图像分割实验报告.docx

图像分割实验报告
实验目的
1. 掌握图像分割的基本思想,了解其分割技术及其计算策略;
2. 学会从图像处理到分析的关键步骤,掌握图像分割过程;
3. 了解图像分割的意义,进一步加深对图像分析和理解;
4. 掌握基本分割方法:迭代分割和OTSU图像分割,并编程实现。
实验原理
(一)迭代阈值分割选取的基本思路是:首先根据图像中物体的灰度分布情况,选取一个近似阈值作为初始阈值,一个较好的方法就是将图像的灰度均值作为初始阈值,然后通过分割图像和修改阈值的迭代过程获得认可的最佳阈值。迭代式阈值选取过程可描述如下:
1. 计算初始化阈值g0=(gmax+gmin)2;
2. 根据 g0,将图像分为两部分,分别计算灰度值期望,取其平均值为 g1;
3. 如此反复迭代,当|gn -gn-1|足够小时,停止迭代,取T=gn 即为最终阈值。
(二)OTSU图像分割(最大类间方差法)是一种自适应的阈值确定的方法,是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大, 当部分目标错分为背景或部分背景错分为目标都会导致两部
分差别变小。因此,使类间方差最大的分割意味着错分概率最小。以最佳门限将图像灰度直方图分割成两部分,使两部分类间方差取最大值,即分离性最大。OTSU阈值选取过程可描述如下:
,目标点数占图像比例为w1, 平均灰度为u1;背景点数占图像比例为w2,平均灰度为u1;
:u=w1*u1+w2*u2;
:g=w1*(u1-u)*(u1-u)+w1*(u2-u)*(u2-u)=w1*w2*(u1-u2)*(u1-u2);
,可以认为此时前景和背景差异最大,此时的灰度T是最佳阈值。
二、实验内容
1. 利用C++编程实现迭代阈值图像分割算法;
2. 利用C++编程实现OTSU动态阈值图像分割算法。
三、实验框图
找出图像灰度值最大值max ,最小值min
开始

T=(max+min)/2;iF[256]=0;
iB[256]=0;F[256]=0;B[256]=0
iB[k]++;B[k]++x(i,j)
N
iF[k]++;F[k]+x(i,j)
X(i , j)?>T
Y
Y
Y
结束
j<255
i<255
i=0
N
Y
i++
Tmp=T
Tmp= (u1+u2)/2;
N
j++
T=Tmp
u1=F[k]/iF[k];u2=B[k]/iB[k];
Y
N
x(x,j)=255
x(x,j)=0
x(x,j)?>T
N
Y
j=0
K++
N
K<255
k=0
找出灰度值max ,min
开始

iF[256]=0;iB[256]=0;
F[256]=0;B[256]=0;T=0
iB[k]++;B[k]++x(i,j)
N
iF[k]++;F[k]+x(i,j)
X(i , j)?>T
Y
Y
Y
结束
j<255
i<255
i=0
i++
w1=iF[k]/(256*256);w2=iB[k]/(256*256);
u1=