毕业设计（论文）图像分割算法研究与实现诚信承诺书本人郑重承诺：我所呈交的毕业论文《图像分割算法研究与实现》是在指导教师的指导下，独立开展研究取得的成果，文中引用他人的观点和材料，均在文后按顺序列出其参考文献，论文使用的数据真实可靠。
承诺人签名：日期：年月日图像分割算法研究与实现摘要数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支，其中最主要的是运用MATLAB对图像进行仿真分割，并用各个方法进行分析、对比并得出结论。
本文主要介绍了图像分割的基本知识，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生长等进行了分析。
在边缘检测时对梯度算法中的Sobel算子、Prewitt算子、LoG(Laplacian-Gauss)算子、Canny算子的分割原理逐一介绍并比较各种算子的分割效果。
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，本文着重实现基于迭代法的全局阈值及基于Otsu最大类间方差算法的自适应阈值。
此外还介绍了区域增长法，它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：图像分割MATLAB 边缘检测区域生成阈值分割Research of Image Segmentation AlgorithmABSTRACTDigital Image Object Segmentation and Extraction is a major concern in the field of digital image processing and computer vision research branch, which the most important is the use of MATLAB for image segmentation and simulation, using each method to carry on the analysis, comparison and conclusion. This paper mainly introduces the basic knowledge of image segmentation, based on the principle and the application effect to the classic image segmentation methods such as edge detection, threshold segmentation and region growing is analyzed. In the edge detection of gradient algorithm in the Sobel operator, Prewitt operator, Log operator, Canny operator segmentation principles introduced and comparison of various operators segmentation. While the threshold segmentation technology is the key to determine a threshold , only a good threshold can effectively divide object and background, this paper focuses on the implementation of the global threshold based on iterative algorithm and based on Otsu adaptive threshold algorithm. It also introduces the regional growth method, its basic idea is to have similar properties to the pixel together constitute a new area. At the same time the paper also analyzes the research direction of image segmentation technology.Key words：Image segmentation MATLAB Edge detection Regional generation Threshold segmentation目录1 引言 (1)1.1数字图像分割的现状 (1)1.2数字图像分割的意义 (1)2 基于MA TLAB的图像分割 (3)2.1MATLAB的优点 (3)3 图像分割的主要研究方法 (4)3.1图像分割定义 (4)3.2图像分割方法综述 (4)3.3边缘检测法 (5)3.3.1边缘检测原理 (5)3.3.2C ANNY算子 (6)3.3.3P REWITT 算子 (7)3.3.4S OBEL 算子 (8)3.3.5L OG算子 (9)3.4区域生长法 (9)3.4.1区域生长原理 (9)3.4.2灰度差准则 (10)3.4.3灰度分布统计准则 (11)3.5阈值分割法 (11)3.5.1阈值分割法原理 (11)3.5.2迭代阈值分割 (12)3.5.3O TSU算法(最大类间方差法) (13)4 分割结果与分析 (15)4.1边缘检测结果及分析 (15)4.1.1 SOBEL算子分割结果 (15)4.1.2P REWITT算子分割结果 (16)4.1.3C ANNY算子分割结果 (17)4.1.4L OG 算子分割结果 (17)4.1.5边缘检测分割结果比较 (18)4.2区域生长结果与分析 (18)4.3阈值分割结果与分析 (19)4.3.1O TSU算法求自适应阀值结果 (19)4.3.2迭代法求全局阈值 (19)4.4各种图像分割方法的比较 (20)5 结论 (21)参考文献 (22)谢辞 (23)附录 (24)1 引言1.1 数字图像分割的现状图像分割技术，是从图像中将某个特定区域与其它部分进行分离并提取出来的处理。
图像分割的方法有许多种，有阈值分割方法，边界分割方法，区域提取方法，结合特定理论工具的分割方法等。
早在1965年就有人提出检测边缘算子，边缘检测已产生不少经典算法。
越来越多的学者开始将数学形态学、模糊理论、遗传算法理论、分形理论和小波变换理论等研究成果运用到图像分割中，产生了结合特定数学方法和针对特殊图像分割的先进图像分割技术。
尤其是近年来迅速发展起来的小波理论为图像处理带来了新的理论和方法。
小波变换具有良好局部特性，当小波函数尺度较大时，抗噪声的能力强，当小波函数尺度较小时，提取图像细节的能力强，这样就可以很好地解决抑制噪声和提取图像边缘细节之间的矛盾。
图像分割来说，如果不利用关于图像或所研究目标的先验知识，任何基于数学工具的解析方法都很难得到很好的效果。
因此，人们倾向于重新设计一个针对具体问题的新算法来解决所而临的图像分割问题。
这在只有少量图像样本的时候，利用各种先验知识，设计一个具有针对性的算法进行图像分割是比较容易的。
但是当需要构建一些实用的机器视觉系统时，所面临的将是具有一定差异性、数量庞大的图像库，此时如何很好的利用先验知识，设计一个对所有待处理图像都实用的分割算法将是一件非常困难的任务。
其次，由于缺乏一个统一的理论作为基础，同时也缺乏对人类视觉系统(human vision system，HVS)机理的深刻认识，构造一种能够成功应用于所有图像的统一的图像分割算法，到目前为止还是难以实现的。
1.2 数字图像分割的意义现实生活中在分割一幅图像时，多是依据经验和直觉去选择方法，通过反复实践来找到一种最佳的方法。
与计算机科学技术的确定性和准确性相比，图像分割更像是一种艺术行为，有经验的人能比较容易的选用出适当的方法，使不同的图像都得到最佳的分割效果。
但是，当要处理的图像十分庞大时，图像分割就像是流水线上的一道简单工序，这种艺术行为就显得无能为力了。
随着图像技术和多媒体技术的发展，包括图像、音频和视频等信息的多媒体数据己经广泛用于Internet和企事业信息系统中，而且越来越多的商业活动、信息表现和事务交易中都将包括多媒体数据，自然也就包含了大量的图像，基于内容的图像检索的广泛应用就是一个例子，这些常常都是以图像分割作为基础的。
由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。
相信这些交互式方法的应用，必将推动图像目标分割与提取这一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的研究领域。
边缘提取是图像边缘检测和计算机视觉等领域最基本的技术，如何准确、快速的提取图像中的边缘信息一直是这些领域的研究热点，随着此项技术研究的深入和整个领域的不断发展，边缘提取技术已经成为图像分割、目标识别、图像压缩等技术的基础。
其理论意义深远，应用背景广泛，有相当的使用价值和理论难度。
边缘提取算法的提出通常是面向具体问题的，普遍实用性较差。
物体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邻域内灰度的变化，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，即边缘检测局部算子法。
众所周知，边缘是图像的基本特征，所谓边缘就是指周围灰度强度有变化的那些像素的集合，是图像分割、纹理分析和图像识别的重要基础。
区域提取法有两种基本形式：一种是从单个像素出发，逐渐合并以形成所需的分割区域；另一种是从全图出发，逐渐分裂切割至所需的分割区域。
在实际中使用的通常是这两种基本形式的结合。
根据以上两种基本形式，区域提取法可以分为区域生长法和分裂合并法。
区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的。
该方法的关键是要选择合适的生长或相似准则。
生长准则一般可分为三种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。
分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。