shù)據(jù)即調(diào)色板索引值，也就是實(shí)際的RGB的亮度值；另外因?yàn)槭?56色的調(diào)色板，所以圖像數(shù)據(jù)中的一個(gè)字節(jié)代表一個(gè)像素。如果是彩色的256色圖，圖像處理后有可能會(huì)產(chǎn)生不屬于這256種顏色的新顏色，所以，圖像處理一般采用灰度圖3。在本中會(huì)介紹將彩色圖像轉(zhuǎn)化為灰度圖像的方法(圖像灰度化處理)。另外，本文所做的程序，如不做特殊說(shuō)明，都是針對(duì)256級(jí)灰度圖的。 圖像灰度化由于實(shí)驗(yàn)使用的是彩色數(shù)碼相機(jī)，所以最初輸入計(jì)算機(jī)的是24位

9、真彩色圖像，而在本課題的后續(xù)研究中，如前面所述，主要是對(duì)灰度圖像進(jìn)行處理。因此有必要將24位彩色圖像轉(zhuǎn)化為灰度圖。為了用計(jì)算機(jī)來(lái)表示和處理顏色，必須用定量的方法來(lái)描述顏色，即建立顏色模型，而顏色模型的基礎(chǔ)是建立在色度學(xué)理論上的。色度學(xué)理論是T.Young在1802年提出的，其基本內(nèi)容是：任何色彩均可以由三種不同的基本顏色按不同的比例混合而成，即： (4.1)其中為三原色(又稱三基色)，a，b，c為三種原色的權(quán)值(三原色的比例或濃度)，C為所合成的顏色，可為任意顏色。色彩與亮度均是一種視覺(jué)感受，這種感受分別產(chǎn)生紅、綠、藍(lán)的視覺(jué)感受。實(shí)驗(yàn)已經(jīng)證明，由對(duì)應(yīng)三種視敏細(xì)胞而產(chǎn)生紅、綠、藍(lán)三種顏色作為任何

10、顏色的基本色的理論稱為三基色原理。原理指出：(l) 自然界的可見(jiàn)顏色都可以用三種基色按一定比例混合得到；反之，任意一種顏色都可以分解為三種顏色。(2) 作為原色的三種顏色應(yīng)該相互獨(dú)立，即其中任何一種都不能用其它兩種混合得到。(3) 三原色之間的比例直接決定混合色調(diào)的飽和度。(4) 混合色的亮度等于各原色的亮度之積。在目前提出的多種顏色模型中，RGB顏色模型是實(shí)際應(yīng)用中最多的一種。我們?cè)谇懊婕航?jīng)做了一些簡(jiǎn)單而具有代表性的介紹，我們?cè)诖说闹饕蝿?wù)是如何將彩色圖像轉(zhuǎn)化為灰度圖像，即圖像灰度化處理?；叶然褪翘娌噬粓D的R，G，B三個(gè)分量找一個(gè)合適的、相等的值，以便將其轉(zhuǎn)換為灰度圖的過(guò)程。由于R，G，

11、B的取值范圍是0255，所以灰度的級(jí)別只有256級(jí)，即灰度圖像僅能表現(xiàn)256種顏色(灰度)。常用的灰度化處理方法有最大值法、平均值法和加權(quán)平均值法。(l)最大值法：灰度值等于R，G，B分量的最大值，即R=G=B=MAX(R，G，B)。最大值法會(huì)形成亮度很高的圖像。(2)平均值法：灰度值等于R，G，B分量的平均值，即R=G=B=(R+G+B)/3。平均值法會(huì)形成比較柔和的圖像。(3)加權(quán)平均值法：根據(jù)重要性或其他指標(biāo)給R，G，B賦予不同的權(quán)值，并使，R，G，B的值平均加權(quán)，即，式中。分別為R，G，B的加權(quán)系數(shù)，且。取不同的值使用該方法將形成不同的灰度圖像。由于人眼對(duì)綠色敏感度最高，對(duì)紅色的敏感度

12、次之，對(duì)藍(lán)色敏感度最低，因此使將得到合理的灰度圖像，實(shí)驗(yàn)和理論證明，當(dāng)時(shí)能得到最適合人眼觀察的圖像。本文采用加權(quán)平均值灰度化法處理圖像，所采用的加權(quán)系數(shù)為：，由于灰度圖像僅能顯示256色灰度級(jí)，因此對(duì)真彩色圖像(24位)進(jìn)行灰度化處理時(shí)，首先要將其轉(zhuǎn)化為8位位圖，然后按加權(quán)平均值法進(jìn)行灰度化處理?；叶然幚砗蟮男Ч鐖D2-1所示，原始圖像采于室內(nèi)自然光下，且為陰天。圖3.1.1 原始圖像 圖3.1.2 灰度化后圖像先將原彩色圖變?yōu)榛叶葓D。灰度圖像是指只含亮度信息，不含色彩信息的圖像, 將彩色圖像轉(zhuǎn)化成為灰度圖像的過(guò)程稱為圖像的灰度化處理。再將灰度圖二值化，圖像的二值化處理就是將圖像上的點(diǎn)的灰度

13、置為0或255，也就是使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。即將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。3.2 求出最大熵導(dǎo)出最佳閾值全局閾值法是指在二值化過(guò)程中只使用一個(gè)全局閾值的方法。它將圖像的每個(gè)像素的灰度值與進(jìn)行比較，若大于，則取為前景色（白色）；否則取為背景色。典型的全局閾值方法包括Otsu方法、最大熵方法等。為了滿足圖像處理應(yīng)用系統(tǒng)自動(dòng)化及實(shí)時(shí)性要求，圖像二值化的閾值的選擇最好由計(jì)算機(jī)自動(dòng)來(lái)完成（平均灰度值法，大津法，邊緣算子法）3.3 將灰度圖像轉(zhuǎn)換成二值化圖像圖3.3.1 灰度圖 圖3.3.2 二值化后圖像4 源代碼及分析clea

14、r alla=imread('D:2.JPEG');%讀取圖片F(xiàn)igure;imshow(a);%顯示圖片xlabel('ww');a=rgb2gray(a);%將彩色圖變?yōu)榛叶葓DFigure;imshow(a);%顯示變換后圖片xlabel('zz');count=imhist(a);m,n=size(a);N=m*n;L=256;count=count/N;%每一個(gè)像素的分布概率for i=1:L if count(i)=0 st=i-1; break; endendfor i=L:-1:1 if count(i)=0 nd=i-1; bre

15、ak; endendf=count(st+1:nd+1); %f是每個(gè)灰度出現(xiàn)的概率size(f)E=;for Th=st:nd-1 %設(shè)定初始分割閾值為T(mén)hav1=0;av2=0;Pth=0.5 %第一類的平均相對(duì)熵為for i=0:Th av1=av1-count(i+1)/Pth*log(count(i+1)/Pth+0.00001);end%第二類的平均相對(duì)熵為for i=Th+1:L-1av2=av2-count(i+1)/(1-Pth)*log(count(i+1)/(1-Pth)+0.00001);end E(Th-st+1)=av1+av2;endposition=find(E

16、=(max(E);%選取最大的熵th = st+position-1;for i=1:m for j=1:n if a(i,j)>th a(i,j)=255; Else a(i,j)=0; end endend figure;imshow(a);%顯示最終二值化圖像xlabel('HH');5 功能仿真圖及分析圖5.1 原彩色圖像圖5.2 變換后的灰度圖像圖5.3 二值化后圖像用上述的算法進(jìn)行了實(shí)驗(yàn),得到，各灰度級(jí)變化不明顯,圖三用最大熵的方法二值化后的人物比較清晰,背景和前景分的圖像的二值化結(jié)果如圖6.3,從仿真的結(jié)果來(lái)看，圖二是將彩色圖像變換成灰度圖像割比較明顯,分割

17、效果比較理想,方法也非常簡(jiǎn)單。通過(guò)實(shí)驗(yàn)可以知道閾值的選取最為重要，閾值選取是圖象處理與分析的基礎(chǔ)，圖像二值化的閾值的選擇最好由計(jì)算機(jī)自動(dòng)來(lái)完成。本實(shí)驗(yàn)很難，特別是閾值的選取非常重要，一個(gè)好的閾值選取方法可以明顯提高二值化效果，對(duì)于不同質(zhì)量的圖像有著令人滿意的處理效果。結(jié)束語(yǔ)此次課程設(shè)計(jì)是將原彩色圖像變?yōu)槎祷蟮膱D像 ，通過(guò)二維最大熵圖像分割法對(duì)圖像經(jīng)行分割達(dá)到預(yù)期目的。圖像分割即通過(guò)一些必要的算法把圖像中有意義的部分或特征提取出來(lái)，將圖像分為若干有意義的區(qū)域，使得這些區(qū)域?qū)?yīng)圖像中的不同目標(biāo)，進(jìn)而能夠?qū)λ信d趣的區(qū)域進(jìn)行研究。而此次課設(shè)運(yùn)用全局閾值法，它是指在二值化過(guò)程中只使用一個(gè)全局閾值的

18、方法。它將圖像的每個(gè)像素的灰度值與進(jìn)行比較，若大于，則取為前景色（白色）；否則取為背景色。典型的全局閾值方法包括Otsu方法、最大熵方法等。而本實(shí)驗(yàn)用的是最大熵的方法來(lái)求閾值的。為了滿足圖像處理應(yīng)用系統(tǒng)自動(dòng)化及實(shí)時(shí)性要求，圖像二值化的閾值的選擇由計(jì)算機(jī)自動(dòng)來(lái)完成，一般有平均灰度值法，大津法，邊緣算子法等，本實(shí)驗(yàn)用的是平均灰度值法。實(shí)驗(yàn)結(jié)果可知二值化后的人物比較清晰,背景和前景分割比較明顯,分割效果比較理想,方法也非常簡(jiǎn)單。通過(guò)實(shí)驗(yàn)可以知道閾值的選取最為重要，閾值選取是圖象處理與分析的基礎(chǔ)，通過(guò)最大熵的方法求出的閾值是成功關(guān)鍵。在本次課程設(shè)計(jì)過(guò)程中，由于對(duì)MATLAB中庫(kù)函數(shù)不太熟悉，在一開(kāi)始的設(shè)