数字图像处理上机实验三.docx
《数字图像处理上机实验三.docx》由会员分享，可在线阅读，更多相关《数字图像处理上机实验三.docx（11页珍藏版）》请在冰点文库上搜索。
数字图像处理上机实验三
医学图像处理实验三
1、计算图像的梯度，梯度值和梯度角。
I=imread（'C:
\Users\Administrator\Desktop\cat.jpg'）;
B=rgb2gray（I）;
C=double（B）;
e=1e-6;%10^-6
[dx,dy]=gradient（C）;%计算梯度
G=sqrt（dx.*dx+dy.*dy）;%梯度幅值
figure,imshow（uint8（G））,title（'梯度图像'）;
pha=atan（dy./（dx+e））
figure,imshow（pha,[]）
图1
图2梯度角图
2、计算图像边缘检测，用滤波器方式实现各种算子。
（1）Roberts算子
clear;
I=imread（'C:
\Users\admin\Desktop\mao.jpg'）;
B=rgb2gray（I）;
[m,n]=size（B）;
nB=B;
robertsnum=0;%经roberts算子计算得到的每一个像素的值
robertsthreshold=0.6;%设定阈值
forj=1:
m-1;%进行边界提取
fork=1:
n-1
robertsnum=abs（B（j,k）-B（j+1,k+1））+abs（B（j+1,k）-B（j,k+1））;
if（robertsnum>robertsthreshold）
nB（j,k）=255;
else
nB（j,k）=0;
end
end
end
subplot（1,2,1）;imshow（B）;title（'原图'）;
subplot（1,2,2）;imshow（nB,[]）;title（'Robert算子处理后的图像'）;
图3
（2）Sobel算子
clear;
I=imread（'C:
\Users\admin\Desktop\mao.jpg'）;
B=rgb2gray（I）;
[m,n]=size（B）;
f=double（B）;
u=double（B）;
usobel=B;
fori=2:
m-1%sobel边缘检测
forj=2:
n-1;
gx=（u（i+1,j-1）+2*u（i+1,j）+f（i+1,j+1）-（u（i-1,j-1）+2*u（i-1,j）+f（i-1,j+1）））;
gy=（u（i-1,j+1）+2*u（i,j+1）+f（i+1,j+1）-（u（i-1,j-1）+2*u（i,j-1）+f（i+1,j-1）））;
usobel（i,j）=sqrt（gx^2+gy^2）;
end
end
subplot（1,2,1）;imshow（B）;title（'原图'）;
subplot（1,2,2）;imshow（im2uint8（usobel））;title（'Sobel边缘检测后的图像'）;
图4
（3）Prewitt算子
clear;
I=imread（'C:
\Users\admin\Desktop\mao.jpg'）;
B=rgb2gray（I）;
[m,n]=size（B）;
nB=B;
prewittnum=0;%经prewitt算子计算得到的每一个像素的值
prewittthreshold=0.6;%设定阈值
forj=2:
m-1;%进行边界提取
fork=2:
n-1
prewittnum=abs（B（j-1,k+1）-B（j+1,k+1））+B（j-1,k）-B（j+1,k）+B（j-1,k-1）-B（j+1,k-1）+abs（B（j-1,k+1）+B（j,k+1）+B（j+1,k+1）-B（j-1,k-1）-B（j,k-1）-B（j+1,k-1））;
if（prewittnum>prewittthreshold）
nB（j,k）=255;
else
nB（j,k）=0;
end
end
end
subplot（1,2,1）;imshow（B）;title（'原图'）;
subplot（1,2,2）;imshow（nB,[]）;title（'Prewitt算子处理后的图像'）;
图5
（4）Laplace边缘检测
functionflapEdge=LaplaceEdge（pic,Moldtype,thresh）
[m,n]=size（pic）;
flapEdge=zeros（m,n）;
%四邻域拉普拉斯边缘检测算子
if4==Moldtype
fori=2:
m-1
forj=2:
n-1
temp=-4*pic（i,j）+pic（i-1,j）+pic（i+1,j）+pic（i,j-1）+pic（i,j+1）;
iftemp>thresh
flapEdge（i,j）=255;
else
flapEdge（i,j）=0;
end
end
end
end
%八邻域拉普拉斯边缘检测算子
if8==Moldtype
fori=2:
m-1
forj=2:
n-1
temp=-8*pic（i,j）+pic（i-1,j）+pic（i+1,j）+pic（i,j-1）+pic（i,j+1）+pic（i-1,j-1）+pic（i+1,j+1）+pic（i+1,j-1）+pic（i-1,j+1）;
iftemp>thresh
flapEdge（i,j）=255;
else
flapEdge（i,j）=0;
end
end
end
end
主函数：
clear;
I=imread（'C:
\Users\admin\Desktop\mao.jpg'）;
B=rgb2gray（I）;
C=double（B）;
t=60;
Lapmodtype=8;%设置模板方式
flapEdge=LaplaceEdge（C,Lapmodtype,t）;
fgrayLapedge=uint8（flapEdge）;
figure（）
imshow（fgrayLapedge）,title（'laplace边缘检测图像'）;
图6
（4）Kirsch算子
clear
clc
closeall
I=imread（'C:
\Users\admin\Desktop\mao.jpg'）;
B=rgb2gray（I）;
figure
（1）
imshow（B,[]）
title（'原始图象'）
%对图象进行均值滤波
bw2=filter2（fspecial（'average',3）,B）;
%对图象进行高斯滤波
bw3=filter2（fspecial（'gaussian'）,bw2）;
%利用小波变换对图象进行降噪处理
[thr,sorh,keepapp]=ddencmp（'den','wv',bw3）;%获得除噪的缺省参数
bw4=wdencmp（'gbl',bw3,'sym4',2,thr,sorh,keepapp）;%图象进行降噪处理
%---------------------------------------------------------------------
%提取图象边缘
t=3000;%设定阈值
bw5=double（bw4）;
[m,n]=size（bw5）;
g=zeros（m,n）;
d=zeros（1,8）;
%利用Kirsch算子进行边缘提取
fori=2:
m-1
forj=2:
n-1
d
（1）=（5*bw5（i-1,j-1）+5*bw5（i-1,j）+5*bw5（i-1,j+1）-3*bw5（i,j-1）-3*bw5（i,j+1）-3*bw5（i+1,j-1）-3*bw5（i+1,j）-3*bw5（i+1,j+1））^2;
d
（2）=（（-3）*bw5（i-1,j-1）+5*bw5（i-1,j）+5*bw5（i-1,j+1）-3*bw5（i,j-1）+5*bw5（i,j+1）-3*bw5（i+1,j-1）-3*bw5（i+1,j）-3*bw5（i+1,j+1））^2;
d（3）=（（-3）*bw5（i-1,j-1）-3*bw5（i-1,j）+5*bw5（i-1,j+1）-3*bw5（i,j-1）+5*bw5（i,j+1）-3*bw5（i+1,j-1）-3*bw5（i+1,j）+5*bw5（i+1,j+1））^2;
d（4）=（（-3）*bw5（i-1,j-1）-3*bw5（i-1,j）-3*bw5（i-1,j+1）-3*bw5（i,j-1）+5*bw5（i,j+1）-3*bw5（i+1,j-1）+5*bw5（i+1,j）+5*bw5（i+1,j+1））^2;
d（5）=（（-3）*bw5（i-1,j-1）-3*bw5（i-1,j）-3*bw5（i-1,j+1）-3*bw5（i,j-1）-3*bw5（i,j+1）+5*bw5（i+1,j-1）+5*bw5（i+1,j）+5*bw5（i+1,j+1））^2;
d（6）=（（-3）*bw5（i-1,j-1）-3*bw5（i-1,j）-3*bw5（i-1,j+1）+5*bw5（i,j-1）-3*bw5（i,j+1）+5*bw5（i+1,j-1）+5*bw5（i+1,j）-3*bw5（i+1,j+1））^2;
d（7）=（5*bw5（i-1,j-1）-3*bw5（i-1,j）-3*bw5（i-1,j+1）+5*bw5（i,j-1）-3*bw5（i,j+1）+5*bw5（i+1,j-1）-3*bw5（i+1,j）-3*bw5（i+1,j+1））^2;
d（8）=（5*bw5（i-1,j-1）+5*bw5（i-1,j）-3*bw5（i-1,j+1）+5*bw5（i,j-1）-3*bw5（i,j+1）-3*bw5（i+1,j-1）-3*bw5（i+1,j）-3*bw5（i+1,j+1））^2;
g（i,j）=max（d）;
end
end
%显示边缘提取后的图象
fori=1:
m
forj=1:
n
ifg（i,j）>t
bw5（i,j）=255;
else
bw5（i,j）=0;
end
end
end
figure
（2）
imshow（bw5,[]）
title（'Kirsch'）
图7
（5）LoG和canny算子
clear;
I=imread（'C:
\Users\admin\Desktop\mao.jpg'）;
B=rgb2gray（I）;
bw1=edge（B,'log',0.01）;
bw3=edge（B,'canny',0.1）;
figure;
subplot（1,2,1）;imshow（bw1,[]）;title（'loG边缘检测'）;
subplot（1,2,2）;imshow（bw3,[]）;title（'canny边缘检测'）;
图8
3、大津法实现图像分割
clear;
I=imread（'C:
\Users\admin\Desktop\cat.jpg'）;
B=rgb2gray（I）;
T=graythresh（B）;%求阈值
BW=im2bw（B,T）;%二值化
imshow（BW,[]）
图9
（注：
文档可能无法思考全面，请浏览后下载，供参考。
可复制、编制，期待你的好评与关注）
升级会员 