数字图像处理阈值分割.doc
《数字图像处理阈值分割.doc》由会员分享，可在线阅读，更多相关《数字图像处理阈值分割.doc（7页珍藏版）》请在冰点文库上搜索。
计算机科学与通信工程学院
实验报告
课程
图像处理
实验题目
图像分割
1.引言
图像分割是一种重要的图像分析技术。
在对图像的研究和应用中，人们往往只对图像中的特定某一部分感兴趣，他们一般对应着图像中某些特定的区域。
为了识别它们，可以把他们从图像中分离提取出来。
2.基本知识
典型的图像分割方法可以分为基于阈值的方法、基于边缘的方法和基于区域的分割方法。
灰度阈值法将图片灰度划分为不同等级，用设置灰度阈值的方法确定有意义的区域。
它是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。
阈值分割方法实际上是输入图像f到输出图像g的如下变换：
其中，T为阈值，对于物体的图像元素g（i,j）=1，对于背景的图像元素g（i,j）=0。
由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。
阈值确定后，将阈值与像素点的灰度值逐个进行比较，而且像素分割可对各像素并行地进行，分割的结果直接给出图像区域。
图像边缘是图像识别中抽取图像特征的重要属性。
是由于相邻像素间灰度值剧烈变化引起的。
图像中边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到。
对于阶跃状边缘，其位置对应一阶导数的极值点，对应二阶导数的过零点（零交叉点）。
因此常用微分算子进行边缘检测。
常用的一阶微分算子有Roberts算子、Prewitt算子和Sobel算子，二阶微分算子有Laplace算子和Kirsh算子等。
在实际中各种微分算子常用小区域模板来表示，微分运算是利用模板和图像卷积来实现。
这些算子对噪声敏感，只适合于噪声较小不太复杂的图像。
水域分割是借鉴了形态学理论的分割方法，其本质是利用了图像的区域特征进行分割图像。
将边缘检测与区域生长的优点相结合。
3.功能分析及设计
用全局阈值、OTSU及迭代法求阈值。
结果如图2,3所示
I=imread（'i_boat_gray.bmp'）;
[width,height]=size（I）;
%otsualgorithm
level=graythresh（I）;
BW=im2bw（I,level）;
figure
imshow（BW）
%globalthreshold
fori=1:
width
forj=1:
height
if（I（i,j）<80）
BW1（i,j）=0;
else
BW1（i,j）=1;
end
end
end
figure
imshow（BW1）
%迭代求阈值
I=double（I）;
T=（min（I（:
））+max（I（:
）））/2;
done=false;
i=0;
while~done
r1=find（I<=T）;
r2=find（I>T）;
Tnew=（mean（I（r1））+mean（I（r2）））/2;
done=abs（Tnew-T）<1;
T=Tnew;
i=i+1;
end
I（r1）=0;
I（r2）=1;
Figure;
imshow（I）
用分水岭算法分割图像：
center1=-10;
center2=-center1;
dist=sqrt（2*（2*center1）^2）;
radius=（dist/2）*1.4;
lims=[floor（center1-1.2*radius）ceil（center2+1.2*radius）];
[x,y]=meshgrid（lims
（1）:
lims
（2））;
bw1=sqrt（（x-center1）.^2+（y-center1）.^2）<=radius;
bw2=sqrt（（x-center2）.^2+（y-center2）.^2）<=radius;
bw=bw1|bw2;
figure,imshow（bw,'InitialMagnification','fit'）,title（'二进制图像'）
D=bwdist（~bw）;
figure,imshow（D,[],'InitialMagnification','fit'）
title（'距离变换'）
D=-D;
D（~bw）=-Inf;
L=watershed（D）;
rgb=label2rgb（L,'jet',[.5.5.5]）;
figure,imshow（rgb,'InitialMagnification','fit'）
title（'分水岭方法'）
Sobel、Prewitt、Roberts等算子的边缘提取算法。
a=imread（'d:
\skull.png'）;
bw1=edge（a,'sobel'）;
bw2=edge（a,'prewitt'）;
bw3=edge（a,'roberts'）;
bw4=edge（a,'log'）;
figure
imshow（a）
figure
subplot（2,2,1）
imshow（bw1）
xlabel（'soble'）
subplot（2,2,2）
imshow（bw2）
xlabel（'prewitt'）
subplot（2,2,3）
imshow（bw3）
xlabel（'roberts'）
subplot（2,2,4）
imshow（bw4）
xlabel（'log'）
用形态学方法：
BW1=imread（'circbw.tif'）;
figure
imshow（BW1）
SE=strel（'arbitrary',eye（5））;
BW2=imerode（BW1,SE）;
figure
imshow（BW2）
BW3=imdilate（BW1,SE）;
figure
imshow（BW3）
BW4=imopen（BW1,SE）;
figure,imshow（BW4）
BW4=imclose（BW1,SE）;
figure,imshow（BW4）
4.实验结果与分析
原图：
图1
图2
图3
图4用分水岭算法分割图像
图5三种算子分割原图
图6
图7
图8
图9
5.总结与体会
通过相关函数的调用增加了自己对于matlab的掌握，对数字图像处理有了更加熟悉的了解。
在学习过程中有不懂的地方便去询问同学，也从优秀的同学那里学到了许多东西。
但自己更应询问老师，从老师那里可以学到更多的东西。
升级会员 