区域生长的图像分割技术

吉林大学毕业论文Ⅰ吉林大学计算机科学与技术学院基于区域生长的图像分割摘要图像分割是一种图像处理方面的重要技术,在众多领域中有着广泛的应用，更是图像处理的基础。本文展示了图像分割的定义、算法,简明概要地阐述了区域生长的原理以及选取原则。为了在C++平台上用区域生长的方法实现图像的分割，本文介绍了位图的输入和处理，并在图像被灰度化处理的前提下使用区域生长的方法实现了初步的图像分割，并且基于此编写了简单的程序进行区域生长实验。关键字：区域生长，图像分割，生长准则，位图处理，灰度吉林大学毕业论文Ⅱ吉林大学计算机科学与技术学院AbstractImagesegmentationisanimportanttechniqueforimageprocessing,inmanyfieldshasbeenwidelyused,itisthebasisofimageprocessing.Thisarticlepresentsthedefinitionofimagesegmentationalgorithm,concisesummaryoftheprinciplesexpoundedtheprincipleofregionalgrowthandselected.FortheC++platformwitharegiongrowingmethodforimagesegmentation,thepaperdescribestheinputandprocessingofbitmapanduseofregionalgrowthintheimageunderisthepremiseofgray-processingmethodstoachievetheinitialimagesegmentation,andbasedonthissimpleprogramwrittenforregionalgrowthexperiments.Keywords:RegionalGrowth，Imagesegmentation，GrowthStandards，Processingbitmap，Grayscaleprocessing吉林大学毕业论文Ⅲ吉林大学计算机科学与技术学院目录目录....................................................................................................1第1章绪论..............................................................................................21.1研究的背景和意义...............................................................................21.2国内外研究现状...................................................................................21.3工作内容与本文结构.........................................................................31.3.1工作内容......................................................................................61.3.2本文结构......................................................................................6第2章图像分割及分割中的基于区域生长的方法介绍.........................72.1图像分割的定义及方法.....................................................................72.2.1图像分割的定义.......................................................................72.2.2图像分割的实现方法的分类...................................................72.2基于区域生长的方法.........................................................................82.2.1区域生长的方法的原理...........................................................92.2.2区域生长的生长（相似）判定准则.......................................92.3本章小结...........................................................................................11第3章位图基础....................................................................................123.1数字图像...........................................................................................123.1.1图形与图像...............................................................................93.1.2图像中颜色的组成...................................................................93.1.3单色图像与多色图像...............................................................93.2与设备无关位图（DIB）.................................................................133.3本章小结...........................................................................................19第4章C++平台下区域生长方法的具体实现.........................................204.1实现流程图.......................................................................................204.2灰度化处理.........................................................错误!未定义书签。4.3区域生长具体实现...........................................................................21第5章总结与进一步工作.....................................................................255.1工作总结...........................................................................................255.2进一步工作.......................................................................................25致谢...................................................................................................26参考文献...................................................................................................27吉林大学毕业论文第2页吉林大学计算机科学技术学院第1章绪论1.1研究的背景和意义在对图像的研究和应用中，研究人员在很多情况下仅对图像中的某个或某些部分感兴趣。这些部分被称为目标或前景，它们往往对应着图像中具有不同于其他背景性质的区域。为了更好的研究和分析目标，需要将它们从中分割出来，继而才有可能进一步进行有效的利用。而本文所涉及的图像分割(imagesegmentation)就是把图像经由目标所独有的某种性质将其从图像中分割提取出来的技术和过程。这里独有性质可以是目标区域的灰度、颜色、纹理等,预先定义的性质可以对应单个区域也可以对应多个区域。图像分割是图像处理到图像分析的关键步骤,在图像工程中占据重要的位置。一方面，它是目标表达的基础。对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式。使得更高层的图像分析和理解成为可能。图像分割是一种重要的图像处理技术,它的应用范围十分的广泛，几乎涉及到了所有有关图像处理出现的领域，它不仅在实验室中出现，更与我们的日常生活息息相关。例如：在卫星遥感中，在高精度遥感图像中分割出道路路径，形成我们所用的平面地图，分割出云系图像，准确地预测天气变化；在医学应用中，将病变位置或特定器官组织从X光片或者核磁共振图像中提取出来，进一步研究医疗方案；在交通运输方面，将车辆目标从背景中抽离等等。图像分割在不同领域中有时也会用到其他名称如目标轮廓、阈值化、图像区分或求差、目标检测、目标识别、目标跟踪等技术。在各种图像应用中，只要需求中有对目标进行提取或者是测量等要求的应用，就都离不开图像分割。图像分割的准确与否将会直接作用于后续任务的准确性，因此图像分割具有十分重要的意义，是许多图像操作的基础。1.2国内外研究现状经过多年的发展与研究，图像分割在国内外已经被研究出了许许多多的吉林大学毕业论文第3页吉林大学计算机科学技术学院方法进行实现，其中常用的有以下几种。1．阈值分割方法阈值分割的方法在40年前就已经有研究人员提出，经过多年来的发展，现在已经衍生出了大量的算法。阈值分割在灰度图像中的应用就是先确定一个灰度阈值，灰度阈值是处在图像灰度取值范围之中的，不能在范围之外取值，然后用这个阈值与图像中各个象素的灰度值做比较，并根据结果将对应的像素分为两类，从而达到分割的目的。找到合适的阈值成为了解决问题的关键，因此现有的大部分阈值分割算法都是建立在研究合适的阈值基础上。阈值分割方法可以根据图像本身的特点，从而分为单阈值分割方法以及多阈值分割方法；也可按照分割的对象不同，分为基于像素值的阈值分割方法、基于坐标位罝的阈值分割方法和基于区域性质的阈值分割方法；若根据分割算法所有的特征或准则，还可以分为直方图与直方图变换法、共生矩阵法、最小误差法与均匀化误差法、最大熵法、最大类空间方差法等。赵雪松、陈淑珍等人提出的综合全局二值化与边缘检测的图像方法[8]，将边缘检测与全局二值化有效的结合起来，取得了对图像分割的较为理想的效果。Mandelbrot提出自然现象的不规则程度可以用分形维数这种度量概念来描述。这种方法的特点在于分形维数直观上与物体表面的粗糙程度相吻合，而自然界中大部分不同纹理的粗糙程度之间有着很大差别，因此