基于MATLAB計算機模擬的圖像分割技術研究

圖像分割（image segmentation）是一種非常關鍵的圖像技術，它是從圖像處理進到圖像分析要經過的一個關鍵步驟。為了更高層次的圖像分析理解得以實現，必須先進行圖像分割、目標分離、特征提取等過程，把原始圖像轉化成為更緊湊更抽象的形式。對圖像進行研究或應用時，人們往往并不需要圖像中的所有信息，而只對其中的某些特定的、具有獨特性質的部分（常稱為目標或前景）感興趣。本文利用Matlab軟件熟悉數值模擬針對基于邊緣檢測和自動種子區域生長相結合的圖像分割。相關實驗結果表明，這種方法對噪聲有一定的抑制能力，可降低圖像分割的計算復雜度，能夠分割出較為完整的圖像邊緣，得到有意義的目標區域，分割方法可行有效。

1模型與方法

圖像的邊緣信息能較好的代表整個圖像的大致信息，利用直方圖分析圖像的邊緣信息能夠較為簡潔的得到圖像整體信息。

在灰度直方圖中，選取圖像邊緣信息中出現像素概率最高的點，即從灰度直方圖中讀出出現概率最多的像素值，在要處理的圖像中找到該像素值對應的像素點，同時，標記這些邊緣像素點，則這組像素點即為一組種子點，這樣就完成了種子點的自動選取。選取的這組種子點，從廣義上來講，代表了圖像邊緣的大致信息，也能大致反應出圖像的整體信息。在完成提取邊緣和直方圖分析后，根據得到的一組種子點，便可采用區域生長方法對整幅圖像實施分割。

設得到的邊緣像素點集中，邊緣像素點的總數為N，灰度分別為X（0），X（1），…，X（N-1），種子點的像素灰度

2結果與討論

如圖1給出的是細胞的背景圖像，通過對圖像選取合適的生長區域，并在區域內選擇一定數量的種子生長點，并對計算過程設置迭代參數及收斂參數。考慮灰度的分布的情況，加入相應的邊緣檢測手段來對選取區域進行灰度閾值的分割。圖1（a）（b）給出的是迭代50次及100次，收斂參數設置為2與5所得出的圖像分割結果，通過改變收斂參數，加快迭代收斂速度，圖像分割已可以按灰度區別進行區分，結果較為準確。但考慮到本組圖像灰度區域變化明顯，對于灰度變化復雜圖像，要充分考慮噪聲的影

3結論

基于Matlab軟件模擬，數值研究了基于邊緣檢測和自動種子區域生長相結合的圖像分割。實驗結果表明：這種方法對噪聲有一定的抑制能力，可降低圖像分割的計算復雜度，能夠分割出較為完整的圖像邊緣，得到有意義的目標區域，分割方法可行有效。這種方法是對傳統的區域生長算法的一種改進，然而如何更好地改進區域生長算法的分割效果，還需要做進一步的研究。