VS Opencv实现图像分割算法开题报告

全文总字数：1666字

1. 研究目的与意义

（1）研究的目的

目的：利用opencv开源计算机视觉库在vs平台下进行图像分割算法的实现，在原有算法的基础上进行多次实验，比较众多现有算法的优缺点，寻求一种更加高效且优化的图像分割的算法。

2. 国内外研究现状分析

图像分割一开始是纯手工分割，完全由研究人员使用鼠标等工具勾勒出目标区域的轮廓，不仅效率低下，而且容易受到研究人员主观因素影响。随着计算机技术的不断发展，半自动图像分割技术应运而生，它是一种人机交互的图像分割方法，它把操作者的主管能力和计算机高速的数据处理能力有机的结合起来，从而完成对图像的分割。半自动的分割很大程度上降低了主观对分割的影响，并且有效提高了分割速度和精度，但是操作者的经验和知识仍然是图像分割中的关键的组成部分。近年来，由于大量新兴技术在图像分割领域中的应用，许多自动分割技术不断涌现，它是由计算机实现图像分割的整个过程，分割结果客观且效率高。

传统的边缘检测是以Robort算子、Sobel算子、Laplacian算子、Prewitt算子等差分算子为基础，利用其对灰度阶跃变化敏感的特性，对图像进行分割。基于特定理论的图像分割算法是最为复杂的，主要介绍几种主流的图像分割理论。一种是基于数学形态学的图像分割算法，比较热门的就是分水岭方法；一种是基于模糊理论的图像分割算法；一种是基于神经网络的图像分割算法，由于神经网络的图像分割算法，由于神经网络具备并行计算、自学习和便于硬件实现等优点，比传统方法潜力更大，许多学者提出了基于一些特定神经网络的分割算法，如Hopfield神经网络、BP神经网络、Kohonen神经网络和基于脉冲耦合神经网络等；还有一种是基于图论的图像分割算法。

以上只是列举了比较常见的图像分割算法，图像分割算法已经累计达上千种方法，而且新的理论方法还在不断涌现，每当研究人员在选择适合自己研究目标的分割算法时，都如大海捞针，关键原因是迄今为止没有一种普遍适用的图像分割算法，和一个较好的通用评判标准，研究人员只能从单方面着手选择较优的算法。图像分割算法领域的研究有非常广阔的前景，学者纷纷涌入推陈出新，且其决定着未来图像处理与图像理解的发展。

3. 研究的基本内容与计划

（1）研究内容

1. 静态图像的输入输出功能的实现；

2. 实现图像的基本处理功能，包括图像放缩、图像分割（canny,sobel, laplace,hough）算法；

4. 研究创新点

（1）特色

1. 利用opencv在vs平台上开发，技术新颖；

2. 可以实现用户交互，成果以小程序的形式展现。