摘? ?要：分割處理是一種非常重要的圖像處理技術(shù)，它可以通過不同層級的分析，展現(xiàn)圖像當(dāng)中的目標(biāo)，獲得相關(guān)的特征。圖像處理技術(shù)應(yīng)用的范圍非常廣泛，例如建筑領(lǐng)域、醫(yī)學(xué)研究領(lǐng)域、計(jì)算機(jī)科學(xué)領(lǐng)域等等。基于此，本文主要分析基于MATLAB計(jì)算機(jī)模擬的圖像分割技術(shù)，對該種技術(shù)的模型與方法結(jié)果進(jìn)行討論，從而提高該技術(shù)應(yīng)用的實(shí)際效果，擴(kuò)展技術(shù)的應(yīng)用范圍，提高圖像分割技術(shù)的精度。

關(guān)鍵詞：MATLAB? 計(jì)算機(jī)模擬? 圖像分割

中圖分類號：TP39? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)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(xué)體系，其應(yīng)用的針對性程度也越來越高，受到了各界人士的廣泛認(rèn)可。不同的分割方法可能會取得不同的效果，需要根據(jù)實(shí)際應(yīng)用的場景進(jìn)行靈活的操作。

1? 基于MATLAB計(jì)算機(jī)模擬的邊緣檢測

邊緣檢測問題是圖像處理當(dāng)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(dāng)中的一些亮點(diǎn)被明顯的標(biāo)志出來，還可以顯著的影響整個(gè)圖像處理的屬性，對于重要的事件和變化的程度進(jìn)行有效的標(biāo)記。但是通常來說一張圖像上相關(guān)的要點(diǎn)是不連續(xù)的，不僅表現(xiàn)在方向上面的不連續(xù)，也表現(xiàn)在屬性上面的不連續(xù)。通過邊緣檢測的方法可以使得整個(gè)圖像更加集中，這大大降低了后續(xù)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(shù)據(jù)量，剔除一些認(rèn)為不相關(guān)的信息，從而對圖像的結(jié)構(gòu)屬性進(jìn)行優(yōu)化，探討基于零穿越來攝制圖像的尋找方法。大部分的時(shí)間，技術(shù)人員可以通過life can過零點(diǎn)或者非線性分割來進(jìn)行相關(guān)的定點(diǎn)定位。但是具體的邊緣檢測方法還要根據(jù)圖像的實(shí)際情況來設(shè)定，不能一概而論，盡可能應(yīng)用MATLAB自帶的計(jì)算機(jī)模擬工具來進(jìn)行邊緣的優(yōu)化檢測[1]。

基于MATLAB分割方法的圖像處理技術(shù)目前應(yīng)用的范圍比較廣，尤其是隨著技術(shù)的升級，在醫(yī)療器械圖像處理、軍事遙感圖像處理、智能交通圖像處理當(dāng)中都有著非常廣泛的應(yīng)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(jié)果。但是在目前的風(fēng)格當(dāng)中，很多技術(shù)人員受到人工參數(shù)設(shè)計(jì)的限制、模型估計(jì)不足的限制，而無法實(shí)現(xiàn)高精度的自動化分割，應(yīng)用MATLAB分割工具可以對數(shù)據(jù)參數(shù)進(jìn)行歸類的調(diào)整，并且對自動化初始方式進(jìn)行協(xié)調(diào)，保障每個(gè)像素之間的相似性，通過自動計(jì)算的方式解決目標(biāo)分割不明顯不明確的問題，并結(jié)合MATLAB算法工具對運(yùn)動目標(biāo)進(jìn)行更好的分割，實(shí)現(xiàn)網(wǎng)絡(luò)圖節(jié)點(diǎn)的映射。

2? 基于MATLAB計(jì)算機(jī)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(dāng)中的一些個(gè)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(yīng)用這種robot算子分析方法就可以產(chǎn)生比較好的效果。如果技術(shù)人員想對圖像進(jìn)行細(xì)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(shù)的精細(xì)化程度。除此之外，技術(shù)人員還可以應(yīng)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(chǔ)之上發(fā)展而來的，對于相鄰像素的差分可以進(jìn)行優(yōu)化計(jì)算，并且按照不同的數(shù)軸來進(jìn)行公示的模擬與分析，對其中向量的幅度進(jìn)行擬合度判斷，每一個(gè)模板對應(yīng)具體方向的邊緣，并且按照模板的數(shù)值來進(jìn)行梯度的調(diào)整，最終的卷積運(yùn)算結(jié)果可以和真實(shí)數(shù)據(jù)差異在1‰范圍之內(nèi)，有效性比較高，精度達(dá)到要求，應(yīng)用范圍較廣。

2.1.2 邊緣檢測靈活度的調(diào)整

從本質(zhì)上來講，圖像分割就是將一幅圖像按照某一種科學(xué)的策略來進(jìn)行拆解，并且保障拆解之后的各個(gè)小模塊之間，沒有相互重疊、相互交叉的現(xiàn)象，影響數(shù)據(jù)的具體處理。圖像的分割要按照一定的原則來進(jìn)行，采取適合的方法進(jìn)行數(shù)據(jù)的分割與處理，例如技術(shù)人員經(jīng)常采用的全閾值分割方法，局閾值分割方法以及區(qū)域分割方法都可以適應(yīng)目前的數(shù)據(jù)處理要求。圖像處理人員可以利用MATLAB工具來進(jìn)行自動化的參數(shù)設(shè)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(zhǔn)的數(shù)據(jù)，全面提高數(shù)據(jù)分割的精準(zhǔn)程度和靈活程度。

在未來技術(shù)發(fā)展的過程當(dāng)中，我們還要針對圖論的圖像分割技術(shù)進(jìn)行深度的查找，并且做好圖切割的相關(guān)數(shù)據(jù)分析，通過邊緣處理，基于目前的人工參數(shù)模型和估計(jì)問題，探討算法的優(yōu)化，對于運(yùn)動目標(biāo)進(jìn)行有效的切割，進(jìn)行輪廓的優(yōu)化設(shè)計(jì)提高整個(gè)算法的敏感性，減少算法的運(yùn)算量，進(jìn)一步提高運(yùn)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(jìn)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(shí)間意義。

2.2 圖像優(yōu)化分割

2.2.1 應(yīng)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(qū)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(shù)應(yīng)用范圍比較簡單，涉及的數(shù)值比較少，并且可以將圖像分割成比較有效的幾個(gè)類別，在特定區(qū)域內(nèi)提高圖像分割的意義。這種分割方法主要是基于灰度計(jì)算，可以在最大方差內(nèi)對于閾值進(jìn)行調(diào)整，相對于不同的灰度來說，這種預(yù)知的調(diào)整比較靈活，比較簡單，產(chǎn)生的數(shù)據(jù)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(chǎn)生，通過標(biāo)準(zhǔn)的確定強(qiáng)調(diào)最大化像素，并且強(qiáng)調(diào)最大化像素與其他像素之間的方向差，通過這個(gè)方向差的判斷來對圖像進(jìn)行進(jìn)一步的系統(tǒng)風(fēng)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(shè)定相應(yīng)的參數(shù)，這個(gè)參數(shù)的調(diào)整可以結(jié)合原有的經(jīng)驗(yàn)來進(jìn)行鑒定，也可以結(jié)合目前的圖像分割原則來進(jìn)行決定，在定好參數(shù)之后可以根據(jù)具體的圖像來進(jìn)行實(shí)驗(yàn)的對比分析，例如技術(shù)人員常常采用的直方圖方法就是一種確定最佳參數(shù)比較簡便的方法，還可以結(jié)合MATLAB工具仿真來對代碼的相關(guān)數(shù)值進(jìn)行模擬。經(jīng)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(qiáng)，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(jìn)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(zhǔn)確性，將會嚴(yán)重影響后續(xù)任務(wù)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(jìn)行調(diào)整，并且按照對比度的不同來進(jìn)行進(jìn)一步的分割，可以滿足局部處理的相關(guān)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(qiáng)調(diào)代碼設(shè)置的準(zhǔn)確性和參數(shù)設(shè)置的靈活性。技術(shù)人員可以通過圖像特征的提取進(jìn)一步改進(jìn)局部閾值分析技術(shù)，這樣經(jīng)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(qū)域分割方法

區(qū)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(tǒng)，它是指將所有分割的數(shù)據(jù)按照統(tǒng)一的集中管理模式設(shè)置一個(gè)有效的參數(shù)片段，提取之后再進(jìn)行進(jìn)一步的處理，也就是將一些無效的數(shù)據(jù)拋棄，進(jìn)一步提高數(shù)據(jù)分割的效果。通過這種方法，整個(gè)數(shù)據(jù)處理的數(shù)量可以大大下降，一般下降的幅度可以超過70%，圖像當(dāng)中的單個(gè)元素形成一個(gè)集合，再對這些集合的映射進(jìn)行采集，獲得像素的集合。圖像處理人員可以根據(jù)劃分的不同隔離標(biāo)準(zhǔn)，對于二維的重疊影像進(jìn)行數(shù)字化的查找，通過兩個(gè)或多個(gè)內(nèi)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(jié)果與閾值的取值相關(guān)，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(jìn)一步加劇，影響整個(gè)的判斷。

從本文的分析可以看出，不論是經(jīng)典圖像分割方法，還是一些個(gè)性化的圖像分割方法，都要基于邊緣檢測技術(shù)來對圖像進(jìn)行化處理。除此之外，技術(shù)人員還要結(jié)合具體的分割參數(shù)調(diào)整確定Roberts算子和survival算子。這樣的方法可以進(jìn)一步提高算子分割的精準(zhǔn)程度，除此之外，技術(shù)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(guān)參數(shù)之后，才能夠?qū)ξ矬w和背景進(jìn)行優(yōu)化組合與劃分，明確灰度的參數(shù)，避免差值過大影響實(shí)際分割的效果，造成重疊現(xiàn)象。區(qū)域的增長也要涵蓋在這個(gè)分割范圍之內(nèi)，對于具有相似性質(zhì)的像素點(diǎn)進(jìn)行統(tǒng)一的集合，構(gòu)成一個(gè)新的區(qū)域[3]。

3? 結(jié)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(shù)發(fā)展的角度看待目前二元能量最優(yōu)化的數(shù)據(jù)估計(jì)問題和參數(shù)設(shè)計(jì)問題，從本文的分析可知，只有不斷優(yōu)化算法工具，基于二項(xiàng)集合進(jìn)行模型的優(yōu)化探討，選擇更好的邊緣處理方式和參數(shù)設(shè)計(jì)方式，才能夠滿足不同領(lǐng)域應(yīng)用的高精度要求，因此我們要不斷優(yōu)化處理技術(shù)，探求網(wǎng)絡(luò)數(shù)據(jù)結(jié)構(gòu)的改進(jìn)，對算法的描述方式進(jìn)行整合分析。

參考文獻(xiàn)

[1] 羅奇.計(jì)算機(jī)模擬技術(shù)及其在農(nóng)業(yè)工程中的應(yīng)用——? ? ? 評《計(jì)算機(jī)模擬技術(shù)及其在農(nóng)業(yè)工程中的應(yīng)用》[J].中國食用菌，2020，39（2）：29.

[2] 武衛(wèi)莉，陳豐雨.計(jì)算機(jī)模擬的工藝參數(shù)及模具結(jié)構(gòu)對雙組分注塑PP/TPE結(jié)合強(qiáng)度的影響[J].塑料工業(yè)，2020，48（1）：82-86.

[3] 朱印濤.閥體鍛壓成形過程的計(jì)算機(jī)模擬分析[J].冶金設(shè)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(yōu)化算法。