淺析基于MATLAB的圖像分割方法

1、 MATLAB 的圖像分割方法蔣翠翠李 明湖北武漢430079并借助 MATLAB 對幾種邊緣檢測算子進(jìn)行了詳細(xì)的分析比較, 指出 。MATLAB 作者簡介 :蔣翠翠, 女, 湖北天門人, 本科, 研究方向:軟件工程, 通信工程 。標(biāo)才能為我們提供高效 、 有用的信息 。 這些目標(biāo)一般對應(yīng)圖 像中特定的 、具有獨特性質(zhì)的區(qū)域 。 圖像分割 1就是將圖像 劃分成若干個這樣的有意義區(qū)域的過程, 各區(qū)域是具有相近 特性的像素的連通集合 。圖像分割是數(shù)字圖像處理的重要技術(shù)之一, 其基礎(chǔ)是像 素間的相似性和跳變性 。 圖像分割技術(shù)主要分為四大類:閾 值分割, 區(qū)域分割, 邊緣檢測和差分法運動分割 (主要

2、針對 運動圖像的分割 。 下面分別對前三類分割技術(shù)作簡要介 紹, 并重點對邊緣檢測技術(shù)的幾種常用算子進(jìn)行比較分析, 通過 MATLAB 數(shù)字圖像處理工具編程實現(xiàn)基于各算子的 邊緣檢測 。2. 基于閾值的圖像分割閾值分割 2是一種常用的圖像分割方法, 它主要利用圖 像中要提取的目標(biāo)物與其背景在灰度特性上的差異,通過 設(shè)置合適的灰度門限 (閾值 , 將圖像的灰度劃分為兩個或 多個灰度區(qū)間, 以確定有意義的區(qū)域或分割物體的邊界 。 閾 值分割常用于圖像的二值化處理, 即選擇一個合適的閾值, 通過判斷圖像中的每一個像素點的特征屬性是否滿足閾值 的要求來確定圖像中該像素點是屬于目標(biāo)區(qū)域還是屬于背 景區(qū)域

3、, 從而將圖像轉(zhuǎn)化成二值圖像 。在用閾值法對圖像進(jìn)行分割時, 閾值的取值不同, 對于 處理結(jié)果的影響很大 。 閾值過大或過小, 都會導(dǎo)致分割的誤 差增大 。 根據(jù)閾值選取的方法不同, 閾值分割可分為直方圖 閾值分割, 類間方差閾值分割, 二維最大熵閾值分割和模糊 閾值分割 。3. 基于區(qū)域特性的圖像分割圖像分割的最終目的是把圖像分成若干區(qū)域,根據(jù)區(qū) 域的形成過程不同, 分割方法分為兩種:區(qū)域生長法和區(qū)域 分裂合并法 。區(qū)域生長法的主要過程是:從一個已知種子點開始, 依 次檢測其鄰近點, 根據(jù)檢測標(biāo)準(zhǔn), 加入與其特性相似的鄰近 點形成一個區(qū)域, 在各個方向上生長區(qū)域, 當(dāng)新的點被合并后再用新的區(qū)

4、域重復(fù)這一過程, 直到?jīng)]有可接受的鄰近點時 生長過程終止; 對于有多個目標(biāo)區(qū)域的圖像, 可在之前已劃 分的區(qū)域外再選取一種子點,按同樣過程生成新的區(qū)域; 最 終將圖像分割成若干個目標(biāo)區(qū)域 。區(qū)域分裂合并 2方法利用了圖像數(shù)據(jù)的金字塔或四叉 樹數(shù)據(jù)結(jié)構(gòu)的層次概念, 將圖像劃分成一組任意不相交的初 始區(qū)域, 根據(jù)給定的均勻性檢測準(zhǔn)則進(jìn)行分裂和合并這些區(qū) 域, 逐步改善區(qū)域劃分的性能, 直至最后將圖像分成數(shù)量最 少的均勻區(qū)域為止 。4. 基于邊緣檢測的圖像分割及算子分析邊緣是指圖像中像素灰度值或色彩等屬性有突變的像 素的集合, 它存在于目標(biāo)與背景 、 目標(biāo)與目標(biāo)之間, 包含了豐 富的圖像信息 。 基

5、于邊緣檢測 2的圖像分割正是利用邊緣的 灰度變化特性, 通過考察圖像中各像素在某個鄰域內(nèi)灰度的 變化, 利用邊緣鄰近一階或二階方向?qū)?shù)變化的規(guī)律檢測目 標(biāo)物邊緣, 從而實現(xiàn)圖像分割 。 邊緣檢測可借助空域微分算 子通過卷積來實現(xiàn) 。 對圖像進(jìn)行微分運算,可求得灰度的變 化率, 加強圖像中高頻分量的作用, 從而使圖像中的邊緣更 清晰 。 實際數(shù)字圖像圖像處理中, 常用差分近似微分, 通過小 區(qū)域模板卷積近似實現(xiàn)微分運算, 這是利用各種微分算子進(jìn) 行邊緣檢測的基本原理 。 下面以梯度算子為例對邊緣檢測原 理進(jìn)行具體分析 。對于圖像函數(shù) f(x, y , 它在像素點 (x, y 處的梯度是一 個矢量

6、, 定義為:Gf(x, y=墜 f墜 f"T梯度有兩個重要特性:(1梯度的方向為函數(shù) f(x, y 最大變化率的方向; (2梯度的幅度可表示為:Gf(i, j=墜 f $2+墜 f$" 21/2; 用差分近似偏微分, Gf(i, j可近似表示為:Gf(i, j=f(i, j -f(i+1, j2+f(i, j -f(i, j+121/2進(jìn)一步近似簡化得,Gf(i, j=|f(i, j -f(i+1, j|+|f(i, j -f(i, j+1|=G x +Gy 這種梯度法又稱為水平垂直差分法 。 其中各像素點的相 對位置如圖 1所示,與之對應(yīng)的模板如圖 2所示, G x 、

7、G y 分 68 別對應(yīng)其中水平方向和垂直方向的模板,兩個模板共同構(gòu) 成一個梯度算子 。 圖 1像素點的相對位置 圖 2水平垂直差分法梯度算子(注:模板中帶 *的像素點表示當(dāng)前被檢測像素點的位 置, 下同 由梯度的計算式可知,在圖像中灰度變化較大的區(qū)域, 對應(yīng)的梯度幅度較大, 變化平緩的區(qū)域, 對應(yīng)的梯度幅度較 小 。 圖像中的邊緣即對應(yīng)梯度值較大的區(qū)域 。 因此, 根據(jù)梯 度的幅度可以檢測出圖像中的邊緣 。常用的邊緣檢測算子還有 Prewitt 算子, Sobel 算子, Canny 算子, LOG 算子等, 其中 LOG 算子為二階微分算子, 其它算子為一階微分算子 。 各種微分算子的模板

8、大小和其 中的元素值不相同, 但基本原理都同上面相同 。 下面對上述 幾種算子分別作介紹,并基于各種算子對同一圖像利用 MATLAB 進(jìn)行邊緣檢測, 比較分析 。4. 1Roberts 算子Roberts 算子采用交叉差分的方法近似計算梯度,因此 也稱為 Roberts 交叉算子 。 它對應(yīng)的 2*2模板如圖 3所示: 圖 3Roberts 算子其梯度計算式可近似表示為:Gf(i, j=|f(i, j -f(i+1, j+1|+|f(i+1, j -f(i, j+1|Roberts 算子邊緣定位準(zhǔn)確,但在加強邊緣的同時也使 噪聲得到增強, 因而對噪聲敏感 。4. 2Prewitt 算子和 So

9、bel 算子Prewitt 算子和 Sobel 算子均由兩個 3*3的模板組成, 如 圖 4和 5所示 。 與 Roberts 算子不同, 這兩種算子采用被檢 測點兩側(cè) (行或列 像素的差分來近似微分, 引入了平均因 素, 對圖像中的隨機(jī)噪聲有一定的抑制作用 。 圖 4Prewitt 算子4. 3Canny Canny 進(jìn)行檢測 。 Canny 算子對像素變化更加敏感, 能更好地捕捉圖像中的微 弱邊緣 。4. 4LOG 算子LOG 算子, 即拉普拉斯 高斯算子 。 LOG 算子先通過高 斯濾波器對圖像進(jìn)行平滑濾波,再對圖像進(jìn)行拉普拉斯運 算, 最后通過檢測過零點來確定圖像邊緣 。5. 各種邊緣

10、檢測算子的 MATLAB 實現(xiàn)與比較分析 5. 1邊緣檢測的 MATLAB 實現(xiàn)MATLAB 圖形處理工具箱中提供了基于上述五種算子 的邊緣檢測和過零檢測共六種邊緣檢測方法 4。 圖 6為利用 MATLAB 對 Lena 灰度圖像運用各種微分算子進(jìn)行邊緣檢 測的效果圖 。圖 6各種算子邊緣檢測效果主要程序代碼為:I=imread('lena. jpg' ; G=rgb2gray(I; BW=im2bw(G; %邊緣檢測BW1=edge(G, 'roberts' ; %roberts算子 BW2=edge(G, 'prewitt' ; %prewi

11、tt算子 BW3=edge(G, 'sobel' ; %sobel算子BW4=edge(G, 'canny' ; %canny算子 69Analysis of Image Segmentation Method Based on MATLABJiang CuicuiLi Ming(HuazhongNormal University , Wuhan 430079, Hubei【 Abstract 】 This paper introduces the basic theories and common methods of image segmentation ,

12、 and presents a detailedcomparative analysis of several edge detective operators ,using MATLAB . And it points out the application situation for different operators , puts forward the idea of integration of multiple segmentation methods .【 Keywo rds 】 image segmentation ; edge detective ; operators

13、; MATLAB ' ; ' ; ' ; ' ; ' ;Roberts 算 子算法最簡單, 但對圖像中的噪聲敏感, 邊緣定位精度不如 其它算子高, 有些強邊亦不能很好地檢測出來; Prewitt 算子 和 Sobel 算子相對 Roberts 算子而言,對強邊的檢測效果較 好, 對弱邊則反應(yīng)較遲鈍; Canny 算子由于采用雙閾值分割, 能較好地檢測出圖像中的強邊和弱邊,且邊緣點的連續(xù)性 也較好;LOG 算子在微分前先對圖像濾波, 能較好地抑制噪 聲干擾,LOG 算子采用過零檢測, 對于圖像中對弱邊也較敏 感,但邊緣單邊響應(yīng)不如 Canny 算子好,邊緣

14、連續(xù)性也較 Canny 算子差 。各種算子的特點不同, 相應(yīng)邊緣檢測也各有優(yōu)劣, 不可 簡單地說孰好孰壞 。 實際應(yīng)用中,可根據(jù)不同場合選擇不同 的微分算子對圖像進(jìn)行分割 。 例如, 在只需大致識別圖像中 目標(biāo)物輪廓,可忽略圖像內(nèi)部細(xì)節(jié)時,選用 Roberts 算子 、 Prewitt 算子或 Sobel 算子, 就能達(dá)要求, 且計算量相對較小 。 需對圖像作較全面邊緣檢測時, Canny 算子和 LOG 算子都 是不錯的選擇 。 在提取圖像輪廓時,Canny 算子就相對較有 優(yōu)勢 。 總之,根據(jù)需求合理選則圖像分割方法是十分必要 的 。5. 3圖像分割方法的整合在實驗中, 通過整合各種邊緣檢

15、測方法, 可以達(dá)到更好 的圖像分割效果 。 例如,將邊緣檢測與閾值分割聯(lián)合使用, 對于同一算子, 選取不同閾值, 分割效果也明顯不同 。 圖 7為利用 Sobel 算子在不同閾值下進(jìn)行圖像分割的結(jié)果 。 主要 MATLAB 源程序如下:I=imread('lena. jpg' ;G=rgb2gray(I;BW1=edge(G, 'sobel' , 0.04 ; %閾值 =0.04BW2=edge(G, 'sobel' , 0. 08 ; %閾值 =0. 08BW3=edge(G, 'sobel' , 0. 12 ; %閾值 =0.

16、 12figuresubplot(1, 2, 1 , imshow(G; title('原始圖像 ' ;subplot(1, 2, 2 , imshow(BW1; title('Sobel算子 thresh=0.04' figuresubplot(1, 2, 1 , imshow(BW2; title('Sobel算子 thresh=0.08' subplot(1, 2, 2 , imshow(BW3; title('Sobel算子 thresh=0.12'圖 7Sobel 算子下不同閾值的分割效果各種圖像分割方法有著相同的分割基理, 即利用圖像中 像素間的相似性和跳變性 。 這是多種圖像分割方法能夠整 合的基礎(chǔ) 。 合理整合多種分割方法, 使之兼具不同分割方法 的優(yōu)勢, 可以達(dá)到更好的分割效果 。6. 結(jié)束語本文主要對基于邊緣檢測的圖像分割的常用算子進(jìn)行 了比較分析, 指出了不同場合算子的適用情況 。 基于邊緣檢 測的圖像分割技術(shù)具有豐富的靈活性, 是圖像分割中一種很 基礎(chǔ)也很常用的方法 。