基于opencv图像分割设计软件开发
伴随着人类文明的不断进步和发展，图像处理和分析技术在不断的发展和完善，广泛应用于军事、遥感、气象等大型的，符合人类生活需求的各个方面, 图像分割对图像处理的第一步，是对图像进行识别和计算机视觉起着至关重要的预处理。本文提出了一种基于均值漂移和模糊C均值聚类的图像分割算法，这种算法可以分为三个步骤一确定好初始聚类数目以及初始聚类中心，二完成第一步后形成带权分割图像，三在初值确定的情况下进行 FCM 分割，分割完成之后进行形态学处理和二值化提取。相比传统 FCM 算法，利用本文提出的算法进行分割图像，能够达到人们所需要的效果。 本文的算法不足之处在于可能会使图像过度分割，过度分割形成的聚类数目过多从而会影响整体图像的分割效果，下一步我们应该重点研究如何解决这个问题。关键词 图像分割 均值漂移 模糊c均值聚类
目录
1绪论 5
1.1课题背究景及研意义 5
1.2图像分割的研究现状与分析 6
2.2区域分割 7
2.2.2区域分裂合并 8
2.3直方图法 8
2.4特定理论分割 9
2 Visual Stdio与OpenCV的配置与搭建 10
2.1 Visual Stdio概述 10
2.2 Visual Stdio的安装 10
2.3 OpenCV概述 11
2.4 OpenCV的安装 12
3 模糊c均值聚类算法 17
3.1模糊集理论简介 17
3.2模糊c均值聚类算法 18
3.3本章小结 21
4基于均值漂移及FCM算法 21
4.1优化均值漂移确定聚类初值 21
4.2优化 FCM 完成图像分割 24
4.3形态学处理二值化提取 26
4.4实验结果与分析 27
4.5本章小结 28
结论 28
致谢 28
1绪论
1.1课题背究景及研意义
伴随着人类文明的不断进步和发展，人类从刚开始的简单手工图像处理，到后来的计算机简单处理，再到现在的计算机科学技术的专业处理 *好棒文|www.hbsrm.com +Q: *351916072*
，图像处理和分析技术在不断的发展和完善，在社会广大群体的关注下，科学的处理方案层出不穷，慢慢的形成了自己的科学体系[1]。
在学术上而言，数字图像处理技术已经不单单是单纯的生活运用，已经是一门专业的，跨学科的庞大领域[2]。首先，眼睛是人类对外界非常重要的基本感官，图像又是眼睛所能看到的基础，因此，对于数字图像系统学理论，已经成为科学家们对于心理学、生理学、计算机科学等纵多领域内研究以眼睛为根本的视觉感知的最有效工具。其次，图像处理技术还在发展，现在还广泛应用于军事、遥感、气象等大型的，符合人类生活需求的各个方面[35]。
数字图像处理最先是在20世纪50年代开始被人们运用，后来至1998年以来，图像分析与处理在人工神经网络识别上面的技术，突然已经引起了社会广大人群的关注，并且在一定程度上应用于图像分割[6]。神经网络的分割方法广泛地被运用，这种方法需要大量的现实训练数据。因为在神经空间中，神经思维存在大量的有效或者无效的连接，这事就需要引用一定的空间信息，以能较好地能够在解决图像中存在的噪声和不均匀等具体问题[7]。
图像分割对图像进行识别和计算机视觉起着至关重要的作用。在图像分割过程中，如果图像分割方法不正确，你将得到错的图像信息，也将得到错误的图像结构与结论[8]。但是，仅仅凭借图像素的亮度及颜色来，利用计算机对其进行自动分割图像时，将会遇到很大的困难与阻碍。例如，空气的波动、周围声音的大小、图像中可能存在模糊的部分，以及图片中存在的阴影，光线不均衡等，常常回造成图像的分割错误。因此图像分割是需要学者们不断进行研究，不断专研的科学技术[910]。
目前,应用于国内外农产品的产后处理方法有很多，对此主要是对农产品的形状、尺寸、成熟度等方面进行事实检测。而实际生活中必然存在的缺陷检测是靠人们人工进行的,是用人的肉眼进行判断,判断的结果很大程度上是靠人为感觉来判断的,并且存在着人工检测精度低,视觉易疲劳,效率比较低等问题,给农产品的生产，销售和出口带来巨大的困难。在现实生活中，农产品的表面是否缺陷是评价其农产品所属等级的主要参数，并且也是农产品的表面缺陷检测是品质检测中的一大主要难题，所以说农产品表面缺陷检测对于农产品的发展，国家农产业的兴旺发达有着举足轻重的作用[1112]。
本课题以常见的有缺陷的苹果为例，通过OPENCV库，对图像进行特征提取，并根据苹果的特征进行缺陷识别，最终实现智能识别与处理的目的。
1.2图像分割的研究现状与分析
图像分割一直以来是人们关注的焦点之一，图像分割技术分为五类：阈值分割，区域分割，边缘分割，直方图法，特定理论分割方法。
1.2.1阈值分割
该法是将类相似性和间距最大看作目标，经迭代之后获得图像最佳阈值。先给定两个类别的中心C1 ，C2的灰度值，，方差，，根据不等式，确定是C1还是C2。根据公式
(1.1)
(1.2)
计算和
在图像处理中，人们大多数运用阈值分割算法，这种方法实现起来相对容易。
2.2区域分割
串行区域技术主要包括区域生长和分裂合并发这两种方法，在它的分割过程中，后一部的分割步骤需要根据前一步的分割结果进行判断，从而做出最终的分割方案。
区域生长，顾名思义，就是将要分割的区域按照相同的或者相似的像素集合在一起，然后，在被分割的所在的种子合集中，找一个种子像素作为出发点，不断发育生长，以至于把周围相近的或者相似的种子集合并在一起。区域生长需要借助一组能精准代表所需区域的种子像素，他们能够有相似的特性能够在一起，在这一过程中需要确定一定的条件或准则，来确保该区域种子集生长或停止。相似性准则包含灰度级、彩色、纹理、梯度等种种特性。这些种子像素分为两种：一种是单纯单一的像素，第二种是像素的范围，这个范围由几个不等像素所组成。在大多数情况下，根据图像的部分性质来确定区域生长准则。正常情况下，生长准则可根据实际情况的不同情况制定，而使用不同的生长准则会有对应的不一样的生活形态。区域生长法具有计算简单的优点，特别是有益于比较相似的种子像素，能够使它们具有良好的分割效果。但是，它也有缺点，需要通过认为选定，人本身就存在于比较大的主观性，随意存在的不确定因素比较大，除此之外，它对周围的噪声等外界条件要求比较高。最后，由于它是一种串行算法，当目标较大时，分割速度较慢，因此在设计算法过程中时，要尽可能的提高效率。
目录
1绪论 5
1.1课题背究景及研意义 5
1.2图像分割的研究现状与分析 6
2.2区域分割 7
2.2.2区域分裂合并 8
2.3直方图法 8
2.4特定理论分割 9
2 Visual Stdio与OpenCV的配置与搭建 10
2.1 Visual Stdio概述 10
2.2 Visual Stdio的安装 10
2.3 OpenCV概述 11
2.4 OpenCV的安装 12
3 模糊c均值聚类算法 17
3.1模糊集理论简介 17
3.2模糊c均值聚类算法 18
3.3本章小结 21
4基于均值漂移及FCM算法 21
4.1优化均值漂移确定聚类初值 21
4.2优化 FCM 完成图像分割 24
4.3形态学处理二值化提取 26
4.4实验结果与分析 27
4.5本章小结 28
结论 28
致谢 28
1绪论
1.1课题背究景及研意义
伴随着人类文明的不断进步和发展，人类从刚开始的简单手工图像处理，到后来的计算机简单处理，再到现在的计算机科学技术的专业处理 *好棒文|www.hbsrm.com +Q: *351916072*
，图像处理和分析技术在不断的发展和完善，在社会广大群体的关注下，科学的处理方案层出不穷，慢慢的形成了自己的科学体系[1]。
在学术上而言，数字图像处理技术已经不单单是单纯的生活运用，已经是一门专业的，跨学科的庞大领域[2]。首先，眼睛是人类对外界非常重要的基本感官，图像又是眼睛所能看到的基础，因此，对于数字图像系统学理论，已经成为科学家们对于心理学、生理学、计算机科学等纵多领域内研究以眼睛为根本的视觉感知的最有效工具。其次，图像处理技术还在发展，现在还广泛应用于军事、遥感、气象等大型的，符合人类生活需求的各个方面[35]。
数字图像处理最先是在20世纪50年代开始被人们运用，后来至1998年以来，图像分析与处理在人工神经网络识别上面的技术，突然已经引起了社会广大人群的关注，并且在一定程度上应用于图像分割[6]。神经网络的分割方法广泛地被运用，这种方法需要大量的现实训练数据。因为在神经空间中，神经思维存在大量的有效或者无效的连接，这事就需要引用一定的空间信息，以能较好地能够在解决图像中存在的噪声和不均匀等具体问题[7]。
图像分割对图像进行识别和计算机视觉起着至关重要的作用。在图像分割过程中，如果图像分割方法不正确，你将得到错的图像信息，也将得到错误的图像结构与结论[8]。但是，仅仅凭借图像素的亮度及颜色来，利用计算机对其进行自动分割图像时，将会遇到很大的困难与阻碍。例如，空气的波动、周围声音的大小、图像中可能存在模糊的部分，以及图片中存在的阴影，光线不均衡等，常常回造成图像的分割错误。因此图像分割是需要学者们不断进行研究，不断专研的科学技术[910]。
目前,应用于国内外农产品的产后处理方法有很多，对此主要是对农产品的形状、尺寸、成熟度等方面进行事实检测。而实际生活中必然存在的缺陷检测是靠人们人工进行的,是用人的肉眼进行判断,判断的结果很大程度上是靠人为感觉来判断的,并且存在着人工检测精度低,视觉易疲劳,效率比较低等问题,给农产品的生产，销售和出口带来巨大的困难。在现实生活中，农产品的表面是否缺陷是评价其农产品所属等级的主要参数，并且也是农产品的表面缺陷检测是品质检测中的一大主要难题，所以说农产品表面缺陷检测对于农产品的发展，国家农产业的兴旺发达有着举足轻重的作用[1112]。
本课题以常见的有缺陷的苹果为例，通过OPENCV库，对图像进行特征提取，并根据苹果的特征进行缺陷识别，最终实现智能识别与处理的目的。
1.2图像分割的研究现状与分析
图像分割一直以来是人们关注的焦点之一，图像分割技术分为五类：阈值分割，区域分割，边缘分割，直方图法，特定理论分割方法。
1.2.1阈值分割
该法是将类相似性和间距最大看作目标，经迭代之后获得图像最佳阈值。先给定两个类别的中心C1 ，C2的灰度值，，方差，，根据不等式，确定是C1还是C2。根据公式
(1.1)
(1.2)
计算和
在图像处理中，人们大多数运用阈值分割算法，这种方法实现起来相对容易。
2.2区域分割
串行区域技术主要包括区域生长和分裂合并发这两种方法，在它的分割过程中，后一部的分割步骤需要根据前一步的分割结果进行判断，从而做出最终的分割方案。
区域生长，顾名思义，就是将要分割的区域按照相同的或者相似的像素集合在一起，然后，在被分割的所在的种子合集中，找一个种子像素作为出发点，不断发育生长，以至于把周围相近的或者相似的种子集合并在一起。区域生长需要借助一组能精准代表所需区域的种子像素，他们能够有相似的特性能够在一起，在这一过程中需要确定一定的条件或准则，来确保该区域种子集生长或停止。相似性准则包含灰度级、彩色、纹理、梯度等种种特性。这些种子像素分为两种：一种是单纯单一的像素，第二种是像素的范围，这个范围由几个不等像素所组成。在大多数情况下，根据图像的部分性质来确定区域生长准则。正常情况下，生长准则可根据实际情况的不同情况制定，而使用不同的生长准则会有对应的不一样的生活形态。区域生长法具有计算简单的优点，特别是有益于比较相似的种子像素，能够使它们具有良好的分割效果。但是，它也有缺点，需要通过认为选定，人本身就存在于比较大的主观性，随意存在的不确定因素比较大，除此之外，它对周围的噪声等外界条件要求比较高。最后，由于它是一种串行算法，当目标较大时，分割速度较慢，因此在设计算法过程中时，要尽可能的提高效率。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1217.html
