14组实验六 实验6 图像分割Word格式.docx
《14组实验六 实验6 图像分割Word格式.docx》由会员分享，可在线阅读，更多相关《14组实验六 实验6 图像分割Word格式.docx（19页珍藏版）》请在冰点文库上搜索。
[g,NR,SI,TI]=regiongrow（f,175,20）;
figure,imshow（g）
区域生长S=175，T=20'
gf=imfill（g）;
figure,imshow（gf）
孔洞填充'
se=strel（'
disk'
10）;
ge=imerode（gf,se）;
figure,imshow（ge）
腐蚀'
ir=imreconstruct（ge,gf）;
figure,imshow（ir）
重构'
2）;
d=imdilate（ir,se）;
figure,imshow（d）;
膨胀分离出的肝脏'
2.利用分水岭分割算法对图像rice.tif进行分割，并对出现过分割现象提出解决方案。
（可以尝试tophat等学过的算法对图像进行预处理后再分割；
使用不同的结构元素和参数；
使用梯度分水岭算法与标记符控制算法等。
比较得到最好的结果）。
rice.tif'
g=im2bw（f,graythresh（f））;
gc=~g;
D=bwdist（gc）;
L=watershed（-D）;
w=L==0;
g2=g&
~w;
figure,imshow（g2）
用距离和分水岭变换分割'
）
ft=imtophat（f,se）;
h=fspecial（'
sobel'
fd=double（ft）;
g=sqrt（imfilter（fd,h,'
replicate'
）.^2+imfilter（fd,h'
'
）.^2）;
L=watershed（g）;
wr=L==0;
g2=imclose（imopen（g,ones（3,3））,ones（3,3））;
L2=watershed（g2）;
wr2=L2==0;
f2=ft;
f2（wr2）=255;
用梯度的分水岭分割'
f=imread（'
se=strel（'
ft=imtophat（f,se）;
h=fspecial（'
fd=double（ft）;
g=sqrt（imfilter（fd,h,'
L=watershed（g）;
t=graythresh（ft）;
im=imextendedmin（ft,t*255）;
im=~im;
Lim=watershed（bwdist（im））;
em=Lim==0;
g2=imimposemin（g,im|em）;
L2=watershed（g2）;
f2=ft;
f2（L2==0）=255;
figure,imshow（f2）
title（'
控制标记符的分水岭分割'
20）;
f=imtophat（fse）;
hy=fspecial（'
hx=hy'
;
fy=imfilter（double（f）,hy,'
fx=imfilter（double（f）,hx,'
g=sqrt（fx.^2+fy.^2）;
L=watershed（g）;
imshow（g,[]）;
梯度图'
se=strel（'
2）;
fe=imerode（f,se）;
figure,imshow（fe,[]）;
ir=imreconstruct（fe,f）;
figure,imshow（ir,[]）;
基于开操作的重建'
fird=imdilate（ir,se）;
ir2=imreconstruct（imcomplement（fird）,imcomplement（ir））;
ir2c=imcomplement（ir2）;
figure,imshow（ir2c,[]）;
基于闭操作的重建'
fgm=imregionalmax（ir2c）;
figure,imshow（fgm,[]）;
局部最大值'
se2=strel（ones（3,2））;
fgm2=imclose（fgm,se2）;
fgm3=imerode（fgm2,se2）;
fgm4=bwareaopen（fgm3,5）;
figure,imshow（fgm4,[]）;
像素个数大于5的局部最大值区域'
bw=im2bw（ir2c,graythresh（ir2c））;
figure,imshow（bw,[]）;
重建图像的阈值化二值图'
D=bwdist（bw）;
L=watershed（D）;
w=L==0;
figure,imshow（w）;
背景分水岭线'
g2=imimposemin（g,w|fgm4）;
figure,imshow（g2）;
改写的梯度图'
figure,imshow（L2）;
改写的梯度图的分水岭结果'
f（L2==0）=255;
figure,imshow（f）;
改写的梯度图的分割结果'
3.计算图cancer02.bmp的链码等特性，仿照例子11.3
cancer02.bmp'
average'
9）;
g=imfilter（f,h,'
g=im2bw（g,0.5）;
B=boundaries（g）;
%计算图像的边界
d=cellfun（'
length'
B）;
%最长边界
[max_d,k]=max（d）;
b=B{k};
[mn]=size（g）;
g=bound2im（b,m,n,min（b（:
1））,min（b（:
2）））;
[s,su]=bsubsamp（b,50）;
%对边界二次取样
c=fchcode（su）;
c.fcc
ans=
Columns1through14
20200606646443
Column15
2
4.提高题：
利用texture_spacial函数，计算下图所示编号1-7的区域，请从liver图大致按照示意图提起25*25的区域，分别计算该区域的灰度共生矩阵的最大概率、一致性和熵，分析不同区域各个特性的特点，思考一下如果要分割出1和4区域所示的肝脏区域，应该选择那些特性，阈值为多少合适？
f=double（imread（'
））;
imshow（uint8（f））;
[y1,x1]=getpts;
%取点
x1=uint16（x1）;
y1=uint16（y1）;
F1=imcrop（f,[x1,y1,24,24]）;
%获取区域
disp（'
区域1特性：
平均亮度、平均对比度、平滑度、三阶矩、一致性和熵'
statxture（F1）
g=f;
%将选的区域标定出来
g（x1:
x1+24,y1）=255;
x1+24,y1+24）=255;
g（x1,y1:
y1+24）=255;
g（x1+24,y1:
imshow（uint8（g））;
[y2,x2]=getpts;
x2=uint16（x2）;
y2=uint16（y2）;
F2=imcrop（g,[x2,y2,24,24]）;
区域2特性：
statxture（F2）
g=g;
g（x2:
x2+24,y2）=255;
x2+24,y2+24）=255;
g（x2,y2:
y2+24）=255;
g（x2+24,y2:
[y3,x3]=getpts;
x3=uint16（x3）;
y3=uint16（y3）;
F3=imcrop（g,[x3,y3,24,24]）;
区域3特性：
statxture（F3）
g（x3:
x3+24,y3）=255;
x3+24,y3+24）=255;
g（x3,y3:
y3+24）=255;
g（x3+24,y3:
[y4,x4]=getpts;
x4=uint16（x4）;
y4=uint16（y4）;
F4=imcrop（g,[x4,y4,24,24]）;
区域4特性：
statxture（F4）
g（x4:
x4+24,y4）=255;
x4+24,y4+24）=255;
g（x4,y4:
y4+24）=255;
g（x4+24,y4:
[y5,x5]=getpts;
x5=uint16（x5）;
y5=uint16（y5）;
F5=imcrop（g,[x5,y5,24,24]）;
区域5特性：
statxture（F5）
g（x5:
x5+24,y5）=255;
x5+24,y5+24）=255;
g（x5,y5:
y5+24）=255;
g（x5+24,y5:
[y6,x6]=getpts;
x6=uint16（x6）;
y6=uint16（y6）;
F6=imcrop（g,[x6,y6,24,24]）;
区域6特性：
statxture（F6）
g（x6:
x6+24,y6）=255;
x6+24,y6+24）=255;
g（x6,y6:
y6+24）=255;
g（x6+24,y6:
[y7,x7]=getpts;
x7=uint16（x7）;
y7=uint16（y7）;
F7=imcrop（g,[x7,y7,24,24]）;
区域7特性：
statxture（F7）
g（x7:
x7+24,y7）=255;
x7+24,y7+24）=255;
g（x7,y7:
y7+24）=255;
g（x7+24,y7:
实验总结：
通过本次实验，组员熟悉了区域生长法，分水岭分割算法，但实验比较难，问了同学和找了资料才能做出来。
升级会员 