河北工程大学研究生课程论文报告
K 均值图像分割 Matlab 仿真实验报告
引言
我国是草莓生产的大国,草莓收获机器人
[
1
-
2
]
能够帮助人们识别、采摘成熟的草莓果实,实
现草莓采摘的自动化和机械化。识别和定位系统是草莓收获机器人的重要组成部分,而图像分割技
术又是识别和定位系统的核心技术之一,选择一种能够自动识别并且分割成熟草莓果实的算法十分
必要。常见的图像分割方法有阈值法、区域生长法和聚类分析法等
[
3
-
5
]
。其中,阈值法通过选取
灰度直方图的波谷作为分割的阈值来将图像的目标和背景分开。该方法受噪音和亮度的影响比较大 ,
而且仅凭灰度信息不能区分成熟和未成熟的草莓,不适用于成熟草莓图像的分割。区域生长法首先
在分割的区域里选择一个种子像素作为生长起点,后将种子像素领域中与种子像素有相近性质的像
素合并到种子像素区域中; 但是草莓图像中包含大量零乱的叶子和花蕾,边界复杂,并且一张图片
中通常包含多个目标,这给分割带来了困难。K 均值聚类算法
[
6
]
是一种比较成熟的聚类分析方法,
已经被成功应用到医学影像处理、人脸图像的分割以及遥感图像分析等领域中。考虑到成熟草莓本
身的颜色特性以及其所处的特殊环境,本文在 Lab 彩色空间下,将 K 均值聚类用于成熟草莓图像
的分割并进行了实验,最后在不同的颜色模式下进行了聚类分割的对比实验。
一、图像分割概述
图像分割是一种重要的图像分析技术。在对图像的研究和应用中,人们往往仅对图像中的某些
部分感兴趣。这些部分常称为目标或前景(其他部分称为背景)。它们一般对应图像中特定的、具
有独特性质的区域。为了辨识和分析图像中的目标,需要将它们从图像中分离提取出来,在此基础
上才有可能进一步对目标进行测量,对图像进行利用。图像分割就是把图像分成各具特性的区域并
提取出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基
于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
1.1 基于阈值的分割方法
包括全局阈值、自适应阈值、最佳阈值等等。阈值分割算法的关键是确定阈值,如果能确定一
个合适的阈值就可准确地将图像分割开来。阈值确定后,将阈值与像素点的灰度值比较和像素分割
可对各像素并行地进行,分割的结果直接给出图像区域。全局阈值是指整幅图像使用同一个阈值做
分割处理,适用于背景和前景有明显对比的图像。它是根据整幅图像确定的:T=T(f)。但是这种方
法只考虑像素本身的灰度值,一般不考虑空间特征,因而对噪声很敏感。常用的全局阈值选取方法
有利用图像灰度直方图的峰谷法、最小误差法、最大类间方差法、最大熵自动阈值法以及其它一些
方法。
1.2 基于边缘的分割方法
检测灰度级或者结构具有突变的地方,表明一个区域的终结,也是另一个区域开始的地方。这
种不连续性称为边缘。不同的图像灰度不同,边界处一般有明显的边缘,利用此特征可以分割图像 。
图像中边缘处像素的灰度值不连续,这种不连续性可通过求导数来检测到。对于阶跃状边缘,其位
置对应一阶导数的极值点,对应二阶导数的过零点(零交叉点)。因此常用微分算子进行边缘检测。
常用的一阶微分算子有 Roberts 算子、Prewitt 算子和 Sobel 算子,二阶微分算子有 Laplace 算子和
Kirsh 算子等。在实际中各种微分算子常用小区域模板来表示,微分运算是利用模板和图像卷积来
实现。这些算子对噪声敏感,只适合于噪声较小不太复杂的图像。
共 7 页 第 1 页
评论1
最新资源