癌细胞边缘检测(基于迭代算法和腐蚀算法的轮廓提取)毕业设计论文(编辑修改稿)

癌细胞边缘检测(基于迭代算法和腐蚀算法的轮廓提取)毕业设计论文(编辑修改稿)内容摘要：

像，因此，在实际中要找到某种有效的图像处理方法常常需要做大河南科技大学本科毕业设计（论文） 5 量的实验，运用多种处理方法，在选择、比较的过程中，观察实验效果，从中找出最适合的处理方法。 167。 图像灰度化 图像处理的主要对象是图像，所以有必要了解图像的存储格式和颜色模型问题。 长期以来，由于各种原因，人们提出了数量众多的彩色空间模型，主要分为三类：第一类是基于人类视觉系统（ HVS）的彩色空 间，它包括 RGB，HIS， Munsell 彩色空间等；第二类是基于特定应用的彩色空间，它包括电视系统中所采纳的 YUV 和 YIQ，印刷系统的 CMY (K)彩色空间；第三类是 CIE彩色空间（包括 CIEXYZ， CIELAB 和 CIELUV 等）。 图像处理格式也有很多种，如 JPEG、 GIF、 BMP 等。 数码摄像机等数字产品中最常使用的就是 RGB 彩色空间， RGB 彩色空间可以用一个正方体来示意，如图。 原点对应黑色，离原点最远的顶点对应白色。 在这个空间模型中，从黑色到白色的灰度值分布在从原点到离原点最远顶点间的连线 上，而正方体其余各点对应不同的颜色，可用从原点到该点的矢量表示。 目前常用的数据量化精度是把 R 、 G 、 B 三原色分别量化为 0~255 共 256 个等级。 经过对 RGB 三个分量的量化，当一幅图像的每一个像素点都被赋予不同的 RGB 值，就能形成彩色图像了。 各彩色值用 R、G、 B 三通道值表示，例如红色是 (255 ,0,0)、绿色是 (0,255 ,0)、蓝色是 (0,0,255 )。 图 11 RGB 彩色空间 图像灰度化的算法主要有以下 3 种： 河南科技大学本科毕业设计（论文） 6 (1) 最大值法：使转化后 R、 G、 B 的值等于转化前 3 个值中最大的一个，即： R=G=B=max(R,G,B) 公式 (11) 这种方法转换的灰度图亮度很高。 (2)平均值法：使转化后 R、 G、 B 的值为转化前 R、 G、 B 的平均值，即： )(31 GBRBGR  公式 (12) 这种方法产生的灰度图像比较柔和。 (3)加权平均值法：按照一定的权值，对 R、 G、 B 的值加权平均，即： )(31 GWBWRWGBR GBR  公式 (13) 其中， RW 、 GW 、 BW 分别为 R、 G、 B 的权值。 RW 、 GW 、 BW 取不同的值，将成不同的灰度图像。 由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此使 RW GW BW。 一般情况下，当 GW =、 RW = 、BW = 时，得到的灰度图像效果最好。 167。 图像平滑滤波 实际获得的图像一般都因受到某种干扰而含有噪声，由于图像中噪声和信号往往交织在一起，如果平滑不恰当会使图像本身的细节如边界轮廓、线条等变得模糊不清，从而使图像降质。 所以需要找到既能平滑图像中的噪声，又尽量保持图像细节的合理算法。 所以需要采用一种滤波技术，滤除不需要的噪声，保留图像中的边缘信息。 167。 邻域平均滤波 所谓邻域平均法 [1 3]，就是从图像中选取一个子区域，让被干扰的像素位于其中央，然后求出其邻域各像素灰度的平均值，最后以该平 均值取代被干扰像素的灰度值，从而提高该图像的质量，称此法为邻域平均法。 邻域平均法是一种在空间域上对图像进行平滑处理的一种方法。 令被研究像素的灰度值为 F(j,k)，以其为中心，窗口像素组成的点集用 A表示，点集 A 中像素个数用 L 表示，经邻域平均法滤波后，像素 F(j,k)的对河南科技大学本科毕业设计（论文） 7 应的输出为：  Ayx yxFLkjG ),( ),(1),( 公式 (14) 即为窗口像素的平均值，用它代替 F(j,k)原来的灰度值。 邻域平均法平滑时，邻域的选取通常有两种方式：以单位距离为半径 或单位距离的 2 倍为半径。 以 3 3 窗口为例，单位距离为半径时，其邻域为： )},1(),1,(),1(),1,{(4 kjkjkjkjA  公式 (15) 单位距离的 2 倍为半径时，其邻域为： )}1,1(),1(),1,1(),1,( ),1,(),1,1(),1(),1,1{(8   kjkjkjkj kjkjkjkjA 公式 (16) 前者称之为四点邻域，后者称之为八点邻域。 四点邻域时， L=4；八点邻域时， L=8。 167。 中值滤波 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用其 中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑滤波法。 它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。 中值滤波首先是被应用在一维信号处理技术（时间序列分析）中，后来被二维图像信号处理技术所引用，在一定条件下可以克服线性滤波器如最小均方滤波，均值滤波等带来的图像细节模糊，对滤波脉冲干扰及图像扫描噪声最为有效。 中值滤波原理非常简单：用一个窗口 W 在图像上扫描，把 W 包含的像素点的灰度值按照升序或降序排列，取灰度值居中的像素灰度值为窗口中心像素的灰度值，便完成了中值滤 波。 中值滤波的数学表达式为： WnmnymxfM e dyxg  )},(),({),( 公式 (17) 通常窗口内像素数目为奇数，以便有中间像素值，若窗口内像素数目为偶数，则中 值取中间两像素灰度的平均值。 河南科技大学本科毕业设计（论文） 8 设有一个一维序列 nfff ...., ,21 ，取窗口长度为 x（ x 为奇数），对此序列进行中值滤波，就是从输入序列中相继取出 x 个数， mjjjjmj fffff  ...,... 11 ，其中 jf 为窗口的中心值，21xM再将这 x 个点值按其数值大小排列，取其正中间那两个数作为滤波器输出。 河南科技大学本科毕业设计（论文） 9 第 2章 边缘检测 167。 边缘检测概述 利用计算机进行图像处理有两个目的：产生更适合人类观察和识别的图像；希望能由计算机自动识别和理解图像。 无论为了哪种目的，图像处理中关键的一步就是对包含有大量各式各样景物信息的图像进行分解。 分解的最终结果是被分解成一些具有某种特征的最小成分，称为图像的基元。 相对于整幅图像来说，这种基元更容易被快速处理。 图像的特征是指图像场中可用作标志的属性，它可以分为图像的统计特征和图像的视觉特征两 类。 图像的统计特征是指一些人为定义的特征，通过变换才能得到，如图像的直方图、矩、频谱等；图像的视觉特征是指人的视觉可直接感受到的自然特征，如区域的亮度、纹理或轮廓等。 利用这两类特征把图像分解成一系列有意义的目标或区域的过程称为图像的分割。 图像最基本的特征是边缘，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。 它存在于目标与背景、目标与目标、区域与区域、基元与基元之间，因此，它是图像分割所依赖的最重要的特征 ,也是纹理特征的重要信息源和形状特征的基础，而图像的纹理形状特征的提取又常常要依赖于图 像分割。 图像的边缘提取也是图像匹配的基础，因为它是位置的标志，对灰度的变化不敏感，可作为匹配的特征点。 图像的边缘是由灰度不连续性所反映的。 经典的边缘提取方法是考察图像的每个像素在某个区域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法。 167。 经典 边缘检测 算子 边缘的种类可以分为两种：① 阶跃性边缘，它两边的像素的灰度值有显著的不同；② 屋顶状边缘，它位于灰度值从增加到减少的变化转折点。 对于阶跃性边缘，二阶方向导数在边缘处呈零交叉；对于屋顶状边缘，二阶 方向导数在边缘处取极值。 河南科技大学本科毕业设计（论文） 10 如果一个像素落在图像中某一个物体的边界上，那么它的领域将成为一个灰度级的变化带。 对这种变化最有用的两个特征是灰度的变化率和方向 , 它们分别以梯度向量的幅度和方向来表示。 边缘检测算子检查每个像素的领域并对灰度变化率进行量化，也包括方向的确定，大多数使 用基于方向导数掩模求卷积的方法。 下面介绍几种常用的边缘检测算子。 167。 Robert 算子 它是 2 2 算子，利用局部差分算子寻找边缘，计算沿 45176。 方向的一阶差分。 图像的梯度为两个 45176。 方向的梯度向量和，直接计算图像差分，不包含平滑，故不能抑 制噪声，对具有陡峭的低噪声图像响应最好。 它是一种利用局部差分算子寻找边缘的算子： 22 1 / 2( , ) { [ ( , ) ( 1 , 1 ) ][ ( , ) ( 1 , 1 ) ] }g x y f x y f x yf x y f x y       公式 （ 21） 其中， f(x, y) 是具有整数像素坐标的输入图像，平方根运算使该处理类似于在人类视觉系统中发生的过程。 167。 Sobel 算子和 Prewitt 算子 为在检测边缘的同时减少噪声的影响， Prewitt 从加大边缘检测算子的模板大小出发，由 2 2 扩大到 3 3 来计算差分算子，如图 21(a) 所示。 采用 Prewitt 算子不仅能检测边缘点，而且能抑制噪 声的影响。 (a)Prewitt 算子 (b)Sobel 算子 图 21 Sobel 算子和 Prewitt 算子 167。 Krisch 算子 它有八个卷积核，图 像中每个点都用八个卷积核进行卷积，每个卷积核1 0 1 1 0 1 1 0 1 1 2 1 0 0 0 1 2 1 1 0 1 2 0 2 1 0 1 1 1 1 0 0 0 1 1 1 河南科技大学本科毕业设计（论文） 11 对某个特定边缘方向做 出最大响应，所有八个 方向中的最大值作为边缘图像的输出。 167。 Laplacian 算子 它是二阶微分算子 , 对数字图像的每个像素计算关于 x 轴和 y 轴的二阶偏导数之和 2 ( , )f x y。 2 ( , ) ( 1 , ) ( 1 , ) ( , 1 )( , 1 ) 4 ( , )f x y f x y f x y f x yf x y f x y        公式 （ 22） 该算子对应的模板如图 12 所示，它是一个与方向无关的各向同性 (旋转轴对称 )边缘检测算子。 其零交叉点也可作为图像的阶跃型边缘点，而其极小值点可作为图像的屋顶型边缘。 Laplacian 算子极小值算法用于检测屋顶型边缘的效果不错，但对噪 声敏感性较大；而其过零点算法若直接用于检测阶跃型边缘，则不仅过零点的门限难以选择，而且检测精度一般地较低。 图 22 Laplacian 算子 167。 Canny 算子 它是一阶算子，其方法的实质是用一个准高斯函数做平滑运算，然后以带方向的一阶微分算子定位导数最大值。 它可用高斯函数的梯度来近似，在理论上很接近 k 个指数函数的线性组合形成的最佳边缘算 子，在实际工作应用中编程较为复杂，且运算偏慢。 它是一阶传统微分中检测阶跃性边缘效果最好的算子之一，它比 Prewitt 算子、 Sobel 算子、 Laplacian 算子极小值算法的去噪能力都要强，但它也容易平滑掉一些边缘信息。 167。 LoG( Laplacian of Gaussian)算子 Marr Hildreth 首先使用高斯函数对原始图像作平滑，这是由于高斯滤波0 1 0 1 4 1 0 1 0 河南科技大学本科毕业设计（论文） 12 器具有空间平稳性，空间位置误差小；然后采用无方向的 Laplacian 算子运算后，再用提取零交叉点的算法进行边缘检测，其精度明 显提高。 它的优点是过滤了 噪声，缺点是可能将原有的边缘也给平滑了 , Marr 和 Hildreth 没有解决如何组合不同尺度滤波器输出的边缘图为单一的、正确的边缘图的具体方法。 河南科技大学本科毕业设计（论文） 13 第 3章 基于迭代算法和腐蚀算法的轮廓提取 167。 迭代算法 概述 迭代算法是用计算机解决问题的一种基本方法。 它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令 (或一定步骤 )进行重复执行，在每次执行这组指令 (或这些步骤 )时，都从变量的原值推出它的一个新值。 利用迭代算法解决问题，需要做好以下三个方面的工作： 一、确定迭代变量。 在可以用迭代算法解决的问题中，至少存 在一个直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量。 二。