基于OpenCV的图像分割算法研究及其在屈光度测量中的应用

摘要

本文所研究的主要内容是图像分割技术,是人眼屈光度测量中至关重要的环节,其处理结果将直接影响到后续屈光度计算的精确性。在众多的图像分割算法中,阈值分割算法以其分割效果良好、处理效率高和利于硬件实现等特点,被广泛的应用在数字图像处理中。
　　本文分别论述了全局阈值分割算法、局部阈值分割算法和动态阈值分割算法,以及OpenCV软件开发平台的搭建和人眼屈光度测量的基本理论知识。
　　在算法实现中,传统的 OTSU算法和动态阈值分割算法处理结果较为良好,以OTSU算法为基础,提出了改进的两种OTSU分割算法:一种是基于形态学,一种是基于图像平滑改善。
　　由于动态分割算法处理效果比改善的OTSU全局算法效果更好,因此结合局部阈值分割算法和图像平滑,提出了一种自适应的局部分割算法。该算法处理效果非常优秀,六点圆的大小几乎和原图像相同,噪声几乎消除,而且边缘平整。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1本文研究背景及研究意义

1.2 国内外研究现状

1.3 本文研究的主要内容

1.4 本文的组织结构

第二章 基本知识概述

2.1 图像分割概述

2.2 图像分割方法在人眼屈光度测量中的应用

2.3 OpenCV技术概述

2.4 本章小结

第三章 阈值分割算法分析

3.1 阈值分割的基本知识

3.2 固定阈值分割（全局阈值分割）

3.3 局部阈值分割

3.4 动态阈值分割

3.5 本章小结

第四章 阈值分割算法的改进

4.1 算法改进的基本思想

4.2 一种基于形态学的全局阈值分割算法

4.3 一种基于平滑改善的全局阈值分割算法

4.4 一种自适应的局部阈值分割算法

4.5 本章小结

第五章 阈值分割算法的实现

5.1 开发环境搭建[58-61]

5.2 基于OpenCV自带函数的实现

5.3 全局分割算法及其改进算法实现

5.4 局部阈值和动态阈值分割算法及其改进算法的实现

5.5 本章小结

第六章 结论与展望

致谢

参考文献

研究生在读期间的研究成果