1、“.....在这个飞速发展的信息化社会中，计算机在信 息处理中发挥着巨大的作用。尤其是在图像处理领域，计算机的加入使得数字图像处理 技术得到了飞速的发展，并在国民经济的各个领域也都有了相对比较广泛的应用。在实 际图像处理中，般情况下我们只是注意到图像中那些我们感兴趣的目标，因为只有这 部分也就是我们注意到的有用的目标物才能为我们提供高效有用的信息......”。

2、“.....为了把这些有用的区域提取 出来供我们人类使用，图像分割这门技术也就应运而生了。我们通常情况下所说的图像 分割就是指把图像划分成若干个有意义的区域的过程，每个区域都是具有相近特性的像 素的连通集合，般情况下我们所关注到的那些有用的目标物就存在与这些区域中。研 究者们为了识别和分析图像中的那部分我们感兴趣的目标，例如进行特征提取或者测 量，就需要将这些相关的区域从图像背景中提取出来。图像分割就能够把图像中的这些 有用的区域分割出来，从而把幅图像分成系列的有意义的各具特征的目标或者区 域。 随着计算机视觉研究的不断进步多媒体技术和虚拟现实技术的不断完善彩色成 像设备的不断改进......”。

3、“.....然而，图像处理研究仍然集中在灰度 图像上。对灰度图像的技术通常不能用到彩色图像，因为彩色图像更复杂，对计算机的 计代表的像素 灰度值概率分布密度函数实际上是对应目标和背景的两个单峰分布密度函数之和。如果 已知密度函数的形式，就有可能计算出个最优阈值，用它可把图像分成两类区域而使 误分割率最小。 设有这样幅混有加性高斯噪声的图像，背景和目标的概率密度分别是和 ......”。

4、“.....它指的是使用计算机提取图像信 息，决定每个图像的点是否属于个图像特征。特征提取的结果是把图像上的点分为不 同的子集，这些子集往往属于孤立的点连续的曲线或者连续的区域。 本文以普通的彩色图像为例，介绍了对彩色图像特征提取的原理。其具体过程分为 原图像的预处理图像信息分析图像的特征提取，然后用实现具体的过程， 最后获得需要的颜色特征纹理特征轮廓特征等。测试结果表明，本课题充分利用 中已有的函数库，使整个研究简单易行。可以有效的掌握彩色图像特征信息提取 的方法和知识点。从原理和应用效果上对经典的图像分割方法如边缘检测阈值分割技 术和区域增长等进行了分析......”。

5、“.....而阈值分割技术的关键在于阈值的确定，只有 阈值确定好了才能有效的划分物体与背景，这种方法对于那些灰度分布明显，背景与物 体差别大的图像的分割效果明显。区域增长的基本思想是将具有相似性质的像素集合起 来构成新区域。与此同时本文还分析了图像分割技术研究的方向。 关键词彩色图像特征提取图像处理图像分割 ， ， ， ， 目录 摘要 第章绪论 课题背景及意义 分割算法与提取技术综述 图像分割发展和现状 程序简介 本文的主要工作 第二章方案论证选择 图像 ， ， ， ， ， ， ......”。

6、“..... 应满足             是的二阶导数 以上述指标和准则为基础，利用泛函数求导的方法可导出坎尼边缘检测器是信噪比 与定位之乘积的最优逼近算子，表达式近似于高斯函数的阶导数。将坎尼个准则相 结合可以获得最优的检测算子。 利用我们可以很方便的对图像边缘检测算法进行仿真研究。比较各自优缺 点，得到最优，效果最好的算法来进行图像的处理。 算子定位比较精确，但由于不包括平滑，所以对于噪声比较敏感。 算子是平均滤波的阶算子，检测的图像边缘可能大于两个像素......”。

7、“.....处理效果就不理想了。方 效果图 读入图像 图梯度边缘检测流程图 算子检测 算子 算子检测 算子检测 法则以阶倒数为基础来判断边缘点，它是阶传统微分中检测阶跃型边缘最好算子之 。 方案二阈值分割法 阈值化分割算法是图像分割中应用数量最多的类。简单地说，对灰度图像的阈 值分割就是先确定个处于图像灰度取值范围内的灰度阈值，然后将图像中各个像素的 灰度值与这个阈值相比较，并根据比较的结果将对应的像素划分为分割为两类像 素灰度大于阈值的类，像素灰度值小于阈值的为另类，灰度值等于阈值的像素可以 归如这两类之。分割后的两类像素般分属图像的两个不同区域，所以对像素根据阈 值分类达到了区域分割的目的......”。

8、“.....阈值分割算法主要有两个步骤 确定需要分割的阈值 将分割阈值与像素点的灰度值比较，以分割图像的像素。 以上步骤中，确定阈值是分割的关键，如果能确定个合适的阈值就可准确地将图 像分割开来。阈值确定后，将阈值与像素点的灰度值比较和像素分割可对像素并行地进 行，分割的结果直接给出图像区域，如图。 在利用取阈值方法来分割灰度图像时般对图相应的分类方法也很多，例如，对文档图像的阈值化技术可油种分 类的方法 考虑分割过程是否需要人工干预，可分为交互的与自动的 根据阈值的不同作用范围，可分为全局的与局部的 考虑阈值选取中所采用的灰度分布统计特性，可分为上下文相关与上下文无关的，前者 基于灰度分布的阶统计......”。

9、“.....可分为迭代的与非迭代的 根据为进行分割是否选用训练像素集以估计目标或背景的特性参数，可分为有监督 的与无监督的。 在前面关于阈值化原理的讨论中已指出选取合适的分割阈值化算法的关键问题，据 此可根据阈值选取本身的特点对算法分类。阈值般可写成如下形式 ， 其中，代表在像素点，处的灰度值，，代表在该点邻域的种局部性 质。即阈值在般情况下可以是，的函数。借助上式，可将 取阈值分割方法分成如下类，相应的阈值分别称为 基于各像素值的阈值阈值仅根据，来选取，所得到的阈值仅与全图各像素的 本身性质像素值有关 基于区域性质的阈值阈值是根据，和，来选取的......”。