毕业设计基于信息熵最大的图像分割研究.doc

毕业设计（论文）任务书
第1页　　
毕业设计（论文）题目：基于信息熵最大的图像分割研究

毕业设计（论文）要求及原始数据（资料）：

图像分割是图像处理、模式识别、计算机视觉等领域中极为重要的内容之一，是实现自动图像分析时首先要完成的操作。它根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域，使其后的图像分析及识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。由于图像分割方法是面向具体问题的，因此至今还没有一种通用的分割方法。在众多的分割方法中，阈值法是最重要的分割技术之一。常用的阈值法有最大类间方法差、迭代法和最大熵阈值法等。
熵的概念首先由克劳修斯在1865年提出，它反映了事件给与人们信息量的大小，可以说，它是信息量的一个度量。传统上，熵的数学定义与事件发生的概率相关联，大概率事件的熵值小，小概率事件则反之。Shannon将它引入到信息理论中，用于度量信息传输的有效性。
在图像处理领域，一幅图像可以被看作是信源，其灰度或颜色可看作是各种可能的输出，而它的某种分布图则是概率分布，因此阈值分割后图像的熵的最大化，则可以被理解为最大信息量的传输。

第2页
本设计是针对数字图像利用信息熵标准进行图像分割，以提高图像分割的准确性。要求设计（论文）包括以下几方面内容：
1. 研究和分析传统数字图像分割方法；
2. 掌握信息熵的概念和定义；
3. 设计基于信息熵最大的图像分割算法；

第3页　
毕业设计（论文）主要工作内容
本毕业设计主要工作内容包括：
1. 查找及阅读相关文献资料，简述数字图像处理技术；
2. 简述图像分割定义；
3. 简述熵、信息熵的概念；
4. 程序实现传统数字图像分割；
5. 设计信息熵算法；
6. 程序实现信息熵算法；
7. 用c或matlab编程；
8. 用visio绘制程序流程图；
9. 按照学校要求和论文写作规范，完成规范化的设计论文

学生应交出的设计文件（论文）
设计说明书一份；主要内容包括中英文摘要、数字图像处理介绍、传统图像分割算法基于信息熵算法实验仿真与结果分析，设计总结。

第4页
主要参考文献（资料）：
[1] 吕凤军, 数字图像处理编程入门. 清华大学出版社, 1999.
[2] 王耀南，李树涛，毛建旭，计算机图像处理与识别技术，高等教育出版社，2001.6
[3] 耿迅.VC图像处理系列之一——图像读写篇.电脑编程技巧与维护,2005,(9).
[4] 章毓晋.图像分割.北京:科学出版社,2001.
[5] 杨晖,曲秀杰. 图像分割方法综述.电脑开发与应用,2005,18(3):21-23.
[6] 严学强,叶秀清,刘济林. 基于量化图像直方图的最大熵阈值处理算法.模式识别与人工智能,1998,11(3):352-358.
[7] S K Pal, R A King, A A Hashim. Automatic grey level thresholding through index of fuzziness and entropy. Pattern Recognition Letters, 1983,1 (3) : 141 - 146.
[8] C A Murthy, S K Pal. Histogram thresholding by minimizing graylevel fuzziness. Information Sciences, 1992, 60 ( 1 - 2) : 107 - 135.
[9] 龚桂芳, 冯成德, 张慧, 朱艳芳. 一种基于自适应最小模糊熵的CT图像分割方法. 生物医学工程学杂志, 2008, (2).
[10] 罗文村,郭伟斌. 图像阈值分割方法的比较与分析. 现代计算机, 2000,(11)

专业班级 自动化0503班 学生 高辉明
要求设计（论文）工作起止日期 09年2月16日~09年6月24日
指导教师签字 日期
教研室主任审查签字 日期
系主任批准签字 日期

基于信息熵最大的图像分割研究
摘要
图像分割是根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域，使其后的图像分析及识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。在信息理论中，熵用于度量信息传输的有效性。
本论文主要讨论针对数字图像利用信息熵标准结合阈值迭代法进行图像分割，以提高图像分割的准确性。设计信息熵算法并程序实现，仿真结果表明编写程序有效，分割效果明显。
关键词：阈值分割 迭代法 信息熵

Maximum entropy-based image segmentation study
Abstract

Based on the similarity criterion of the image’ some characteristics or characteristics set, image segmentation technique divides the image pixels into groups and partition the image into a series of "meaningful" regions. This technique will greatly reduce the amount of data in the following advanced processing to the image analysis and identification, as will as retain the information about image structure characteristics. In information theory, entropy is used to measure the effectiveness of information transmission.
In order to improve the accuracy of image segmentation ，this thesis makes a research on the image segmentation technique which is the combination of standard information entropy and Iteration threshold.Meanwhile this thesis designs entropy algorithm and gives its program. Simulation results show that program runs well, segmentation result is effective.
K eyw ords：Threshold segmentation Iterative Method Information entropy

目录
摘要 I
Abstract II
1.绪论 1
1.1图像 1
1.2图像处理技术 2
1.3发展前景与应用 6
2图像分割 9
2.1定义 9
2.2分割方法简介 10
3熵、信息熵 13
3.1熵 13
3.1.1基本特性 13
3.1.2应用 13
3.2信息熵 15
4.基于最大信息熵算法实现 17
4.1 matlab简介 17
4.2基于最大信息熵算法 20
4.2.1算法程序描述 20
4.2.1程序流程图 21
4.2.2算法程序 22
4.2.3仿真及结果分析 26
结论 37
致谢 38
英文资料 39
6.1英文原文 39
6.2中文翻译 46
参考文献 50

1.绪论
1.1图像
为了实现对图像信号的处理和传输，首先必须对图像进行正确的描述，即什么是图像。对人们来说，图像并不陌生，但却很难用一句话说清其含义。从广义上说，图像是自然界景物的客观反映，是人类认识世界和人类本身的重要源泉。照片、绘画、影视画面无疑属于图像；照相机、显微镜或望远镜的取景器上的光学成像也是图像。此外，汉字也可以说是图像的一种，因为汉字起源于象形文字，所以可当做一种特殊的绘画；图形可理解为介于文字与绘画之间的一种形式，当然也属于图像的范畴。由此延伸通过某些传感器变换得到的电信号图，如脑电图、心电图等也可看做是一种图像。“图”是物体反射或透射光的分布，它是客观存在的，而“像”是人的视觉系统所接收的图在人脑中所形成的印象或认识。总之，凡是人类视觉上能感受到得信息，都可以称为图像。
图像信息不仅包含光通量分布，而且还包含人类视觉的主观感觉。随着计算机技术的迅速发展，人们可以人为地创造出色彩斑斓、千姿百态的各种图像。概括的讲，图像包含以下几个重要内容：
视频（Video）：视频图像又称为动态图像、活动图像或者说运动图像。它是一组图像在时间轴上的有序排列，是二维图像在一维时间域上构成的序列图像。如NTSC制式电视30帧/秒，PAL制式是25帧/秒。
图形（Graphics）：图形是图像的一种抽象，它反映图像的几何特征，例如点、线、面等。图形不直接描述图像中的每一点，而是描述产生这些点的过程和方法，被称为矢量图形。
动图（Animation）：动图属于动态图像的一种。它与视频的区别在于视频的采集来源于自然地真实图像，而动图则是利用计算机产生出来的图像或图形，是合成动态图像。动画包括二维动画、三维动画、真实感三维动画等多种形式。
符合（Symbol）与文字（Character）：符号可以表示许多信息。符号包括各种描述量、数据、语言等。其中最重要的是数值、文字等有结构的符号组。符号是表示某种含义的，它与使用者的知识有关是比图形更高层次的抽象。需具备特定的知识方能解释特定的符号和特定的文本（如语言）。符号是用特定值表示的，如ASCII码、中文国标码等。文本媒体是用得很多的一种符号媒体形式，它由具有上下文关系的字符串组成，与字符的结构有关。
图像的表现形式很多，但都有一个共同特点，即图像是二维或三维空间信息。
图像在人类接收和传递信息中都起着重要的作用。这是因为图像比起声音、文字信息有其突出的长处，那就是图像的直观性，它能原封不动地将客观事物的原形展现在眼前，供不同目的、不同能力和水平的人们去观察和理解。而声音和文字信息则不反映客观事物的原形，是通过描述来表达事物，即属于描述性的信息。既然是描述，就会受到描述者的许多因素的影响，诸如主观、片面、专业、情绪、状态等都会使描述偏离客观事物。
能力除了这些图像本事的特点外，图像信息的重要性还在于人们的视觉系统有着瞬间获取图像、分析图像、识别图像和理解图像的能力，在人们的生活、生产活动中，依赖于图像信息的状况比比皆是。从视觉接收信息的角度看，可认为图像是空间可观景物在眼球视网膜上形成的像。人们站在高处用眼睛巡视前方，立刻能获得大自然丰富多彩的一幅幅图像的快速分析，得到诸如高山、大海、树林等等的识别结果。甚至还会对这些图像进行比较，得出“这就是曾经看到过的那张照片”的结论。由此可见，视觉系统和大脑具有高超的能力，能区分图像中的物体与背景；能感知颜色亮度、形状、方向、位置、运动等信息的细微差别;能将有意义的信息综合成一体；有很强的信息存储能力；具有高效地进行平行处理的等等。其实，人们在生活和非自动化生产中，都离不开用视觉获取图像和处理图像。
当然，图像也有去另一方面的特点，那就是图像的信息量大，这不仅是因为图像反映客观事物的原形，信息本身较声音、文字丰富，还因为作为空间信息的图像，在接收和传递过程中，必须将其看做是许多点的集合，比如一副电视画面可分割为512*512个点来进行信息的传递，那么如果连续传送150幅画面，其信息量就非常客观。
据统计，通过视觉获取的信息占人们获取所有信息的75%左右。因此图像是人类从事一切活动的重要信息源。
由于实际存在的自然图像多种多样，内容千变万化，故其分类也极为复杂，但图像按性质特征来分，大致可分为如下几种情况：
（1）灰度分类
按灰度分类有二值图像（如图文传真、文字、图表、工程图纸等）和多灰度图像。多层次灰度图像按应用的不同，有各种不同的灰度层次。
（2）色彩分类
按照色彩分类，可分为单色图像和彩色图像。单色图像指只具有某一个谱段的图像，一般为黑白灰度图；彩色图像，包括真彩色、合成彩色、伪彩色、假彩色等，可用不同的彩色空间来描述，如RGB、YUV等。
（3）运动分类
按运动分类，图像可分为静态图像和动态图像。静态图像包括静止图像和凝固图像。每幅图像本身都是一副静止图像。凝固图像是动态图像的某一帧。动态图像的快慢以帧率量度，帧率反映了画面运动的连续性，可以看出，动态图像实际上是由一副副静态图像按时间排列组成的。
（4）按时空分布分类
按时空分布分类，图像可分为二维图像和三维图像。二维图像即平面图像，其数学表示为f（x,y），f为光强，x，y为二维空间坐标。三维图像即立体图像，其数学表示为f（x，y，z），f为光强，x，y，z为三维空间坐标。
1.2图像处理技术
　 用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。
　　图像处理（image processing ）使用计算机对图像进行一系列加工，以达到所需的结果。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。虽然某些处理也可以用光学方法或模拟技术实现,但它们远不及数字图像处理那样灵活和方便,因而数字图像处理成为图像处理的主要方面。
　　图像数字化：通过取样和量化过程将一个以自然形式存在的图像变换为适合计算机处理的数字形式。图像在计算机内部被表示为一个数字矩阵，矩阵中每一元素称为像素。图像数字化需要专门的设备，常见的有各种电子的和光学的扫描设备，还有机电扫描设备和手工操作的数字化仪。
　　图像编码：对图像信息编码，以满足传输和存储的要求。编码能压缩图像的信息量，但图像质量几乎不变。为此，可以采用模拟处理技术,再通过模-数转换得到编码，不过多数是采用数字编码技术。编码方法有对图像逐点进行加工的方法，也有对图像施加某种变换或基于区域、特征进行编码的方法。脉码调制、微分脉码调制、预测码和各种变换都是常用的编码技术。
图像增强：使图像清晰或将其转换为更适合人或机器分析的形式。与图像复原不同，图像增强并不要求忠实地反映原始图像。相反，含有某种失真（例如突出轮廓线）的图像可能比无失真的原始图像更为清晰。常用的图像增强方法有：①灰度等级直方图处理：使加工后的图像在某一灰度范围内有更好的对比度；②干扰抑制：通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰；③边缘锐化：通过高通滤波、差分运算或某种变换，使图形的轮廓线增强；④伪彩色处理：将黑白图像转换为彩色图像，从而使人们易于分析和检测图像包含的信息。
图像复原：除去或减少在获得图像过程中因各种原因产生的退化。这类原因可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等。图像复原常用二种方法。当不知道图像本身的性质时，可以建立退化源的数学模型，然后施行复原算法除去或减少退化源的影响。当有了关于图像本身的先验知识时，可以建立原始图像的模型，然后在观测到的退化图像中通过检测原始图像而复原图像。
图像分割：将图像划分为一些互不重叠的区域，每一区域是像素的一个连续集。通常采用把像素分入特定区域的区域法和寻求区域之间边界的境界法。区域法根据被分割对象与背景的对比度进行阈值运算，将对象从背景中分割出来。有时用固定的阈值不能得到满意的分割，可根据局部的对比度调整阈值，这称为自适应阈值。境界法利用各种边缘检测技术，即根据图像边缘处具有很大的梯度值进行检测。这两种方法都可以利用图像的纹理特性实现图像分割。
　　图像分析：从图像中抽取某些有用的度量、数据或信息。目的是得到某种数值结果，而不是产生另一个图像。图像分析的内容和模式识别、人工智能的研究领域有交叉，但图像分析与典型的模式识别有所区别。图像分析不限于把图像中的特定区域按固定数目的类别加以分类，它主要是提供关于被分析图像的一种描述。为此，既要利用模式识别技术，又要利用关于图像内容的知识库，即人工智能中关于知识表达方面的内容。图像分析需要用图像分割方法抽取出图像的特征，然后对图像进行符号化的描述。这种描述不仅能对图像中是否存在某一特定对象作出回答，还能对图像内容作出详细描述。
图像处理的各个内容是互相有联系的。一个实用的图像处理系统往往结合应用几种图像处理技术才能得到所需要的结果。图像数字化是将一个图像变换为适合计算机处理的形式的第一步。图像编码技术可用以传输和存储图像。图像增强和复原可以是图像处理的最后目的，也可以是为进一步的处理作准备。通过图像分割得出的图像特征可以作为最后结果，也可以作为下一步图像分析的基础。
数字图像处理的基本特点：
（1）目前，数字图像处理的信息大多是二维信息，处理信息量很大。如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。因此对计算机的计算速度、存储容量等要求较高。
（2）数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。
（3）数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。
（4）由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。
（5）数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。
数字图像处理的优点：
1. 再现性好数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。
2．处理精度高 按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。
3．适用面宽图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。
4．灵活性高图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分每一部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。
1.3发展前景与应用
数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。
1）航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用，除了上面介绍的JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。对由此得来的照片进行处理分析，以前需要雇用几千人，而现在改用配备有高级计算机的图像处理系统来判读分析，既节省人力，又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。从60年代末以来，美国及一些国际组织发射了资源遥感卫星(如LANDSAT系列）和天空实验室（如SKYLAB），由于成像条件受飞行器位置、姿态、环境条件等影响，图像质量总不是很高。因此，以如此昂贵的代价进行简单直观的判读来获取图像是不合算的，而必须采用数字图像处理技术。如LANDSAT系列陆地卫星，采用多波段扫描器（MSS），在900km高空对地球每一个地区以18天为一周期进行扫描成像，其图像分辨率大致相当于地面上十几米或100米左右（如1983年发射的LANDSAT-4，分辨率为30m）。这些图像在空中先处理（数字化，编码）成数字信号存入磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。现在世界各国都在利用陆地卫星所获取的图像进行资源调查（如森林调查、海洋泥沙和渔业调查、水资源调查等），灾害检测（如病虫害检测、水火检测、环境污染检测等），资源勘察（如石油勘查、矿产量探测、大型工程地理位置勘探分析等），农业规划（如土壤营养、水份和农作物生长、产量的估算等），城市规划（如地质结构、水源及环境分析等）。我国也陆续开展了以上诸方面的一些实际应用，并获得了良好的效果。在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。
2）生物医学工程方面的应用数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。除了上面介绍的CT技术之外，还有一类是对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。此外，在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。
3）通信工程方面的应用当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。具体地讲是将电话、电视和计算机以三网合一的方式在数字通信网上传输。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100Mbit/s以上。要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。
4）工业和工程方面的应用在工业和工程领域中图像处理技术有着广泛的应用，如自动装配线中检测零件的质量、并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。其中值得一提是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。
5）军事公安方面的应用在军事方面图像处理和识别主要用于导弹的精确末制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别都是图像处理技术成功应用的例子。
6文化艺术方面的应用目前这类应用有电视画面的数字编辑，动画的制作，电子图像游戏，纺织工艺品设计，服装设计与制作，发型设计，文物资料照片的复制和修复，运动员动作分析和评分等等，现在已逐渐形成一门新的艺术--计算机美术。
2图像分割
2.1定义
图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息。例如，可以对图像的灰度级设置门限的方法分割。值得提出的是，没有唯一的标准的分割方法。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。
定义：图像分割是指将图像中有意义的对象与背景分离，并把这些对象按照不同的含义分割开来，也就是说，把图像中具有不同含义的对象提取出来。
图像分割的方法大致可以分为基于边缘检测的方法和基于区域生成的方法两大类。边缘检测技术是所有基于边界分割的图像分析方法的第一步，首先检测出图像局部特性的不连续性，再将他们连成边界，这些边界把图像分成不同的区域，检测出边缘的图像就可以进行特征提取和形状分析。而区域生长是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。
直方图：图像特征是指图像的原始特性或属性。其中有些事视觉直接感受到的自然特征，如区域的亮度、边缘的轮廓、纹理或色彩等；有些事需要通过变换或测量才能得到的人为特征，如变换频谱、直方图、矩等图像特征的提取工作的结果给出了某一具体的图像中与其他图像相区别的特征。如：描述物体表面灰度变化的纹理特征，描述物体外形的形状特征等。
按照随机过程理论，图像可以看做是一个随机场，也具有相应的随机特性，其中最重要的就是灰度密度函数，但是一般讲，要精确得到图像的灰度密度函数是比较困难的，实际中用数字图像的直方图来代替。图像的直方图是图像的重要统计特征，是表示数字图像中每一灰度级与该灰度级出现的频数（该灰度像素的数目）间的统计关系。用横坐标表示灰度级，纵坐标表示频数（也有用相对频数即概率表示的）。按照直方图的定义可表示为：
（2-1）
式中为一副图像的总像素数，是第级灰度的像素数，表示第个灰度级，表示该灰度级出现的相对频数。
需要注意的是：直方图能给出该图像的大致描述，如图像的灰度范围、灰度级的分布、整幅图像的平均亮度等，但是仅从直方图不能完整地描述一副图像，因为一副图像对应于一个直方图，但是一个直方图不一定只对应一副图像，几幅图像只要灰度分布密度相同，那么它们的直方图也是相同的。
尽管直方图不能表示出某灰度级的像素在什么位置，更不能直接放映出图像的内容，但是具有统计特性的直方图却能描述该图像的灰度分布特性，使人们从中得到诸如总体明亮程度、对比度、对象物的可分性等与图像质量有关的灰度分布概貌，成为一些处理方法的重要依据；同时，对直方图进行分析可以得出图像的一些能反映出图像特点的有用特征。例如，当图像的对比度较小时，它的灰度直方图只在灰度轴上较小的一段区间上非零；较暗的图像由于较多像素的灰度值低，因此直方图的主体出现在低值灰度区间上，在高值灰度区间上的幅度较小或为零，而较亮的图像情况正好相反；看起来清晰柔和的图像，它的直方图分布比较均匀。通常一副均匀量化的自然图像由于其灰度直方图分布集中在较窄的低值灰度区间，引起图像的细节看不清楚，为使图像变得清晰，可以通过变换使图像的灰度范围拉开或使灰度分布在动态范围内趋于均化，从而增加反差，使图像的细节清晰，达到图像增强的目的。事实证明，通过图像直方图修改进行图像增强是一种有效地方法。
2.2分割方法简介
1. 经典迭代法：
迭代算法的具体描述为：
1) 为选择一个初始估计值，可以将它取为图像中最大和最小灰度的中间值。
2) 使用阈值分割图像，灰度大于的像素组成区域，灰度小于的像素组成区域。
3) 计算和区域中像素的各自平均灰度值和。
4) 取新的阈值：
（2-2）
如果与相等或者相差在规定的范围内，或者达到规定的迭代次数，则可将作为最终阈值结果，否则重复2到4步的操作，直至满足要求。
迭代算法通过编程可以迅速得到计算结果，但不同的图像尺寸不同，运行速度会受到影响。

2. Otsu法：MATLAB工具箱提供了一个称为graythresh的函数，该函数使用Otsu方法来计算阈值。为检验这种基于直方图的方法，我们从处理一个离散概率密度函数的归一化直方图开始，如下所示：
（2-3）
其中，是图像中的像素总数，是灰度级为的像素数目，是图像中所有可能的灰度级数。假设我们现在已经选定了一个阈值，是一组灰度级为的像素，是一组灰度级为的像素。Otsu方法选择最大化类间方差的阈值，类间方差定义为
（2-4）
其中，

函数graythresh取一组图像，计算它的直方图，找到最大化的阈值。阈值返回为0.0和1.0之间的归一化值。
3. 分水岭变换的分割
在地理学中，分水岭是指一个山脊，在该山脊两边的区域中有着不同流向的水系。汇水盆地是指水排入河流或水库的地理区域。分水岭变换把这些概念应用于灰度级图像处理中，以便解决各种图像分割问题。理解分水岭变换要求我们把灰度级图像看做是一个拓扑表面，其中f(x，y)的值是被解释为高度。分水岭变换会在灰度级图像中找到汇水盆地和脊线。在求解图像问题方面，关键概念是将初始图像变成另一幅图像，在变换后的图像中，汇水盆地就是我们想要识别的对象或区域。
（1）使用梯度的分水岭分割
在为分割使用分水岭变换之间，通常要使用梯度幅度来预处理图像。梯度幅度图像在沿对象的边缘处有较高的像素值，而在其他地方则有较低的像素值。理想情况下，分水岭变换会在沿对象边缘处产生分水岭脊线。
（2）控制标记符的分水岭分割
分水岭变换直接用于梯度图像时，噪声和梯度的其他局部不规则性常常会导致过分割。其导致的问题可能会非常严重，以至于产生不可用的结果。按照现在的思路，这将意味着具有大量的分割区域。解决该问题的一种实际方法是加入一个预处理阶段，以将其他知识带到分割过程中，从而限制允许的区域数目。
用于控制分割的一种方法基于标记符的概念。标记符是一个属于一副图像的连接分量。我们希望有一个内部标记符集合（处在每一个感兴趣对象的内部）和一个外部标记符集合（包含在背景中）。用于计算内部和外部标记符的方法有许多，其中包括前面描述的线性滤波、非线性滤波及形态学处理。对于特定的应用，我们选择的方法高度依赖