1、基于Matlab的數(shù)字圖像分割黃山自動化工程學(xué)院總述 在一幅圖像中，人們常常只對其中的部分目標(biāo)感興趣，這些目標(biāo)通常占據(jù)一定的區(qū)域，并且在某些特性（如灰度、輪廓、顏色和紋理等）上和臨近的圖像有差別。這些特性差別可能非常明顯，也可能很細(xì)微，以至肉眼察覺不出來。隨著計算機圖像處理技術(shù)的發(fā)展，使得人們可以通過計算機來獲取和處理圖像信息。圖像識別的基礎(chǔ)是圖像分割，其作用是把反映物體真實情況的、占據(jù)不同區(qū)域的、具有不同特性的目標(biāo)區(qū)分開來，并形成數(shù)字特征。圖像分割是圖像識別和圖像理解的基本前提步驟，圖像分割質(zhì)量的好壞直接影響后續(xù)圖像處理的效果，甚至決定其成敗，因此，圖像分割的作用是至關(guān)重要的。分割定義和方法

2、分類 圖像分割是將圖像中有意義或有用的特征提取出來，也可以說，將圖像分成各具特點的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟。圖像讀入（光電轉(zhuǎn)換）圖像處理（增強，編碼）圖像分析（分割，描述）圖像理解（解釋，理解）光圖像數(shù)字圖像處理過的圖像特征數(shù)據(jù)解釋判斷圖像分割算法 根據(jù)相鄰象素在象素值方面的相似性和不連續(xù)性可分為區(qū)域法和邊界法；根據(jù)處理策略不同分為串行算法和并行算法。邊緣檢測Roberts 算子 Roberts算子是一種利用局部差分算子尋找邊緣的算子，對具有陡峭的低噪聲的圖像效果好。卷積核分別為：采用范數(shù)1衡量梯度的幅度：Prewitt 算子 Prewitt

3、算子對灰度漸變和噪聲較多的圖像處理得較好。卷積核分別為：采用范數(shù)衡量梯度的幅度：拉普拉斯（ Laplacian ） 算子 拉普拉斯算子對噪聲有極高的敏感性，而且對于雙邊緣帶不易檢測出邊緣的方向。0000-1-1-1-140000-1-1-1-18拉普拉斯-高斯算子（LoG：Laplacian of Gaussian；Mar算子） 基本思想：先用高斯函數(shù)對圖像濾波，然后對濾波后的圖像進行拉普拉斯運算，算得的值等于零的點認(rèn)為是邊界點。 缺點：產(chǎn)生虛假輪廓；定位精度不高。閾值（threshold）分割 取閾值是最常見的并行的直接檢測區(qū)域的分割方法，假設(shè)圖像由具有單峰灰度分布的目標(biāo)和背景組成，在目標(biāo)或

4、背景內(nèi)部的相鄰像素間的灰度值是高度相關(guān)的，但在目標(biāo)和背景交界處兩邊的像素在灰度值上有很大的差別。此時圖像的直方圖應(yīng)是雙峰的。對這類圖像常可用取閾值方法來較好地分割。 對一幅灰度取值在0，L-1的圖像確定一個灰度閾值T，其中（0TL-1），然后每個像素的灰度值與T比較，根據(jù)結(jié)果分為兩類：像素的灰度值大于閾值T為一類，像素的灰度值小于閾值T為另一類，像素的灰度值等于閾值T可歸為兩類之一。確定閾值是關(guān)鍵。實驗分別用sobel、Laplacian-Gaussian方法對一幅灰度圖像進行邊緣提取。 給出對比結(jié)果對一幅灰度圖像進行灰度分割處理 比較提取邊緣的效果可以看出，sober算子是一種微分算子，對邊緣的定位較精確，但是會漏去一些邊緣細(xì)節(jié)。而Laplacian-Gaussian算子是一種二階邊緣檢測方法，它通過尋找圖象灰度值中二階過零點來檢測邊緣并將邊緣提取出來，邊緣的細(xì)節(jié)比較豐富。通過比較可以看出Laplacian-Gaussian算子比sober算子邊緣更完整，效果更好。 根據(jù)原圖像的直