资源描述：
《数字图像处理及应用（MATLAB)第4章》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第四章图像分割与特征分析4.1阈值分割4.2区域分割4.3边缘检测4.4Hough变换4.5几何及形状特征分析4.6纹理特征分析4.7标记与拓扑描述符图像分割是把图像分成若干个有意义区域的处理技术。从本质上说是将各像素进行分类的过程。分类所依据的特性可以是像素的灰度值、颜色或多谱特性、空间特性和纹理特性等。在每个区域内部有相同或者相近的特性，而相邻区域的特性不相同。一般假设在同一区域内特性的变化平缓，而在区域的边界上特性的变化剧烈。简单地讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。使用计算机分析和识别图像，必须分析图像的特征，图像特征是指图像中可用作标志的属性，可以分为
2、视觉特征和统计特征。图像的视觉特征是指人的视觉直接感受到的自然特征（如区域的颜色、亮度、纹理或轮廓等）；统计特征则是需要通过变换或测量才能得到的人为特征（如各种变换的频谱、直方图、各阶矩等）。本章主要讲述阈值分割、区域分割、边缘检测、Hough变换以及图像特征分析等内容，并对图像配准的基本方法等进行简单介绍。4.1阈值分割若图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。设图像为，其灰度级范围是[0，L-1]，在0和L-1之间选择一个合
3、适的灰度阈值T，则图像分割方法可描述为：4.1阈值分割这样，得到的是一幅二值图像。在阈值分割中，重要的是阈值的选取。阈值的选取方法很多，一般可以分为全局阈值法和局部阈值法两类。如果分割过程中对图像上每个像素所使用的阈值相等，则为全局阈值方法；如果每个像素所使用的阈值不同，则为局部阈值方法。局部阈值法常常用于照度不均或灰度连续变化的图像的分割。4.1.1灰度阈值分割这里主要讨论利用像素的灰度值，通过取阈值进行分类的过程。这种分类技术是基于下列假设的：每个区域是由许多灰度值相近的像素构成的，物体和背景之间或不同物体之间的灰度值有明显的差别，可以通过取阈值来区分。待分割图像的特性愈接近于这个假设
4、，用这种方法分割的效果就愈好。其主要性质为：（1）根据像素点的灰度不连续性进行分割，边缘微分算子就是利用该性质进行图像分割的；（2）利用同一区域具有某种灰度特性（或相似的组织特性）进行分割。灰度阈值法就是利用这一特性进行分割的。1．灰度图像二值化灰度阈值法是一种最常用同时也是最简单的分割方法。只要选取一个适当的灰度级阈值T，然后将每个像素灰度和它进行比较，将灰度点超过阈值T的像素点重新分配以最大灰度（如255），低于阈值的分配以最小灰度（如0），那么，就可以组成一个新的二值图像，这样可把目标从背景中分割开来。图像阈值化处理实质是一种图像灰度级的非线性运算，阈值处理可用方程加以描述，并且随阈
5、值的取值不同，可以得到具有不同特征的二值图像。例如：若原图像的灰度范围为，那么在之间选择一个灰度值T作为阈值，就可以有两种方法定义阈值化后的二值图像。①令阈值化后的图像为：②令阈值化后的图像为：两种变换函数曲线如图[例]利用图像分割测试图像中的微小结构%图像分割测试图像中的微小结构I=imread('cell.tif');%读入原始图像到I变量subplot(1,4,1),imshow(I),title('原始图像'); Ic=imcomplement(I);%调用imcomplement函数对图像求反色BW=im2bw(Ic,graythresh(Ic));%使用im2bw函数，转换成二
6、值化图像来阈值分割subplot(1,4,2),imshow(BW),title('阈值截取分割后图像'); se=strel('disk',6);%创建形态学结构元素，选择一个半径为6个像素的圆盘形结构元素BWc=imclose(BW,se);%图像形态学关闭运算BWco=imopen(BWc,se);%图像形态学开启运算subplot(1,4,3),imshow(BWco),title('对小图像进行删除后图像'); mask=BW&BWco;%对两幅图像进行逻辑“与”操作subplot(1,4,4),imshow(mask),title('检测结果的图像');程序运行结果2．灰度图像
7、多区域阈值分割在灰度图像中分离出有意义区域最基本的方法是设置阈值的分割方法。若图像中存在背景和n个不同意义的部分S1，S2，…，Sn，如图所示。或者说该图像有（n+1）个区域组成，各个区域内的灰度值相近，而各区域之间的灰度特性有明显差异，并设背景的灰度值最小，则可在各区域的灰度差异设置n个阈值T0，T1，T2，…，Tn-1（T0
