（定稿）纺织产业园道路工程立项申报材料5

实验结果基于多重分形理论的图像分割灰度直方图灰度图像算子分割后的图片基于多重分形理论的图像分割算子分割后的图片算子分割后的图片实验结果分析对于本次采用的三种测试算子，分别是算子，算子，算子。

对于三种算子的实验现象，从视觉效果上来看，以算子最好，边缘信息丰富，集合保留了边缘所有的边缘点，而且边缘清晰，连续性好。

算子，其分割图像中所含有的费边缘点较少，而且主要边缘大部分被保留，但还是去掉了很多真边缘点。

算子的分割的图像中虽然集合没有费边缘点，但是边缘的连续性较差，从视觉上来看图像显得很杂乱。

本章小结本章主要介绍了多重分形在图像处理图像分割中的应用。

对于常用的图像处理技术，如去噪，边缘检测提取等都应用了基于多重分形理论的算法。

基于多重分形理论的图像分割同特征。

条件④指出在分割结果中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有些不同的特征。

条件要求分割结果中同个子区域内的像素应该是相通的，即同个子区域内的任意两个像素在该子区域内是相互连通的，或者说分割得到的区域是个连通基于多重分形理论的图像分割组元。

上面的定义，不仅对明确的说明了分割的含义，而且对进行分割也有相当的指导作用。

因为分割总是根据些分割准则进行的。

条件和说明正确的分割准则应该可以适合所有的区域和像素条件和④说明合理的分割准则应该可以帮助确定各个区域像素有代表性的特征而条件说明完整的分割准则应该直接或间接地对区域内像素的连通性有定的要求或限定。

在实际应用中图像分割不仅是要把幅图像分成满足以上五个要求的各具有特性的区域，而且需要把其中感兴趣的目标和区域提取出来，只有这样才算是真正完成了图像分割任务。

图像分割方法综述图像分割是指将图像划分为与其中含有的真实世界的物体或区域有强相关性组成部分的过程。

图像分割是图像处理和分析中的重要问题，也是计算机视觉研究中的个经典难题。

尽管它直受到科研人员的重视，但是它的发展很慢，被认为是计算机视觉的个瓶颈。

迄今为止，还没有种图像分割的方法适用于所有图像，也没有类图像所有的方法都适用于它。

典型的图像分割方法有阈值法，边缘检测法，区域法。

他们分割图像的基本依据和条件有下四个方面分割的图像区域应具有同质性，如灰度级别相近，纹理相似等区域内部平整，不存在很小的空间相邻区域之间对选定的种同质判据而言，应存在显著的差异性每个分割区域边界应具有齐整性和空间位置的准确性。

现有的大多数图像分割方法只是满足上述依据。

如果加强分割区域的同质性约束，分割区域很容易产生大量小空洞和不规整边缘若强调不同区域间性质差异的显著性，则极其容易造成非同质区域的合并和有意义的边界丢失。

不同的图像分割方法总有在各种约束条件间找到适当的平衡点。

阈值法阈值法的优点是计算简单，速度快，易于实现。

尤其是对于不同类的物体灰度值或者是其他特征值相差很大时，能很有效果的对图像进行分割。

其缺点是当图像中不存在明显的灰度差异或灰度值范围有较大的重叠时，分割效果不理想。

并且阈值法仅仅考虑图像的灰度信息而没有考虑图像的空间信息，致使阈值法对噪声和灰度不均匀十分地敏感。

在实际应用中，阈值法通常与其他方法结合使用。

阈值法是种简单单非常有效的方法，特别是不同物体或建构之间有很大的强度对比时，能够得到很好的效果。

它般可以作为系列图像处理过程的第基于多重分形理论的图像分割步。

它般要求在直方图上能得到明显的峰或谷，并在谷底选择阈值。

如何根据图像选择合适的阈值是基于阈值分割法的重点和难点所在。

其主要局限性最简单形式的阈值法只能产生二值图像来区分两个不同的类。

另外它只考虑本身的值，般不考虑空间特性，这样就对噪声很敏感它也没有考虑图像的纹理信息等有用信息，使分割效果不能尽人意。

阈值法的几种阈值选择方法全局阈值法双峰法对于目标与背景的灰度级有明显差别的图像，其灰度直方图的分布呈双峰状，两个波峰分别与图像中的目标与背景相对应，波谷与图像边缘相对应。

当分割阈值位于谷底时，图像分割可取的最好的效果。

该方法简单易行，但是对于灰度直方图中波峰不明显或波谷宽阔平坦的图像，不能使用该方法。

假设副图像只有物体和背景两部分组成，其灰度图直方图呈现明显的双峰值，如下图找出阈值，则可以对整个图像进行二值化赋值。

程序的实现通过数组记录直方图中的各像素点值的个数，再堆逐个像素值进行扫描。

记录每个像素能作为谷底的范围值，接着找出能作为谷底范围最大的点作为阈值。

实现流程图基于多重分形理论的图像分割灰度直方图变换法该方法不是直接选取阈值，而是对灰度直方图进行变换，使其具有更深的波谷和更尖的波峰，然后再利用双峰法得到最优阈值。

这种方法的个共同特征是根据像素点的局部特性，对其进行灰度级的增强或减弱的变换。

这种方法假设图像由目标和背景组成，并且目标和背景灰度直方图都是单峰分布。

迭代法它基于逼近的思想，基本算法如下求出图像的最大灰度值和最小灰度值，分别记作和，令初始阈值为，根据阈值将图像分割为前景和背景，分别求出两者的平均灰度值和。

求出阈值如果，则所得即为阈值，否则转入迭代计算。

迭代所得的阈值分割图像的效果良好，基于迭代的阈值能区分图像的前景和背景的主要区域所在，但是在图像的细微处还是没有良好的区分度，令人惊讶的是对些特定图像，微小数据的变化会引起分割效果的巨大变化，两者的数据只是稍微变化，分割效果反差极大。

局部阈值法原始图像被分维几个小的子图像，再对每个子图像分别求出重分形的主要困难之是对有限长离散数据的多重分形谱估计。

个有效的算法是集合小波分析的多重分形方法，去除不需要的不规则性噪声，保留有用的奇异性目标，使去除噪声后大多数点在平滑区域。

利用指数提供的所分析图像的局部信息，而多重分形谱则提供的是所分析图像的全局信息，不同信息的奇异性不同，其的分布规律也不同。

和的分布也有定规律。

我们只需要调整的值，使得所有的尽量接近于个值，这样也就是使得无规律的非奇异点在调整后与周围起点融合，好像被兼并样。

换句话说，谱的相对强度没有变化即可实现图像的去噪。

具体算法如下对图像经过具有规则的正毅力，只要坚持下去就可以找到思路去解决问题的。

而且要学会与人合作，特别是做软件开发这个职业是离不开团队的合作和团队的精神的。

这样做起事情来就可以事倍功半。

此次论文的写作过程，我收获了很多，即为在大学两年的学习生涯上划上了个完美的句号，也为将来的人生之路做好了个很好的铺垫。

四川托普信息技术职业学院计算机系软件专业参考文献吴明辉，吴超开发应用从基础到实践北京人民邮电出版社覃庆炎，张伟开源项目项目开发详解北京清华大学出版社陈云芳精通基于的应用开发实战北京人民邮电出版社刘乃丽精通项目案例基于北京人民邮电出版社梁立新项目实践精解基于的应用开发北京电子工业出版社系统模块文档金丰易居业务管理系统需求分析文档系统项目计划任务书四川托普信息技术职业学院计算机系软件专业致谢在我们的指导老师的悉心指导下，我们的毕业设计和毕业论文圆满完成了。

在办公自动化系统的开发过程中，我们得到了指导老师的细心指导。

老师与我们起研讨开发项目，为我们提供开发实例，帮助我们进行调研和分析，耐心地指导我们进行开发和解决问题。

他严密的逻辑思维以及严谨的治学态度都给予了我们极大的鼓励与帮助，在他的帮助下我们不断进步并自我们提高。

在此过程中，对于我们遇到的所有问题和困难，老师都给予了细心的解答和真诚的帮助，在此我们表示衷心的感谢。

在这里我们还要感谢我们的同学，在开发过程中，我们以积极上进的精神，刻苦钻研，互相帮助使设计目标得以实现。

我们很高兴能在这样有凝聚力和好学上进的氛围中学习和工作，是大家的支持和帮助让我们的毕业设计和毕业论文能够顺利完成，此外，我们的毕业设计课题得以很好的完成，这和学校为我们提供的良好的学习和工作环境，以及设计过程给予我支持和帮助的软件系各位老师是分不开的，特此向他们表示衷心的感谢，在此，我们向所有帮助过我们的老师同学和朋友们表示真挚的感谢以及美好的祝福，祝愿大家在今后的日子里，百尺竿头，更进步。

中定义的已知接口，并充当插件的耦合点。

扩展点的范围包括从用在常规表述过滤器中的简单字符串，到个类的描述。

任何插件定义的扩展点都能够被其它插件使用，反之，任何插件也可以遵从其它插件定义的扩展点。

除了解由扩展点定义的接口外，插件不知道它们通过扩展点提供的服务将如何被使用。

利用，我们可以将高级设计也许是采用与低级开发工具四川托普信息技术职业学院计算机系软件专业如应用调试器等结合在起。

如果这些互相补充的独立工具采用扩展点彼此连接，那么当我们用调试器逐检查应用时，对话框可以突出显示我们正在关注的器件。

事实上，由于并不了解开发语言，所以无论语言调试器调试器还是汇编调试器都是有效的，并可以在相同的框架内同时瞄准不同的进程或节点。

的最大特点是它能接受由开发者自己编写的开放源代码插件，这类似于微软公司的和微系统公司的平台。

为工具开发商提供了更好的灵活性，使他们能更好地控制自己的软件技术。

联盟已经宣布将在年中期发布其版软件。

这是款非常受欢迎的开发工具，这国内的用户越来越多，实际上实用它开发人员是最多的。

缺点性分割时，采用多种算子对图像进行分割。

实验结果基于多重分形理论的图像分割灰度直方图灰度图像算子分割后的图片基于多重分形理论的图像分割算子分割后的图片算子分割后的图片实验结果分析对于本次采用的三种测试算子，分别是算子，算子，算子。

对于三种算子的实验现象，从视觉效果上来看，以算子最好，边缘信息丰富，集合保留了边缘所有的边缘点，而且边缘清晰，连续性好。

算子，其分割图像中所含有的费边缘点较少，而且主要边缘大部分被保留，但还是去掉了很多真边缘点。

算子的分割的图像中虽然集合没有费边缘点，但是边缘的连续性较差，从视觉上来看图像显得很杂乱。

本章小结本章主要介绍了多重分形在图像处理图像分割中的应用。

对于常用的图像处理技术，如去噪，边缘检测提取等都应用了基于多重分形理论的算法。

基于多重分形理论的图像分割同特征。

条件④指出在分割结果中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有些不同的特征。

条件要求分割结果中同个子区域内的像素应该是相通的，即同个子区域内的任意两个像素在该子区域内是相互连通的，或者说分割得到的区域是个连通基于多重分形理论的图像分割组元。

上面的定义，不仅对明确的说明了分割的含义，而且对进行分割也有相当的指导作用。

因为分割总是根据些分割准则进行的。

条件和说明正确的分割准则应该可以适合所有的区域和像素条件和④说明合理的分割准则应该可以帮助确定各个区域像素有代表性的特征而条件说明完整的分割准则应该直接或间接地对区域内像素的连通性有定的要求或限定。

在实际应用中图像分割不仅是要把幅图像分成满足以上五个要求的各具有特性的区域，而且需要把其中感兴趣的目标和区域提取出来，只有这样才算是真正完成了图像分割任务。

图像分割方法综述图像分割是指将图像划分为与其中含有的真实世界的物体或区域有强相关性组成部分的过程。

图像分割是图像处理和分析中的重要问题，也是计算机视觉研究中的个经典难题。

尽管它直受到科研人员的重视，但是它的发展很慢，被认为是计算机视觉的个瓶颈。

迄今为止，还没有种图像分割的方法适用于所有图像，也没有类图像所有的方法都适用于它。

典型的图像分割方法有阈值法，边缘检测法，区域法。

他们分割图像的基本依据和条件有下四个方面分割的图像区域应具有同质性，如灰度级别相近，纹理相似等区域内部平整，不存在很小的空间相邻区域之间对选定的种同质判据而言，应存在显著的差异性每个分割区域边界应具有齐整性和空间位置的准确性。

现有的大多数图像分割方法只是满足上述依据。

如果加强分割区域的同质性约束，分割区域很容易产生大量小空洞和不规整边缘若强调不同区域间性质差异的显著性，则极其容易造成非同质区域的合并和有意义的边界丢失。

不同的图像分割方法总有在各种约束条件间找到适当的平衡点。

阈值法阈值法的优点是计算简单，速度快，易于实现。

尤其是对于不同类的物体灰度值或者是其他特征值相差很大时，能很有效果的对图像进行分割。

其缺点是当图像中不存在明显的灰度差异或灰度值范围有较大的重叠时，分割效果不