實驗2圖像分割

1、實驗二、圖像分割一、實驗目的1、使學生通過實驗體會一些主要的分割算子對圖像處理的效果，以及各種因素對分割效果的影響；2使用MatLab軟件進行圖像的分割；3能夠自行評價各主要算子在無噪聲條件下和噪聲條件下的分割性能；4能夠掌握分割條件(閾值等)的選擇；5、完成規(guī)定圖像的處理并要求正確評價處理結(jié)果，能夠從理論上作出合理的解釋。二、實驗原理1、邊緣檢測使用算子的圖像分割實驗，調(diào)入并顯示一幅圖像或；使用算子對圖像進行邊緣檢測處理；算子為一對模板，相應的矩陣為：圖這里的為水平算子，為垂直算子?？梢燥@示處理后的水平邊界和垂直邊界檢測結(jié)果；用“歐幾里德距離”方式計算梯度的模，顯示檢測結(jié)果；對于檢測結(jié)果進行

2、二值化處理，并顯示處理結(jié)果。使用算子的圖像分割實驗使用算子進行內(nèi)容中的全部步驟。使用算子的圖像分割實驗使用算子進行內(nèi)容中的全部步驟。使用算子進行圖像分割實驗。(5)使用拉普拉斯算子進行圖像分割實驗。I=imread(D:blood.bmp);Imshow(I);BW1=edge(I,roberts);BW2=edge(I,prewitt);BW3=edge(I,sobel);BW4=edge(I,log);BW5=edge(I,canny);figure(1),imshow(I),title(OriginalImage);figure(2),imshow(BW1),title(roberts)

3、;figure(3),imshow(BW2),title(prewitt);figure(4),imshow(BW3),title(sobel);figure(5),imshow(BW4),title(log);figure(6),imshow(BW5),title(canny);OriginalImageprewitt2、灰度閥值分割(1)單閾值分割圖像先將一幅彩色圖像轉(zhuǎn)換為灰度圖像，顯示其直方圖，參考直方圖中灰度的分布，嘗試確定閾值；應反復調(diào)節(jié)閾值的大小，直至二值化的效果最為滿意為止。給圖像加上零均值的高斯噪聲()重復上述過程，注意閾值的選擇。I=imread(D:tupian.bmp);

4、I2=rgb2gray(I);subplot(2,2,l);imshow(I);title(原圖);subplot(2,2,2);imshow(I2);title(原圖轉(zhuǎn)換為灰度圖)；subplot(2,2,3);imhist(I2);title(灰度圖轉(zhuǎn)換直方圖);thread=160/255;I3=im2bw(I2,thread);subplot(2,2,4);imshow(I3);title(閾值T=160/255分割圖);原圖原圖轉(zhuǎn)換為灰度圖荻度圖轉(zhuǎn)換直方圖閾值ThBCi/2陰竇割圖（2）多閾值分割圖像觀察下列圖像，對圖1進行多閾值分割，使其分割結(jié)果如圖2所示。注意閾值的選擇。I=im

5、read(D:tupian.bmp);figure(1);subplot(1,2,1);imshow(I);m,n=size(I);fori=1:mforj=1:nif(I(i,j)120)I(i,j)=255;endendendsubplot(1,2,2);imshow(I);三、實驗步驟1、打開計算機，啟動MATLAB程序；2、調(diào)入數(shù)字圖像，并進行圖像分割處理3、記錄和整理實驗報告。四、實驗儀器1、計算機；2、MATLAB等程序；五、實驗報告內(nèi)容1、敘述實驗過程；2、提交實驗的原始圖像和結(jié)果圖像。六、思考題、評價算子、算子、算子對于噪聲條件下邊界檢測的性能。答：Roberts算子采用對角線

6、方向相鄰兩像素之差近似梯度幅值檢測邊緣。檢測水平和垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感。Sobe1算子根據(jù)像素點上下、左右鄰點灰度加權(quán)差，在邊緣處達到極值這一現(xiàn)象檢測邊緣。對噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位精度不夠高。當對精度要求不是很高時，是一種較為常用的邊緣檢測方法。Prewitt算子利用像素點上下、左右鄰點灰度差，在邊緣處達到極值檢測邊緣。對噪聲具有平滑作用，定位精度不夠高。2、實驗中所使用的四種算子所得到的邊界有什么異同？答：算子的存在就是對這種導數(shù)分割原理進行的實例化計算，是為了在計算過程中直接使用的一種計算單位。算子：邊緣定位準，但是對噪聲敏感。

7、適用于邊緣明顯且噪聲較少的圖像分割。邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子算子圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析，由于算子通常會在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應，故采用上述算子檢測的邊緣圖像常需做細化處理，邊緣定位的精度不是很高。算子：對噪聲有抑制作用，抑制噪聲的原理是通過像素平均，但是像素平均相當于對圖像的低通濾波，所以算子對邊緣的定位不如算子。算子：算子和算子都是加權(quán)平均，但是算子認為，鄰域的像素對當前像素產(chǎn)生的影響不是等價的，所以距離不同的像素具有不同的權(quán)值，對算子結(jié)果產(chǎn)生的影響也不同。一般來說，距離越遠，產(chǎn)生的影響越小。算子：加權(quán)平均算子，權(quán)值反比于鄰點與中心點的距離，

8、當沿不同方向檢測邊緣時梯度幅度一致，就是通常所說的各向同性。算子：這是二階微分算子。其具有各向同性，即與坐標軸方向無關，坐標軸旋轉(zhuǎn)后梯度結(jié)果不變。但是，其對噪聲比較敏感，所以，圖像一般先經(jīng)過平滑處理，因為平滑處理也是用模板進行的，所以，通常的分割算法都是把算子和平滑算子結(jié)合起來生成一個新的模板。算子一般不以其原始形式用于邊緣檢測，因為其作為一個二階導數(shù)，算子對噪聲具有無法接受的敏感性；同時其幅值產(chǎn)生算邊緣，這是復雜的分割不希望有的結(jié)果；最后算子不能檢測邊緣的方向；所以在分割中所起的作用包括：（）利用它的零交叉性質(zhì)進行邊緣定位；（2）確定一個像素是在一條邊緣暗的一面還是亮的一面；一般使用的是高斯

9、型拉普拉斯算子（，由于二階導數(shù)是線性運算，利用卷積一幅圖像與首先使用高斯型平滑函數(shù)卷積改圖像，然后計算所得結(jié)果的拉普拉斯是一樣的。所以在公式中使用高斯函數(shù)的目的就是對圖像進行平滑處理，使用算子的目的是提供一幅用零交叉確定邊緣位置的圖像；圖像的平滑處理減少了噪聲的影響并且它的主要作用還是抵消由算子的二階導數(shù)引起的逐漸增加的噪聲影響。其主要用于邊緣檢測，在技術(shù)上它是以離散型的差分算子，用來運算圖像亮度函數(shù)的梯度的近似值，缺點是算子并沒有將圖像的主題與背景嚴格地區(qū)分開來，換言之就是算子并沒有基于圖像灰度進行處理，由于算子并沒有嚴格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意，算法具體實現(xiàn)很簡單，就是3*的3兩個不同方向上的模板運算，這里不再寫出。算子根據(jù)任一相互垂直方向上的差分都用來估計梯度，算子采用對角方向相鄰像素只差算子該算子與算子類似，只是權(quán)值有所變化，但兩者實現(xiàn)起來功能還是有差距的，據(jù)經(jīng)驗得知要比更能準確檢測圖像邊緣。算子拉普拉斯算子是一種二階微分算子，若只考慮邊緣點的位置而不考慮周圍的灰度差時可用該算子進行檢測。對于階躍狀邊緣，其二階導數(shù)在邊緣點出現(xiàn)零交叉，并且邊緣點兩旁的像素的二階導數(shù)異