文档介绍：姓名
武易
学号
1341901124
成绩
江苏科技大学
数字图像处理本科生课程论文
论文题目：—图像分割方法研究
完成时间： 2016/6/5
所在专业： 计算机科学与技术
所在年级：三年级
图像分理；T在一幅图像上改变时，称为可变阈值处理。
全局阈值处理
当物体和背景像素的灰度分布十分明显时，可以用适用于整个图像的全局阈值。 选取阈值的一种方法是目视检查直方图。, 我们可以很容易地选取一个阈值T来分开他们。
在大多数应用中，通常图像之间有较大变化，即使全局阈值是一种合适的方法, 对每一幅图像有能力自动估计阈值的算法也是需要的。下面的迭代算法可用于这一目 的：
.为全局阈值T选择一个初始估计值。
.用T分割该图像。这将产生两组像素：G1由灰度值大于T的所有像素组成， G2由所有小于等于T的像素组成。
.对G1和G2的像素分别计算平均灰度值(均值)ml和m2.
.计算一个新的阈值：
T=l/2 (ml+m2)
.重复步骤2到步骤4,直到连续迭代中的T值间的差小于一个预定义的参数A T为止。
Mat lab 程序：
I = imread(，E：/images/bear 1. jpg');
f = rgb2gray(I);
T = 0. 5*(double(min(f(:))))+double(max(f(:)));
done = false;
while ~done
g = f >= T;
Tnext = 0. 5* (mean (f (g) )+mean(f (^g)));
done = abs(T-Tnext) < 0. 5:
T = Tnext;
end
T1 = T/255;
T2 = graythresh(f);
subplot (1, 3, 1) ; imshow(f) ; title (‘原图像');
subplot (1, 3, 2) ; bwl = im2bw(f, Tl) ; imshow(bwl) ; tit le ('迭代算法处理');
subplot (1, 3, 3) ; bw2 = im2bw(f, T2) ; imshow(bw2) ; title。graythresh 函数处理
执行效果：
M Figure 1 — □ X
文件旧锚(E)直着凹插入⑴工具(T)桌面(D)窗口(W)帮助(H) s I
De 口线扇门⑨语小•[***@j口回■国 ।
原图像
迭代算法处理
graythre shlSl 数处理
2可变阈值处理
在一幅图像中的每一点(X, y)计算阈值，该阈值是以一个或多个在(x, y)邻 域计算的特性为基础的。虽然这可能是似乎有点费力的处理，但现代算法和硬件允许 进行快速的邻域处理，特别是对于像逻辑操作和算术操作这样的普通函数。
Mat lab 程序：
function g = localthresh(f, nhood, a, b, meantype)
% Int ialize.
f = double(f);
% Comput e t he local st andard deviat ions.
SIG = stdfilt (f, nhood);
% Comput e MEAN.
if nargin =二 5 && strcmp(meantype, 1 global")
MEAN = mean2(f);
else
MEAN = localmean(f, nhood) ; % This is a custom function, end
% Obtain the segmented image, g = (f > a*SIG) & (f > b*MEAN);
> f = imreadf E：/images/ceils. tif )；
> g = localthresh(f, ones (3), 30, 1. 5, 'global');
> subplot (1, 2, 1) ; imshow(f) ; title ('原图
');subplot (1, 2, 2) ; imshow(g) ; tit le ('局部阈值处理结果') 执行效果：
Q Figure 1 — □ X
文件(F) 编辑(E)查看(V)插入⑴工具(T)里面(D)窗口 (W)帮助(H)
卜％ A踮@电& ▼
a
口图1 ■回
原图 局部阈值处理结果
^nrT^?rr~vmHr
3. 2边缘检测
图像边缘是由于相邻像素间灰度值剧烈变化引起的。根据微分原理，对于图像中 变化比较平坦的区域，因相