图像分割实验报告.docx

图像分割试验报告一、试验目的1. 把握图像分割的根本思想，了解其分割技术及其计算策略；2. 学会从图像处理到分析的关键步骤，把握图像分割过程；3. 了解图像分割的意义，进一步加深对图像分析和理解；4. 把握根本分割方法：迭代分割和 OTSU 图像分割，并编程实现。二、试验原理一迭代阈值分割选取的根本思路是:首先依据图像中物体的灰度分布状况，选取一个近似阈值作为初始阈值，一个较好的方法就是将图像的灰度均值作为初始阈值，然后通过分割图像和修改阈值的迭代过程获得认可的最正确阈值。迭代式阈值选取过程可描述如下：𝟎1. 计算初始化阈值g =(𝒈𝒎𝒂𝒙+𝒈𝒎𝒊𝒏)；𝟐2. 依据 𝒈𝟎，将图像分为两局部，分别计算灰度值期望，取其平均值为 g1；𝑛3. 如此反复迭代，当|𝑔𝑛-𝑔𝑛1|足够小时，停顿迭代，取 T=𝑔即为最终阈值。二OTSU 图像分割最大类间方差法是一种自适应的阈值确定的方法，是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两局部的差异越大, 当局部目标错分为背景或局部背景错分为目标都会导致两局部差异变小。因此,使类间方差最大的分割意味着错分概率最小。以最正确门限将图像灰度直方图分割成两局部，使两局部类间方差取最大值，即分别性最大。OTSU 阈值选取过程可描述如下：1. 记T 为目标与背景的分割阈值，目标点数占图像比例为w1， 平均灰度为u1；背景点数占图像比例为w2，平均灰度为u1；2. 图像的总平均灰度为：u=w1*u1+w2*u2；3.目标和背景图象的方差：g=w1*(u1-u)*(u1-u)+w1*(u2-u)*(u2- u)=w1*w2*(u1-u2)*(u1-u2)；4. 当方差g 最大时，可以认为此时前景和背景差异最大，此时的灰度T 是最正确阈值。二、试验内容1. 利用 C+编程实现迭代阈值图像分割算法；2. 利用 C+编程实现 OTSU 动态阈值图像分割算法。三、试验框图1 .迭代分割开头找出图像灰度值最大值 max ,最小值 minT=(max+min)/2;iF256=0; iB256=0;F256=0;B256=0k=0NK<255Yj=0Nj<255K+Yi=0Tmp= (u1+u2)/2;i+i<255YNj+YiFk+;Fk+x(i,j)u1=Fk/iFk;u2=Bk/iBk;完毕X(i , j？>TN iBk+;Bk+x(i,j)NT=TmpYTmp=Tx(x,j)=0 x(x,j)=255x(x,j)?>TYN2.OSTU开头找出灰度值 max ,miniF256=0;iB256=0;F256=0;B256=0;T=0k=minNK<=maxYj=0j<255K+Yi=0i<255YNj+i+YiFk+;Fk+x(i,j)w1=iFk/(256*256);w2=iBk/(256*256);u1=Fk/iFk;u2=Bk/iBk;Tmp=w1k*(u1k-u)*(u1k-u)+w2k*(u2k-u)*(u2k-u);完毕X(i , j？>TN iBk+;Bk+x(i,j)NTmp>TYT1=Tmp;T=kx(x,j)=0 x(x,j)=255x(x,j)?>TYN