彩色图像的分割处理程序设计+Hough算法(22)
g.DrawLine(Pens.White, x1 + 250, y1 + 20, x2 + 250, y2 + 20);
}
}
}
}
g.DrawString("Hough变换映射图像", new Font("Arial", 8), Brushes.Black, 80, 210);
g.DrawString("Hough反变换图像", new Font("Arial", 8), Brushes.Black, 290, 210);
}
5 总结
5.1 小结
论文中讨论了数字图像的结构，着重介绍了Bmp图像结构，通过C#语言来实现图像处理相关算法的编译。程序设计中主要用到了bmp图像类来实现图像的获取、处理以及输出；利用GDI+来实现对图形、图像的处理，在程序开发过程中只需调用GDI+库输出的类的相应方法就可以完成图形操作，大大降低了程序开发的难度。在进行窗体设计时，深入地研究了窗体的属性。在不断的设计、调试、修改后，我更深地掌握了C#语言，并更进一步提高了我在程序设计、调试方面的技巧。程序设计的主要功能有彩色图像Hough变换，处理结果在新窗体中显示出，绘制Hough变换映射图像，再对该映射图像进行Hough反变换输出图像；对彩色图像进行分割，输出分割后的彩色图像。
通过这次毕设，让我认识到我在编程方面和数字图像处理技术都仅仅是刚刚入门；同时认识到查阅资料的重要性，在对了解图像分割意义和撰写论文上给了我很大的帮助，也一定程度上提高了自学能力。
5.2 展望
程序设计接近尾声，对于整个程序设计还是有不足的地方。比如彩色K-均值聚类算法运行的速度随着分割数的增加而减慢，我设置了最低分割数为2，最高分割数为8，当分割数为8时，程序运行非常缓慢，需要一段时间的等待。但由于时间的关系，对于这个问题我还没有有效的解决方法。由于在聚类的过程中，往往是逐像素进行的，运行速度慢，占用空间大，这方面的问题使得聚类的实用性受到了严峻的挑战。
虽然近年来研究成果越来越多，但由于图像分割本身所具有的难度，使研究没有大的突破性的进展。从图像分割研究的历史来看，可以看到对图像分割的研究有几个明显的趋势：一是对原有算法的不断改进；二是新方法、新概念的引入和多种方法的有效综合运用。