“Rice”大米图像的分割

-1-“Rice”大米图像的分割：图像处理技术综合比较应用XXX（XX121649）（上海大学机电工程与自动化学院，上海200072）摘要：数字图像的分割技术在现代工业中占有重要的地位和作用。本文针对“rice”大米图像的分割问题，综合运用数字图像处理中的，平均平滑滤波，中值滤波，闭合，开启，阈值分割等技术。对图像处理中，噪声消除在不同阶段的方法进行了比较。并对阈值分割中合适阈值的选取进行了讨论。关键词：图像分割；噪声；滤波；阈值；1引言数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。其中，图像的分割是尤其重要的研究课题。然而，图像分割的技术并不是独立的，理想的分割结果需要各种技术的综合应用。本文针对“rice”图像中大米的分割的具体问题：1）采用平均滤波、中值滤波、膨胀、腐蚀、闭合、开启等方法对噪声进行处理，并比较了他们的效果；2）采用了阈值分割技术，对元素进行分割。2基本原理2.1噪声消除2.1.1平均平滑滤波平均平滑滤波的方法就是对含噪声的原始图像f（x,y）的每个像素点取一个邻域S，计算S中的所有像素灰度级的平均值，作为邻域平均处理后图像g（x,y）的像素值。即Sjiyxfyxg),(),(M1),(（1）式中S是预先确定的邻域（不包括（x,y）），M为邻域中像素的点数。邻域大小的选取对滤波效果有直接关系。平均平滑滤波对于高斯噪声的消除，有明显作用。2.1.2中值滤波中值滤波的方法是对f(x,y)每一个像素点的领域内的像素值排序，取其中值作为处理后图像的g（x,y）的像素值。用数学表示为：-2-}{YviiviifffMed，，，21,mvZi（2）[1]中值滤波是一种非线性处理技术，在运算中并不需要知道图像的统计特性，所以可以对脉冲干扰和图像扫描噪声非常有效。2.1.2膨胀、腐蚀、闭合和开启膨胀和腐蚀这两种操作是形态学处理的基础，许多形态学算法都是以这两种运算为基础的。①膨胀是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。A被B膨胀是所有位移z的集合，这样，和A至少有一个元素是重叠的。可以把上式改写为：结构元素B可以看作一个卷积模板，区别在于膨胀是以集合运算为基础的，卷积是以算术运算为基础的，但两者的处理过程是相似的。⑴用结构元素B，扫描图像A的每一个像素⑵用结构元素与其覆盖的二值图像做“与”操作⑶如果都为0，结果图像的该像素为0。否则为1②腐蚀对Z中的集合A和B，B对A进行腐蚀的整个过程如下：⑴用结构元素B，扫描图像A的每一个像素⑵用结构元素与其覆盖的二值图像做“与”操作⑶如果都为1，结果图像的该像素为1。否则为0腐蚀处理的结果是使原来的二值图像减小一圈。[2]开启运算是对图像先腐蚀后膨胀。闭合运算是对图像先膨胀后腐蚀。2.2图像分割2.2.1基于区域的阈值分割阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。设原始图像为f(x，y)，按照一定的准则f(x，y)中找到特征值T，将图像分割为两个部分.[3]3结论及分析3.1噪声对分割的影响及处理方法3.1.1高斯噪声高斯噪声是指在统计学上服从高斯分布的一类噪声。噪声在数字图像处理的过程中，会对处理结果有很大的影响。“rice”本身就是带有噪声的，为了研究和对比这个问题，给原图像加上=0.02的高斯噪声，并对噪声污染过得图像做平滑平均滤波。对比三者的视觉效果如图1。从图1中可以看到，平均平滑滤波以后，原图像的高斯噪声得到一定程度的减弱。在进行分割的时候，灰度阈值分割法图1采用对高斯噪声污染后图像进行平均平滑滤波(a)rice(a)(d)平均平滑滤波后(a)(c)rice+高斯噪声(b)高斯噪声-3-的T的确定，很大程度上需要灰度直方图来决定。在图2可以看到，“rice”、被污染图像、滤波后图像的灰度直方图分布的不同之处：1）原图像在受到噪声污染以后。曲线略显得平滑，但是谷底位置并未发生明显变化，只是这个区域的灰度扩散了。滤波以后，灰度直方图的谷底位置更高。2）噪声的产生和消除对于图像谷底没有明显影响，故而，对于T的选取并无明显影响。根据上面的结果，为三幅图像在选定统一的T=0.45（选定原则和方法在下文中讨论），对上述的三种图像进行阈值分割，分割的结果如图3所示。从这里可以看出：1）收到高斯噪声污染的图像在阈值分割以后会有更多的噪声出现2）对原图进行平均平滑滤波以后，可以有效地抑制高斯噪声，因为原图像中本来就有噪声污染分割得到的图像效果比未被人为污染的图像还要好。3）平滑滤波以后，图像中元素的轮廓变得模糊。3.1.2椒盐噪声3.1.2.1运用中值滤波法在经过3.1.1所述全部操作后得到图像并不是理想的结果，因为无论是那一幅图像，其中都包含有较多明显的额外的椒盐的噪声。为了进一步抑制噪声，对图3中各图进行中值滤波如图4所示。可以看到：1）每幅图像的椒盐噪声都有明显的减少。2）经过平均平滑滤波和中值滤波的图4（c）图，含有较少的噪声，已经比较理想。0100200300400500600700800900100000.10.20.30.40.50.60.70.80.91010020030040050060070080090000.10.20.30.40.50.60.70.80.910100200300400500600700800900100000.10.20.30.40.50.60.70.80.91(a)(c)(b)图2(a)原图、(b)噪声污染、(c)平均平滑滤波以后图像的的灰度直方图（a）（b）（c）图3(a)原图、(b)噪声污染、(c)平均平滑滤波以后图像的的阈值分割图-4-3.1.2.2运用形态算子膨胀，腐蚀椒盐噪声也可以用形态算子来消除。现在选取经过两次滤波，分别进行膨胀和腐蚀运算如图5（a）（b）所示。开启运算是对图像先腐蚀后膨胀，闭合运算是对图像先膨胀后腐蚀。进行开启和闭合运算分别如图5（c）（d）所示。（a）（b）图4(a)原图、(b)噪声污染、(c)平均平滑滤波以后图像的的阈值分割图的中值滤波图像(a)膨胀(c)闭合(b)腐蚀(d)开启图5图像分割后的噪声消除方法比较-5-比较闭合和开启的结果：1）闭合开启都比较彻底地消除了椒盐噪声。2）本例中开启运算的结果更为彻底，但是对原图的影响也更大。3.2图像的灰度阈值分割3.2.1阈值分割T的选取从上文可知，噪声的污染和消除对于T的选择没有明显影响，故三者可采用同一个T值。观察直方图分布，分别选取0.45，0.50，0.55，0.60四个值对图像进行分割，如图6所示。观察比较可知：1）随着T的增大，高于T的灰度值减少，图像中的噪声减少。2）随着T的增大，原图的元素部分消失。从下方开始消失是因为原图灰度不均匀。考虑到图像中的元素一旦消失，不可恢复，将直接影响图像分割的最终结果。而噪声却可以通过其他的方式消除，故而选取T=0.45。4结论本文通综合运用图像处理中的多种手段，过对“rice”图像分割中的各种问题进行了讨论。综上问所述：1）在图像分割前后进行平均平滑滤波，中值滤波，闭合、开启运算等可以有效抑制图像中的各类噪声，得到高质量图像。2）每种噪声抑制方法和处理时间应综合考虑，根据所需要求合理选用。3）阈值分割的T值应综合考虑灰度分布和经验后合理选取。参考文献[1]张弘.数字图像处理与分析.机械工业出版社:73;[2][3](a)T=0.45(b)T=0.50(c)T=0.55(d)T=0.60图6T值的选取-6-附录clear%清空内存closeall%关闭所有图形窗口a=imread('rice.png');%读入一幅图像imshow(a);%显示图像b=double(a)/255;%将图像数据转变为双精度数据[MN]=size(b);%图像的尺寸大小n=randn(M,N)*0.02;%高斯随机噪声，标准差0.02figure,imshow(n+0.5);%显示噪声b1=b+n;%噪声污染图像figure,imshow(b1);%显示噪声污染图像h=[111;111;111]/9;%平滑模板-单位脉冲相应c=conv2(b1,h);%卷积figure,imshow(c)figure,imhist(b);%直方图figure,imhist(c);%直方图T=0.45;%自动阈值c1=im2bw(b,T);%根据阈值二值化figure,imshow(c1)%显示结果c2=im2bw(c,T);%根据阈值二值化figure,imshow(c2)%显示结果d1=medfilt2(c1);%中值滤波figure,imshow(d1)%显示滤波后图像d2=medfilt2(c2);%中值滤波figure,imshow(d2)%显示滤波后图像msk=[11111;11111;11111;11111;11111];%定义结构元素e1=imdilate(d2,msk);%膨胀e1=imerode(d2,msk);%腐蚀Figureimshow(e1)e1=imclose(d2,msk);e1=imopen(d2,msk);figure,imshow(e1)