探索基于MATLAB計算機模擬的圖像分割技術

摘? ?要：分割處理是一種非常重要的圖像處理技術，它可以通過不同層級的分析，展現圖像當中的目標，獲得相關的特征。圖像處理技術應用的范圍非常廣泛，例如建筑領域、醫學研究領域、計算機科學領域等等。基于此，本文主要分析基于MATLAB計算機模擬的圖像分割技術，對該種技術的模型與方法結果進行討論，從而提高該技術應用的實際效果，擴展技術的應用范圍，提高圖像分割技術的精度。

關鍵詞：MATLAB? 計算機模擬? 圖像分割

中圖分類號：TP39? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2020）06（b）-0077-02

近些年來，隨著圖像處理和分析逐漸形成了自己的科學體系，其應用的針對性程度也越來越高，受到了各界人士的廣泛認可。不同的分割方法可能會取得不同的效果，需要根據實際應用的場景進行靈活的操作。

1? 基于MATLAB計算機模擬的邊緣檢測

邊緣檢測問題是圖像處理當中需要首先處理的問題，有效的邊緣處理不僅可以使得圖像當中的一些亮點被明顯的標志出來，還可以顯著的影響整個圖像處理的屬性，對于重要的事件和變化的程度進行有效的標記。但是通常來說一張圖像上相關的要點是不連續的，不僅表現在方向上面的不連續，也表現在屬性上面的不連續。通過邊緣檢測的方法可以使得整個圖像更加集中，這大大降低了后續圖像檢測和圖像處理的難度。邊緣檢測的方法還可以盡可能的控制數據量，剔除一些認為不相關的信息，從而對圖像的結構屬性進行優化，探討基于零穿越來攝制圖像的尋找方法。大部分的時間，技術人員可以通過life can過零點或者非線性分割來進行相關的定點定位。但是具體的邊緣檢測方法還要根據圖像的實際情況來設定，不能一概而論，盡可能應用MATLAB自帶的計算機模擬工具來進行邊緣的優化檢測[1]。

基于MATLAB分割方法的圖像處理技術目前應用的范圍比較廣，尤其是隨著技術的升級，在醫療器械圖像處理、軍事遙感圖像處理、智能交通圖像處理當中都有著非常廣泛的應用。圖像處理的原則就是盡可能的降低誤差，取得更好的分割結果。但是在目前的風格當中，很多技術人員受到人工參數設計的限制、模型估計不足的限制，而無法實現高精度的自動化分割，應用MATLAB分割工具可以對數據參數進行歸類的調整，并且對自動化初始方式進行協調，保障每個像素之間的相似性，通過自動計算的方式解決目標分割不明顯不明確的問題，并結合MATLAB算法工具對運動目標進行更好的分割，實現網絡圖節點的映射。

2? 基于MATLAB計算機模擬的圖像處理方法

2.1 基于robot算子的邊緣檢測

2.1.1 robot算子邊緣檢測的原理

該種檢測方式是一種比較靈活，用法比較廣的邊緣檢測方法，可以通過局部的差異來尋找邊緣當中的一些個性化的量子，并且將這些量子定義為邊緣的算子。一般來說，如果邊緣不是很平滑，應用這種robot算子分析方法就可以產生比較好的效果。如果技術人員想對圖像進行細化處理，也可以通過這種robot算子的邊緣檢測方法來提高技術的精細化程度。除此之外，技術人員還可以應用sobell算子的邊緣檢測方法。該種方法是在Robert算子檢測方法的基礎之上發展而來的，對于相鄰像素的差分可以進行優化計算，并且按照不同的數軸來進行公示的模擬與分析，對其中向量的幅度進行擬合度判斷，每一個模板對應具體方向的邊緣，并且按照模板的數值來進行梯度的調整，最終的卷積運算結果可以和真實數據差異在1‰范圍之內，有效性比較高，精度達到要求，應用范圍較廣。

2.1.2 邊緣檢測靈活度的調整

從本質上來講，圖像分割就是將一幅圖像按照某一種科學的策略來進行拆解，并且保障拆解之后的各個小模塊之間，沒有相互重疊、相互交叉的現象，影響數據的具體處理。圖像的分割要按照一定的原則來進行，采取適合的方法進行數據的分割與處理，例如技術人員經常采用的全閾值分割方法，局閾值分割方法以及區域分割方法都可以適應目前的數據處理要求。圖像處理人員可以利用MATLAB工具來進行自動化的參數設置，自動化的閾值選取通過不同的分割算法來獲得比較精準的數據，全面提高數據分割的精準程度和靈活程度。

在未來技術發展的過程當中，我們還要針對圖論的圖像分割技術進行深度的查找，并且做好圖切割的相關數據分析，通過邊緣處理，基于目前的人工參數模型和估計問題，探討算法的優化，對于運動目標進行有效的切割，進行輪廓的優化設計提高整個算法的敏感性，減少算法的運算量，進一步提高運算的速度。除此之外，圖像分割人員還要從交互性的角度、目的性的角度來對圖像處理的精度進行全面深入的分析，探求新的圖像分割算法，取得更加良好的時間意義。

2.2 圖像優化分割

2.2.1 應用范圍

圖像的分割可以采用全閾值分割方法、局閾值分割方法以及區域分割方法等不同的分割，相對其他兩種分割方法，全閾值分割技術應用范圍比較簡單，涉及的數值比較少，并且可以將圖像分割成比較有效的幾個類別，在特定區域內提高圖像分割的意義。這種分割方法主要是基于灰度計算，可以在最大方差內對于閾值進行調整，相對于不同的灰度來說，這種預知的調整比較靈活，比較簡單，產生的數據量比較小，所有灰度值小于等于k的將被分成一類，這樣的處理方式可以減少累方差的產生，通過標準的確定強調最大化像素，并且強調最大化像素與其他像素之間的方向差，通過這個方向差的判斷來對圖像進行進一步的系統風格[2]。

2.2.2 全閾值分割方法

全閾值分割方法按照灰度來設定相應的參數，這個參數的調整可以結合原有的經驗來進行鑒定，也可以結合目前的圖像分割原則來進行決定，在定好參數之后可以根據具體的圖像來進行實驗的對比分析，例如技術人員常常采用的直方圖方法就是一種確定最佳參數比較簡便的方法，還可以結合MATLAB工具仿真來對代碼的相關數值進行模擬。經過分析之后，全域值化之后的圖像清晰度顯著增加，邊緣的力度加強，下半部分的邊緣，尤其可以得到顯著的提升，替代原有圖像的模糊效果，這也就意味著整體圖像的特征值提取良好。

2.2.3 局部閾值分割方法

局部閾值分割方法也可以進一步提高圖像的清晰等級，但是需要逐層來分析和識別局部閾值分割方法的準確性，將會嚴重影響后續任務開展的靈活程度。按照局部閾值分割方法對于圖像的灰度和光線進行調整，并且按照對比度的不同來進行進一步的分割，可以滿足局部處理的相關效果要求。采用局部閾值分割方法，相對于全閾值分割方法來說，更要強調代碼設置的準確性和參數設置的靈活性。技術人員可以通過圖像特征的提取進一步改進局部閾值分析技術，這樣經過提取之后的圖像，不僅下半部分的清晰程度可以顯著提高，上半部分的清晰等級也可以取得顯著的改善。

2.2.4 區域分割方法

區域分割方法相對于全閾值分割和局部閾值分割屬于典型模糊識別系統，它是指將所有分割的數據按照統一的集中管理模式設置一個有效的參數片段，提取之后再進行進一步的處理，也就是將一些無效的數據拋棄，進一步提高數據分割的效果。通過這種方法，整個數據處理的數量可以大大下降，一般下降的幅度可以超過70%，圖像當中的單個元素形成一個集合，再對這些集合的映射進行采集，獲得像素的集合。圖像處理人員可以根據劃分的不同隔離標準，對于二維的重疊影像進行數字化的查找，通過兩個或多個內部元素的仿真對照分析，最終確定選取的閾值。但是這種分割方式的處理結果與閾值的取值相關，如果閾值為0.2，則精度較好，邊緣輪廓比較清晰，如果閾值超過0.3，圖像的模糊程度將會進一步加劇，影響整個的判斷。

從本文的分析可以看出，不論是經典圖像分割方法，還是一些個性化的圖像分割方法，都要基于邊緣檢測技術來對圖像進行化處理。除此之外，技術人員還要結合具體的分割參數調整確定Roberts算子和survival算子。這樣的方法可以進一步提高算子分割的精準程度，除此之外，技術人員常用的幾種算子分割方法還包含private方法、拉普拉斯方法以及卡尼方法。只有在確定了相關參數之后，才能夠對物體和背景進行優化組合與劃分，明確灰度的參數，避免差值過大影響實際分割的效果，造成重疊現象。區域的增長也要涵蓋在這個分割范圍之內，對于具有相似性質的像素點進行統一的集合，構成一個新的區域[3]。

3? 結語

綜上所述，研究基于MATLAB工具的圖像分割處理有利于我們從技術發展的角度看待目前二元能量最優化的數據估計問題和參數設計問題，從本文的分析可知，只有不斷優化算法工具，基于二項集合進行模型的優化探討，選擇更好的邊緣處理方式和參數設計方式，才能夠滿足不同領域應用的高精度要求，因此我們要不斷優化處理技術，探求網絡數據結構的改進，對算法的描述方式進行整合分析。

參考文獻

[1] 羅奇.計算機模擬技術及其在農業工程中的應用——? ? ? 評《計算機模擬技術及其在農業工程中的應用》[J].中國食用菌，2020，39（2）：29.

[2] 武衛莉，陳豐雨.計算機模擬的工藝參數及模具結構對雙組分注塑PP/TPE結合強度的影響[J].塑料工業，2020，48（1）：82-86.

[3] 朱印濤.閥體鍛壓成形過程的計算機模擬分析[J].冶金設備，2019（6）：55-58.

作者簡介：唐高陽（1971，4—），男，滿族，遼寧沈陽人，碩士，講師，研究方向：圖像處理、軟件工程、智能優化算法。