《图像处理实验图像增强和图像分割》由会员分享，可在线阅读，更多相关《图像处理实验图像增强和图像分割（12页珍藏版）》请在金锄头文库上搜索。
1、图像处理实验图像增强和图像分割、实验目的：掌握用空间滤波进行图像增强的基本方法，掌握图像分割的基本方法。实验要求：1、 测试图像1中同时含有均值为零的均匀分布噪声和椒盐噪声。用大小为5X 5的 算术均值滤波器和中值滤波器对图像进行处理，在不同窗口中显示原图像及各处理结果图像，并分析哪一种滤波器去噪效果好2、对测试图像2进行图像分割，求出分割测试图像 2的最佳阈值。分别显示原图、 原图的直方图（标出阈值）、和分割后的二值图。实验内容:1.实验原理1）图像增强：流程图：开始读取图像构建滤波函数滤波处理结束图像增强可以通过滤波的方式来完成，即消除一部分的噪声。滤波又可以分为均值滤 波和中值滤波1.中
2、值滤波原理：中值滤波就是选用一个含有奇数个像素的滑动窗口，将该窗口 在图像上扫描，把其中所含像素点按灰度级的升(或降)序排列，取位于中间 的灰度值来代替窗口中心点的灰度值。对于一维序列 f”:y Med fiu，tui N,u对于二维序列卩訂:y.窗口W2.均值滤波原理：对于含噪声的原始图像g(s,t)的每一个像素点去一个领 域N,用N中所包含的相速的灰度平均值，作为领域平均处理后的图像f(x,y)的像素值，即：?(x,y) g(s,t)mn (S,t) Sxy2)图像分割:|T2-T1|是255*(lT2)+0*(l=T2)图像分割：依据图像的灰度、颜色等特征，将一幅图像分为若干个互不重叠的
3、、具有某 种同质特征的区域。本实验中我们是根据灰度值，将灰度值大于阈值T的像素统一置为255,小于的则置为0。如何求出最合适的分割阈值，贝嚅要用到迭代算法。迭代法算法步骤：(1) 初始化阈值T ( 一般为原图像所有像素平均值)。(2) 用T分割图像成两个集合：G和G,其中G包含所有灰度值小于T的像素，G 包含所有灰度值大于T的像素。(3) 计算G中像素的平均值m及G中像素的平均值m。(4) 计算新的阈值：T = (m+ m) /2。(5 )如果新阈值跟原阈值之间的差值小于一个预先设定的范围，停止循环，否则继续(2)-( 4)步。2.程序代码与分析：1)图像增强：clear all;clc;%读
4、入图像I仁imread(b).jpg);%均值滤波模板h1=o nes(5,ui nt8);%获取分辨率a,b=size(I1);%创建变量 I2=zeros(a+4,b+4,uint8); I3=zeros(a+4,b+4,uint8);%复制原始图像for n=3:a+2for m=3:b+2I2(n,m)=I1(n-2,m-2);I3(n,m)=I1(n-2,m-2);endend%边界值设定for n=1:a+4for m=1:b+4%左上角设定if n3&ma+2&mb+2I2(n,m)=I2(2*a+4-n,2*b+4-m); I3(n,m)=I3(2*a+4-n,2*b+4-m)
5、;%右上角设定else if nb+2I2(n,m)=I2(6-n,2*b+4-m);I3(n,m)=I3(6-n,2*b+4-m); %左下角设定else if ma+2I2(n,m)=I2(2*a+4-n,6-m); I3(n,m)=I3(2*a+4-n,6-m); %上两行设定 else if na+2I2(n,m)=I2(2*a+4-n,m);I3(n,m)=I3(2*a+4-n,m); %左两列设定 else if mb+2I2(n,m)=I2(n,2*b+4-m);I3(n,m)=I3(n,2*b+4-m); end end end end end end end endend e
6、nd%图像处理for n=3:a+2for m=3:b+2%均值滤波 temp0=I2(n-2:n+2,m-2:m+2);temp0=temp0.*h1;temp1=mean(temp0(:);temp1=uint8(floor(temp1);I2(n,m)=temp1;%中值滤波 temp2=I3(n-2:n+2,m-2:m+2);temp3=median(double(temp2(:);temp3=uint8(floor(temp3);I3(n,m)=temp3;endend%保持分辨率I4=I2(3:a+2,3:b+2);I5=I3(3:a+2,3:b+2);%显示图像 figure(1
7、);imshow(I1);title( 原始图像 );figure(2);imshow(I4);title( 算数均值滤波输出 );figure(3);imshow(I5);title（ 中值滤波输出 ）;图像分割：clear all;clc;%读取图像I=imread(a).jpg);%创建变量a,b=size(I);J=zeros(a,b);%设定迭代阈值T0=1;%初始化T1=mean(I(:);r1=find(IT1);r2=find(I=T0T1=T2;r1=find(IT1);r2=find(IT2)+ 0*(I(i)=T2);end %显示图像 figure(1);imshow(
8、I); title( 原始图像 ); figure(2);imhist(I); title( 灰度直方图 ); hold on;plot(T2,T2,0,6000,r);% 画分割线 str1=num2str(T2);text(T2+5,2000, 分割阈值 );% 标注分割阈值 text(T2+5,1800,str1);hold off; figure(3);imshow(J); title( 迭代法分割输出 );3. 实验结果1) 图像增强结果：均值滤疲中俏應帖图像分割结果：2)图像分割结果:阳船團借法代分割t-h直方图501001S0200250图6 直方图4.实验分析和总结 1）图像增
9、强：对比均值滤波和中值滤波的结果可知：算术均值滤波和中值滤波对含噪声的图像都有去噪的效果。对于均值滤波，算法简单，但在降低噪声的同时容易模 糊图像边沿和细节。对于中值滤波，去除图像中的椒盐噪声，消除孤立的噪声点， 平滑效果优于均值滤波，在抑制噪声同时还能保持图像边缘清晰。2) 图像分割：迭代法适用于图像灰度直方图中双峰明显的图像，从灰度直方图中我们 可以看到该图像满足这一要求。通过本次实验，了解了 matlab 中几个实用的子函数，更直接地了解均值滤波、中 值滤波以及用迭代法求阈值的算法，通过实验观察到了图像增强和分割对图像的影响， 了解到了用均值滤波和中值滤波两种方法进行图像增强的优缺点， 使我对图像处理有了 更进一步的理解。在进行图像处理时，根据目标图像的特定情况选择正确的算法以及处 理方法很重要，进行处理所采用的模板大小也同样重要。
