《实验2 图像分割.doc》由会员分享，可在线阅读，更多相关《实验2 图像分割.doc（9页珍藏版）》请在金锄头文库上搜索。
1、实验二、图像分割一、实验目的1、使学生通过实验体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响；2、使用MatLab 软件进行图像的分割；3、能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能；4、能够掌握分割条件(阈值等)的选择；5、完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。二、实验原理1、边缘检测(1)使用Roberts 算子的图像分割实验，调入并显示一幅图像*.gif或*.tif；使用Roberts 算子对图像进行边缘检测处理；Roberts 算子为一对模板，相应的矩阵为：rh = 0 1;-1 0; rv = 1 0;0 -1;这
2、里的rh 为水平Roberts 算子，rv为垂直Roberts 算子。可以显示处理后的水平边界和垂直边界检测结果；用“欧几里德距离”方式计算梯度的模，显示检测结果；对于检测结果进行二值化处理，并显示处理结果。(2)使用Prewitt 算子的图像分割实验使用Prewitt 算子进行内容(1)中的全部步骤。(3)使用Sobel 算子的图像分割实验使用Sobel 算子进行内容(1)中的全部步骤。(4)使用Canny算子进行图像分割实验。(5) 使用拉普拉斯算子进行图像分割实验。I=imread(D:blood.bmp);Imshow(I);BW1=edge(I,roberts);BW2=edge(I
3、,prewitt);BW3=edge(I,sobel);BW4=edge(I,log);BW5=edge(I,canny);figure(1),imshow(I),title(Original Image);figure(2),imshow(BW1),title(roberts);figure(3),imshow(BW2),title(prewitt);figure(4),imshow(BW3),title(sobel);figure(5),imshow(BW4),title(log);figure(6),imshow(BW5),title(canny);2、灰度阀值分割(1)单阈值分割图像先
4、将一幅彩色图像转换为灰度图像，显示其直方图，参考直方图中灰度的分布，尝试确定阈值；应反复调节阈值的大小，直至二值化的效果最为满意为止。给图像加上零均值的高斯噪声（imnoise）重复上述过程，注意阈值的选择。I=imread(D:tupian.bmp);I2=rgb2gray(I);subplot(2,2,1);imshow(I);title(原图);subplot(2,2,2);imshow(I2);title(原图转换为灰度图);subplot(2,2,3);imhist(I2);title(灰度图转换直方图);thread=160/255;I3=im2bw(I2,thread);subp
5、lot(2,2,4);imshow(I3);title(阈值T=160/255分割图);（2）多阈值分割图像观察下列图像，对图1进行多阈值分割，使其分割结果如图2所示。注意阈值的选择。 图1 图2I=imread(D:tupian.bmp);figure(1);subplot(1,2,1);imshow(I);m,n=size(I);for i=1:m for j=1:n if(I(i,j)120) I(i,j)=255; end endendsubplot(1,2,2);imshow(I); 三、实验步骤1、打开计算机，启动MATLAB程序；2、调入数字图像，并进行图像分割处理；3、记录和整
6、理实验报告。四、实验仪器1、计算机；2、 MATLAB等程序；五、实验报告内容1、叙述实验过程；2、提交实验的原始图像和结果图像。六、思考题1 、评价Roberts 算子、Prewitt 算子、Sobel 算子对于噪声条件下边界检测的性能。答： Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。Prewitt算子
7、利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘。对噪声具有平滑作用，定位精度不够高。2、 实验中所使用的四种算子所得到的边界有什么异同？答：算子的存在就是对这种导数分割原理进行的实例化计算，是为了在计算过程中直接使用的一种计算单位。 Roberts算子：边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。 Prewitt算子：
8、对噪声有抑制作用，抑制噪声的原理是通过像素平均，但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子。Sobel算子：Sobel算子和Prewitt算子都是加权平均，但是Sobel算子认为，邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越远，产生的影响越小。 Isotropic Sobel算子：加权平均算子，权值反比于邻点与中心点的距离，当沿不同方向检测边缘时梯度幅度一致，就是通常所说的各向同性。 Laplacian算子：这是二阶微分算子。其具有各向同性，即与坐标轴方向无关，坐标轴旋
9、转后梯度结果不变。但是，其对噪声比较敏感，所以，图像一般先经过平滑处理，因为平滑处理也是用模板进行的，所以，通常的分割算法都是把Laplacian算子和平滑算子结合起来生成一个新的模板。 Laplacian算子一般不以其原始形式用于边缘检测，因为其作为一个二阶导数，Laplacian算子对噪声具有无法接受的敏感性；同时其幅值产生算边缘，这是复杂的分割不希望有的结果；最后Laplacian算子不能检测边缘的方向；所以Laplacian在分割中所起的作用包括：（1）利用它的零交叉性质进行边缘定位；（2）确定一个像素是在一条边缘暗的一面还是亮的一面；一般使用的是高斯型拉普拉斯算子（Laplacian
10、 of a Gaussian,LoG)，由于二阶导数是线性运算，利用LoG卷积一幅图像与首先使用高斯型平滑函数卷积改图像，然后计算所得结果的拉普拉斯是一样的。所以在LoG公式中使用高斯函数的目的就是对图像进行平滑处理，使用Laplacian算子的目的是提供一幅用零交叉确定边缘位置的图像；图像的平滑处理减少了噪声的影响并且它的主要作用还是抵消由Laplacian算子的二阶导数引起的逐渐增加的噪声影响。1.Sobel其主要用于边缘检测，在技术上它是以离散型的差分算子，用来运算图像亮度函数的梯度的近似值，缺点是Sobel算子并没有将图像的主题与背景严格地区分开来，换言之就是Sobel算子并没有基于图
11、像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意，算法具体实现很简单，就是3*3的两个不同方向上的模板运算，这里不再写出。2.Robert算子根据任一相互垂直方向上的差分都用来估计梯度，Robert算子采用对角方向相邻像素只差3.Prewitt算子 该算子与Sobel算子类似，只是权值有所变化，但两者实现起来功能还是有差距的，据经验得知Sobel要比Prewitt更能准确检测图像边缘。4.Laplacian算子 拉普拉斯算子是一种二阶微分算子，若只考虑边缘点的位置而不考虑周围的灰度差时可用该算子进行检测。对于阶跃状边缘，其二阶导数在边缘点出现零交叉，并且边缘点两旁的像素的二阶导数异号。5.Canny算子该算子功能比前面几种都要好，但是它实现起来较为麻烦，Canny算子是一个具有滤波，增强，检测的多阶段的优化算子，在进行处理前，Canny算子先利用高斯平滑滤波器来平滑图像以除去噪声，Canny分割算法采用一阶偏导的有限差分来计算梯度幅值和方向，在处理过程中，Canny算子还将经过一个非极大值抑制的过程，最后Canny算子还采用两个阈值来连接边缘。
