基于边缘检测的图像分割技术的研究

湖北工业大学 向凡

基于边缘检测的图像分割技术的研究

湖北工业大学 向凡

本文主要介绍了基于边缘检测的图像分割的相关技术，首先分析了研究目的和研究意义，然后综合国内外的研究近况，分析了当前对于图像分割技术的前景和不足。

边缘检测；图像分割技术；研究

目前，图像是人类最重要的常用信息之一，视觉信息是人类最重要的感知手段之一，视觉信息是人类从自然界获得信息的主要来源，可以说人类的视距的基本组成部分来源于图像，它客观地反映了自然界景物，同样也可以说图像是人们用于对自身以及世界认知的非常重要的源头。其中可以这样定义图的概念，图是物体通过反射或者透视形成的光的分布情况，对于像的定义，可以这样描述：像是人的视觉接收的图在人的大脑中形成的认识与印象。常见的图像有：照片、地图、手写汉字、卫星云图、X光片、心电图等。

边缘是图像最基本的特征，对图像进行边缘检测，在计算机视觉、图像分析等领域起到至关重要的作用，同样也是图像分析和识别匹配的关键环节，这是因为在图像的边缘中，包含了图像用于识别的有用信息，所以，我们可以说，图像分析和图像特征提取中最重要的手段是对图像进行边缘检测操作。

图像边缘指的是图像的周围像素灰度变化或者屋顶状变化的那些像素的集合，图像的边缘信息存在于目标与背景之间，目标与目标之间，区域和区域之间，基元同基元之间，所以说图像的边缘是图像分割所依赖的重要的特征，同样可以说图像的边缘信息是形状特征的基础部分以及纹理特征的重要信息来源，图像分割质量的好坏直接决定了图像纹理信息特征的提取过程。图像匹配的基础是图像的边缘提取，因为图像的边缘提取对于图像的灰度变化不会产生很大的影响，所以可以将图像的边缘信息来描述为图像匹配的特征信息。

边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是对原始图像中像素的某小邻域来构造边缘检测算子。

图像分割的具体含义，在前面已经提到了，一个好的图像分割应该具备3个重要特征，下面我们用数学模型去描述这个3个重要的特征：

McCulloch和Pitts最先建立了人工神经网络的模型，这个数学模型的基本思想可以这样描述：在生物学的角度上看，神经细胞存在2种工作形态，兴奋或者是受抑制的。在这个思想的基础上，McCulloch和Pitts将硬极限函数引入到了神经元的数学模型当中，后期的多种其它形式的神经网络模型均采用了这个硬极限函数，比如多层感知器，离散的 Hopfield网络。因为突触状态直接决定了神经元之间信号的强度，所以在神经网络模型当中，采用一个固定的数值来表示神经元的每个突触的强度，这个固定的数值称作权值。每一个神经元模型在理论上都能够从其它的上10个或者数百个神经元中去获取信息，从而导致神经兴奋甚至冲动。任何刺激，如果超过了阈值，那么就会产生一个动作电位。相反，如果低于阈值，就不会产生任何能够看得见的反应。

图像是人类最重要的常用信息之一，数字图像处理技术就是将图像信号转变成数字形式，并使用计算机进行处理的过程，这其中涉及到光学，信息学，统计学，数学，计算机科学等领域，是一门综合性很强的交叉性学科，随着科学技术的发展和数字化时代的到来，数字图像处理技术得到了极大的重视和发展，在科学研究、工业生产、医疗诊断、宇宙空间、交通、天文、气象、地质等众多领域得到了广泛的应用，并且取得了巨大的社会和经济效益。

[1]朱俊杰,杜小平,范湘涛,等.三种图像分割算法的对比及图像分割方法的改进[J].计算机应用与软件,2014,31(1):194-196.

[2]迟大钊,刚铁.基于数字化图像处理的超声TOFD法D扫描图像中缺陷自动识别[J].2014.

[3]吴明.数字化图像的采集与加工教学设计[J].成才之路,2014(3):63-64.

[4]李海滨,杜益福,刘彬.基于图割和分水岭变换的图像分割方法[J].燕山大学学报.

2017-09-10）