ubuntu及omap3530的马铃薯图像分割设计-软件开发(附件)
图像分割作为近几十年的新兴技术，其发展却异常快速，与计算机技术的崛起离不开。图像分割的发展呈现出蒸蒸日上的势头，其应用更是涉及到各个技术领域，当然也存在于我们的日常生活中。
本文就马铃薯的图像分割技术中最大熵法和最大类间方差法进行了深入研究。对最大类间方差法的阈值算法进行了改进，采取将其和迭代法相结合的方法来获取最佳阈值。并针对一维熵法的涵盖不全问题提出了二维熵法对其进行改进，引入了领域灰度均值来解决光照与噪声的干扰问题。
改进的最大类间方差法对于阈值的选择相比于之前的算法更加的精确，且更为合理。提出的二维熵法和传统最大熵法相比得到的马铃薯分割图像质量显著提高，且对有光照和少量噪声的图像也取得了较好的分割效果。
关键词 马铃薯，图像分割，二维熵法，最大类间方差法
目录
1 绪论 1
1.1 图像分割技术研究的背景 1
1.2 图像分割技术的研究现状 2
1.3 图像分割技术存在的问题 3
1.4 本文的的研究内容及结构安排 3
2 图像分割技术理论基础及其分类 4
2.1 图像分割数字化描述 5
2.1.1 图像分割中重要的名词解释 5
2.2 图像分割技术的分类 7
2.2.1 基于边界检测的图像分割 7
2.2.2 基于区域的分割方法 8
2.2.3 基于区域和边缘相结合的分割方法 8
2.3 本章小结 8
3 常用的阈值分割算法及其改进 9
3.1 阈值分割的分类 9
3.1.1 双峰法 10
3.1.2 最大熵法 10
3.1.3 最大类间方差法 11
3.1.4 分水岭算法 12 *好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
/> 3.2 阈值分割的的改进 13
3.2.1 对最大熵法的改进 13
3.2.2 对最大类间方差法的改进 16
3.3 实验结果与分析 17
3.4 本章小结 18
4 ubuntu的安装及硬件实现基础 18
4.1 ubuntu的安装 18
4.1.1 VMware软件的安装 18
4.1.2 ubuntu的安装 20
4.2 ubuntu的调试 22
4.3 本章小结 24
结论 25
致谢 26
参考文献 27
1 绪论
马铃薯在我们的生活中随处可见，餐厅、麦当劳、KFC乃至家家户户都有它的身影。当然啦，马铃薯有药用价值，但更多的是熟知的食用价值，马铃薯是除了小麦和玉米外的第三大主要的粮食作物。在中国，国家负责人提出规划：至2015年马铃薯将成稻米、小麦、玉米外又一主粮。马铃薯在我们生活中扮演着越来越重要的地位，因而对于马铃薯的学术性研究也越来越多，但由于起步较晚，存在着设备技术落后、产品质量不如人意的问题。因此本文从对马铃薯的图像分割进行研究，并选取最合适的分割方法，从而有利于对马铃薯进行等级划分和表面缺陷等的后续研究。
图像分割是数字图像处理中的一个关键步骤，其发展虽然只有40年之久，但很是受到人们的重视，其应用涉及到各个领域。在医学影像分析中，有脑部MR图像分割和血管图像分割[1]等来分析病情或器官的重建。军事领域中，有对孔径雷达中目标的分割[2]来实现追踪目标或进行目标自动化识别。交通图像分析中，对交通监控里车牌的识别[3]等等。还有生活中我们常用到的手机摄像头，对人脸的锁定跟随和聚焦等等等。可以这样说，图像分割已经和我们的生活息息相关。
1.1 图像分割技术研究的背景
20世纪60年代始，伴随计算机技术的发展而兴起的数字图像处理技术经过不断的完善、发展，现已基本成熟。数字图像处理的目的是通过对原图像的加工，使之满足追求更好视觉效果的需求，其处理的内容主要有增强、合成、传输和分割等，目前，数字图像处理技术己经被广泛应用到我们生活的方方面面，而图像分割作为它的重要组成部分也发挥着越来越重要的作用。
如图1.1所示，数字图像处理技术一般可以分为：1）图像变换，是指通过图像变换的方法，将像傅立叶变换和沃尔什变换等图像阵列中的空间域处理方式转换为变换域处理方式，来达到减少计算量、获得良好局部特性的目的。2) 图像编码压缩，是指在编码压缩技术中通过减少数据量的方式来降低容量存储的方法，来达到更好地节省资源和减少时间的目的。3）图像增强和复原，因为对图像的某一部分感兴趣而采取滤波等手段强化高、低频分量来使图像轮廓清晰或减少噪声，从而达到提高图像质量的目的。4）图像描述，是根据图像的内部特性或空间特征达到对图像识别和理解的目的，如纹理、体积描述等。5）图像分割，是数字图像处理技术的重要组成部分并且经过越来越多学者的深入研究发挥着越来越重要的作用，通过图像的某些特征将图像有意义的特征部分提取出来，从而方便进行下一步如图像识别、分析和理解等的研究。图像分割，也是我们这次课题研究的重点。
图1.1 数字图像处理主要研究内容
1.2 图像分割技术的研究现状
对图像进行处理的时候，无论图像是灰度图像还是彩色图像，都要从图像分割开始，而且因为彩色图像比灰度图像色彩和背景都要复杂，导致其分割难度加大，因而我们更要凸显图像分割在图像处理中的重要作用。近年来，随着相关学者对图像分割研究的不断深入，新的分割方法的不断出现，使得人们对图像分割技术的需求一定程度上得到了满足，但也因此冲击着人们往更高的程度奋进。经过不断对相关研究进行梳理总结，我们可以看出，在图像分割的发展中，根据其分割方法的不同，我们可以简单的概括为分为基于区域和基于边界的两种分割方法。
基于边界的分割方法：是指利用背景和目标间存在的象素灰度的不连贯性，也就是说从目标到背景，因为不同的灰度级的存在，而产生的目标到背景的过渡曲线，此曲线就被称为边界，从而实现对图像的分割。基于边界的分割方法根据其确定分割边界方法的不同，一般可以分为基于模型的图像分割和基于几何边界跟踪的图像分割两种分割方法。基于模型的分割方法还是可以细分的，例如活动轮廓模型，活动轮廓可以看成是外力和内力作用下不断变形最终平衡的过程，其平衡就是其边界，当然也可以通过其能量最小时就是其边界来找出边界。而参数模型则是用参数表达出图像，并控制其模型使之接近实际结构，此时的参数就是其边界。
基于区域的分割方法：一般分为区域生长和分裂合并两种，生长法是从单象素出发，选出初始象素作为种子向外扩张的方法。而分裂合并是从整个图片区域出发而逐渐分裂成众多的小区域的过程，而且过程中会将具有相似特征或相似属性的区域合并。这种基于区域的分割方法不但考虑了象素区域间的相似性，还考虑并利用了空间像素的领近像素，因此表现出比较强的抗噪声和抗光照干扰的性能，也就是所谓良好的鲁棒性。而且此方法将分割从对整个区域的研究转到对微小象素的研究，所以可以得到精度很高的分割图像。区域生长法的关键是种子象素的选取、生长规则和终止条件。看似简单，但其种子点的选择是非常有讲究的。本课题中我试图将边缘检测和区域生长法相结合来实现更好的分割，但发现，由于检测方法本身的不足，难免会遗漏重要种子点，很难达到预期的效果。分裂合并方法虽然省去了麻烦的种子点的选取这一步骤，但是如果分裂程度不够，就不会深达象素级从而使精度达不到要求，另外分裂合并法需要不断的分裂与合并过程，因而该方法工作量较大，会花费较多的时间在运算上。
和的方差、分别为为：
(3.12)
1 绪论 1
1.1 图像分割技术研究的背景 1
1.2 图像分割技术的研究现状 2
1.3 图像分割技术存在的问题 3
1.4 本文的的研究内容及结构安排 3
2 图像分割技术理论基础及其分类 4
2.1 图像分割数字化描述 5
2.1.1 图像分割中重要的名词解释 5
2.2 图像分割技术的分类 7
2.2.1 基于边界检测的图像分割 7
2.2.2 基于区域的分割方法 8
2.2.3 基于区域和边缘相结合的分割方法 8
2.3 本章小结 8
3 常用的阈值分割算法及其改进 9
3.1 阈值分割的分类 9
3.1.1 双峰法 10
3.1.2 最大熵法 10
3.1.3 最大类间方差法 11
3.1.4 分水岭算法 12
/> 3.2 阈值分割的的改进 13
3.2.1 对最大熵法的改进 13
3.2.2 对最大类间方差法的改进 16
3.3 实验结果与分析 17
3.4 本章小结 18
4 ubuntu的安装及硬件实现基础 18
4.1 ubuntu的安装 18
4.1.1 VMware软件的安装 18
4.1.2 ubuntu的安装 20
4.2 ubuntu的调试 22
4.3 本章小结 24
结论 25
致谢 26
参考文献 27
1 绪论
马铃薯在我们的生活中随处可见，餐厅、麦当劳、KFC乃至家家户户都有它的身影。当然啦，马铃薯有药用价值，但更多的是熟知的食用价值，马铃薯是除了小麦和玉米外的第三大主要的粮食作物。在中国，国家负责人提出规划：至2015年马铃薯将成稻米、小麦、玉米外又一主粮。马铃薯在我们生活中扮演着越来越重要的地位，因而对于马铃薯的学术性研究也越来越多，但由于起步较晚，存在着设备技术落后、产品质量不如人意的问题。因此本文从对马铃薯的图像分割进行研究，并选取最合适的分割方法，从而有利于对马铃薯进行等级划分和表面缺陷等的后续研究。
图像分割是数字图像处理中的一个关键步骤，其发展虽然只有40年之久，但很是受到人们的重视，其应用涉及到各个领域。在医学影像分析中，有脑部MR图像分割和血管图像分割[1]等来分析病情或器官的重建。军事领域中，有对孔径雷达中目标的分割[2]来实现追踪目标或进行目标自动化识别。交通图像分析中，对交通监控里车牌的识别[3]等等。还有生活中我们常用到的手机摄像头，对人脸的锁定跟随和聚焦等等等。可以这样说，图像分割已经和我们的生活息息相关。
1.1 图像分割技术研究的背景
20世纪60年代始，伴随计算机技术的发展而兴起的数字图像处理技术经过不断的完善、发展，现已基本成熟。数字图像处理的目的是通过对原图像的加工，使之满足追求更好视觉效果的需求，其处理的内容主要有增强、合成、传输和分割等，目前，数字图像处理技术己经被广泛应用到我们生活的方方面面，而图像分割作为它的重要组成部分也发挥着越来越重要的作用。
如图1.1所示，数字图像处理技术一般可以分为：1）图像变换，是指通过图像变换的方法，将像傅立叶变换和沃尔什变换等图像阵列中的空间域处理方式转换为变换域处理方式，来达到减少计算量、获得良好局部特性的目的。2) 图像编码压缩，是指在编码压缩技术中通过减少数据量的方式来降低容量存储的方法，来达到更好地节省资源和减少时间的目的。3）图像增强和复原，因为对图像的某一部分感兴趣而采取滤波等手段强化高、低频分量来使图像轮廓清晰或减少噪声，从而达到提高图像质量的目的。4）图像描述，是根据图像的内部特性或空间特征达到对图像识别和理解的目的，如纹理、体积描述等。5）图像分割，是数字图像处理技术的重要组成部分并且经过越来越多学者的深入研究发挥着越来越重要的作用，通过图像的某些特征将图像有意义的特征部分提取出来，从而方便进行下一步如图像识别、分析和理解等的研究。图像分割，也是我们这次课题研究的重点。
图1.1 数字图像处理主要研究内容
1.2 图像分割技术的研究现状
对图像进行处理的时候，无论图像是灰度图像还是彩色图像，都要从图像分割开始，而且因为彩色图像比灰度图像色彩和背景都要复杂，导致其分割难度加大，因而我们更要凸显图像分割在图像处理中的重要作用。近年来，随着相关学者对图像分割研究的不断深入，新的分割方法的不断出现，使得人们对图像分割技术的需求一定程度上得到了满足，但也因此冲击着人们往更高的程度奋进。经过不断对相关研究进行梳理总结，我们可以看出，在图像分割的发展中，根据其分割方法的不同，我们可以简单的概括为分为基于区域和基于边界的两种分割方法。
基于边界的分割方法：是指利用背景和目标间存在的象素灰度的不连贯性，也就是说从目标到背景，因为不同的灰度级的存在，而产生的目标到背景的过渡曲线，此曲线就被称为边界，从而实现对图像的分割。基于边界的分割方法根据其确定分割边界方法的不同，一般可以分为基于模型的图像分割和基于几何边界跟踪的图像分割两种分割方法。基于模型的分割方法还是可以细分的，例如活动轮廓模型，活动轮廓可以看成是外力和内力作用下不断变形最终平衡的过程，其平衡就是其边界，当然也可以通过其能量最小时就是其边界来找出边界。而参数模型则是用参数表达出图像，并控制其模型使之接近实际结构，此时的参数就是其边界。
基于区域的分割方法：一般分为区域生长和分裂合并两种，生长法是从单象素出发，选出初始象素作为种子向外扩张的方法。而分裂合并是从整个图片区域出发而逐渐分裂成众多的小区域的过程，而且过程中会将具有相似特征或相似属性的区域合并。这种基于区域的分割方法不但考虑了象素区域间的相似性，还考虑并利用了空间像素的领近像素，因此表现出比较强的抗噪声和抗光照干扰的性能，也就是所谓良好的鲁棒性。而且此方法将分割从对整个区域的研究转到对微小象素的研究，所以可以得到精度很高的分割图像。区域生长法的关键是种子象素的选取、生长规则和终止条件。看似简单，但其种子点的选择是非常有讲究的。本课题中我试图将边缘检测和区域生长法相结合来实现更好的分割，但发现，由于检测方法本身的不足，难免会遗漏重要种子点，很难达到预期的效果。分裂合并方法虽然省去了麻烦的种子点的选取这一步骤，但是如果分裂程度不够，就不会深达象素级从而使精度达不到要求，另外分裂合并法需要不断的分裂与合并过程，因而该方法工作量较大，会花费较多的时间在运算上。
和的方差、分别为为：
(3.12)
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2038.html
