欢迎来到天天文库
浏览记录
ID:326286
大小:762.00 KB
页数:28页
时间:2017-07-23
《基于灰度图像的阈值分割改进方法 毕业论文》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、基于灰度图像的阈值分割改进方法Basedongrayimagethresholdsegmentationmethodimprovement专业班级:学生姓名:指导教师:系别:2012年6月摘要通常人们只对图像的某个部位感兴趣,为了能够把感兴趣的部分提取出来,就得对图像进行分割。图像分割就是把图像分成一些具有不同特征而有意义的区域,以便进一步的图像分析和理解。图像增强就是突出人们感兴趣有用的部分,或者是改善图像的质量,使它尽可能的逼近原图像。本论文分析了传统的灰度阈值图像分割,即双峰法、迭代法和最大类间方差法在细节部分分割上的缺点,然后,结合图像增强中的微分梯度,对原
2、有图像的细节进行锐化增强,然后在使用这三种方法进行分割,得到的分割结果和传统的分割方法得到的结果进行比较,该方法确实达到了改善分割后图像细节的效果。该方法在matlab2008环境下进行了实现,实验结果表明,与传统的阈值分割方法相比,本文的方法不仅克服了传统阈值分割方法的不足,而且还对复杂灰度图像的细节部分具有较好的分割效果,为图像分割方法的改进提供了技术支持。关键词:图像分割;图像增强;阈值;梯度IIABSTRACTUsuallypeoplejusttocertainpartsoftheimageisinterestedin,inordertobeabletopu
3、ttheinterestedinpartoftheextracted,havetotheimagesegmentation.Imagesegmentationistheimageintosomedifferentcharacteristicswithmeaningfularea,inordertofurthertheimageanalysisandunderstanding.Imageenhancementisprominentpeopleinterestedinpartoftheuseful,orimprovethequalityoftheimageis,make
4、itasfaraspossibletheoriginalimageapproximation.Thispaperanalyzesthetraditionalgrayimagesegmentationthresholdvalue,namelythepetronastwinmethod,andthemostcategoriesiterationmethodindetailsthevariancebetweensegmentationdefects,andthen,combinedwiththeimageenhancementofdifferentialgradientf
5、ortheoriginalimagedetailstosharpenenhancement,andthenusethisthreemethodssegmentation,getsegmentationresultsandthetraditionalmethodofgetresultswerecompared,thealgorithmdoestoimprovesegmentationimagedetailsaftertheeffect. Thisalgorithminmatlab2008environmenttherealization,theexperimental
6、resultsshowthat,withthetraditionalthresholdsegmentationmethodthanthe,thisalgorithmcannotonlyovercometraditionalthresholdsegmentationmethodisinsufficient,andalsotothedetailsofthecomplexgrayimagehasgoodsegmentationeffect,fortheimprovementofthemethodofimagesegmentationprovidethetechnicals
7、upport.KeyWords:Imagesegmentation;imageenhancement;threshold;gradientII目录1引言11.1图像分割概述11.2图像分割的特征11.3图像分割的发展及现状11.4研究背景与意义22.数字图像处理的发展概述32.1数字图像处理常用的方法32.2数字图像处理的目的42.3数字图像处理的主要内容42.4数字图像处理应用的工具53.图像分割的主要方法63.1基于区域的分割方法63.2基于边缘的分割方法63.3基于聚类分析的图像分割方法73.4基于小波变换的分割方法73.5基于神经网络的分割方法83.6基
此文档下载收益归作者所有