《数字图像处理实验 图像分割.doc》由会员分享，可在线阅读，更多相关《数字图像处理实验 图像分割.doc（6页珍藏版）》请在金锄头文库上搜索。
1、实 验 报 告实验名称实验四 图像分割课程名称数字图像处理A姓名成绩班级学号日期地点备注：1.实验目的（1）了解并掌握图像分割的基本原理；（2）编写程序使用Hough变换处理图像，进行线检测；（3）编写程序使用阈值处理方法进行图像分割，根据实验结果分析效果；（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。2.实验环境（软件条件）Windws2000/XPMATLAB 7.03.实验方法对256级灰度的数字图像camera.bmp（如图4.1所示）和car.bmp（如图4.2所示）进行如下处理：图4.1 实验图像camera.bmp图4.2 实验图像car.bmp（
2、1）对图像camera.bmp进行Hough变换进行线检测，显示处理前、后图像：思考如何利用Hough变换进行圆检测；（2）对图像car.bmp分别利用不同的阈值处理方法进行图像中汽车及车牌的分割，显示处理前、后图像；思考不同的阈值处理算法对分割效果的影响？ 4.实验分析实验原理Hough变换是最常用的直线提取方法，它的基本思想是：将直线上每一个数据点变换为参数平面中的一条直线或曲线，利用共线的数据点对应的参数曲线相交于参数空间中一点的关系，使直线的提取问题转化为计数问题。Hough变换提取直线的主要优点是受直线中的间隙和噪声影响较小。思考：Hough变换对圆的检测：Hough变换的基本原理在
3、于，利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测给定图像是否存在给定性质的曲线。圆的方程为：，通过Hough变换，将图像空间对应到参数空间。第一题结果图第二题实验原理：基于灰度的分割最简单的处理思想是，高于某一灰度的像素划分到一个区域中，低于某灰度的像素划分到另一区域中，这种基于灰度阈值的分割方法称为灰度门限法。最简单的灰度分割方法灰度门限法，他是基于灰度阈值的分割方法，也是基于区域的分割方法。主要将高于某一灰度的像素划分到一个区域中，低于某灰度的像素划分到另一区域中。结果图思考：直方图阈值法：理论分析和实验结果表明,该方法分割效果好,运算速度快,具有较高的实用价值。Ot
4、su法：该方法选取出来的阈值非常理想，对各种情况的表现都较为良好。虽然它在很多情况下都不是最佳的分割，但分割质量通常都有一定的保障，可以说是最稳定的分割。直方图阈值法Otsu法5.实验结论Matlab提供了三个与Hough变换有关的函数：Hough函数，Houghpeaks函数和Houghlines函数。在算法实现中，考虑到噪声的影响和参数空间离散化得需要，求交点的问题成为一个累加器问题。直方图阈值法：利用灰度直方图求双峰或多峰，选择两峰之间的谷底作为阈值。自动阈值法：Otsu法。Otsu法是使类间方差最大而推导出的一种能自动确定阈值的方法，具有简单，处理速度快的特点。在Matlab工具箱中，
5、Graythresh函数基于Otsu算法求取灰度阈值。Graythresh函数的语法格式为：level=fraythresh(I).附件第一题源程序clear all; RGB = imread(C:Documents and SettingsAdministrator桌面camera.bmp);I=RGB;%I = rgb2gray(RGB);BW = edge(I,canny); % 利用Canny算子提取图像边缘H,T,R = hough(BW,RhoResolution,0.5,ThetaResolution,0.5);subplot(121)imshow(T,R,H,notruesi
6、ze), axis on, axis normalxlabel(T), ylabel(R)p = houghpeaks(H,5,threshold,ceil(0.3*max(H(:); %找到5个较明显的Hough变换峰值hold onplot(T(p(:,2),R(p(:,1),s,color,white);lines = houghlines(BW,T,R,p,FillGap,10,MinLength,10); %查找并链接线段figure, imshow(BW), hold on %在二值图中叠加显示这些线段for k = 1:length(lines) xy = lines(k).po
7、int1; lines(k).point2; plot(xy(:,1),xy(:,2),LineWidth,2,Color,green);end第二题源程序%用直方图阈值法I=imread(C:Documents and SettingsAdministrator桌面car.bmp);subplot(2,2,1);imshow(I);title(原图像);I1=rgb2gray(I);subplot(2,2,2);imhist(I1);title(直方图);subplot(2,2,3);I2=im2bw(I1,165/415);imshow(I2);title(分割后的图像);%用Otsu算法I=imread(C:Documents and SettingsAdministrator桌面car.bmp);subplot(2,1,1);imshow(I);title(原图像);subplot(2,1,2);level=graythresh(I);BW=im2bw(I,level);imshow(BW);title(分割后的图像);
