灰度-梯度共生矩阵在图像阈值中的应用

《灰度-梯度共生矩阵在图像阈值中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、灰度-梯度共生矩阵在图像阈值中的应用目录摘要IAbstractII1.绪论-1-1.1研究目的及其意义-1-1.2图像分割的研究现状-2-1.3主要工作-2-1.4内容安排-3-2.图像分割的原理和方法-4-2.1概述-4-2.1.1图像-4-2.1.2图像处理-4-2.2图像分割简介-5-2.3图像分割的定义-6-2.4图像分割的基本方法-7-2.4.1阈值法的基本原理-8-2.4.2阈值法图像分割方法分类-8-3.灰度-梯度共生矩阵理论-10-3.1灰度的概念-10-3.2梯度的概念-10-3.3灰度-梯度

2、共生矩阵原理-11-3.4灰度梯度归一化的方法-11-3.5计算灰度-梯度共生矩阵-12-4.最大条件熵-13-4.1二维最大熵原理-13-4.2快速递推算法-15-4.3分割结果-16-4.3.1图cameraman-16-4.3.2图boat-17-4.3.3图number-19-4.4分析研究-20-5.结论-22-致谢-23-参考文献-24-附录-25-灰度-梯度共生矩阵在图像阈值中的应用摘要图像分割是计算机视觉领域的一个重要而且基本的问题。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术

3、和过程，是从图像处理到图像分析的一个关键步骤，在图像工程中占有非常重要的位置。分割结果的好坏将直接影响到视觉系统的性能，阈值化分割算法是图像分割中应用数量最多的一类。对灰度图像阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中各个像素的灰度值与这个阈值相比较，并根据这个结果对图像的像素进行分类:灰度值大于阈值的像素一类，小于阈值的像素一类。通过分类，两类像素分属图像的两个不同区域，从而达到区域分割的目的。在实际系统中，图像目标和背景之间并不具备截然不同的灰度，随着可见光照射角度的不同，目标的亮

4、度和背景的亮度均要变化。因此阈值的正确选取是很重要的，直接影响着分割的精度及图像描述分析的正确性。基于二维灰度直方图的最大熵阈值法是依据“灰度-灰度均值”构成直方图的图像分割方法，该方法着重于图像的内部信息，忽略了边界区域的信息，这使得基于灰度直方图进行分割时不能充分利用图像的一些细节特征。梯度在数字图像处理中常用于描述图像灰度在空间中的变化状况。梯度值大的像素点是边缘的可能性也较大，为了充分提取图像内部和边缘信息，因此应用图像的梯度信息建立“灰度-梯度共生矩阵”，构造图像的二维直方图，结合最大条件熵法进行阈值

5、选取。该方法不仅利用了图像的灰度信息，而且也利用了图像的梯度信息，该方法通过计算基于灰度-梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值，仿真结果显示该算法比一维熵方法效果更佳。关键词：阈值;熵;灰度-梯度共生矩阵;图像分割II灰度-梯度共生矩阵在图像阈值中的应用AbstractImagesegmentationisoneofthebasicandimportanttechniqueincomputervision.Imagesegmentationistheprocessandrelatedmethods

6、tosegmentanimageintodifferentsub-imageswithdifferentcharactersandderivesomeinterestedobjects.Itisakeystepfromimageprocesstoimageanalysis,anditplaysanimportantroleinimageengineering.Thequalityofthesegmentationwilldirectlyaffecttheperformanceofvisionsystem,Thr

7、esholdsegmentationalgorithmbasedontheapplicationofimagesegmentationisthelargestnumberofcategories.Thresholdofthegrayimagesegmentationistoidentifyarangeintheimageofgray-scalethreshold,andthenallimagepixelgrayvalueandthethresholdcomparison,andinaccordancewitht

8、heresultsoftheimagepixelsclassification:greaterthanthethresholdgrayvalueofpixelsforaclass,lessthanthethresholdforaclassofpixels.Throughtheclassification,twotypesofimagepixelsbelongtotwodifferent