论文总字数：16930字

摘 要

图像处理在医学、通信等领域占据着重要位置，而在对图像进行预处理时又离不开图像分割，因此研究图像处理的前提是要先熟悉图像分割，如果不进行合理地分割，就难以进行准确识别。因此本文会对图像分割展开研究，理解如何用分割算法对图像进行分割，实际分割后会产生什么样的效果，以及在对图像分割时该如何选择合适的算法。经过本课题的研究后，对图像处理相关知识的理解可更深刻，用分割技术处理图像时能得心应手，对MATLAB的运用更熟练，记住了很多函数的功能，为找图像相关工作打下扎实基础。

本文详细研究四种常用及两种新兴的算法，依据评价测度等指标对几种分割方法进行分析比较，并列举分割技术在医学方面的应用事例来观察实际应用效果。利用MATLAB中GUI编程实现图像分割演示系统，将几种分割算法分别在演示系统中进行分割，根据实际分割结果及客观评价指标值来对比几种算法的分割效果。

关键词：图像分割 算法 特点 医学图像 MATLAB

A Study on Image Segmentation Techniques

Abstract

In medical image processing, communications and other fields occupies the important position, and when the image preprocessing and leave the image segmentation, and the image processing need to be familiar with the image segmentation is the premise of, if not a reasonable split, it will be difficult to accurately identify. So this article will study on image segmentation, understand how to use the segmentation algorithm of image segmentation, actual will produce what kind of effect after segmentation, and on how to choose appropriate at the time of the image segmentation algorithm is proposed. After this topic research, understanding of knowledge about image processing can be more profound, use can be handy when processing image segmentation technology, for the use of MATLAB more skilled, remember that the function of many of the functions and related work to lay a solid foundation to find images.

This paper studies four kinds of algorithms and two emerging, and on the basis of measuring indicators to analyze several segmentation methods such as comparison, and application examples of segmentation technology in medicine to observe the actual application effect. Using MATLAB GUI programming to realize the image segmentation in the demo system, several segmentation algorithms respectively in the demo system to split, according to the practical segmentation results and objective evaluation index to compare several segmentation results of the algorithm.

Keywords: image segmentation; algorithm; characteristic; medical image; MATLAB

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1研究背景及意义 1

1.2 国内外研究现状 1

1.3 论文章节安排 1

第二章 图像分割方法 2

2.1 边缘检测分割法 2

2.1.1 Sobel算子 2

2.1.2 Roberts算子 3

2.1.3 Canny算子 3

2.2 灰度阈值分割法 6

2.3 区域生长法 6

2.4 分水岭分割算法 7

2.5 边界跟踪法 8

2.6 小波变换法 9

2.7 本章小结 10

第三章 图像分割效果评价 12

3.1 评价方法 12

3.2 评价测度 12

3.3 本章小结 15

第四章 图像分割演示系统设计及仿真实验 16

4.1 MATLAB软件平台 16

4.2 GUI图形用户界面 16

4.2.1 GUI基本开发 16

4.2.2 GUI界面设计流程 16

4.2.3 GUI演示系统分割流程及结果分析 20

4.3分割算法在医学上的应用 24

4.3.1基于Canny算子的边缘检测法 24

4.3.2 灰度阈值法 25

4.4 本章小结 26

第五章 总结 28

参考文献 29

致 谢 31

第一章 绪论

1.1研究背景及意义

图像分割^[1]是运用特定的方法将图像分割成无相同部分的多个区域^[2]，这里的方法就是指在分割时所使用的算法，选用算法不同，分割后的效果也就不同。到目前为止所提出的算法基本上都是根据具体问题提出的，存在一定程度的局限性，并且在利用现有方法进行图像分割时仅仅是依据图像像素的亮度和颜色，再通过计算机自动进行分割，这样分割的效果会因很多因素影响而大打折扣。例如，图像部分区域不清晰、存在噪声以及光照不均等。同时，在医学的临床应用中，经常会使用分割技术对人体器官的CT图、X光等分割，因为人眼只能大致的判断出轮廓，在病变前期面积的变化可能不会太大，此时仅通过人眼可能会被忽略，但是若使用分割技术来计算大小、面积等，就会能够被及时发现治疗。

1.2 国内外研究现状

图像分割技术经国内外学者五十几年的研究已形成成千上万种算法，这些算法的原理各不相同，但是又有一些相似的特点——依赖阈值的选取，也正因为这些原因，进行算法设计的步骤基本相似，分割结果却不完全相同。

在已经提出的分割算法中，传统的是边缘检测法^[3]、灰度阈值法^[4]、区域生长法^[5]及分水岭算法^[6]，但是人们在渐渐深入研究后发现了传统分割技术的不足，其分割效果往往不能使人满意，所以很多学者对传统分割技术进行改进，这就产生了新兴的分割技术，如边界跟踪、小波变换^[7]等。新兴技术的出现并没有改变分割算法仅用于特定场合的现状，但却对图像分割效果有了进一步的提升，相信在不久的将来可以研究出功能更全面的算法。

1.3 论文章节安排

本文包括五章的内容，第一章介绍本文研究课题的背景、意义及国内外现状；第二章介绍图像分割方法，包括四种常用分割方法、两种新兴分割方法；第三章介绍图像分割的评价指标，包括评价方法、评价测度；第四章介绍图像分割演示系统的设计，各分割算法的仿真结果及分析，以及分割算法在医学上的应用；第五章总结全文所做的工作及收获等。

第二章 图像分割方法

本章主要介绍较常用的传统四种分割算法及在此基础上提出的两种新兴分割算法的原理及特点。

2.1 边缘检测分割法

对图像分割的实质是找到边缘并将其体现出来，因此边缘的确定在分割过程中是很重要的。在一幅图像中若能找到差距较大的像素，将这些像素都连接起来就会形成边缘。边缘检测法^[8]主要做的工作就是用一定的方法来使边缘明显，再根据合适的阈值取出边缘。增强边缘一般是利用算子，而最常用的有三种算子，会在下一节中详细介绍。研究者在进行边缘检测时可以按照自己的需求来选择不同的算子，但是想要获得更好的图像分割效果还需要进行一些其他的操作。用边缘检测法对图像进行分割，可以大大的降低计算数据量，并且能够快速地剔除无关信息，提取特征。

2.1.1 Sobel算子

1、原理

请支付后下载全文，论文总字数：16930字