《实验一图像增强和图像分割实验》由会员分享，可在线阅读，更多相关《实验一图像增强和图像分割实验（13页珍藏版）》请在金锄头文库上搜索。
1、 .wd.实验一 图像增强和图像分割实验1分别用图中给出的直线和曲线作为增强函数进展增强，比拟它们的效果并讨论其特点。E5(s)E4(s)L-1L-1E2(s)E3(s)E1(s)L-1L-1线性变换 对指数变换图片1 图片2实验步骤：1. 在MATLAB中编写灰度图像的线性变换点运算程序图片1处理程序I=imread(图片1.png); %读入原图像I=im2double(I); %转换数据类型为doubleM,N=size(I);figure(1);imshow(I);%显示原图像title(原图像);figure(2);I=rgb2gray(I);%转化为灰度图像H,x=imhist(I
2、,64);stem(x,(H/M/N),.);title(原图像);%tan=30a=sqrt(3)/3;b=0;y=a.*I+b;figure(3);imshow(y);title(tan=30);figure(4);H,x=imhist(y,64);stem(x,(H/M/N),.);title(tan=30);%tan=45a=1;b=0;y=a.*I+b;figure(5);imshow(y);title(tan=45);figure(6);H,x=imhist(y,64);stem(x,(H/M/N),.);title(tan=45);%tan=60a=sqrt(3);b=0;y=a
3、.*I+b;figure(7);imshow(y);title(tan=60);figure(8);H,x=imhist(y,64);stem(x,(H/M/N),.);title(tan=60);实验结果如以下列图所示：图片1的原图像图片1的30度线性变换图像图片1的45度线性变换图像图片1的60度线性变换图像原图像的直方图 30度变换后直方图45度变换后的直方图 60度变换后直方图图片2处理程序参考图片1处理程序。图片2实验结果如以下列图：图片2原图像30度变换后图像45度变换后图像60度变换后图像2. 实验结果分析由实验结果可以看出，当按照30度线性变换后图像变暗，按照45度变换后图像没
4、有任何改变，按照60度变换后图像变亮，由变换后的直方图可以确认像素点的变化。由以上分析可以得出，当线性变换函数的斜率大于1时，图像的比照度将增大；当线性变换的斜率小于时，图像的比照度将减小；当线性变换函数的斜率等于1时，图像的比照度不变，只是像素点整体的移动。虽然线性变换可以改变比照度，但是对图像的细节局部增强有限。1. 在MATLAB中编写灰度图像的对指数点运算程序图片1对数处理程序：I=imread(图片1.png); %读入原图像I=im2double(I); %转换数据类型为doubleI=rgb2gray(I);figure(1);imshow(I); %显示原图像title(原图像
5、);figure(3);H,x=imhist(I,64);stem(x,(H/M/N),.);title(原图像);figure(2);y=log(I+1);imshow(I);title(对数变换);figure(4);H,x=imhist(y,64);stem(x,(H/M/N),.);title(对数变换);实验结果如以下列图所示：图片1直方图 图片1对数变换直方图对数变换后图像图片1指数处理程序：I=imread(图片1.png); %读入原图像I=im2double(I); %转换数据类型为doubleI=rgb2gray(I);M,N=size(I);figure(1);imsho
6、w(I); %显示原图像title(原图像);figure(3);H,x=imhist(I,64);stem(x,(H/M/N),.);title(原图像);figure(2);imshow(imadjust(I,3);figure(4);H,x=imhist(imadjust(I,4),64);stem(x,(H/M/N),.);title(指数变换);实验结果如以下列图所示：图片1直方图 指数变换后直方图图片1指数变换后图像图片2对指数处理程序参考图片1处理程序。对指数处理结果如以下列图：图片2指数变换后图像图片2直方图 指数变换后直方图对数变换后直方图图片2对数变换后图像2. 实验结果分
7、析A、对数变换采用对数变换，当函数自变量为低值时，曲线斜率很高；自变量为高值时，曲线斜率变小。由变换后图像和直方图可以得出，对数变换是增强图像中较暗的细节，从而可用来扩展被压缩的高值图像中较暗的像素。B、指数变换对数变换采用的是伽玛变换1，同理图像的高灰度区域比照度得到增加。因为伽玛变换变换不是线性变换，不仅可以改变图像的比照度，还能够增强细节，从而带来整体图像效果的增强和改善。2分别用Roberts算子、Sobel算子、LoG算子和Canny算子进展边缘检测，比拟它们的效果并讨论其特点；图片3 图片4实验步骤：1. 在MATLAB中编写检测程序I=imread(图片3.png);bw1=ed
8、ge(I,roberts);bw2=edge(I,sobel);bw3=edge(I,log);bw4=edge(I,canny);figure(1);imshow(I);title(原图像);figure(2);imshow(bw1);title(roberts);figure(3);imshow(bw2);title(sobel);figure(4);imshow(bw3);title(log);figure(5);imshow(bw4);title(canny);实验结果如以下列图：图片3经过roberts算子检测的图像图片3经过sobel算子检测的图像图片3经过LoG算子检测的图像图片
9、3经过canny算子检测的图像 图片4处理程序参考图片3处理程序。实验结果如以下列图所示：roberts处理后图像 sobel处理后图像LoG处理后图像 canny处理后图像2. 实验结果分析由实验结果可以看出：Roberts利用局部差分算子寻找边缘，边缘定位精度较高，但是容易丧失一局部边缘，同时由于图像没经过平滑处理，因此不具备抑制噪声的能力，所以对含噪声少的图像的处理效果较好；Sobel算子考虑了邻域信息，相当于对图像先做加权平滑处理，然后再做微分运算，虽然能够对噪声有抑制效果，但不能完全排除检测结果中出现的虚假边缘。对边缘定位准确，但检测出的边缘容易出现多像素宽度；LoG算子即高斯-拉普
10、拉斯算子，抑制了拉普拉斯抗噪声比拟差的缺点，但在抑制噪声的同时也可能将原有的比拟锋利的边缘也平滑掉，造成这些锋利的边缘无法被检测到，但是相对于Roberts算子和Sobel算子处理结果稍好;Canny算子：在图像边缘检测中，抑制噪声和边缘准确定位是无法同时瞒足的，Canny算子在力图在抗干扰和准确定位之间寻求最正确的折中方案。由图像处理结果可以看出，效果较前三者边缘更细腻、清楚。从边缘定位的精度看：Roberts算子和LoG算子定位精度更高。从对不同方向边缘的敏感性而言：Sobel算子检测斜向阶跃边缘效果较好；Roberts算子检测水平和垂直边缘效果较好；LoG算子不具备边缘方向检测能力；So
11、berl算子可以提供最准确的边缘方向估计。从去噪能力看：Roberts算子和LoG算子虽然定位精度较高，但受噪声影响大。从总体效果来衡量，Canny算子给出了一种边缘定位准确性和抗噪声干扰性的较好折中。3采用不同阈值化方法固定阈值、迭代阈值、Otsu阈值等对图像进展分割，比拟它们的效果并讨论其特点；图片5图片6实验步骤：1. 固定阈值：I=imread(图片5.png);figure(1);imshow(I);title(原图像);figure(2);imhist(I);title(直方图);i=1;j=1;for i=1:1:256 for j=1:1:256 if (I(i,j)=TK) iForeground=iForeground+1; ForegroundSum=ForegroundSum+double(tmp); %前景灰度值 else iBackground=iBackground+1;
