彩色图像分割技术研究本科毕业论文.doc

《彩色图像分割技术研究本科毕业论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、台州学院毕业设计（论文）彩色图像分割技术研究本科毕业论文目录1.引言11.1．课题的研究背景和意义11.2．彩色图像分割的现状21.3．本文的内容安排52．彩色图像分割研究62.1．数字图像处理概述62.2．常用的颜色空间72.3．彩色图像分割方法92.3.1．阈值化方法102.3.2．基于边缘的分割方法102.3.3．基于区域的分割方法123．无监督彩色图像分割133.1．概述133.2．颜色空间的转换143.3．Sobel算子边缘提取153.4．种子的选取163.5．区域生长与合并174．实验结果与分析185．结论20参考文献21谢　辞23台州学院毕业设计（论文

2、）台州学院毕业设计（论文）1.引言1.1．课题的研究背景和意义在人类所接收的信息中，有80%是来自视觉的图形信息，对获得的这些信息进行一定的加工处理也是目前一种广泛的需求，图像分割就是将图像中感兴趣的部分分割出来的技术。在图像分割的基础上，才能对目标进行特征提取和参数测量，使得更高层的图像分析和理解成为可能。因此，对图像分割的研究在图像处理领域具有非常重要的意义。图像分割作为图像分析的基础，是图像分析过程中的关键步骤。图像分割，顾名思义是将图像按照一定的方法划分成不同的区域，使得同一区域内像素之间具有一致性，不同区域间不具有这种一致性。因为人眼对亮度具有适应性，即在

3、一幅复杂图像的任何一点上只能识别几十种灰度级，但可以识别成千上万种颜色，所以许多情况下，单纯利用灰度信息无法从背景中提取出目标，还必须借助于色彩信息。由于彩色图像提供了比灰度图像更加丰富多彩的信息，因此随着计算机处理能力的提高，彩色图像处理正受到人们越来越多的关注。自数字图像处理问世不久就开始了图像分割的研究，吸引了很多研究者为之付出了巨大的努力，在不同的领域也取得了很大的进展和成就，现在人们还一直在努力发展新的、更有潜力的算法，希望实现更通用、更完美的分割结果。目前，针对各种具体问题已经提出了许多不同的图像分割算法，对图像分割的效果也有很好的分析结论。但是，由于图

4、像分割问题所面向领域的特殊性，而且问题本身具有一定的难度和复杂性，到目前为止还不存在一个通用的分割方法，也不存在一个判断分割是否成功的客观标准。对于寻找一种能够普遍适用于各种复杂情况的准确率很高的分割算法，还有很大的探索空间。对图像分割的深入研究不仅会不断完善对自身问题的解决，而且有助于推动模式识别、计算机视觉、人工智能等计算机科学分支的发展。19台州学院毕业设计（论文）早期由于设备的限制，主要处理的是灰度图像。因此针对灰色图像的分割算法比较多，也比较成熟。随着彩色图像的需求和应用以及人们生活水平的提高，人们越来越关注彩色图像分割，也提出了一些分割方法，但这些方法大

5、部分是灰色图像分割方法扩展出来的，因此还不能满足人们的要求。在彩色图像分割这个领域，由于缺少理论和评估系统的支持，必须经过大量的实验来验证一种分割算法。虽然研究者已经提出了一些有意义的算法，但还没有一种能适应大部分图片的算法，所以进一步研究专门用于彩色图像分割的方法，并且使它具有通用性和更好的分割效果是人们努力的方向。1.2．彩色图像分割的现状事实上，人们对灰度图像进行的研究较早，算法也相对成熟。随着计算机处理速度的提高和对图像处理技术的进步，彩色图像使用越来越多，彩色图像分割在最近几年越来越引起了人们的重视，与灰度图像相比，彩色图像不仅包括亮度信息，而且还有更多的

6、有效信息，如色调、饱和度，实际上同样景物的灰度图像所包含的信息量与彩色图像难以相比，人类对色彩的感知更敏感，一幅质量较差的彩色图像似乎比一幅完美的灰度图像更具有吸引力。因此，对彩色图像分割方法的研究有利于克服传统的灰度图像分割方式的不足，是一个更加广阔的研究领域。图像分割的难点在于如何消除噪声和图像本身模糊的干扰。前面已经讲到目前还没有一种或者几种完善的分割方法可以按照人们的想法分割任何一幅图像。所有现存分割方法只能针对某一类型的图像，分割的质量必须靠效果和实际的应用场景来判断。幸运的是人类已经积累了很多经典的图像分割方法，虽然不适用所有类型的图像分割，但是这些方法

7、却是图像分割方法进一步发展的基础。正是因为我们站在巨人的肩膀上，从而产生了新的更有效率更准确的图像分割算法。在早期的图像处理的研究中，图像分割的方法一般被分为2类：一类是边界法，这种方法是假设图像一定有边缘存在；另一类是区域法，这种方法认为被分割后的图像区域一定会具有某些相同的特性，不同的区域的像素则会有不同的特性。图像分割的技术主要有4种：并行边界分割技术、串行边界分割技术、并行区域分割技术和串行区域分割技术。如下图1-1所示：所谓的串行图像分割是指对图像的每一个像素上所做的运算或者处理不依赖图像中其他像素点处理的结果。而在并行算法中，对图像每一个像素的处理依