作品详情

5.1基于阈值的分割方法

基于阈值的分割方法是一种应用十分广泛的图像分割技术。所谓阈值分割方法的实质是利用图像的灰度直方图信息得到用于分割的阈值。它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的象素是同一个物体。它不仅可以极大的压缩数据量，而且也大大简化了图像信息的分析和处理步骤。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必要的图像预处理过程。它特别适用于目标和背景占据不同灰度级范围的图像。

阈值分割方法的最大特点是计算简单，在重视运算效率的应用场合，它得到了广泛的应用。

下面举例说明这种方法的实现过程，具体算法如下：

1.读取图像如示；

2.将彩色图像转化为灰度图像；

3.计算直方图；

4.根据直方图选取阈值；

5.根据阈值将图像分成两部分：背景和实物区

具体的MATLAB实现过程如下所示：

clear

I=imread('E:\学习\大四毕业设计\新建文件夹\8.jpg') 读取图像

imshow(I);     显示图像

J=rgb2gray(I);   将图像变为灰度图

figure,     画图

imshow(J);    显示灰度图象

figure      画图

imhist(J);   显示灰度直方图

[M,N]=size(J);　求图像的大小

for ( i=1:1:M)

    for ( j=1:1:N)

      if J(i,j)>150　如果灰度值大于150，就增强到255

       J(i,j)=255;

  end

     end

end

figure

imshow(J);　　画图

边缘检测法

 图像的边缘对人的视觉具有重要意义，一般而言，人们看到一个有边缘的物体时，首先感觉到的便是边缘，灰度或结构信息的突变处成为边缘。图像的边缘有方向性和幅度两个属性，沿边缘方向像素变化缓慢，垂直于边缘方向像素变化剧烈，边缘上的这种变化可用微分算子检测出来，常用一阶导数来检测边缘，基于一阶导数检测边缘有：Roberts算子，  Sober算子， Prewitt算子。

应用Roberts，Sober，Prewitt算子检测边缘实例。

I=imread('E:\学习\大四毕业设计\新建文件夹\10.jpg');　读取图像

imshow(I);　显示图像

title('原始图像');　　标记

figure,　　画图

J=rgb2gray(I);　　变为灰度图像

subplot(2,2,1);　将画图空间分成４块，取第一块

imshow(J);　　　显示灰度图

title('灰度变化后的图像')　标记

[g,t]=edge(J,'Roberts',[],'both')　进行边缘检测

subplot(2,2,2);　　将画图空间分成４块，取第２块

imshow(g);　　显示灰度图g

title('Roberts算子分割结果')

[g,t]=edge(J,'sobel',[],'both')

subplot(2,2,3);

imshow(g);

title('sobel算子分割结果')

[g,t]=edge(J,'prewitt',[],'both')                                                    

subplot(2,2,4);

imshow(g);

title('prewitt算子分割结果')

3边界法

这种方法是寻找两个区域间边界的方法，具体实现如下所示：

I=imread('E:\学习\大四毕业设计\新建文件夹\2.jpg');　　显示图像

subplot(2,2,1);

imshow(I);

J=rgb2gray(I);

subplot(2,2,2);

imshow(J);

J=imadjust(J,[],[0 1],3);　　调整灰度级把灰度变到0到1之间

J=im2bw(J);　　　　　　　二值化

subplot(2,2,3);

imshow(J);

width=sum(J);       %求每列一的个数

x=1:size(width,2);     %求车牌宽度

figure

bar(x,width);

title('字符宽度') ;     %产生水平投影图即字符宽

begins=zeros(1,2);

ends=zeros(1,2);

j=0;

k=0;

for i=2:size(width,2)-1

    if width(i:i+1)>0 & width(i-1)==0　求边界，对边界进行处理

        j=j+1;

        begins(j)=i;  

    elseif width(i-1:i)>0 &width(i+1)==0 ;

        k=k+1;

        ends(k)=i;    

    end

end                         

cut_img1=J(:,begins(1):ends(1));

cut_img2=J(:,begins(2):ends(2));

figure,

subplot(1,2,1)

imshow(cut_img1)

subplot(1,2,2)

imshow(cut_img2)

5.4区域法

如果说前面谈到的两节的算法分别从类似于“点”、“线”的视角看待图像分割问题，下面介绍这类图像分割算法就相当于从“面”的角度来看待图像分割问题了。根据图像分割的定义，其最终是要得到满足一定条件的若干个区域。那么，基于区域的图像分割算法，就是如何直接利用区域这个概念进行算法的研究。区域法包括区域生长法和区域分裂法，在此只介绍区域生长法。

区域生长法主要有以下三步构成：

1、选择合适的种子点;

2、确定生长准则；

3、确定生长停止条件

区域生长法是通过MATLAB工具箱中的函数imreconstruct完成的，由于涉及到形态学的知识本文只利用了这个函数实现了分割图像，没有讨论具体的过程。

I=imread('E:\学习\大四毕业设计\新建文件夹\4.jpg');　　读取图像

imshow(I);　显示

figure;　　　画图

J=rgb2gray(I);　　变为灰度图

subplot(2,2,1);

imshow(J);　　　　显示灰度图

seedx=[80,400,200];　建立种子点的横坐标

seedy=[290,400,300];　建立种子点的纵坐标

hold on

plot(seedx,seedy,'gs');　将画在图中

title('原始图像及种子点位置');　加标题

J=double(J);　　变换图像类型

markerim=J==J(seedy(1),seedx(1));　初始化种子点

for i=2:length(seedx)　循环

   markerim=markerim|(J==J(seedy(i),seedx(i)));

end

thresh=[12,6,12];

maskim=zeros(size(J));

for i=1:3

   g=abs(J-J(seedy(i),seedx(i)))<=thresh(i);　根域值比较

    maskim=maskim|g

end

[g,nr]=bwlabel(imreconstruct(markerim,maskim),8);　调用函数进行区域化

subplot(2,2,2);

imshow(g);

title('三个种子点区域生长结果');

源文件