基于灰度共生矩陣的圖像分割方法研究

2．4 實(shí)驗(yàn)結(jié)果分析
根據(jù)前述步驟，利用Matlab和VC++工具對圖像進(jìn)行分析處理，然后利用聚類分析等方法實(shí)現(xiàn)的實(shí)驗(yàn)效果，如圖4所示。

由圖4可以看出，對于紋理特征明顯的圖像進(jìn)行二值化后，再根據(jù)紋理特征值結(jié)合加權(quán)歐式距離進(jìn)行圖像特征處理，最終得到的效果圖實(shí)現(xiàn)了較好的區(qū)域融合和劃分，達(dá)到了圖像分割的目的。

3 結(jié)束語

文中利用灰度共生矩陣方法對圖像進(jìn)行紋理特征提取，然后根據(jù)加權(quán)歐氏距離對每個紋理區(qū)域進(jìn)行模式匹配，將圖像按不同紋理區(qū)域進(jìn)行整合劃分。最后利用聚類等方法實(shí)現(xiàn)了圖像分割。經(jīng)過多次試驗(yàn)表明，對于具有顯著紋理特征的圖像，利用基于灰度共生矩陣的方法實(shí)現(xiàn)對圖像的分割具有一定的準(zhǔn)確性和實(shí)用性，并能較好的實(shí)現(xiàn)圖像分割效果。