分水岭变换及其在图像分割中的应用

《分水岭变换及其在图像分割中的应用》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、第1章绪论1.1课题意义与背景图片模式的识别以及目标区域解析的过程中都可能会有着图像分割的疑惑，而这也属于图像解决问题的经典。即使在这个领域有着多年的研究和和很多年的探索，但是人们依然在不停的学习和交流。图像分割的更深层含义就是把所想得到的图像以切片的方法分成很多小的部分同时得到想要的部分的方法和步骤。此处强调的独特的性质可以是图片中的任意信息，其中一个切片和许多个切片都能够和想要得到结果相互表示。一般的图像分割方法有阈值分割法、区域分割法和边缘分割法等。图像分割的技术的发展离不开相应关联学科的发展，与这些学科有着紧密的联系，例如电子科学，数学等等。近些年

2、来，随着各个学科领域新理论和新方法的蓬勃发展，科学家们也提出了一些与特定理论、算法和工具相配合的分割技术，其中基于数学形态学的分割算法是目前使用较为广泛的方法之一，由于其方法具有很好的效果，现今世界此方法被广泛的采用。分水岭(watershed)算法就是以形态学的分割算法为基础的方法，由于其强大的优点，因而受到学术界的一致好评。它是对图像的梯度分割，这种基于数学形态学的图像分割算法发展迅猛，它的优势十分突出，可以总结如下，一是其有着较快的计算速度，二是对物体的边界线有非常好的闭合性，三是其非常准确的位置固定。而且分水岭变换对十分小的边界也可以迅速定位。它刚

3、开始是由迪加贝尔在处理部分图像时，当时为了研究二值图像，将此应用于图像处理领域。分水岭的基本理论是由很多前辈不停研究的成果，同时将分水岭理论使用于分割图像。虽然其思想看似简单，但是设计的方法和可行性比较困难，早些时期的方法计算负担重、耗费时间长。课题就是采用分水岭变换算法对不同的图像进行分割，整个分割过程也需要MATLAB来实现。1.2国内外研究现状图像分割算法在巨大的历史长河中慢慢前进，由于其应用广泛，所以受到了很大程度的青睐。纯手工的方法来进行分水岭分割存在着太多的随意性，而且修改非常困难，所以，有些人提出了人工和PC相互自动接合定位的方法，并结合各自

4、的优点，来实现对目标轮廓的快速定位。传统的图像分割方法会有很多缺点，也不能满足当今世界对科技发展的需要，所以，我们需要更为努力的改进出更好的方法来跟上这个时代的要求。 对外部世界的人类感知的两种方式是听力和视力，尤其是视觉，因为图像信息是一个非常重要的实物资料。人在探索和图像的使用时，经常对图像的某些部分产生影响，这些目标通常占有一定区域，在图像周围有一定的特征的差异。这些差异可能是非常明显的特征，可以是非常微妙的，这样，人眼不会感觉到它。随着计算机图像处理技术的发展，使得能够通过计算机来访问和处理图像信息。因此产生了许多种图像分割算法。比如阈值分割算法，

5、区域分割算法，以及边界的图像分割。基于数学形态学的分水岭算法是图像分割方法中新发展出来的算法之一，Beucher和RavelC.Gonzale等人在最早期提出了将此种算法应用于图像分割，此算法在满足图像的相同性和峰值信噪比的条件下具有较好的分割效果，不然将产生严重的过分割现象。1990年，Meyer和Beucher提出了改进的分水岭算法，此算法是基于标记来实现的，它可以有效的减少过分割现象，但是目标图像中的标记很难自动地给出，而且标记数量的增多会降低分割边界精度。LucVincent和PierreSoille于1991年提出了非常著名的基于浸沉技术的分水岭

6、检测算法，该算法是通过利用先进先出的数据结构，提高算法效率，从而得到优化。这也为后来分水岭算法的改进打下了一个很好的基础，使分水岭算法逐步得到完善。由于形态学的发展和研究导致这些年来分水岭算法计算速度得到了飞跃，也能精确定位图像的边界，从而受到了很多的关注。1.3图像分割概述图像分割就是把所要研究的图像分割成不同的部分同时提出感兴趣的部分的过程和技术。图像分析的第一步就是分割，图像分割的质量会受许多小部分的精确程度而改变。虽然大量的图像分割方法已经被提出，但大多是针对特定问题的，并不适合所有常见的图像分割算法。但是由于该课题的难度和深度十分巨大，进展速度相

7、对缓慢，至今也没有一种普遍适用的理论和方法，每个算法在不同的目标图像分割时都会显示出相对的优越性和缺陷。随着科学技术的发展和进步，最近几年来许多新的思路和改进的算法不断踊跃出来，在一些经典算法的基础上做到了相应的改进。总的来归纳，如今图像分割方法可以大致归为以下3类，阈值分割方法、边缘检测方法、区域提取方法。1.3.1图像分割方法1、阈值分割图像阈值化分割是图像分割方法中最常用的方法之一，它是图像分割中应用数量最多的一类。阈值法的原理是以图像中的灰度值作为一定的标准，以此来选择出比较合适的灰度阈值，以设定的阈值为参考，把原始图像中所有点的灰度值与设置的参考

8、值相比较，然后将比较的结果进行合理的分配。因此，该类方法最为重要的