基于边缘检测的图像分割技术浅析

软件开发SoftwareDevelopment067电子制作【文章摘要】图像分割是图像处理技术中的难点之一，多年来一直受到广大研究者的深入探讨。新的分割算法层出不穷，但是目前提出的算法，几乎都是针对具体的分割对象，而没有一种可以适用于所有情况的分割方法。边缘检测技术是图象处理中重要的一个关键步骤，本文将阐述基于边缘检测的图像分割技术背景，边缘检测的相关技术，同时对图像分割技术的发展进行展望。【关键词】图像分割；边缘检测；对象图像分割技术，是根据图像的纹理、颜色、像素灰度和轮廓等特点，把它分成多个彼此不相交的部分，从而使之在相同部分内，表现出同一属性，而在其他部分之间显示出明显的差异。图像分割在许多行业都受到了重要的应用，例如工业检测、气象预测、医学、军事导航等等，而且在这些领域里，都获得了突破性的进展。在学术界，图像分割算法很多，并不断更新，使用何种方法进行图像处理，要根据不同的图像、以及它的成像方式和成像中的各种影响因子来决定。在本文中，将浅析图像分割技术中的边缘检测方法。1基于边缘检测的图像分割概述基于边缘检测的图像分割技术是一类典型的方法。人的视觉对图像的边缘非常敏感,在一般情况下,当观察存在边缘的物体时,人们首先感知到的就是边缘。理论上，边缘的定义是：结构或者灰度值等数据的突变位置，即称为边缘,它是一个部分的截止,也是另一个部分的起始。根据人的这个视觉成像特性，就可以进行图像的分割。边缘检测是图象处理技术中一个非常重要的步骤。在对目标的边缘进行检测时，首先大致的检测它的轮廓点，此后将检测到的轮廓点按一定的原则连接起来，并且测试和链接丢失的轮廓点，与此同时将错误的边界点去除。然而，现实中的目标信号都存在噪声，它们的边缘也是由许多不同类别的边缘及其模糊化后的部分组成的，以至于处理过程相当的复杂，基于边缘检测的图像分割技术浅析刘毅赖晓风西华师范大学637002所以，边缘检测也是图象处理技术中的难点。这里需要注意一点，图像处理中的边缘与实际目标中的边界并不一定等同，因为图像是用二位数据表示的,但实际目标是三维结构,三维和二位的转变必将导致信息的遗漏。此外，还有一些外在的因素，影响目标信息的采集，比如，在成像过程中，外界环境的光照条件不均匀、存在噪声等等，都可能会影响边界的检测，以至于丢失一些边缘数据,或者检测错误的边缘而与实际目标有偏差。2基于边缘检测的算子分析2.1Sobel算子Sobel算子用来计算图像亮度的函数近似梯度。将Sobel算子应用到图像上的任何一个像素点，都将会产生与之相应的梯度矢量或它的法矢量。考察目标图像{G(x,y)}各个像素点的左右、上下四个方向的邻点灰度值加权差,可以发现权值较大的邻点都与它靠近。下面为Sobel算子卷积模版：此时取适当门限τ，作出判别：如果G(x,y)τ,则认为像素点(i,j)为边缘点，反之为非边缘。Sobel算子作边缘检测的优点在于它只受到较小的噪声影响，同时能获得较理想的边缘。如果在不要求高精度的情况下，提高抗噪性能，可以通过增大邻域来实现，然而这时的运算复杂度加大，会导致提取出的边缘相对粗糙。2.2Prewitt算子Prewitt算子属于一阶微分算子的边缘检测方法，根据像素点左右上下邻点的灰度值差，在边界处达到极值检测边缘，去掉部分伪边缘，能够对噪声起到平滑的作用。该算子属于3×3的算子,它的梯度值通过周围8个点的像素值来确定。利用以下两个模板对图像中各个像素点作卷积，然后输出这两个卷积的平方平均值G(x,y)，以下为两个模板：此时取适当门限τ，作出判别：如果G(x,y)τ,则认为像素点(i,j)为图像的边缘点，反之为非边缘。由上可知，在进行边缘检测时，Prewitt算子将图像的低频噪声部分消除了，有利于后续步骤的区域分割。但由于该算子利用局部灰度平均方法，所以检测出伪边缘比率相对较高，并且定位边缘的精度较低。2.3Log算子（高斯拉普拉斯算子）根据人类视觉特征，希尔得勒斯和马尔提出，把拉普拉斯和高斯滤波检测算子联合起来，作边缘检测，称之为Log算法，即拉普拉斯高斯算法。首先，Log算子对初始目标图像作最大程度的平滑处理,在抑制噪声方面达到了最大的限度，然后求取平滑后图像的边界。由于噪声点在一定程度上会影响边缘检测，因此Log算子是效果更好的边缘检测器。以下是Log算子的5×5模板：高斯平滑运算在滤除噪声的同时，会模糊化图像中的边界和一些尖锐不连续的部分，空间尺度因子σ决定模糊化程度的大小。在具体应用中，要根据实际情况选择合适的σ。3图像分割技术的发展最近几年，由于广大研究者们不断探讨图像分割技术，提出了很多新的图像分割方法，使得图像分割技术有了进一步的提高，例如支持向量机算法、遗传算法、神经网络算法，以及一些理论在图像分割中的应用，例如小波理论、贝叶斯决策理论、模糊集理论、统计学理论等等。通过参考相关文献，结合当前的图像分割技术发展趋势，我们可以看到图像分割技术在将来会朝着以下三个方面发展：（1）应用到更多行业领域图像分割技术应用到了许多行业，例如医学、导航、遥感器视觉、气象预测和商业等等。随着广大研究者们的不断探索，新的方法和理论都在不断的被提出，使图像分割的效果得到了进一步的优化。在这一研究过程中，图像分割技术正在向更多的领域发展，将给生产带来更大的便利。（2）探究新的理论随着各类图像分割方法的不断提出，新的理论与方法呈现出几个明显的发展方向，即新的研究目标主要是在算法的抗干扰性、鲁棒性、实时性、准确和自适应等几个方向。将来的分割方法将会更加快速和精确。（3）提升现有分割方法的效能》转062页软件开发SoftwareDevelopment062电子制作》接063页》接067页口连接起来，不走到Gbit收发器的高速串行口上，这种方案同样可以验证我们的链路是否通畅，而且仿真的时候就没有这么高速的信号了。具体方式如下图所示：数字仿真的最后建议：Gbit收发器的信息交互是不同时钟源的，这对通信来说有可能会产生很多问题，像时钟序列的校正和通道绑定能否够正常运行等等，而时钟校正或通道绑定如果出现问题的话，整个通信系统将无法正常工作。因此，我们写的仿真测试文件一定要能够帮助我们发现问题，排除问题。　　【参考文献】[1]WongN,NgTS.Anefficientalgorithmfordownconvertingmultiplebandpasssignalsusingbandpasssampling.ProcIEEEICC.2001[2]苏涛,何学辉,吕林夏编著.实时信号处理系统设计[M].西安电子科技大学出版社,2006[3]JamesF.Kurose,KeithW.Ross.ComputerNetworkingATop-DownApproach..2008[4]李江涛.RocketIO高速串行传输原理与实现[J].雷达与对抗.2004(04)[5]ChungES,MichnelK,NurvitadhiE,etal.ProtoFlex:to-wardsscalable,full-systemmultiprocessorsimulationsusingFPGAs.ACMTransactionsonReconfigurableTechnologyandSystems.2009[6]李峰,张志杰.无线数传电台实现数据可靠传输技术的探讨[J].机械管理开发.2006(01)[7]窦垭锡.高速DAC与FPGA接口信号完整性的仿真分析[J].电子测量技术.2012(08)[8]ShiG,,MengX.Variationalanalogintegratedcircuitdesignviasymbo-licsensitivityanalysis.InternationalSymposiumonCircuitsandSystems.2009线上的时候，在“即时数据”边框内显示该点的电压和采样时间。（5）设置待测数据的量程和放大比例。当未采集数据时，可以在主窗口右上角选择设置数据的量程和放大比例，当点击“确定设置”按钮后，将在主界面中按选定的量程和放大比例重新标定坐标刻度，并将选定的量程和放大比例保存到数据库的config表中。（6）参数设置。为了使两条数据曲线具有较大对比度，可以分别设置每个通道的颜色和形状。可以在主窗口右侧分别点击通道1波形和通道2波形中的“颜色”和“形状”按钮，将分别打开图1（b）、图1（c）所示窗口进行两个通道曲线颜色和形状的设置，点击主窗口中适应的的“确定设置”按钮，即可完成相应设置，参数保存在数据库中，主窗口中的曲线以选择的颜色和形状显示。4数据采集和软件滤波为了实现数据采集，需要对采集卡控件添加Notify事件，该过程设计如下：调用采集卡控件的GetADResult方法获取缓冲区内的数据到数组ADBuf中获取数组ADBuf中第一个元素值（缓冲区的序列号）给变量TIME_0通过循环获取数组ADBuf中的采样数据，并进行软件滤波（每获得5个采样数据，去掉最大值、最小值、剩下的3个数取平均值），使用滤波后的数据画波形并将该存储到data表中。5结论基于USB的数据采集系统实现了预期的数据采集、波形回放、设置量程和放大比例、设置波形形状和颜色等功能。为了顺利实现数据采集，程序中添加了软件滤波功能，增强了测量数据的稳定性，避免异常数据的发生。【参考文献】詹根基.基于VisualBasic的数据采集卡控制技术[M].上海:华东交通大学机电学院，2007新的分割算法层出不穷，但是目前提出的算法，几乎都是针对具体的分割对象，而没有一种可以适用于所有情况的分割方法，因而处理图像的效率较低，难于实现通用的效果。所以，图像分割技术可以朝着综合图像多方面特性，采用多种分割方法的集合来处理的方向演进，以提高算法的效率的和适用范围。4结束语本文浅析了基于边缘检测的图像分割技术，列举了其中的几个经典算法，并且对图像分割技术的发展做出了一些展望。随着技术的更新，和各个领域图像分割研究者们的不断探索，新型的基于边缘检测算法不断被提出，例如，基于二进制小波变换的边缘检测算法、基于模糊增强的边缘检测算法、曲线拟合的边缘检测算法等等。这些新的算法，在一定程度上优化了过去的算法性能，弥补了一些不足，比如增强了抗噪性能，自适应性有所提高等等，但是也同时带来另外一些附加的损耗，实际的检测效果，和理想的效果还是有一定的差距，算法的性能存在着更大的提高空间，因此，基于边缘检测的图像分割技术，还有待广大研究者们作出更多、更深入和更全面的研究。【参考文献】[1]高月红.灰度图像分割算法的研究.[J]科技信息.2009,(27).[2]姬光荣,王国宇,王宁.基于小波变换的多尺度边缘检测.[J]中国图象图形学报,Vol.2,No.10.1997.[3]潘峰,刘文予,朱光喜.MATLAB在图像处理与研究中的应用.[J].计算机应用研究,2003(12).[4][美]冈萨雷斯.数字图像处理(第二版).[M].阮秋琦,译.北京:电子工业出版社,2003.[5]徐飞,施晓红.MATLAB应用图像处理.[M].西安:西安电子科技大学出版,2002.[6]章毓晋.图像分割.[M].北京:科学出版社,2001.【作者简介】刘毅.女1986年12月河南省安阳市.西华师范大学计算机学院研究生.学生.计算机应用技术；赖晓风.男1963.12.16西华师范大学计算机学院教授.主要研究方向计算机应用技术。基于边缘检测的图像分割技术浅析作者：刘毅，赖晓风作者单位：西华师范大学637002刊名：电子制作英文刊名：PracticalElectronics年，卷(期)：2013(16)参考文献(6条)1.高月红灰度图像分割算法的研究[期刊论文]-科技信息2009(27)2.姬光荣,王国宇,王宁基于小波变换的多尺度边缘检测[期刊论文]-中国图象图形学报1997(10)3.潘峰;刘文予;朱光喜MATLAB在图像处理与研究中的应用2003(12)4.冈萨雷斯;阮秋琦数字图像处理20035.徐飞;施晓红MATLAB应用图像处理20026.章毓晋图像