基于MATLAB的图像分割方法及应用(2)

图1 分水岭分割法

因为在分水岭分割法中，对应每个局部极小值都孕育出一个分割区域，于是获得的初始分割结果是过分割，于此同时不同颜色之间的边缘几近全数被包括在分水线之中。所以将属于同一类色彩的初始分割区域根据特定准则进行统一，可以获得预期的效果图。本文使用一种基于图像空间和颜色关连区域统一标准，按照各个初始分割区域的色彩差别和空间上的邻接关系确定各个区域的合并次序。依然采用归一化的H和S份量来权衡不同区域的色彩差别，如式2-11所示。因为归一化H份量是从小到大依次以合拢环状散布，即最小值0和最大值1表示相似的色彩，所以H份量的间距计算方法不同，如式2所示。

（1） j （2） 上式中，i，j表示随意2个初始分割区域；RH代表归一化H份量的平均值，RS代表归一化S份量的平均值；D(i，j)表示区域i，j之间的色彩差别。

两个相邻区域的结合度由公有边界的像素数目以及边界处像素的梯度差决定，如式3所示，N(i，j)表征结合度。

（3）

j)的像素数量。 上式中，E(i，j)表示区域i，j之间的边界区域；M为梯度图像；∣E(i，j)∣为区域E(i，

色彩差别和结合度一起确定各相邻区域对的归并的优先级，如式4所示，λ是由实验取得，一般取值0.8。每次将优先级最高的即F(i，j)值最小的2个相邻区域进行合并，合并后区域的RH和RS和相应F(i，j)重新计算，而后进入下一次合并流程。

（4）

结果如图2所示。

图像处理期末论文

图2 区域合并的结果

5 彩色图像分割的MATLAB实现

5.1 MATLAB语言：分水岭分割法实现图像分割

5.1.1 设计流程

图3 分水岭分割法设计流程图

图像处理期末论文

如图3所示，为分水岭分割法的设计流程图。它采用了分级阵列结构，按照像素的高低来确定所选元素的优先级。具体流程：（1）分级队列的初始化，扫描所有标记的邻居像素，将未有归属的邻居像素按优先级不同放入不同优先级的队列；（2）

5.1.2 MATLAB程序

分水岭分割法代码如下:

rgb = imread('xibao.JPG');

I = rgb2gray(rgb);

imshow(I) %读入彩色图像，将其转化成灰度图像

hy = fspecial('sobel');

hx = hy';

Iy = imfilter(double(I), hy, 'replicate');

Ix = imfilter(double(I), hx, 'replicate');

gradmag = sqrt(Ix.^2 + Iy.^2);

figure, imshow(gradmag,[]), title('梯度幅值图像')% 使用梯度级作为细分功能

se = strel('disk', 20);

Io = imopen(I, se);

figure, imshow(Io), title('图像开操作')

Ie = imerode(I, se);

Iobr = imreconstruct(Ie, I);

figure, imshow(Iobr), title('基于开的重建图像') % 直接使用分水岭变换

Ioc = imclose(Io, se);

figure, imshow(Ioc), title('闭操作图像') %消除黑斑和标志干细胞

Iobrd = imdilate(Iobr, se);

Iobrcbr = imreconstruct(imcomplement(Iobrd), imcomplement(Iobr));

Iobrcbr = imcomplement(Iobrcbr);

figure, imshow(Iobrcbr), title('基于重建的开闭操作图像')

fgm = imregionalmax(Iobrcbr);

figure, imshow(fgm), title('腐蚀操作')

I2 = I;

I2(fgm) = 255;

figure, imshow(I2), title('局部极大叠加到原图像')% 去除小瑕疵，使局部极大叠加到原图像上。

图像处理期末论文

se2 = strel(ones(5,5));

fgm2 = imclose(fgm, se2);

fgm3 = imerode(fgm2, se2);

fgm4 = bwareaopen(fgm3, 20);

I3 = I;

I3(fgm4) = 255;

figure, imshow(I3)

title('fgm4 superimposed on original image')% 标记前景对象

bw = im2bw(Iobrcbr, graythresh(Iobrcbr));

figure, imshow(bw), title('阈值分割')

D = bwdist(bw);

DL = watershed(D);

bgm = DL == 0;

figure, imshow(bgm), title('bgm')

gradmag2 = imimposemin(gradmag, bgm | fgm4);

L = watershed(gradmag2);

I4 = I;

I4(imdilate(L == 0, ones(3, 3)) | bgm | fgm4) = 255;

figure, imshow(I4)

title('标记和对象边缘叠加在原始图像')

Lrgb = label2rgb(L, 'jet', 'w', 'shuffle');

figure, imshow(Lrgb)

title('彩色分水岭标记矩阵')

figure, imshow(I), hold on

himage = imshow(Lrgb);

set(himage, 'AlphaData', 0.3);

title('标记矩阵叠加到原图像')

运行程序后，得出如图4所示：

图4 分水岭法分割后的图像

图像处理期末论文

5.2结果分析

关于彩色图像分割需面临以下两个难题：(1)选择适当的分割方法；(2)选择合适的颜色空间。颜色特征空间的选择要按照具体的图像和分割方法而定，当前尚无一种颜色空间能够替换别的的空间而适合全部的彩色图像分割，由此可见选择适合的特征空间是彩色图像分割的一个困难。

将处理后的图片与原始图片进行对比，得出分割方法的特点：

分水岭法：首先进行提取标记，然后根据待分割图像的梯度信号对已被标记的感兴趣的物体，采用分水岭算法来进行分割。这种标记的选择不光是分水岭算法的一个重要难点，并且选择不当就会致使图像过分割。所以分水岭分割的标记十分重要。 结论

本论文主要设计的是结合人类视觉对颜色的感知规律，通过光电图像的分割技术对图像进行分割，最终达到人眼视觉的最佳效果。

本论文让我认识到研究人眼对图像的识别、观察的重要性，是为了能够更好的体现出图像的清晰度，达到最佳的视觉效果。由于眼睛是高精密又复杂的一个器官。其对视觉系统图像分割是非常复杂的。但是由于知识范围有限，对于分割方法原理和模型还有一定疑惑，还有待以后进一步的学习和提高。

经过本次的课程设计，我获得了许多收获，但是同时我也了解到了自己的不足之处。通过毕业设计，使我对数字图像分割与颜色空间转换的基本知识和基本理论有了较为全面详细的了解。在学习新知识的过程中，我不仅巩固了原有的理论和知识，同时自己对MATLAB的编程代码有了一定的了解，编程能力也得到了一定程度的提高。

数字图像处理的方法有许多，要想获得图像分割的最好结果，务必采取多种方法相结合，因为时间仓皇，再加上自己水平程度有限，在毕业设计过程当中有很多不足之处。我将以此为鉴，在今后的学习和生活过程中不断改进。

参考文献

[1] (美）冈萨雷斯. 数字图像处理〈MATLAB〉版[M]. 电子工业出版社，2004

[2] 刘刚. MATLAB数字图像处理 [M]. 北京:机械工业出版，2010

[3]高秀娟.图像分割的理论、方法及应用[J]. 吉林大学. 2006

[4]竺子民.光电图像处理[M].华中科技大学出版社，2000

[5]彭真明.光电图像处理及应用[M].电子科技大学出版社，2008

[6]张甫,李兴来,陈佳君.浅谈图像分割方法的研究应用[J]. 科技创新与应用，2012年04期

[7]席砺药，阎宏伟.彩色图像的分割技术[J].河北：河北大学电子信息工程学院，Vol .13，No .4，2003：P73