基于大津法和區(qū)域生長法相結合的彩色圖像分割方法研究.pdf

1、圖像分割是信息技術處理中的一個重要研究領域，也是現(xiàn)在技術研究中的熱點和難點。隨著現(xiàn)代技術的快速發(fā)展，圖像分割技術也是快速的發(fā)展。但是，因為圖像采集過程會受到外界因素的影響，使得圖像在分割時不是那么的準確，比如陽光的強烈直射，使得圖像過于太亮或者太暗；或者圖像有時候有缺失將會可能給圖像分割帶來一定的麻煩和技術上的難題。又或者因為現(xiàn)在圖像分割研究的都是針對某一類圖像分割，還沒有出現(xiàn)一種通用的分割算法。因此,對于圖像分割，做好分割預處理以及改

2、進圖像分割算法極其重要，有非常重要的研究價值和使用意義。
　　本文系統(tǒng)的對相關圖像分割算法進行了分析，并且在理論基礎上對分割算法進行綜合運用。其中重點研究了將大津法與傳統(tǒng)區(qū)域生長算法相結合分割彩色復雜背景圖像，解決傳統(tǒng)方法存在的過分割問題，并在實驗的基礎上對其進行了改進；其次，還研究了針對含有多個目標的灰度圖像分割問題，并對多閾值分割進行了一定的改進。
　　區(qū)域生長算法是圖像分割算法中比較常用的方法，但是也存在一些固有的缺點

3、和不足之處。在本文第三章中針對傳統(tǒng)區(qū)域生長算法分割彩色復雜背景圖像存在的過分割問題，提出了一種基于HIS顏色模型分割圖像的新方法。該方法首先提取HIS顏色模式的H分量，對H分量使用形態(tài)學方法進行降噪處理，之后使用基于最大類間方差的大津法對H分量圖像分割出前景部分；然后使用區(qū)域生長法對前景部分繼續(xù)進行分割；最后對分割出來的圖像運用形態(tài)學腐蝕方法去除分割中產(chǎn)生的碎片，該方法能較完整的將目標圖像分割出來，具有更好的分割效果。
　　閾值分

4、割算法是圖像分割算法中比較經(jīng)典的算法，閾值分割不但快速、而且方便等優(yōu)點，閾值分割算法對單個的目標圖像時分割效果比較好，但是對含有多個目標圖像分割時，是比較容易造成錯分割或過分割現(xiàn)象，而且分割速度很慢。本文中針對含有多個目標圖像的分割問題進行了研究，在閾值分割的理論基礎上，提出一種基于多閾值迭代方法的圖像分割算法，首先使用非線性拉伸灰度直方圖，這樣進一步會提高灰度圖的清晰度。對于處理后的圖像上存在過亮或者過暗的部分，使用二值掩模進行處理，