09信计数学实验.docx
《09信计数学实验.docx》由会员分享，可在线阅读，更多相关《09信计数学实验.docx（12页珍藏版）》请在冰点文库上搜索。
09信计数学实验
课程名称：
数学软件与实验成绩：
彩色图像分割
课程号：
090032
课序号：
02
*******
班级：
2009信计
学号：
**********
填写日期：
2012.05.12
彩色图像分割
2009信息与计算科学2009431046
一、实验问题：
任给一张彩色图片，自动完成图像分割。
二、符号说明：
Roberts、Sobel、Prewitt、LOG、Canny：
均为图像边缘检测算法
三、问题分析与建模：
<1>问题分析：
图像分割是一个将一幅数字图像划分成不交叠的、连通的像素集的过程，其中一个对应于背景，其他的则对应于图像中的各个物体。
图像分割的目标是重点根据图像中的物体将图像的像素分类，并提取感兴趣目标图像。
<2>数学建模：
由于彩色图像分割的方法有很多种，难以逐一进行举例，在此我仅就两种方法进行分割，一种是图像的边缘检测方法，另一种是聚类分割算法。
而边缘检测方法又有五种不同的算子，Roberts、Sobel、Prewitt、LOG、Canny,因此我将先对五种算子进行比较，选出最好的一个再借此进行分割。
第二步再详细介绍聚类分析算法。
四、Matlab求解：
<1>边缘检测方法
1、下面我们先将图像边缘检测不同方法比较。
将Roberts、Sobel、Prewitt、LOG、Canny算子等经典图像分割算法对灰度图像分割的结果进行比较。
（1）Matlab代码如下：
clc;
clearall;
closeall;
f=imread（'g:
hello.jpg'）;
figure
（1）;
imshow（f）;title（'原彩色图'）;
H=rgb2gray（f）;
figure
（2）;
imshow（H）;title（'灰度图'）;
figure（3）
subplot（2,3,1）;
imshow（H）;title（'灰度图'）;
e=edge（H,'roberts'）;
subplot（2,3,2）;
imshow（e）;title（'Roberts算子'）;
a=edge（H,'sobel'）;
subplot（2,3,3）;
imshow（a）;title（'Sobel算子'）;
b=edge（H,'prewitt'）;
subplot（2,3,4）;
imshow（b）;title（'Prewitt算子'）;
c=edge（H,'log'）;
subplot（2,3,5）;
imshow（c）;title（'LOG算子'）;
d=edge（H,'canny'）;
subplot（2,3,6）;
imshow（d）;title（'Canny算子'）;
（2）运行结果：
2、比较'roberts','sobel','prewitt','log','canny'算子的检测效果：
Robert算子：
根据任一相互垂直方向上的差分都用来估计梯度，Robert算子采用对角方向相邻像素只差
Sobel算子：
其主要用于边缘检测，在技术上它是以离散型的差分算子，用来运算图像亮度函数的梯度的近似值，缺点是Sobel算子并没有将图像的主题与背景严格地区分开来，即Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。
Prewitt算子：
该算子与Sobel算子类似，只是权值有所变化，但两者实现起来功能还是有差距的，据经验得知Sobel要比Prewitt更能准确检测图像边缘。
log算子：
log算法是一种基于灰度值的二阶导数来进行边缘检测的，通过检测零点来进行边缘检测。
Canny算子：
优点:
使用两种不同的阈值分别检测强、弱边缘,并且仅当弱边缘与强边缘相连时，才将弱边缘包含在输出图像中。
该方法不易受噪声干扰，能够在噪声和边缘间取得较好的平衡，检测到真正的弱边缘。
3、因此我得到edge函数提供的最有效的边缘检测方法是canny方法。
接下来我用此算法来实例分割一个彩图。
1、代码：
Clc;
Clearall;
Closeall;
I=imread（'e:
1.jpg'）;
figure
（1）;
imshow（I）;title（'彩色图'）;
H=rgb2gray（I）;
figure
（2）;
imshow（H）,title（'灰度图'）;
bw=edge（H,'sobel'）;
figure（3）;
imshow（bw）,title（'边缘图'）;
2.运行结果：
<2>聚类分割方法：
1、实验代码：
clc,clear;
I=imread（'g:
12074.jpg'）;
I1=I（:
:
1）;
I2=I（:
:
2）;
I3=I（:
:
3）;
[y,x,z]=size（I）;
d1=zeros（y,x）;
d2=d1;
myI=double（I）;
I0=zeros（y,x）;
fori=1:
x
forj=1:
y
d1（j,i）=sqrt（（myI（j,i,1）-10）^2+（myI（j,i,2）-10）^2+（myI（j,i,3）-10）^2）;
d2（j,i）=sqrt（（myI（j,i,1）-180）^2+（myI（j,i,2）-180）^2+（myI（j,i,3）-180）^2）;
ifd1（j,i）>=d2（j,i）
I0（j,i）=1;
end
end
end
figure
（1）;
subplot（221）;imshow（I）;title（'a原始图像'）;
subplot（222）;imshow（I1）;title（'bR分量'）;
subplot（223）;imshow（I2）;title（'cG分量'）;
subplot（224）;imshow（I3）;title（'dB分量'）;
figure
（2）;
subplot（131）;imhist（I1）;title（'R分量直方图'）;
subplot（132）;imhist（I2）;title（'G分量直方图'）;
subplot（133）;imhist（I3）;title（'B分量直方图'）;
figure（3）;
subplot（221）;imshow（I0）;title（'聚类分割后的图像'）;
RGB2=imadjust（I,[0.60.8],[01],0.8）;
figure
（1）;
subplot（221）;imshow（I）;
subplot（222）;imshow（RGB2）;
I=rgb2gray（RGB2）;
figure
（2）;
subplot（221）;imshow（I）;title（'a灰度图像'）;
subplot（222）;imhist（I）;title（'b直方图'）;
[mn]=size（I）;
fori=1:
m%进行灰度变化
forj=1:
n
ifI（i,j）<=10
I（i,j）=0;
elseifI（i,j）<=80
I（i,j）=（255-0）/（80-10）*（I（i,j）-10）+10;
else
I（i,j）=255;
end
end
end
%ÏÔʾ±ä»»ºóµÄ½á¹û
subplot（223）;imshow（I）;title（'c灰度变化'）;
I=im2double（I）;
subplot（224）;imhist（I）;title（'d变换后直方图'）;
J=imadjust（I,[0.20.8],[01],0.8）;
figure（3）;
subplot（221）;imshow（J）;title（'a对比度调整'）;
I2=medfilt2（J,[55]）;
subplot（222）;imshow（I2）;title（'b中值滤波'）;
I3=decorrstretch（I2）;
subplot（223）;imshow（I3）;title（'c去相关拉伸'）;
[mn]=size（I2）;
fori=1:
m
forj=1:
n
ifI2（i,j）>0.001&I2（i,j）<0.95I2（i,j）=1;
elseI2（i,j）=0;
end
end
end
subplot（224）;imshow（I2）;title（'d图像二值化'）;
2、运行结果：
五、总结体会：
通过本次实验，我学会了边缘检测的Matlab实现方法，掌握了Matlab区域操作函数的使用和图像分析和理解的基本方法,并对用'roberts','sobel','prewitt','canny','log'算子对图像进行边缘检测的不同效果有了更直观的认识，而且我还加深了对图像聚类分割的理解。
升级会员 