探索基于MATLAB计算机模拟的图像分割技术

摘   要：分割处理是一种非常重要的图像处理技术，它可以通过不同层级的分析，展现图像当中的目标，获得相关的特征。图像处理技术应用的范围非常广泛，例如建筑领域、医学研究领域、计算机科学领域等等。基于此，本文主要分析基于MATLAB计算机模拟的图像分割技术，对该种技术的模型与方法结果进行讨论，从而提高该技术应用的实际效果，扩展技术的应用范围，提高图像分割技术的精度。

关键词：MATLAB  计算机模拟  图像分割

中图分类号：TP39                                  文献标识码：A                        文章编号：1674-098X（2020）06（b）-0077-02

近些年来，随着图像处理和分析逐渐形成了自己的科学体系，其应用的针对性程度也越来越高，受到了各界人士的广泛认可。不同的分割方法可能会取得不同的效果，需要根据实际应用的场景进行灵活的操作。

1  基于MATLAB计算机模拟的边缘检测

边缘检测问题是图像处理当中需要首先处理的问题，有效的边缘处理不仅可以使得图像当中的一些亮点被明显的标志出来，还可以显著的影响整个图像处理的属性，对于重要的事件和变化的程度进行有效的标记。但是通常来说一张图像上相关的要点是不连续的，不仅表现在方向上面的不连续，也表现在属性上面的不连续。通过边缘检测的方法可以使得整个图像更加集中，这大大降低了后续图像检测和图像处理的难度。边缘检测的方法还可以尽可能的控制数据量，剔除一些认为不相关的信息，从而对图像的结构属性进行优化，探讨基于零穿越来摄制图像的寻找方法。大部分的时间，技术人员可以通过life can过零点或者非线性分割来进行相关的定点定位。但是具体的边缘检测方法还要根据图像的实际情况来设定，不能一概而论，尽可能应用MATLAB自带的计算机模拟工具来进行边缘的优化检测[1]。

基于MATLAB分割方法的图像处理技术目前应用的范围比较广，尤其是随着技术的升级，在医疗器械图像处理、军事遥感图像处理、智能交通图像处理当中都有着非常广泛的应用。图像处理的原则就是尽可能的降低误差，取得更好的分割结果。但是在目前的风格当中，很多技术人员受到人工参数设计的限制、模型估计不足的限制，而无法实现高精度的自动化分割，应用MATLAB分割工具可以对数据参数进行归类的调整，并且对自动化初始方式进行协调，保障每个像素之间的相似性，通过自动计算的方式解决目标分割不明显不明确的问题，并结合MATLAB算法工具对运动目标进行更好的分割，实现网络图节点的映射。

2  基于MATLAB计算机模拟的图像处理方法

2.1 基于robot算子的边缘检测

2.1.1 robot算子边缘检测的原理

该种检测方式是一种比较灵活，用法比较广的边缘检测方法，可以通过局部的差异来寻找边缘当中的一些个性化的量子，并且将这些量子定义为边缘的算子。一般来说，如果边缘不是很平滑，应用这种robot算子分析方法就可以产生比较好的效果。如果技术人员想对图像进行细化处理，也可以通过这种robot算子的边缘检测方法来提高技术的精细化程度。除此之外，技术人员还可以应用sobell算子的边缘检测方法。该种方法是在Robert算子检测方法的基础之上发展而来的，对于相邻像素的差分可以进行优化计算，并且按照不同的数轴来进行公示的模拟与分析，对其中向量的幅度进行拟合度判断，每一个模板对应具体方向的边缘，并且按照模板的数值来进行梯度的调整，最终的卷积运算结果可以和真实数据差异在1‰范围之内，有效性比较高，精度达到要求，应用范围较广。

2.1.2 边缘检测灵活度的调整

从本质上来讲，图像分割就是将一幅图像按照某一种科学的策略来进行拆解，并且保障拆解之后的各个小模块之间，没有相互重叠、相互交叉的现象，影响数据的具体处理。图像的分割要按照一定的原则来进行，采取适合的方法进行数据的分割与处理，例如技术人员经常采用的全阈值分割方法，局阈值分割方法以及区域分割方法都可以适应目前的数据处理要求。图像处理人员可以利用MATLAB工具来进行自动化的参数设置，自动化的阈值选取通过不同的分割算法来获得比较精准的数据，全面提高数据分割的精准程度和灵活程度。

在未来技术发展的过程当中，我们还要针对图论的图像分割技术进行深度的查找，并且做好圖切割的相关数据分析，通过边缘处理，基于目前的人工参数模型和估计问题，探讨算法的优化，对于运动目标进行有效的切割，进行轮廓的优化设计提高整个算法的敏感性，减少算法的运算量，进一步提高运算的速度。除此之外，图像分割人员还要从交互性的角度、目的性的角度来对图像处理的精度进行全面深入的分析，探求新的图像分割算法，取得更加良好的时间意义。

2.2 图像优化分割

2.2.1 应用范围

图像的分割可以采用全阈值分割方法、局阈值分割方法以及区域分割方法等不同的分割，相对其他两种分割方法，全阈值分割技术应用范围比较简单，涉及的数值比较少，并且可以将图像分割成比较有效的几个类别，在特定区域内提高图像分割的意义。这种分割方法主要是基于灰度计算，可以在最大方差内对于阈值进行调整，相对于不同的灰度来说，这种预知的调整比较灵活，比较简单，产生的数据量比较小，所有灰度值小于等于k的将被分成一类，这样的处理方式可以减少累方差的产生，通过标准的确定强调最大化像素，并且强调最大化像素与其他像素之间的方向差，通过这个方向差的判断来对图像进行进一步的系统风格[2]。

2.2.2 全阈值分割方法

全阈值分割方法按照灰度来设定相应的参数，这个参数的调整可以结合原有的经验来进行鉴定，也可以结合目前的图像分割原则来进行决定，在定好参数之后可以根据具体的图像来进行实验的对比分析，例如技术人员常常采用的直方图方法就是一种确定最佳参数比较简便的方法，还可以结合MATLAB工具仿真来对代码的相关数值进行模拟。经过分析之后，全域值化之后的图像清晰度显著增加，边缘的力度加强，下半部分的边缘，尤其可以得到显著的提升，替代原有图像的模糊效果，这也就意味着整体图像的特征值提取良好。

2.2.3 局部阈值分割方法

局部阈值分割方法也可以进一步提高图像的清晰等级，但是需要逐层来分析和识别局部阈值分割方法的准确性，将会严重影响后续任务开展的灵活程度。按照局部阈值分割方法对于图像的灰度和光线进行调整，并且按照对比度的不同来进行进一步的分割，可以满足局部处理的相关效果要求。采用局部阈值分割方法，相对于全阈值分割方法来说，更要强调代码设置的准确性和参数设置的灵活性。技术人员可以通过图像特征的提取进一步改进局部阈值分析技术，这样经过提取之后的图像，不仅下半部分的清晰程度可以显著提高，上半部分的清晰等级也可以取得显著的改善。

2.2.4 区域分割方法

区域分割方法相对于全阈值分割和局部阈值分割属于典型模糊识别系统，它是指将所有分割的数据按照统一的集中管理模式设置一个有效的参数片段，提取之后再进行进一步的处理，也就是将一些无效的数据抛弃，进一步提高数据分割的效果。通过这种方法，整个数据处理的数量可以大大下降，一般下降的幅度可以超过70%，图像当中的单个元素形成一个集合，再对这些集合的映射进行采集，获得像素的集合。图像处理人员可以根據划分的不同隔离标准，对于二维的重叠影像进行数字化的查找，通过两个或多个内部元素的仿真对照分析，最终确定选取的阈值。但是这种分割方式的处理结果与阈值的取值相关，如果阈值为0.2，则精度较好，边缘轮廓比较清晰，如果阈值超过0.3，图像的模糊程度将会进一步加剧，影响整个的判断。

从本文的分析可以看出，不论是经典图像分割方法，还是一些个性化的图像分割方法，都要基于边缘检测技术来对图像进行化处理。除此之外，技术人员还要结合具体的分割参数调整确定Roberts算子和survival算子。这样的方法可以进一步提高算子分割的精准程度，除此之外，技术人员常用的几种算子分割方法还包含private方法、拉普拉斯方法以及卡尼方法。只有在确定了相关参数之后，才能够对物体和背景进行优化组合与划分，明确灰度的参数，避免差值过大影响实际分割的效果，造成重叠现象。区域的增长也要涵盖在这个分割范围之内，对于具有相似性质的像素点进行统一的集合，构成一个新的区域[3]。

3  结语

综上所述，研究基于MATLAB工具的图像分割处理有利于我们从技术发展的角度看待目前二元能量最优化的数据估计问题和参数设计问题，从本文的分析可知，只有不断优化算法工具，基于二项集合进行模型的优化探讨，选择更好的边缘处理方式和参数设计方式，才能够满足不同领域应用的高精度要求，因此我们要不断优化处理技术，探求网络数据结构的改进，对算法的描述方式进行整合分析。

参考文献

[1] 罗奇.计算机模拟技术及其在农业工程中的应用——      评《计算机模拟技术及其在农业工程中的应用》[J].中国食用菌，2020，39（2）：29.

[2] 武卫莉，陈丰雨.计算机模拟的工艺参数及模具结构对双组分注塑PP/TPE结合强度的影响[J].塑料工业，2020，48（1）：82-86.

[3] 朱印涛.阀体锻压成形过程的计算机模拟分析[J].冶金设备，2019（6）：55-58.

作者简介：唐高阳（1971，4—），男，满族，辽宁沈阳人，硕士，讲师，研究方向：图像处理、软件工程、智能优化算法。