阈值法图像分割实验报告.doc

阈值法图像分割实验报告
阈值法图像分割实验报告 1 实验目的
图像分割阈值法具有实现容易、计算量小、性能稳定等优点。因此这种方法成为图像分割领域中应用最普遍的方法。本文主要讨论了基于直方图法的图像分割的设计与实现，() != IDOK)
{
return; // 返回
}
yuzhi=(unsigned char);
delete dlg1;// 删除对话框
//根据阈值将图像二值化
for ( i = 0;i < width ;i++)
{
for(j = 0;j < height ;j++)
{
pixel = *(buf+lLineBytes * j + i);
if(pixel<= yuzhi)
{
*(buf+lLineBytes * j + i)=(unsigned char)0;
}
else
{
*(buf+lLineBytes * j + i)=(unsigned char)255;
}
}
}
5 实验结果

，文件操作界面如图5-1所示。
图5-1 程序运行界面
程序可读取、处理和保存8位灰度图像，并可对8位灰度图像进行图像分割操作，用户界面设计较人性化。

对所示的目标图像进行阈值分割处理，结果如图5-2所示。
(a) 目标图像 (b) 直方图统计结果
图5-2 图像分割直方图
由图中可以看出，图像有很多峰，这样给我们选取峰谷确定阈值带来了一定的困难，下面我们将通过试探的方法，研究直方图法的优缺点
分别选择不同阈值参数，对图5-3(a)所示的图像进行图像分割，结果如下图所示。
其中(a)~(e)为直方图法的处理结果，而(f)为迭代法的处理结果，用于对比直方图法选取阈值的合理性。
(a)阈值T=30 (b)阈值T=50
(c)阈值T=60 (d)阈值T=80
(e)阈值T=100 (f)迭代法，阈值T=87
图5-3 不同阈值的图像分割效果
图中(f)图为迭代法的结果，阈值为87，可以看出处理结果较理想，而其他阈值则不太理想，因为峰值太多，给阈值选取带来了很大困难。

图像上半部分做了反色处理，这样可以更好地测试图像分割的目的性和作用。
(a)目标图像 (b)直方图统计图
图5-4直方图统计
(a)阈值T=50 (b)阈值T=100
(c)阈值T=120 (d)迭代法，阈值T=128
图5-5 不同阈值的图像分割效果
从图中可以看出，这个示例的峰值相对较少，可以较好的选择阈值，以便于更好地分割图像，提取目标，可以看出处理后的图片比原始图片更加容易辨认目标，基本上达到了目的。
6 结论
算法性能分析
由实验结果可以看出，阈值法图像分割中迭代法的处理结果比较理想，可以作为一个很好的参考，对于直方图阈值法来说，虽然操作简单方便，但有以下缺点: 1. 不适合处理峰值较多，灰度级分布较密的图像。
2. 无法获得最优阈值，因此无法获得最佳结果。
总结
通过光学图像处理课程的学习，我们对数字图像的来源，显示，处理等过程有了初步了解。对光学系统的成像过程，数字图像的传输，编码，复原，分割，压缩等理论知识和关键技术有了较系统的掌握，并能够得以初步应用。
通过这一段时间的图像处理实践过程，我们对BMP格式图像的数据结构有了更深入的了解，能够灵活运用C++编程语言对BMP图像进行读写，存储以及一些简单处理等操作，对阈值法图像分割操作体会尤深。
总之，光学图像处理课程的开设对我们的学习，科研等有较大帮助，虽然研究内容与之相关甚微，但老师在课程中提出的研究问题的思想与方法让我们受益匪浅。
7 附录
//迭代求最佳阈值
iNewThreshold = (iMin + iMax)/2;
iThreshold = 0;
for(iIterationTimes = 0; iThreshold != iNewThreshold &&
iIterationTimes < 200;iIterationTimes ++)
{
iThreshold = iNewThreshold;
lP1 =0;
lP2 =0;
lS1 = 0;
lS2 = 0;
//求两个区域的灰度平均值
for (i = iMin;i < iThreshold;i++)
{
lP1 += lHistogram[