基于dsp的灰度图像分割技术研究

基于dsp的灰度图像分割技术研究内容摘要：

需循环的程序块的结束地址。 7)中断寄存器 (IMR,IFR) 中断屏蔽寄存器 (IMR)在需要的时 候能独立地屏蔽特定的中断。 中断标志寄存器 (IFR)用来指明各个中断的当前状态。 片内外围设备 所有 的 TMS320C54x 芯片的 CPU 结构和功能完全相同，但它们的 CPU 对应不同的片内外围设备。 TMS320C54x 芯片有以下片内外围设备：通用 I/O 引脚 、软件可编程等待状态发生器、可编程的快切换逻辑、主机接口（ HPI）、硬件定时器、时钟发生器和串行接口等。 复位电路 TMS320C54x 复位有三种方式，即上电复位、手动复位、软件复位。 前两种 …………………… 毕业设计（论文）说明书 共 59 页 第 9 页 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 是通过电路实现的复位，后一种是通过指令方式实 现的复位。 3 数字图像分割 图像分割就是把图像中具有特殊涵义的不同区域区分开来，这些区域是互不相交的，每一个区域都满足特定区域的一致性。 图像分割是图像处理中的重要问题，也是计算机视觉研究中的一个经典难题。 计算机视觉中的图像理解包括目标检测、特征提取和目标识别等，都依赖于图像分割的质量。 从 20 世纪的 50 年代起，人们就开始了对图像分割方法的研究，提出了一系列图像分割方法。 特别是到了八十年代，随着数字技术在各个领域的广泛应用，对数字图像分割的研究得到了前所未有的发展，大量的新方法被提出和应用，一些行之有效 的系统也被研制出并应用到实际中去。 尽管研究人员提出了许多分割方法，但是到目前为止还不存在一种通用的方法，也不存在一个判断分割是否成功的客观标准，因此被认为是计算机视觉中的一个瓶颈，也仍旧是目前图像处理领域的一个研究热点。 本章主要回顾了图像分割方法的研究过 程和现状，重点对于阈值化分割方法给予了详细的介绍 ， 从而 引出了本文的研究重点 —— 经典阈值化图像分割方法比较。 图像分割的规范化定义 多年来人们对图像分割提出了不同的解释和表述，借助集合概念对图像分割可给出如下的定义： 令集合 R 代表整个图像区域，对 R的 分割可看作将 R分成 N个满足以下五个条件的非空子集 (子区域 ) 1R ， 2R ， „„ ， NR ： (1)  RRi。 (2) 对所有的 i和 j, i≠ j，有 ijRR ； (3) 对 i=1, 2,„ ,N，有 ()ip R TRUE ； (4) 对 i≠ j，有 ()ijp R R FAL SE ； (5) 对 i=1, 2， „ ， N, iR 是连通的区域。 其中 P( iR )是对所有在集合 iR 中元素的逻辑谓词， Φ 代表空集。 下面先对以上各个条件分别给予简略解释。 条件 1指出在对一副图像的分割结果中，全部子区域的总和 (并集 )应能包括图像中所有 像 素 (就是原图像 )，或者说分割应将图像中的每 个 像 素 都分进某个子区域中。 条件 2指出在分割的结果中各个子区域是互不重叠的，或者说在分割结果中一个 像 素 不能同时属于两个区域。 条件 3指出在分割结果中每个子区域都有独特的特性，或者说属于同一个区域的 像 素 应该具有某些相同的性质。 条件 4指出在分割结果中，不同的子区域应 …………………… 毕业设计（论文）说明书 共 59 页 第 10 页 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 该具有不同的特性，没有公共元素，或者说属于不同区域的 像 素 应该具有一些不同的特性。 条件 5 要求分割结果中同一个子区域内的 像 素 应该是连通的，即同一个子区域的任两个 像 素 在该子区域内互相连通，或者说分割得到的区域是一个连通组元。 图像分割方法综述 传统上， 图像分割方法可分为三类：边缘检测，阈值分割，区域的生长和分裂合并。 边缘检测 图像的边缘是图像的最基本的特征之一，基于边缘的分割方法可以说是人们最早研究的方法。 所谓边缘是指其周围 像 素 灰度有阶跃变化的 像 素 的集合。 边缘广泛的存在于物体与背景之间、物体与物体之间。 它是图像分割所依赖的重要特征。 边缘检测方法试图通过检测不同区域间的边缘来解决图像分割问题。 边缘检测技术可以按照处理的顺序分为串行边缘检测以及并行边缘检测。 在串行边缘检测技术中，当前 像 素 点是否属于检测的边缘，取决于先前 像 素 的验证结果。 而在并行边 缘检测技术中，一个 像 素 点是否属于检测的边缘，取决于当前正在检测的像 素 点以及该 像 素 点的一些相邻 像 素 点，这样该模型可以同时用于检测图像中的所有 像 素 点，因而称之为并行边缘检测技术。 边缘检测常借助于微分算子进行，通过将其模板与图像卷积，检测到灰度不连续 (或突变 )的边缘。 常用的微分算子有梯度算子 (例如 Roberts 算子、 Prewitt 算子、 Sobel 算子 )、方向算子 (例如Kirsch 算子、 Nevitia 算子 )、拉普拉斯算子、马尔算子、综合正交算子、坎尼算子等。 对于实际有噪声点的图像，仅用微分算子检测出的边缘点并不能 组成封闭的边界而将目标从背景中分离出来。 所以还需要利用检测到的边缘点组成目标的边界，例如，利用哈夫〔 Hough〕变换，通过在参数空间的累加运算完成从图像空间 (不连续 )边缘点获取区域封闭边界的工作。 近年来，边缘 检测技术领域出现一些新的方法，例如边缘拟合、曲线拟合、基于反应 扩散方程、形变模型的方法等等。 阈值分割 阈值分割就是简单地用一个或几个阈值将图像的灰度直方图分成几类，认为图像中灰度值在同一个灰度类内的 像素 属于同一个物体。 过去，人们为图像灰度阈值的自动选择付出了巨大的努力，提出了很多方法。 阈值方法的缺陷在于它仅仅考虑了图像的灰度信息，而忽略了图像中的空间信息，对于图像中不存在明显的灰度差异或各物体的灰度值范围有较大重叠的图像分割问题难以得到准确的结果。 区域的生长和分裂合并 …………………… 毕业设计（论文）说明书 共 59 页 第 11 页 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 区域生长和分裂合并是两种典型的串行区域分割方法。 其特点是将分割过程分解为顺序的多个步骤，其中后续步骤要根据前面步骤的结果进行判断而确定。 区域生长的基本思想是将具有相似性质的 像 素 集合起来构成区域。 先对每个要分割的区域找一个种子 像 素 作为生长的起点，然后将种子 像 素 周围邻域中与种子 像素 有相同或相似性质的 像 素 合并到种子 像 素 所在的区域中来。 将这些新 像 素 当作新的种子 像 素 继续上面的过程，直到再没有满足条件的 像 素 可以包括进来。 这样一个区域就生成了。 所以区域生长是从单个种子 像 素 开始，通过不断接纳新 像 素得到整个区域。 区域的分裂合并则是首先把图像分成任意大小互不重叠的区域，然后再合并或者分裂这些区域，最后得到分割结 果。 与阈 值分割类似，区域生长往往是与其它分割方法一起使用，特别适用于分割小的结构，如医学中的肿瘤和伤疤。 区域生长的缺点是它需要人工交互以获得种子点，这样使用者必须在每个需要抽取出的区域中植入一个种子点。 同时，区域生长方式也对噪 声敏感，导致抽取出的区域有空洞，而且往往会造成过度分割，即将图像分割成过多的区域。 区域生长算法的研究重点一是特征度量和区域增长规则的设计，二是算法的高效性和准确性。 区域生长方式的优点是计算简单。 区域生长和分裂合并的关键都是选择一个合适的准则，其中最常用的是基于灰度统计特征的准则，例如同质区域中的灰度方差。 人们往往将基于区域信息的方法与别的方法，主要是边缘检测的方法结合起来，研究结合区域与边界信息的方法。 例如松弛迭代法，利用两种算法的优点，使分割既能在每个局部并行进行，又能借助迭代，利用运算中获取的信息不断调 整，以自适应地取得好的分割效果。 阈值化图像分割方法 阈值化算法是图像分割中算法数量最多的一种，尤其是近二十年来，由于其他数学方法及理论的引入，阈值化算法得到了很大的发展。 从算法的内在理论特点出发，阈值化算法可分为十类 :(1)直方图法与直方图变换法（峰谷法）。 (2)最大类间方差法 :(3)最小误差法与均匀化误差法。 (4)共生矩阵法。 (5)矩量保持法。 (6)最大熵法。 (7)简单统计与局部统计法。 (8)概率松弛法。 (9)模糊集方法。 (10)其他方法。 按阈值的作用范围分成全局阈值化和局部阈值化两种，全局 阈值化采用同一组阈值系列作用于整幅图像，即各像素的阈值相同，因而算法简单快速，但抗噪能力差，对目标和背景内灰度变化大的图像分割效果差，对灰度交迭图像则完全失效。 局部灰度阈值化算法的时间复杂度和空间复杂度都比较大，但抗噪能力强，能处理背景灰度可变或灰度有交叠的图像，对光照不均匀、对比度低和有随机扰动、突发噪声的劣质图像亦有较好的效果。 但是，另一方面，局部阈值化可以可作是全局阈值化技术的局部化，全局阈值化技术是实现局部阈值化分割的基础。 …………………… 毕业设计（论文）说明书 共 59 页 第 12 页 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 阈值分割的概念、定义 阈值 化技术是图像分割中最基本、最重要也是最 常用的方法。 因为 阈值 分割一般基于图像的灰度特征，所以也称为灰度 阈值 化分割，其定义如下 : 阈值 化分割包括全局 阈值 化分割和局部 阈值 化分割，是指这样一种从灰度图像 F 到多值图像 G 的过程 : g(x,y) =  1),(,),(,),(0,121211LyxftbtyxftbtyxfbNN （ 31） 式中 1t , 2t , ....， 1Nt 为系列分割 阈值 ， L为图像的灰度级别， f(x,y)和g(x,y) 分别是图像 F, G 中坐标 (x,y)处 像 素的灰度。 如果各坐标点的分割 阈值相同 ,则称全局 阈值 化。 如果各坐标点的分割 阈值 相异，则称局部 阈值 化，又称动态 阈值 化。 N=2 时称为灰度单 阈值 分割，又称为目标背景分离技术。 N2 时则称为灰度多 阈值 化分割。 多 阈值 分割是单 阈值 分割的扩充，可转化为一系列单 阈值 分割问题来解决。 简单的说，图像单 阈值 分割就是指确定一个处于图像灰度取值范围之内的灰度 阈值 ，然后将图像中各 像 素的灰度值都与这个 阈值 相比较 ,并根据比较结果将对应的 像 素分为两类 : 像 素灰度值大于 阈值 的为一类， 像 素灰度值小于 阈值 的为一类 (灰度值等于 阈值 的 像 素可归入这两类之一 )。 也即我们常说的图像的二值化处理 ,本文所采用的处理方法即此种方法。 此种 图像单 阈值处理的变换函数表达式为： ),( yxg   Tyxf Tyxf ),(,255 ),(,0 （ 32） 其变换函数曲线如图 31 所示： 图 31 单阈值处。