基于MATLAB計(jì)算機(jī)模擬的圖像分割技術(shù)研究

圖像分割（image segmentation）是一種非常關(guān)鍵的圖像技術(shù)，它是從圖像處理進(jìn)到圖像分析要經(jīng)過的一個(gè)關(guān)鍵步驟。為了更高層次的圖像分析理解得以實(shí)現(xiàn)，必須先進(jìn)行圖像分割、目標(biāo)分離、特征提取等過程，把原始圖像轉(zhuǎn)化成為更緊湊更抽象的形式。對(duì)圖像進(jìn)行研究或應(yīng)用時(shí)，人們往往并不需要圖像中的所有信息，而只對(duì)其中的某些特定的、具有獨(dú)特性質(zhì)的部分（常稱為目標(biāo)或前景）感興趣。本文利用Matlab軟件熟悉數(shù)值模擬針對(duì)基于邊緣檢測(cè)和自動(dòng)種子區(qū)域生長相結(jié)合的圖像分割。相關(guān)實(shí)驗(yàn)結(jié)果表明，這種方法對(duì)噪聲有一定的抑制能力，可降低圖像分割的計(jì)算復(fù)雜度，能夠分割出較為完整的圖像邊緣，得到有意義的目標(biāo)區(qū)域，分割方法可行有效。

1模型與方法

圖像的邊緣信息能較好的代表整個(gè)圖像的大致信息，利用直方圖分析圖像的邊緣信息能夠較為簡潔的得到圖像整體信息。

在灰度直方圖中，選取圖像邊緣信息中出現(xiàn)像素概率最高的點(diǎn)，即從灰度直方圖中讀出出現(xiàn)概率最多的像素值，在要處理的圖像中找到該像素值對(duì)應(yīng)的像素點(diǎn)，同時(shí)，標(biāo)記這些邊緣像素點(diǎn)，則這組像素點(diǎn)即為一組種子點(diǎn)，這樣就完成了種子點(diǎn)的自動(dòng)選取。選取的這組種子點(diǎn)，從廣義上來講，代表了圖像邊緣的大致信息，也能大致反應(yīng)出圖像的整體信息。在完成提取邊緣和直方圖分析后，根據(jù)得到的一組種子點(diǎn)，便可采用區(qū)域生長方法對(duì)整幅圖像實(shí)施分割。

設(shè)得到的邊緣像素點(diǎn)集中，邊緣像素點(diǎn)的總數(shù)為N，灰度分別為X（0），X（1），…，X（N-1），種子點(diǎn)的像素灰度

2結(jié)果與討論

如圖1給出的是細(xì)胞的背景圖像，通過對(duì)圖像選取合適的生長區(qū)域，并在區(qū)域內(nèi)選擇一定數(shù)量的種子生長點(diǎn)，并對(duì)計(jì)算過程設(shè)置迭代參數(shù)及收斂參數(shù)?？紤]灰度的分布的情況，加入相應(yīng)的邊緣檢測(cè)手段來對(duì)選取區(qū)域進(jìn)行灰度閾值的分割。圖1（a）（b）給出的是迭代50次及100次，收斂參數(shù)設(shè)置為2與5所得出的圖像分割結(jié)果，通過改變收斂參數(shù)，加快迭代收斂速度，圖像分割已可以按灰度區(qū)別進(jìn)行區(qū)分，結(jié)果較為準(zhǔn)確。但考慮到本組圖像灰度區(qū)域變化明顯，對(duì)于灰度變化復(fù)雜圖像，要充分考慮噪聲的影

3結(jié)論

基于Matlab軟件模擬，數(shù)值研究了基于邊緣檢測(cè)和自動(dòng)種子區(qū)域生長相結(jié)合的圖像分割。實(shí)驗(yàn)結(jié)果表明：這種方法對(duì)噪聲有一定的抑制能力，可降低圖像分割的計(jì)算復(fù)雜度，能夠分割出較為完整的圖像邊緣，得到有意義的目標(biāo)區(qū)域，分割方法可行有效。這種方法是對(duì)傳統(tǒng)的區(qū)域生長算法的一種改進(jìn)，然而如何更好地改進(jìn)區(qū)域生長算法的分割效果，還需要做進(jìn)一步的研究。