（毕业论文）基于分水岭和形态学的图像分割算法研究 ㊣ 精品文档 值得下载

分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。

图像分割的研究进展图像分割是图像处理中的项关键技术，至今已提出上千种分割算法。

但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有种适合所有图像的通用分割算法。

前人的方法主要有三大类阈值分割方法边缘检测方法和区域提取方法。

阈值分割方法阈值分割法分为全局阈值法和局部阈值分割法。

所谓局部阈值分割法是将原始图像划分成较小的图像，并对每个子图像选取相应的阈值。

在阈值分割后，相邻子图像之间的边界处可能产生灰度级的不连续性，因此需用平滑技术进行排除。

局部阈值法常用的方法有灰度差直方图法微分直方图法。

局部阈值分割法虽然能改善分割效果，但存在以下几个缺点每幅子图像的尺寸不能太小，否则统计出的结果无意义。

每幅图像的分割是任意的，如果有幅子图像正好落在目标区域或背景区域，而根据统计结果对其进行分割，也许会产生更差的结果。

局部阈值法对每幅子图像都要进行统计，速度慢，难以适应实时性的要求。

全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。

经典的阈值选取以灰度直方图为处理对象。

根据阈值选择方二〇三年六月十九日星期三法的不同，可以分为模态方法迭代式阈值选择等方法。

这些方法都是以图像的直方图为研究对象来确定分割的阈值的。

另外还有类间方差阈值分割法二维最大熵分割法模糊阈值分割法以及共生矩阵分割法等等。

基于边缘检测法边缘检测法是种处理不连续性图像的分割技术。

图像的大部分信息不会只存于个特定的区域，而是存于不同区域的边缘上，而且人的视觉系统在很大程度上都是根据图像边缘差异对图像进行识别分析的。

所以通过对图像的边缘信息检测，可以实现对图像的分割。

按照处理技术可以分为并行边缘检测技术和串行边缘检测技术。

检测过程中可以通过空域微分算子来完成卷积。

这些微分算子包括梯度算子梯度算子综合正交算子等。

这些方法主要是对检测图像中灰度的变化，图像边缘是灰度突变的地方。

在有噪声时，得到的边缘常是孤立不连续的，为了得到完整的边缘信息，还需进行边界闭合处理。

边界闭合是根据像素梯度的幅度及梯度方向满足规定的条件将边缘素连接起来，就有可能得到闭合的边界。

基于区域分割法区域分割法主要包括区域生长和分裂合并法，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。

区域生长法是根据预先规定好的指标，提取图像中相互连接区域的方法，它是利用区域致性准则对目标进行分割。

规定的指标包括图像的灰度信息，边缘，种特性。

区域生长法般都会放在系列过程中使用，不会单独使用。

它主要的缺陷是，每个需要提取的区域，都必须先给出种子点，然后提取出和种子样，符合规定的指标的区域，这样有多少区域就必须给出多少个种子数。

这种法对噪声也很敏感，会造成分割区域不连续。

相反的，局部且大量的噪声会使影响会使原本来分开的区域连接起来。

分裂合并法是从整个图像出发，将图像分割成各个子区域，再把前景的区域合并起来，这样就实现了目标的提取。

分裂合并法的目标区域由些相互连通的像素组成的，如果把图像分割到像素级的话，就可以判断该像素是否为目标像素。

当所有的分割的子区域都判断完，把目标区域就可得到前景目标。

这种方法处理复杂图像时效果较好，但算法比较复杂，计算量也比较大，在分裂过程中可能会破坏目标区域的边界。

论文主要内容和组织结构本文详细介绍了数学形态学和分水岭算法原理，对基于改进分水岭的图像分割算法进行了较为详细的探讨和研究，突出了分水岭图像分割算法在图像处理中的优点重点研究了形态学算子的改进应用于分水岭算法的图像分割，并通过不同分割方法得到的分割结果，对分割结果进行了分析。

本文共分为章，各章内容安排如下第章绪论部分，简要介绍了本课题研究的目的和意义，重点分析了图像分割的研究进展。

第章详细介绍了数学形态学，了解了数学形态学中的膨胀与腐蚀以及形态学的开闭运算。

第章详细分析了分水岭分割原理，针对基于改进分水岭的图像分割算法进行了探讨，利用二〇三年六月十九日星期三改进的形态学算子应用分水岭算法的图像分割，并进行了实验验证针对研究图像，利用不同的算法做比较实验，并对实验结果及数据进行了综合分析。

第章对本文的主要工作进行了小结，并对图像分割的前景进行了展显优于迭代法和分水岭分割方法。

从三组数据上可以很直观的看到本文的分割速度较其他算法有很大的提高，能够较快的将目标对象分割出来，分割效率比其他方法提高了很多，而且分割图像内图像边缘较完整，对于图像实验结果，迭代法分割方法并没有很好将表面有虫分割出来，不利于梨表面的缺陷检测，相比于本文图像分割方法还是有较大的差距，二〇三年六月十九日星期三本文的分割方法结果能够准确的分割出表面有虫的部位，有利于有利于梨表面缺陷检测。

其中本文算法时间比迭代法在算法时间上降低了，区域对比度上提高了，本文方法比分水岭分割方法在算法时间上降低了，而在区域对比度上提高了，在区域内部均匀性上本文方法明显比迭代法提高了，较分水岭分割方法法提高了，这说明分割效率有了显著提高对于图像，为研究血细胞的细胞以及细胞内的物质进行分割，将细胞以及细胞内的物质进行分割出来，迭代法和分水岭分割方法分割效果差，区域对比度不高，缺少了细胞内的些物质，导致血细胞产生去分割现象，本文分割方法很好的保留了血细胞图像分割的完整性，从数据上可以看出本文图像分割方法的区域对比度和区域内部均匀性较迭代法分别提高了和，比分水岭分割方法提高了和，本文图像分割方法的算法时间比迭代法降低了，较分水岭图像分割方法降低了对于图像，本文方法区域对比度较迭代法提高了，较分水岭图像分割方法提高了，区域内部均匀性较迭代法提高了，较分水岭图像分割方法提高了，本文方法的算法时间比迭代法和分水岭图像分割方法分别降低了和，从图像上看迭代法和分水岭图像分割方法有明显的过分割现象，而本文提出的改进的图像分割方法可以得到完整并且连续的图像边缘且图像边缘完整区域对比度高，其分割结果更具有实用性。

结束语本文首先对图像分割的定义和研究发展进行了概述，然后叙述了数学形态学膨胀和腐蚀以及开闭运算，在以数学形态学的基础上引入分水岭变换。

分水岭变换具有计算数度较快，边界定位精确，在图像分割中得到物体轮廓线的优点是具有封闭性，但分水岭变换对灰度变化有很大的敏感性，常常使分割结果出现过分割现象，难以得到很满意的分割效果。

如何克服分水岭变换的过分割现象的是图像分割领域的个研究热点，至今未有方法很好的解决这个问题。

本文先进性分水岭变换，再利用数学形态学的方法，得到最终分割结果。

用灰度图像进行测试，测试结果表明改进的算法能够有效改善过分割现象，分割结果更有意义。

基于分水岭和形态学的图像分割方法具有广泛的应用前景，虽然到目前为止，这种技术还不够成熟，相信通过人们坚持不懈的努力探索，分水岭变换在图像分割领域必定获得更大的发展。

参考文献，崔屹图像处理与分析数学形态学方法及应用北京科学出版社，宋利伟，宋朝昀，庄天戈基于分水岭算法的磁共振脑图像自动分割上海交通大学学报王蜀，李永宁，陈楷民，黄戈基于数学形态学的医学图像分割计算机应用，二〇三年六月十九日星期三，王鹏伟，吴秀清，张名成基于多尺度形态学融合的分水岭图像分割方法数据采集与处理冯林，管慧娟，孙焘，滕弘飞基于分水岭变换和核聚类算法的图像分割大连理工大学学报白相志，周付根基于改进形态学算子的多尺度边缘检测中国图像图形学报梁萍，程伟基于分水岭的粘连雾滴图像分割方法重庆工学院学报杨洪薇，肖志涛，翁秀梅基于分水岭和模糊均值聚类的图像分割方法天津工业大学学报冯林，孙焘，吴振宇，管慧娟基于分水岭变换和图论的图像分割方法仪器仪表学报孙敬飞，杨红卫形态学分水岭算法在粘连大米图像分割中的应用河南工业大学学报陈洁，胡永，刘泽国基于标记的分水岭图像分割算法研究软件杂志纪凤仙分水岭算法在医学图像分割中的改进方法研究技术应用二〇三年六月十九日星期三附录程序源代码经典迭代法源程序，初始分割阈值迭代分割分水岭图像分割算法源程序运用函数计算阈值二〇三年六月十九日星期三本文算法源程序，是每个灰度出现的概率设定初始分割阈值为二〇三年六月十九日星期三第类的平均相对熵为第二类的平均相对熵为致谢从接受课题到现在完成毕业设计论文，衷心的感谢我的指导老师石永华老师，他给予了我精心的指导和热情的帮助，尤其在课题设计的前期准备阶段和本人程序的设计阶段，导师提出许多宝贵的设计意见，在最后的修改定稿阶段老师在百忙之中抽出时间为我们提供了必要的帮助，这样使得我们得以顺利的完成毕业设计开发工作。

在石老师的指导下，我不仅完成了本论文，还学会了怎二〇三年六月十九日星期三样去查资料作研究，学会了怎样有条不紊的完成自己的工作。

石老师惜时如金的工作态度和不畏艰难的钻研精神更是使我深受鼓舞石老师渊博的知识和严谨的治学态度，总是能在我最困难的时候给我最大的帮助。

在此我首先向石老师表示深深的谢意。

同时也感谢我的同学朋友在此期间给予我的鼓励和帮助。

二〇三年六月十九日星期三二〇三年六月十九日星期三本科生毕业设计申请学士学位论文题目基于分水岭和形态学的图像分割算法研究作者姓名专业名称指导教师年月二〇三年六月十九日星期三学生签字学号答辩日期年月日指导教师签字二〇三年六月十九日星期三目录摘要绪论研究目的和意义图像分割的研究进展论文主要内容和组织结构数学形态学膨胀与腐蚀灰度膨胀灰度腐蚀形态学的开运算和闭运算形态学重建基于分水岭和形态学的图像分割算法分水岭算法原理形态学算子的改进改进的图像分割算法描述实验结果与数据分析结束语参考文献附录致谢二〇三年六月十九日星期三基于分水岭和形态学的图像分割算法研究摘要图像分割是图像分析和处理中个重要的研究方向，也是目标的检测和识别的重要步骤。

而且由于图像的多样性和复杂性，很难用统的方法来描述感兴趣的对象，因而在实际应用中只能根据各种领域的需求来选择合适的分割方法，导致各种图像分割方法具有特定的局限性和针对性。

目前还没有种通用的方法，能使各种类型的图象达到最优分割质量。

传统的图像分割算法中对图像噪声敏感，噪声会直接恶化图像的梯度图像，计算量大，分割过程耗时长，分割效率低，从而产生过分割问题。

为了降低过分割现象对图像分割的影响，提