随着现代科学技术的不断发展进步，图像信息的不断增加，图像信息在工业、医疗、教育、军事、工农业生产中发挥着越来越重要的作用。在如此多的图像数据库中，就需要数字图像处理技术获得人们所需要的信息。数字图像处理技术随着计算机技术的发展而产生的，在理论和实际都取得了广阔的应用。数字图像处理技术是通过对图像进行加工，以获得良好的视觉效果，主要包括图像变换，图像解码压缩，图像分割，图像增强与复原，图像描述。本文来自优.文~论^文·网原文请找腾讯3249.114
图像分割是将图像划分成若干个互不相交的有意义的区域的过程。从20世纪70年代，图像分割一直受到人们的关注和重视，到现在为止已经提出了许多的图像分割算法，但是并没有用于所有情况的，通用的图像分割算法，每种图像分割算法都有各自的局限性。利用图像分割算法分割得到的结果与正确的分割结果之间是存在一定的误差的：应分割出的区域未被分出；分割后的区域包含了不需要的区域。
按照分割依据，图像分割可分为相似性分割和非相似性分割，如图1-1所示。相似性分割就是将具有同一灰度级或相同组织结构的像素点划分在一起，形成图像的不同区域；非连续性分割就是先检测局部不连续性，然后将它们连接在一起形成边界，由边界形成了不同的区域。
论文网http://www.youerw.com/
图1-1
图像分割方法又可以分为结构分割方法和非结构分割方法。结构分割方法是根据图像的局部区域像素的特征来实现图像分割，如阈值分割、边缘检测等。非结构分割法包括统计模式识别、神经网络方法或其他利用景物的先验知识的方法等。按图像的类型来分有灰度图像分割，彩色图像分割和纹理图像分割。在不同应用邻域图像分割技术又可具体分为目标轮廊技术、目标检测技术、目标识别技术、目标跟踪技术等。
阈值分割方法是图像分割中一种实现简单，计算量小的图像分割方法，阈值分割成为图像分割中最基本和应用最广泛的方法。阈值分割方法就是用一个或多个阈值将图像的灰度直方图分成几个类别，认为图像中灰度值在同一类别中的像素属于同一物体。阈值分割是对图像的灰度信息进行处理的，所以计算快速，方便简明，实用性强。阈值分割方法的关键在于选取合适的分割阈值，然而在实际应用中，阈值的选取容易受到光照亮度和噪声的影响。
1.2 本文研究的主要内容
本文对现有的几种针对灰度图像的最小误差阈值分割方法进行介绍和研究，从一文到二文，再到二文的改进算法，然后用MATLAB和VC++实现并分析这些算法，在已有的灰度图像的最小误差阈值法上，借鉴其他阈值分割对彩色图像的分割方法，将最小误差阈值法应用到彩色图像中，分别提出了基于一文矢量和二文矢量的彩色图像阈值分割方法，对RGB图像的实现简单的阈值分割。
2 阈值分割方法综述
2.1 阈值分割方法
阈值分割是指找到一个或多个能把图像分割为目标或背景的阈值。阈值分割的目标是要按照图像的信息(如灰度值)，对图像像素进行划分，形成一个与现实景物相对应的区域，各个区域内部具有一样的属性。设F 为一幅图像，f(i,j)表示图像中像素点(i,j)的图像信息。f(i,j)一般取为图像的像素值，灰度图中f(i,j)为灰度值；彩色图中f(i,j)为RGB值。按照一定的准则在图像中找到阈值T(T 为标量或向量)，将图像按照T来划分，分割后的图像为
上一页 [1] [2] [3] [4] [5] [6] 下一页
最小误差阈值分割方法研究+基于灰度图像的最小误差阈值法 第2页下载如图片无法显示或论文不完整，请联系qq752018766
