1、本科畢業論文雜草圖像處理技術及應用學 院： 計算機與信息工程學院專 業： 計算機科學與技術專業學 號： 姓 名： 烏文澤指導教師： 薛河儒職 稱： 教授論文提交日期：二一一年六月摘 要圖像分割是圖像處理中的一項關鍵技術，其目的是將目標和背景分離，為后續處理提供依據，其結果直接影響到其后的信息處理過程。到目前為止，對圖像分割的效果好壞，還沒有一個統一的評價判斷準則。不同的分割方法對同一幅圖像的分割效果是不同的。本文研究不同分割方法對同一副圖像進行分割后的定量比較。灰度閾值法是一種常使用的分割方法。圖像閾值化處理的實質是一種圖像灰度級的非線性運算，閾值處理可用方程加以描述。通過選取閾值將目標與背景

2、分離出來。分水嶺變換是一種數學形態學圖像分割方法，它可以得到精確的邊緣，即連續、封閉、單像素寬的邊緣。但是它的主要缺點就是對噪聲十分敏感，很弱的噪聲就會造成嚴重的過分割現象，致使分割結果出現大量的零散區域。本文是用實驗的方法，針對農田植物與土壤對比比較強烈的情況，將其背景與植物分離。利用不同算法對同一幅圖像進行分割，然后對其效果進行定量比較，從而確定一種分割效果較好的方法。關鍵詞：圖像分割 顏色特征 灰度閾值法 分水嶺算法 定量評價Abstract Image segmentation is a key technology of image processing, and its purpo

3、se is to separate the target from the background. It makes further image analysis and comprehension possible. But so far, there is not a unified evaluation criterion about the effects of image segmentation. The effects of segmentation are different with different segmentation methods, and the effect

4、s are also different with a given segmentation method at different color spaces. This paper studies different segmentation method for the same vice image segmentation quantitative comparison after. Gray threshold value method is a frequently used segmentation method. Image threshold processs essence

5、 is a kind of image grayscale nonlinear operations, threshold processing can be used to describe equation. By choosing threshold will target and background is isolated The watershed is an image segmentation method based on mathematical morphology. It gets the precise edge which is continuous, closed

6、 and single-pixel. The main limitation of watershed transform is the over-segmentation due to its sensitivity to noise; even the very thin noise will lead to a lot of scattered and meaningless regions.This paper is to use the method of experimental comparison for farmland plants and soil more intens

7、e, will its background and plant separation. Use different algorithms on the same image segmentation, then its effect, thus determine quantitatively compare a segmentation effect good method. Key words ：Image segmentation Color characteristics Grayscale threshold value method Watershed algorithm Qua

8、ntitative evaluation 目 錄1 引言12 圖像分割概述221 數字圖像處理技術222 圖像分割2221 圖像分割定義3222 圖像分割技術的分類3223 圖像分割的方法3224 存在問題4225 課題研究意義53 圖像的采集和預處理631 雜草圖像的采集632 彩色圖像轉換為灰度圖像633 雜草圖像預處理7331 雜草圖像的增強7332 直方圖修正7333 直方圖均衡化8334 平滑濾波除噪9335 中值濾波94 基于顏色特征的雜草圖像的分割1041 綠色植物與土壤背景的分割1041. 1 分割方法分析1041. 2 閾值分割法1041. 3 無標記分水嶺算法1241. 4

9、 有標記分水嶺算法145 用戶界面（GUI）1551 GUI開發方法簡介1652 創建圖形用戶窗口的工具1753 GUI控件1954 雜草圖像處理系統的界面設計216 圖像分割效果評價246. 1 灰度閾值法256. 2 分水嶺算法256. 2. 1 無分水嶺算法256. 2. 2 有標記分水嶺算法267 總結26致謝27參考文獻28附錄291 引言在圖像的研究和應用過程中，人們往往僅對各幅圖像中的某些部分感興趣。這些部分常稱為目標或前景，它們一般對應圖像中特定的具有獨特性質的區域。為了辨別和分析目標，需要將這些區域分離提取出來，在此基礎上才有可能對目標進一步研究。圖像分割就是將圖像分成各具特

10、性的區域并提取出感興趣目標的技術和過程。 在進行圖像分割時，首先要根據目標和背景的先驗知識來對圖像中的目標、背景進行標記、定位，然后將等待識別的目標從背景中分離出來。大力發展精細農業、合理利用農業資源、改善生態環境，保持農業的持續高效發展已成為前沿性科學研究的熱點領域之一。隨著信息技術、網絡技術、人工智能技術在工業生產中的廣泛應用并已發揮巨大的效能，在傳統農業中引入信息智能化技術是農業現代化發展的必然趨勢。圖像分割是由圖像處理進到圖像分析的關鍵步驟，也是一種基本的計算機視覺技術。這是因為圖像的分割、目標的分離、特征的提取和參數的測量將原始的圖像轉化為更抽象更緊湊的形式，使得更高層的分析和理解成

11、為可能。因此，圖像分割多年來一直得到人們的高度重視。然而到目前為止，對圖像分割的效果好壞或正確與否，還沒有一個統一的評價判斷準則。不同的分割方法對同一幅圖像的分割效果是不同的，然而一種方法對不同的圖像分割效果也是不同的。本文研究的是不同圖像分割方法對同一幅圖像分割效果的定量比較。2 圖像分割概述21 數字圖像處理技術數字圖像處理技術源于20世紀20年代，當時通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片，采用了數字壓縮技術。首先數字圖像處理技術可以幫助人們更客觀、準確地認識世界，人的視覺系統可以幫助人類從外界獲取3/4以上的信息，而圖像、圖形又是所有視覺信息的載體，盡管人眼的鑒別力很高，可以識

12、別上千種顏色，但很多情況下，圖像對于人眼來說是模糊的甚至是不可見的，通過圖象增強技術，可以使模糊甚至不可見的圖像變得清晰明亮。另一方面，通過數字圖像處理中的模式識別技術，可以將人眼無法識別的圖像進行分類處理。通過計算機模式識別技術可以快速準確的檢索、匹配和識別出各種東西。數字圖像處理技術是一個跨學科的領域，就是指利用計算機對圖像信息進行加工以滿足人的視覺心理或者應用需求的行為。隨著計算機科學技術的不斷發展，圖像處理和分析逐漸形成了自己的科學體系，計算機圖像處理也成為人工智能應用的熱點之一，信息的處理技術主要依賴于圖像處理方法，它包括數碼編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別等內容

13、。經過這些處理后，輸出圖像的質量得到相當程度的改善，便于計算機對圖像進行分析、處理和識別。一個基本的圖像處理系統包括有4個子系統：圖像輸入系統、圖像輸出系統（顯示）、圖像存儲系統、圖像處理與分析系統。如下圖1所示：圖像輸入系統圖像輸出系統圖像處理與分析系統圖像存儲系統圖1 圖像處理系統新的處理方法層出不窮，盡管其發展歷史不長，但卻引起各方面人士的廣泛關注。圖像作為人類感知世界的視覺基礎，是人類獲取信息、表達信息和傳遞信息的重要手段。首先，視覺是人類最重要的感知手段，圖像又是視覺的基礎，因此，數字圖像成為農業、心理學、生理學、計算機科學等諸多領域內的學者們研究視覺感知的有效工具。其次，圖像處理在

14、軍事、遙感、氣象等大型應用中有不斷增長的需求。22 圖像分割221 圖像分割定義所謂圖像分割就是指把圖像分成各具特性的區域并提取出感興趣目標的技術和過程。分割是一種標記過程，即對分割所得屬于同一區域的像點給予相同的標記值。換句話說，所謂圖像分割是指根據灰度、色彩、空間紋理、幾何形狀等特征把圖像劃分成或若干個互不相交的區域，使得這些特征在同一區域內，表現出一致性或相似性，而在不同區域間表現出明顯的不同。圖像分割是圖像處理與計算機視覺領域底層視覺中最為基礎和重要的領域之一，同時它也是一個經典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標準。222 圖像分割的技

15、術分類根據圖像分割過程中所使用知識的多少，可將圖像分割按技術分成：信號層技術、物理層技術和語義層技術。信號層技術在圖像分割過程中純粹基于數字圖像中的數值；物理層技術在圖像分割過程中使用了有關圖像生成的知識；而語義層技術則在圖像分割過程中還使用了有關景物類型的領域專用知識。223 圖像分割的方法圖像分割主要有兩種方法：一是鑒于度量空間的灰度閾值分割法。它是根據圖像灰度直方圖來決定圖像空間域像素聚類。但它只利用了圖像灰度特征，并沒有利用圖像中的其它有用信息，使得分割結果對噪聲十分敏感；二是空間區域增長分割方法。它是對在某種意義上（如灰度級、組織、梯度等）具有相似性質的像素連通集構成分割區域，該方法

16、有很好的分割效果，但是缺點是運算比較復雜，處理速度慢。其它的方法如邊緣追蹤法，主要著眼于保持邊緣性質，跟蹤邊緣并形成閉合輪廓，將目標分割出來。閾值化方法利用了圖像中要提取的目標物與其背景在灰度特性的差異，把圖像視為具有不同灰度級的區域的組合。通過選取閾值，將目標區域從背景區域分離出來。閾值法是一種傳統的圖像分割方法，因其實現簡單、計量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術。它特別適用于目標和背景占據不同灰度級范圍的圖像。已被應用于很多的領域例如，在紅外技術應用中，紅外無損檢測紅外熱圖像的分割，紅外成像跟蹤系統中目標的分割；在遙感應用中，合成孔徑雷達圖像中目標的分割等；在醫學

17、應用中，血液細胞圖像的分割，磁共振圖像的分割；在農業工程應用中，農田植物與雜草的分割等等。在這些應用中，分割的準確性將直接影響后續任務的有效性，其中閾值的選取是圖像閾值分割方法中的關鍵技術。常用的閾值分割方法有：雙峰法、類間方差閾值分割法、模糊閾值分割法等等。閾值分割法是一種基于區域的圖像分割技術，其基本原理是：通過設定不同的特征閾值，把圖像像素點分為若干類。常用的特征包括:直接來自原始圖像的灰度或彩色值變換得到的特征。設原始圖像為f（x,y）,按照一定的準則在f(x,y)中找到特征值T，將圖像分割為兩部分，分割后的圖像為:b0 f(x,y) < tg(x,y)=（1）b1 f(x,y)

18、 t 若?。篵0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。一般意義下，閾值運算可以看作是對圖像中某點的灰度，該點的某種局部特性以及該點在圖像中的位置的一種函數，這種閾值函數可記作：T（x,y,N(x,y),f(x,y)） 式中，f(x,y)是點（x,y）的灰度值；N（x,y）是點（x,y）的局部鄰域特性，在此不對其詳細介紹。分水嶺算法，是一種基于拓撲理論的數學形態的分割方法，其基本思路是把圖像看作是測地學上的拓撲地貌，圖像中每一點像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區域稱為集水盆，而集水盆的邊界則形成分水嶺。分水嶺的概念和形成可以通過模擬浸入過程來說明。在每

19、一個局部極小值表面，刺穿一個小孔，然后把整個模型慢慢浸入水中，隨著浸入的加深，每一個局部極小值的影響域慢慢向外擴展，在兩個集水盆匯合處構筑大壩，即形成分水嶺。應用到圖像分割中，分水嶺變換是指將原圖像轉換成一個標記圖像，其中所有屬于同一集水盆的點均被賦予同一個標記，并用一個特殊的標記來標記分水嶺上的點。無標記分水嶺算法的優點是對微弱邊緣具有良好的響應，得到封閉連續邊緣是有保證的。另外，分水嶺算法所得到的封閉的集水盆，為分析圖像的區域特征提供了可能。然而分水嶺算法對圖像強度噪聲特別敏感，容易導致過度分割，而且計算耗時較長，所以，適用該方法的關鍵是解決過分割和壓縮計算時間的問題。有標記分水嶺算法的優

20、點是可以自適應地提取標記而不需要先驗知識,克服了標記提取的困難。224 存在的問題圖像分割問題的困難在于圖像數據的模糊和噪聲的干擾。前面已經提到，到目前為止，還沒有一種或者幾種完善的分割方法，可以按照人們的意愿準確的分割任何一種圖像。實際圖像中景物情況各異，具體問題具體分析，需要根據實際情況選擇適合的方法。分割結果的好壞或者正確與否，目前還沒有一個統一的評價判斷準則，分割的好壞必須從分割的效果和實際應用場景來判斷。不過在人類研究圖像的歷史中，還是積累了許多經典的圖像分割方法。雖然這些分割方法不適合所有類型的圖像分割，但是這些方法卻是圖像分割方法進一步發展的基礎。事實上，現代一些分割算法恰恰是從

21、經典的分割方法衍生出來的。多數研究是在可以采集高質量圖像的具有可控光照、沒有環境影響因素的實驗室（溫室）內進行的，而田間則有機械震動、光照不勻、風、晴天、陰天等許多自然因素影響，這就增加了圖像處理的難度。識別速度和識別精度有待于提高。雜草特征具有多樣性和復雜性的特點，要達到精確的識別雜草，在眾多的特征中如何選取最有效的特征組合也是田間雜草圖像處理的難點。225 課題研究的意義在傳統農業中，雜草肆虐和雜草病蟲害是困擾莊稼生長的基本問題。農田雜草與作物爭營養阻礙作物生長發育并造成不可估量的經濟損失?，F在農田雜草防除的方法主要有機械除草、靜電除草、人力除草、化學除草和綜合治草等。大力發展精細農業、合

22、理利用農業資源、改善生態環境，保持農業的持續高效發展已成為前沿性科學研究的熱點之一。隨著信息技術、網絡技術、人工智能技術在工業生產中的廣泛應用并已發揮巨大的效能，在傳統農業中引入信息化智能化技術是農業現代化發展的必然趨勢。當前這種粗放的農業生產對環境造成的污染已經引起重視。農科院植保所主要從事雜草化學防除研究工作的專家薛光指出：雜草化學防除是一項省工節本、方便實用、增產增效的農業措施，但要使它健康、持久地發展，還得正確處理兩個關系，除草與環保的關系，除草劑是一種有毒物質，農田使用除草劑后，其一部分被光解、降解，還有一部分留在作物、土壤和水中，造成對環境的污染。1992 年在墨爾本召開的第一屆國

23、際雜草防除大會上提出了“減少對除草劑的依賴性”的口號，1996 年在哥本哈根召開的第二屆國際雜草防除大會上又提出了“雜草防除生態學”的觀點，旨在保護人類賴以生存的環境。常規的除草劑的使用存在著一些問題。第一，由于除草劑是采用大面積、成片的噴灑，除草劑遺留滲到地下水和地表水中，同時揮發等因素造成的污染危害到了人類和一些生物的安全。第二，根據精確農業的思想，可耕種的土地具有不同的特征，如雜草分布的密度不同、土壤的肥沃程度不同，如果都一致加以處理，這樣浪費除草劑，造成生產投入成本的增加。第三，由于過多的使用除草劑，造成農產品的品質下降，另外一些由于除草劑殘留造成的危害，輕則出現中毒的現象，重則使人和

24、一些生物畸形和死亡。第四，在噴灑過程中，人們常用眼睛和手進行判斷和操作，但是每個人的判斷標準是不同的，所以也造成除草劑使用的過多或不足?？紤]到這些情況，我們應該采取一些措施。我們既要保持農業的可持續發展，提高作物的產量，增加農民的經濟效益，同時也要考慮為達到上述問題對環境的影響。隨著計算機技術的普及推廣，精準農業模式的提出，借助計算機工具有效地減輕農業生產的強度，提高勞動生產率，實現農業生產自動化成為發展的趨勢。應用計算機視覺、圖像處理技術進行農作物中的雜草識別與控制成為可能。在雜草滋生區施加除草劑，而對無雜草的地方不使用除草劑，或對整個地塊施加小劑量的除草劑而對雜草部分施加正常劑量的除草劑，

25、并根據雜草種類的不同控制調節噴灑不同的藥劑，分類滅除，從而實現精細噴灑，變量投入。有關專家也論證，利用大量傳感器組成的機器視覺系統來識別雜草是可行的，此外根據國外學者進行的除草劑噴灑對比試驗結果表明：假定均勻噴灑除草劑的使用量為100，通過開/關噴嘴間斷噴灑除草劑的變量噴灑方法能節省10的除草劑，根據雜草密度噴灑不同劑量的除草劑的變量噴灑方法能節省45的除草劑。這不僅提高農業發展的科技水平，減少草害，而且對保護環境，節省投入成本都有著十分重要的現實意義。到目前為止，還沒有唯一的標準的分割方法。許多不同種類的圖像或景物都可作為待分割的圖像數據，不同類型的圖像，已經有相對應的分割方法對其分割，同時

26、，某些分割方法也只是適合于某些特殊類型的圖像分割。分割結果的好壞需要根據具體的場合及要求衡量。因為不同的分割方法的分割效果是不一樣的。本文是對同一幅圖像采用不同的分割方法得到的不同效果進行定量比較的。3 圖像的采集和預處理31 雜草圖像的采集雜草發生種類多而普遍，生育期長，危害嚴重。由于各地氣候、土壤及栽培條件的差異造成麥田雜草種類的分布及危害明顯不同。本實驗采集的是晴天情況下的上午的靜態雜草圖像。32 彩色圖像轉換為灰度圖像 將采集的彩色圖像利用函數rgb2gray()和公式I=*R+*G+*B轉換為灰度圖像。其中公式的系數的習慣用=1/3。本設計采用兩種方法并且根據顏色特征的組合做了多次試

27、驗。不同的數值結果不同。如下圖所示： 圖1 rgb2gray()轉變 圖2 G-B 圖3 1/3*R+1/3*G+1/3*B 圖4 2*G-R-B以上結果顯示背景與其目標灰度值差異大且圖像清晰的為顏色特征選項為G-B的圖像。33 雜草圖像預處理 由于雜草圖像是在戶外采集，受各種自然條件如風、光照、光線曝光不均等因素影響，以及在輸入、傳送、處理過程中都難免會引入干擾，引起圖像降質，造成圖像特征提取和圖像識別困難或產生不良的視覺效果。因此首先要對圖像進行預處理，濾除噪聲，提高圖像質量。預處理部分主要包括對圖像增強和噪聲濾除。331 雜草圖像的增強圖像增強可以在頻率域進行，也可以在空間域進行。在頻率

28、域增強就是先對圖像進行傅立葉正交變換，然后對圖像在頻率域進行增強處理，最后再反變換到空間域，從而得到增強后的圖像。空間域增強主要為在空間域內對象素灰度值直接進行運算處理，處理速度比在頻率域要快的多。332 直方圖修正直方圖修正，就是利用直方圖信息，對灰度分布形式作校正來修正圖像灰度，使圖像具有所需要的灰度分布，從而有選擇地突出所需要的圖像特征，最終達到圖像增強的目的。直方圖修正中具有最優性質的是直方圖均衡化。該方法的基本思路是把原始圖像的直方圖變換成均勻分布的形式，這樣就增加了象素灰度值的動態范圍，從而達到增強圖像整體對比度的效果。原理如下：（1）計算出原始圖像的所有灰度級sk, 0,1,.,

29、L-1；（2）統計原始圖像的象素數，并依據式公式2計算原始圖像的直方圖： psk=nkn,k=0,1,L-1； （2） 式中sk是圖像f (i, j)的第k級灰度值；nk是f (i, j)中具有灰度值sk的像素的個數；n是圖像中象素的總數。（3）計算原始圖像的累計直方圖并取整，即: tk=i=0knin=i=0kpsi k=0,1,L-1; （3）（4） 定義映射關系：sktk;（5） 統計新直方圖各灰度級的像素數k n 并由式公式4計算新的直方圖； pttk=nkn （4）直方圖均衡化后結果如圖2所示，可看出變換后的雜草圖像更為清晰，更能突出圖像的細節。從直方圖上也可看出，直方圖調整之前，灰

30、度的比例很大，經過直方圖調整后，各灰度等級的比例更加平衡1。 圖5 原始灰度圖像 圖6 原始灰度圖像直方圖 圖7 修正后灰度圖像 圖8 修正后直方圖333 直方圖均衡化 直方圖均衡化，是把一已知灰度概率分布的圖像經過一種變換，使之演成一幅具有均勻灰度概率分布的新圖像。是以累計分布函數變換法為基礎的直方圖修正法。直方圖均衡化處理是一種修改圖像直方圖方法，它通過對直方圖進行均衡化修正，使圖像灰度間距離增大或灰度均勻分布、增大反差，是圖像的細節變得更清晰。 圖9 均衡化后灰度圖像 圖10 直方圖均衡化334 平滑濾波除噪 原始圖像的噪聲主要有兩個來源：一是在拍攝過程中，由于曝光不均勻而產生的膠片顆粒

31、噪聲。二是數字化過程中，由數字化電子器件帶來的隨機噪聲。噪聲常常和信號交織在一起，如果平滑不當就使圖像本身的很多細節變得模糊不清，從而使圖像降質。如何既能平滑掉圖像中的噪聲，而又盡量保持圖像細節，少付出一些模糊的代價，是圖像平滑研究的主要問題。本文采用中值濾波法對采集的雜草圖像進行濾波處理。335 中值濾波中值濾波的算法原理是首先確定一個奇數像素的窗口w，窗口內各像素按灰度大小排隊后，用其中間位置的灰度值代替原f(x,y)灰度值成為窗口中心，灰度值g(x,y)。 g(x,y)=Medf(x-k,y-l),(k,lw) （5）式中，w為選定窗口大??；f（m-k,n-l）為窗口w的像素灰度值。通常

32、窗口內像素為奇數，以便于有中間像素。若窗內像素為偶數時，則中值取中間兩像素灰度值的平均值。中值濾波的主要步驟為：（1）將模板在圖中漫游，并將模板中心與圖中的某個像素位置重合；（2）讀取模板下各對應像素灰度值；（3）將模板對應的像素灰度值進行從小到大排序；（4）選取灰度序列里排在中間的1個像素的灰度值；（5）將這個中間值賦給對應模板中心位置的像素作為像素的灰度值。中值濾波比低通濾波消除噪聲更有效。因為噪聲多為尖峰狀干擾，若用低通濾波，雖能去除噪聲但陡峭的邊緣將被模糊。中值濾波能去除點狀尖峰干擾而邊緣不會變壞。 圖11 原始灰度圖像 圖12 中值濾波后圖像3*3 圖13 中值濾波后圖像5*5 圖1

33、4 中值濾波后圖像7*7中值濾波降低噪聲的效果比較明顯，在灰度值變化比較小的情況下可以得到很好的平滑處理，降低了圖像邊界部分的模糊程度。中值濾波去噪的效果依賴于兩個因素：鄰域的空間范圍和中值計算中所涉及的像素數，針對雜草圖像的特征，為了能較好的保護雜草葉片邊緣及中間葉脈部分的細節信息，分別選取窗口大小為3×3，5×5，7×7通過對比不同窗口濾波后的圖像，發現窗口尺寸越大消除噪聲效果增強，但圖像細節丟失越多，邊緣變得模糊。選用5×5十字型窗口性價比最佳。4 基于顏色特征的雜草圖像的分割41 綠色植物與土壤背景的分割411 分割方法分析利用上述顏色特征組合將

34、彩色圖像轉化成灰度圖像，然后根據圖像中要提取的雜草區與背景區在灰度特性上的差異把圖像視為具有不同灰度級的區域組合，通過選取閾值將雜草區域從背景中分離出來。412 閾值分割法閾值化方法利用了圖像中要提取的目標物與其背景在灰度特性的差異，把圖像視為具有不同灰度級的區域的組合。通過選取閾值，將目標區域從背景區域分離出來。閾值法是一種傳統的圖像分割方法，因其實現簡單、計量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術。它特別適用于目標和背景占據不同灰度級范圍的圖像。已被應用于很多的領域例如，在紅外技術應用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統中目標的分割；在遙感應用中，合成孔

35、徑雷達圖像中目標的分割等；在醫學應用中，血液細胞圖像的分割，磁共振圖像的分割；在農業工程應用中，農田植物與背景的分割，等等。在這些應用中，分割的準確性將直接影響后續任務的有效性，其中閾值的選取是圖像閾值分割方法中的關鍵技術。常用的閾值分割方法有：雙峰法、類間方差閾值分割法、模糊閾值分割法等等。閾值分割法是一種基于區域的圖像分割技術，其基本原理是：通過設定不同的特征閾值，把圖像像素點分為若干類。常用的特征包括:直接來自原始圖像的灰度或彩色值變換得到的特征。設原始圖像為f（x,y）,按照一定的準則在f(x,y)中找到特征值T，將圖像分割為兩部分，分割后的圖像為b0 f(x,y) < tg(x

36、,y)=（6）b1 f(x,y) t若?。篵0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。一般意義下，閾值運算可以看作是對圖像中某點的灰度，該點的某種局部特性以及該點在圖像中的位置的一種函數，這種閾值函數可記作T（x,y,N(x,y),f(x,y)） （7） 式中，f(x,y)是點（x,y）的灰度值；N（x,y）是點（x,y）的局部鄰域特性 。(1)求出圖像中的最大和最小灰度值st,sk, 令初始閾值為: T0=s1+s22 （8） (2) 根據閾值Tk將灰度圖像分成目標和背景兩部分,（第一次分割TK=T0 ）,然后求出目標和背景兩部分的平均灰度值S1,S2 , S1=Si,j&

37、lt;TkS(i,j)×N(i,j)zi,j<TkN(i,j), S1=Si,j>TkS(i,j)×N(i,j)zi,j>TkN(i,j) （9）式中S(i, j)是圖像上(i, j)點的灰度值，N(i, j)是(i, j)點的權重系數，一般 N(i, j)1,0。（3） 求出新的閾值： Tk+1=S1+S22 （10） （4）如果Tk=Tk+1，則算法結束，否則k k +1，轉步驟（2）。分割后的二值圖像不僅可以大量壓縮數據減少存儲容量而且能大大簡化其后的分析和處理步驟?；叶葓D像經二值化后，在背景區會出現塊狀噪聲和不均勻的顆粒噪聲，可采用多次中值濾波方法

38、，提高圖像質量。如圖所示： 圖15 閾值分割后的二值圖像 圖16 0、1互換的圖像413 無標記分水嶺算法 無標記分水嶺算法是一種已經發展起來的數學形態學圖像分割方法。這種方法之所以引起人們的重視,一是其計算速度較快,二是物體輪廓線的封閉性,三是定位的精確性。但無標記分水嶺算法對微弱邊緣也具有良好的響應。它最初是由Digabel和Lantuejoul引入圖像處理領域,用于分析簡單的二值圖像。為了得到更為通用的模型, Beucher、Vin2cent等人繼續研究,使分水嶺的理論得以建立,并大量用于灰度圖像的分割。雖然其思想簡單,但是設計方法比較困難,早期的方法計算負擔重、耗時較長。因此,采用無標

39、記分水嶺算法進行圖像分割時,通常會產生過度分割的現象和耗時較長。分水嶺變換的思想來源于地形學,它將圖像看作是地形學上被水覆蓋的自然地貌,圖像中的每一像素的灰度值表示該點的海拔高度,其每一個局部極小值及其影響區域稱為集水盆,而集水盆的邊界則為分水嶺,通常描述分水嶺變換有兩種方法:一種是“雨滴法”,即當一滴雨水分別從地形表面的不同位置開始下滑,其最終將流向不同的局部海拔高度最低的區域(稱為極小區域) ,那些匯聚到同一個極小區域的雨滴軌跡就形成了一個連通區域,稱為集水盆;另一種方法是模擬“溢流”的過程,即首先在各極小區域的表面打一個小孔,同時讓泉水從小孔中涌出,并慢慢淹沒極小區域周圍的區域,那么各極

40、小區域波及的范圍,即是相應的集水盆。無論是哪種方法,不同區域的水流相遇時的界限,就是期望得到的分水嶺。應用到圖像分割中,分水嶺變換是指將原圖像轉換成一個標記圖像,其中所有屬于同一集水盆的點均被賦予同一個標記,并用一個特殊的標記來標識分水嶺上的點。根據分水嶺算法的原理,令M1，M2,Mi表示待分割圖像的極小區域，C（Mi）表示與極小區域Mi相關的流域。Min和Max分別表示梯度的極小值和極大值。假設溢流過程都是以單灰度值增加的, n表示溢流的增加數值(即在第n步時溢流的深度，Tnb表示滿足f(x,y)<n的所有點x的集合，f(x,y)為梯度圖像信號。對于一個給定流域, 在第n步將會出現不同

41、程度的溢流(也可能不出現) 。假設在第n步時極小區域Mi發生溢流,令Cn（Mi）與極小區域Mi相關流域的一部分,即在溢流深度n時,在流域C（Mi）形成的水平面構成的區域，Cn(Mi)為二值圖像,可表示為：cn(Mi)=c(Mi)Tn （11） 如果極小區域Mi的灰度值為n，則在第n+1步時，流域的溢流部分與極小區域完全相同，即有Cn+1Mi=Mi。令cn表示第n步流域中溢流部分的并，則C(max+1)所有流域的并。算法初始時取Cmin+1=Tmin+1。 （12）溢流的定義是是遞歸的。假設Cn-1已經建立，Cn為Tn的一個子集, 又因為Cn-1是Cn的子集,故Cn-1是Tn的子集。如果D是Tn

42、的連通成分,將有3種可能:(1)DCn-1為空；(2)DCn-1為非空,含有C n - 1 一個連通成分；(3) D C n - 1 為非空,含有C n - 1 多個連通成分。當增長的溢流達到一個新的極小區域時, 第（1）種情況將會發生。對于第（2） 種可能, D將位于某個極小區域流域之內。第（3）種情況。D必定含有一些組成C n - 1 的部分流域Cn - 1 (Mi) 。因此,在D內必須建一個堤壩,以防止溢流在單獨的流域中溢出,該堤壩是T n 內C n - 1 的測地SKIZ。C n - 1 構成C n 時,每一個部分流域Cn - 1 (Mi) 都在T n 內增長成其測地影響區。過程如下圖

43、： 圖17 Top-hat變換后圖像 圖18 bottom-hat變換后圖像 圖19 對象間的間隙增大的 圖20 轉換感興趣區域的圖像 圖21 Imextendedmin檢測的結果 圖22 imimposemin檢測的結果 圖23 無標記分水嶺變換后的結果414 有標記分水嶺算法 如果圖像中的目標物體是連接在一起的，則分割起來會更困難，有標記分水嶺分割算法經常用于處理這類問題，通常會取得比較好的效果。分水嶺分割算法把圖像看成一幅“地形圖”，其中亮度比較強的區域像素值較大，而比較暗的區域像素值較小，通過尋找“匯水盆地”和“分水嶺界限”，對圖像進行分割。直接應用分水嶺分割算法的效果往往并不好，如果

44、在圖像中對前景對象和背景對象進行標注區別，再應用有標記分水嶺算法會取得較好的分割效果。基于有標記控制的分水嶺分割方法有以下基本步驟： 圖24 腐蝕后的圖像 圖25 膨脹后的圖像 圖26 進行開運算后的結果 圖27 進行閉運算后的結果 圖28 有分水嶺標記的圖像5 用戶界面（GUI）介紹MATLAB圖形用戶界面是一種新型界面開發方式。對于熟悉MATLAB而不想編寫大量VC代碼的人來講，MATLAB/GUI是一個最佳選擇，它既能嵌入已有的仿真程序，又能把仿真的圖形化結果以人機交會的動態方式呈現給用戶，使用者不需要知道代碼的具體內容，只要了解操作步驟即可很方便地操作界面。51 GUI開發方法簡介圖形

45、用戶界面是由窗口、光標、按鍵、菜單、文字說明等對象構成的一個用戶界面。用戶通過一定的方法（如鼠標或鍵盤）選擇、激活這些圖形對象，使計算機產生某種動作或變化，比如實現計算、繪圖等。用戶必須對每一個對象進行編程，使用戶在GUI中的行為能夠達到相應的目的。在MATLAB中，圖形用戶界面是一種包含多種圖形對象的界面，典型的圖形界面包括圖形顯示區域，功能按鈕空間以及用戶自定義的功能菜單等。為了讓界面實現各種功能，需要對各個圖形對象進行布局和編程。這樣，當用戶激活對應的GUI對象時，就能執行相應的代碼。最后，必須保存和發布自己創建的GUI，使得用戶可以應用GUI對象。建立GUI界面的主要方式有兩種，第一種

46、是直接通過程序編寫的方式產生對象，即利用uicontrol、uimenu、uicontexmenu等函數以編寫M文件的方式來開發整個GUI；第二種方式是直接通過MATLAB的GUI編輯界面-GUIDE來建立GUI。在使用GUIDE創建GUI時，可以將設計好的GUI界面保存為一個FIG資源文件，同時自動生成對應的M文件。該M文件包含了GUI初始化代碼和組建界面布局的控制代碼。本次設計主要運用第二種方法。GUIDE主要是一個界面設計工具集，MATLAB將所有GUI支持的用戶控件都集成在這個環境中用以提供界面外觀、屬性和行為相應方式的設置方法。GUIDE將用戶保存好的GUI界面保存在一個FIG資源文

47、件中。同時還能夠生成包含GUI初始化和組件界面布局控制代碼的M文件，這個M文件為實現回調函數（當用戶激活GUI某一組件時執行的函數）提供了一個參考框架。雖然使用用戶自己編寫的包含GUI所有發布命令的M文件也能夠打開實現一個GUI。但是使用GUIDE執行效率更高。使用GUIDE不但能夠交互式進行組件界面布局。而且能夠生成兩個用來保存和發布GUI的文件：FIG文件：該文件包括GUI圖形窗口及其所有后裔的完全描述，包括所有對象的屬性值。FIG文件是一個二進制文件。調用hgsave命令或界面設計編輯器的FILE菜單save選項保存圖形窗口時將產生該文件。FIG文件最有用的地方之一就是對象句柄的保存和引

48、用，可以使用open openfig hgload命令來打開一個后綴為.fig的文件。M文件：該文件包括GUI設計控制函數以及定義為子函數的用戶控件的回調函數，主要用于控制GUI展開時的各種特征。這個M文件可以分為GUI初始化和回調函數兩部分。用戶控件的回調函數根據用戶與GUI的具體交互行為分別調用，這里將GUI的M文件稱為應用程序M文件。應用程序M文件使用openfig命令來顯示GUI,注意應用程序M文件并不包括用戶界面設計的任何代碼，這些代碼完全由M文件保存。打開GUI的方法：（1）在命令窗口輸入guide； （2）打開File中【new】中GUI。出現如圖29，如圖30所示GUI設計向導

49、控制面板。 圖29 GUI設計向導控制面板 圖30 圖形用戶設計界面面板52 創建圖形用戶窗口的工具 在用戶界面設計面板中，MATLAB提供了一套可視化的創建圖形用戶窗口的工具，如下：（1）菜單編輯器（Menu Editer）:創建圖形窗口菜單和文件敏感菜單，實現菜單的設計和編輯。MATLAB通過菜單編輯器可以創建出兩種模式的菜單，即uimenu和uicontextmenu，記住此編輯器僅需要簡單的輸入相對應的屬性，即可完成菜單編輯工作，操作非常簡單。單擊后出現如圖31，如圖32 所示“Menu Editor”窗口。 圖31 “Menu Editor”窗口 圖32 “Alignment Obj

50、ects”窗口（2）排列工具（Alignment Objects）:排列對象的相對次序（水平和垂直相對置），其中Align表示以何處為對齊的基準，如置左、置中、置右。Distribute則是分配一個對象之間的距離相等。單擊后出現如圖31所示“Alignment Objects”窗口。（3）Tab鍵順序編輯器（Tab Order Editor）:Tab鍵順序編輯器用以設置在執行GUI時，按Tab鍵來選取對象的先后順序。默認GUI依據不同層次對象所建立的先后順序來排列選取的順序，通常這并不是最好的排列順序，因此可以選用Tab Order Editor 列表來排列選取個對象時的順序。單擊后出現如圖3

51、3所示“Tab Order Editor”窗口。 圖33 “Tab Order Editor”窗口 圖34 “Object Browser”窗口（1）對象瀏覽器（Object Browser）:觀察本次運行中圖形對象句柄的層次關系。用戶可以通過對象瀏覽器了解對象之間的父子階層關系。單擊后出現如圖34所示“Object Browser”窗口。（2）屬性編輯器（Property Editor）:檢查和設置屬性值。注意在屬性編輯器中也可以設置對象的Callback。單擊后出現如圖35所示“Property Editor”窗口。（3）工具欄編輯器（Toolbar Editor）:單擊后出現如圖36所示

52、“Toolbar Editor”窗口。 圖35 “Property Editor”窗口 圖36 “Toolbar Editor”窗口（4）保存（Save As）:用以保存當前文件。單擊后出現如圖37所示“Save As”窗口。 圖37 “Save As”（5）運行（Run）:運行保存文件。 這些工具都集成在布局編輯器界面中，使用GUIDE命令將顯示該界面。如果要對一個已存在的GUI進行布局，可以使用菜單打開該GUI或使用Guide mygui.fig命令裝載已存在的圖形窗口（MYGUI）；再添加需要布置的組件之前，應該使用GUIDE應用程序選項對話框對GUI進行組態。通過組件布置編輯器Tool

53、s菜單的Application Options選項來打開GUIDE應用程序選項對話框。在該對話框中，用戶可以決定是否需要GUIDE為GUI生成M文件以及其他選項。53 GUI控件介紹 像GUI菜單一樣，GUI控件也是提供了一種友好的交互式，是實現用戶與計算機交互的又一主要途徑，控件比菜單更為直觀，給用戶帶來很多方便。 在如圖27所示的用戶界面設計面板中，MATLAB支持復選框，可編輯文本框，列表框，彈出式菜單，命令按鈕，單選鈕，滾動條，靜態文本框，開關按鈕，坐標系，面板，單選鈕組和ActiveX控件等13種類型的控件對象，下面對他們進行簡單介紹：（1）復選框（checkbox）復選框有一個標志文本，在標志文本的左邊有一個小方框。它對于用戶進行大量的獨立選擇很有用。為了激活復選框，可以用鼠標單擊復選框對象，使復選框在選中與不選中兩種狀態中進行切換。當選中時，復選框的小方框內會有一個“×”，此時復選框的value屬性值為1；當沒有選中時，該選框的小方框內為空。此時復選框的value屬性值為0