一、理论基础

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。在本课程中，我们主要通过图像的二值化，腐蚀以及边际填充等形态学处理完成报纸图像的分割。

图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是，进行分割仅有的依据是图像中像素的亮度及颜色，由计算机自动处理分割时，将会遇到各种困难。例如，光照不均匀、噪声的影响、图像中存在不清晰的部分，以及阴影等，常常发生分割错误。因此图像分割是需要进一步研究的技术。人们希望引入一些人为的知识导向和人工智能的方法，用于纠正某些分割中的错误，是很有前途的方法，但是这又增加了解决问题的复杂性。

1.1二值化

图像二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。

I3=im2bw(I2,p1);          %二值化处理

1.2腐蚀

腐蚀一般针对的是二值图像，也就是只有0和1两个。0就是黑色，1就是白色。我们所谓的腐蚀是指针对他的前景色，就是像素点的值为1的那些像素点。

SE1=strel('disk',p2);       %结构元素操作，操作方式为disk
I4=imerode(I3,SE1);        %实现图像腐蚀

1.3边际填充

因为对于图像的卷积操作，最边缘的像素一般无法处理，所以卷积核中心到不了最边缘像素。这就需要先将图像的边界填充，再根据不同的填充算法进行卷积操作，得到的新图像就是填充后的图像。

I6=imfill(~I5,'holes')     %对边际填充

二、部分MATLAB仿真

matlab程序如下所示：

p1=0.73;
p2=6;
p3=3;
p4=5;


I1=imread('newspaper.jpg');%读入图片格式RGB
I2=rgb2gray(I1);           %转化为灰度图

figure(1)
subplot(231),imshow(I2)    %显示灰度图

I3=im2bw(I2,p1);          %二值化处理
subplot(232),imshow(I3)    %显示二值化图

SE1=strel('disk',p2);       %结构元素操作，操作方式为disk
I4=imerode(I3,SE1);        %实现图像腐蚀
subplot(233),imshow(I4)    %显示图像腐蚀后的图

SE2=strel('square',p3);     %结构元素操作，操作方式为square
M1=imopen(I4,SE2);         %实现图像腐蚀
subplot(234),imshow(M1)    %显示图像腐蚀后的图

SE3=strel('square',p4)      %结构元素操作，操作方式为square
I5=imclose(M1,SE3);        %实现图像腐蚀
subplot(235),imshow(I5)    %显示图像腐蚀后的图

I6=imfill(~I5,'holes')     %对边际填充
subplot(236),imshow(I6)    

[L,n]=bwlabel(I6);         
figure(2)
imshow(I1);

for i=1:n
    [r,c]=find(L==i);
    a1=max(r);a2=min(r);
    b1=max(c);b2=min(c);
    w=b1-b2;h=a1-a2; 
    rectangle('Position',[b2,a2,w,h],'LineWidth',3,'EdgeColor','b');
end

三、仿真结论分析

通过MATLAB仿真，得到如下的仿真结果：

我们可以看到，通过上述仿真之后，可以有效将报纸的各个版面进行分割。

A10-01

一个简单的基于形态学处理的报纸图像版面分割算法matlab仿真