，对图像每个像素的处理依赖其他像素处理后的结果。

台州学院毕业设计论文图经典图像分割方法框架对普通的电脑处理器来说，串行分割方法当然比并行分割有明显的优势，因为并行分割必须在每个图像点完成相同的计算以后再决定是否继续处理或者放弃处理这个像素点或者区域。

这种技术明显导致了时间复杂度，但理论上它更可靠更准确。

而串行分割则简单，方便些。

目前对彩色图像的分割已经提出了很多算法，最简单的彩色图像分割方法是直接将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用灰度图像的分割方法进行分割，该方法由于忽略了颜色信息和亮度信息之间的关联，因而分割效果并不十分理想。

因此后来人们专门针对彩色图像又提出了很多分割方法，如直方图阈值法基于区域的提取方法边缘检测的分割方法基于主动轮廓模型方法神经网络方法等等。

而且分割的图像的种类也各有不同，分割中用到的图像的模型不同有物理模型和随机模型，分割的目的不同等，这些图像分割方法的分类也不尽相同。

把图像分割方法的发展划分为两个阶段灰度图像分割方法阶段和彩色图像分割方法阶段。

对于灰度图像的分割方法，人们从不同的角度提出了如直方图阈值法，区域生长图像分割不连续的分割灰度相似性边界分割孤立点孤立线组成边界边界跟踪区域分割阈值分割区域分裂合并区域生长自适应并行边界分割技术串行边界分割技术并行区域分割技术串行区域分割技术台州学院毕业设计论文法，边缘检测法，基于分水岭的方法和神经网络的方法等等。

其中直方图法和区域生长法处理的对象是像素边缘检测和分水岭方法则是对图像纹理基元进行处理神经网络的方法是利用分类的思想对图像分割的方法。

无论是基于哪种分割方法，灰度图像的分割方法都发展得比较成熟了。

对于彩色图像的分割方法总的来说可以分为以下三类基于颜色特征空间的分割方法，基于纹理特征空间的分割方法和基于混合特征的分割方法。

基于颜色特征空间的分割方法即是在种颜色空间，如颜色空间或者颜色空间通过颜色距离标准来融合像素，这种方法只适合于结构简单并且颜色不多的图像基于纹理特征空间的分割方法是通过提取图像的像素问颜色差异，将原图像转换为纹理特征图像然后将具有相似纹理特征的像素合并起来，达到分割的效果，这种方法不能直接使用在彩色纹理图像中，因而提出了基于混合特征的分割方法，这种方法融合了前面两种方法的思想，达到对图像的最佳分割效果。

彩色图像分割与灰度图像分割的算法相比，大部分算法在分割思想上是致的，都是基于像素值的相似性和空间的接近性，只是对像素属性的考察以及特征提取等技术由维转向了多维。

这是由于灰度图像和彩色图像存在个主要的区别，即对于每个像素的描述，前者是在维亮度空间上，而后者是在三维颜色空间上。

大部分彩色图像的分割方法或思想都是从灰度图像分割方法继承的，因此彩色图像的部分方法与灰度图像基本相同。

但经过试验证明这些直接继承下来的方法不太适合于大部分彩色图像，所以人们对这些方法作了些改进。

总的来说彩色图像分割方法发展到目前阶段，主要采用的分割方法有基于阈值的分割方法由于彩色图像不仅有灰度这个属性，所以使用直方图阈值法会出现很大的不同。

大多数方法都是对彩色图像的每个分量分别采用直方图阈值法。

由于彩色信息通常由或它们的线性或非线性组合来表示，所以用三维数组来表示彩色图像的直方图并在其中选出合适的阈值，并不是件简单的工作，另方面确定图像中目标的数目计算量也很大。

但这种分割方法不需要先验信息，分割简单。

目前，人们通过研究提出了很多新方法文献从目标和背景的类间差异性出发，提出通过贝叶斯公式估计背景和目标的概率，寻找这两类概率兼得最大交叉熵的方法文献提出了基于量化直方图的最大熵阈值的方法。

台州学院毕业设计论文基于边缘的分割方法边缘检测是灰度图像分割广泛使用的种技术，它是基于在区域边缘上的像素灰度变化较剧烈，试图通过检测不同区域的边缘来解决图像分割问题。

在灰度图像中，边缘的定义是基于灰度级的突变，而且两个区域的边缘当亮度变化明显时才能被检测出来。

在彩色图像中，用于边缘检测的信息更加丰富，如具有相同亮度不同色调的边缘同样可以被检测出来，相应地，彩色图像边缘的定义也是基于维颜色空间的不连续性。

目前，彩色图像的分割以转移到如何有效的综合利用彩色图像的三通道信息方面。

等提出了使用神经网络进行彩色图像的分割方法。

他们在颜色空间中将图像的每个像素表示为个由本身的值及其均值和方差这几个特征分量组成的特征向量，并作为神经网络的输入层进行图像分割，其输出层神经元对应于预先定义的要分割的颜色数。

采用的方法，存在两个限制第它需要有个学习过程，即预先要给定幅示教图像让其学习，以产生正确的输出第二必须给出输出层结点的神经元数量，也就是说事先必须知道分割出的图像的颜色数。

事实上，许多图像输出的颜色数是不致的，对于幅复杂的图像其颜色数也难以确定。

因此，这算法在很大程度上受到了限制。

文献中提出了用聚类分析进行彩色图造成不同算法的同区域显示不样的颜色，为了更好对比分割后的效果，在分割的区域内使用该区域内像素的平均值涂色。

将原图像进行保持边缘信息的自适应滤波，将滤波后的图像进行边缘检测，因为其平移不变性，在变换域求得多尺度边缘和融合的纹理特征，在区域生长和合并中，颜色特征的阈值分别选择为和。

纹理特征的阈值选择分别为和。

由于本文的算法是以颜色和纹理特征计算像素与种子，区域与区域之间的相对距离，并且种子的选取远离边缘。

如图所示的分割效果看，本文的算法是有效和准确的。

同时如图提取指定目标的轮廓与区域，这样为彩色图像的目标匹配，跟踪与识别奠定了不错的基础。

本文阐述了种基于算子提取边缘和纹理特征，结合了区域生长和区域合并的方法实现了彩色图像的分割，而且能准确提取目标的轮廓与区域，为机器视觉中的目标匹配跟踪和识别打下了很好的基础。

在实验中采用图像库中的彩色图像作为样本，从实验的结果中分析，本文的算法具有很好的效果。

台州学院毕业设计论文原图像分割结果原图像分割结果原图像分割结果原图像分割结果图图像分割效果图目标轮廓目标区域图本文方法提取指定目标的轮廓和区域台州学院毕业设计论文结论本文论述了彩色图像分割的目前方法，并提出了种基于结合边缘提取区域生长和合并方法的无监督分割算法，并能准确提取目标图像的轮廓与区域，为机器视觉中的目标匹配跟踪与识别打下良好的基础。

在试验中选用图像库中的彩色图像作为样本，从实验的结果中分析，本文的算法实现分割的效果良好，论证了本文算法的有效性和准确性。

台州学院毕业设计论文参考文献曾璐彩色图像分割技术研究武汉武汉理工大学硕士论文刘杰基于分水岭与区域生长的彩色图像分割算法研究长沙湖南师范大学硕士论文，章三妹基于聚类和区域生长的彩色图像分割方法成都成都理工大学硕士论文，王佳男采用基于区域的自动种子区域生长法的彩色图像分割方法长春东北师范大学硕士论文严学强，叶秀清，刘济林基于量化图像直方图的最大熵阈值处理算法模式识别与人工智能，林开颜，吴军辉，徐立鸿彩色图像分割方法综述中国图象图形学报付炜，黄志高，张瑞芳基于阈值化分割与小波变换的彩色数字水印算法电子测量技术金军基于子块的区域生长的彩色图像分割算法计算机工程与应用柳萍，阳爱民种基于区域的彩色图像分割方法计算机工程与应用，龚巍，林茂松种改进的边缘生长彩色图像分割方法微电子学与计算机台州学院毕业设计论文刘平，陈斌，阮波基于边缘信息的图像阈值化分割方法计算机应用陈胜，杨新，姚丽萍，孙锟多网格法解总变分问题及在医学图像增强中的应用中国图象图形学报刘梅华，汪东，柳惠秋种改进的轮廓跟踪算法机械设计与制造田岳鑫变换在小目标检测中的应用激光与红外台州学院毕业设计论文谢辞本文是在我的导师陈志刚讲师的悉心指导下完成的。

从论文的选题研究思路的确定论文的撰写直到论文修改的整个过程中，陈老师倾注了大量的心血和精力。

在几年的学习生活中，感谢陈老师给予我的关心指导和培养。

这三年来，陈老师严谨求实的治学态度诲人不倦的师德和丝不苟的工作作风使我受益匪浅他朴实的生活作风渊博的学识以及对科学研究事业执着追求的精神给我留下了深刻的印象，并使我终生受益，也是我未来学习的榜样，在这里还要感谢物电学院的所有领导和老师三年来对我的培养和关怀，是他们为我提供了良好的学习环境和机会。

感谢我的父母和家人，没有你们的鼓励和支持我将事无成。

最后，感谢各位专家和评委的耐心审阅，他们提出了很多宝贵意见和建议。

台州学院毕业设计论文附件程序清单主程序台州学院毕业设计论文台州学院毕业设计论文子程序台州学院毕业设计论文台州学院毕业设计论文，本科毕业设计论文届题目彩色图像分割技术研究学院物理与电子工程学院专业电子信息工程班级电子信息工程班学号学生姓名指导教师陈志刚讲师完成日期年月台州学院毕业设计论文彩色图像分割技术研究学生姓名指导老师陈志刚讲师台州学院物理与电子工程学院年月台州学院毕业设计论文摘要随着计算机处理能力的提高，彩色图像分割技术受到研究者们越来越多的关注。

许多研究者在这方面付出了巨大的努力，并取得了相应的成果。

本文对目前的彩色分割方法研究的基础上，提出了种无监督的彩色图像分割算法，即合理结合边缘提取区域生长和区域合并的方法，实现彩色图像的分割。

实验结果表明，获得了良好的分割效果，并且易于实时性的实现。

关键词彩色图像分割边缘检测区域生长与合并台州学院毕业设计论文，台州学院毕业设计论文目录引言课题的研究背景和意义彩色图像分割的现状本文的内容安排彩色图像分割研究数字图像处理概述常用的颜色空间彩色图像分割方法阈值化方法基于边缘的分割方法基于区域的分割方法无监督彩色图像分割概述颜色空间的转换算子边缘提取种子的选取区域生长与合并实验结果与分析结论参考文献谢辞台州学院毕业设计论文引言课题的研究背景和意义在人类所接收的信息中，有是来自视觉的图形信息，对获得的这些信息进行定的加工处理也是目前种广泛的需求，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定的方法划分成不同的区域，使