基于matlab的图像分割技术的研究

基于matlab的图像分割技术的研究内容摘要：

铜陵学院 6 ull) {=true。 int height=t。 int width=h。 Bitmap temp=new Bitmap(width,height)。 Bitmap process=(Bitmap)。 int i,j,p0,p1,p2,p3。 Color [] pixel=new Color[4]。 int result。 for(j=height2。 j0。 j) {for(i=0。 iwidth2。 i++) {pixel[0]=(i,j)。 pixel[1]=(i,j+1)。 pixel[2]=(i+1,j)。 pixel[3]=(i+1,j+1)。 p0=(int)(*pixel[0].R+*pixel[0].G+*pixel[0].B)。 p1=(int)(*pixel[1].R+*pixel[1].G+*pixel[1].B)。 p2=(int)(*pixel[2].R+*pixel[2].G+*pixel[2].B)。 p3=(int)(*pixel[3].R+*pixel[3].G+*pixel[3].B)。 result=(int)((p0p3)*(p0p3)+(p1p2)*(p1p2))。 if (result255)result=255。 if 基 于 MATLAB 的图像分割技术的研究 铜陵学院 7 (result0)result=0。 (i,j,(result,result,result))。 }} =temp。 } } Sobel算子的边缘检测 Sobel算子 是 基于梯度算子 3*3的邻 域 ， 梯度算子计算时 ， 当强度发生时的方向。 这是通 过相 邻 像 素 值的 差 分 进 行计 算 的 ， 即 按 X轴和 Y轴的 导 数。 在二 维 图 像 描述 中 ， 可 以 用下 列 公式进行近似： Gx=f(i+1,j)f(i,j)。 同时 Gy=f(i,j+1)f(i,j)。 将从 X方 向获 得的 梯 度 与 从 Y方 向 获得 的梯 度 进 行 结合 从 而 获 得向 量 ， 其 中向 量 的 幅度 代表图像中点的边缘强度 ， 向量的角度代表梯度角。 进行计算时可以采用梯度模板值进行卷 积运算，每个模板对应具体方向的边缘。 3．图像分割实 现 图像分割 [2]可以采用全阈值分割 、 局部阈值分割以及区域分割等多种方法。 阈值化技术 是算法比较简单的，涉及确定优选阈值集，根据这些阈值将图像分割成有特定意义的区域， 最早的阈值算法是由 Otsu提出的 ， 它 是基于灰度级的几本原理 ， 选择最 大 的类内方差化作为 阈值。 对 于 灰度 级 k， 所 有灰度值 小 于等 于 k的 将形成类（ C0），而所 有 其他的将 形 成另外 的 类 （ C1）。 之所以选择 k作为阈 值 ，因为他们之间的类方差 Vk是最大的。 由 Otsu提出的标 准是最大化像素强度之间的类方差。 使用全局阈值可以将整个图 像的灰度值设定为常数 [3]， 根据具体的图像 ， 通过实验来确 定。 通过分析直方图的方法可以确定最佳阈值。 使用 MATLAB工具仿真结果如图 1所 示 ， 关 键代码如下所示。 I=imread(39。 39。 )。 figure。 imshow(I)。 title(39。 原始图 像 39。 ) level=graythresh(I)。 BW=im2bw(I,level)。 figure,imshow(BW)。 title(39。 全 局阈值后图 像 39。 ) 由图 1中可 以 看出经过 全 阈值化后 的 图像比原 始 图像的米 粒 的清晰度 显 著增强， 特征 值 显著增加 ， 但是图像 的下半部分的米粒的边缘部分明显不太清楚 ， 显得模糊。 因此图像整体 的特征值提取效果是好的，但是部分提取效果尤其是下边的效果较差。 基 于 MATLAB 的图像分割技术的研究 铜陵学院 8 原 始图 像 全局 阈 值后图 像 图 1 原图象与全局阈值后图像 局部阈值分割 [4]是对图像进一步分析 、 识别的前提 ， 分割。