数字图像处理实验3v2.docVIP

任课教师：马文娟 《数字图像分析与艺术化处理》 （2012-2013学年第2学期） 实 验 报 告 学号：2011329700132 姓名： 班级：数字媒体与技术11(1) 实验三 图像分割实验 实验项目名称：图像分割实验 实验项目性质：设计性实验 所属课程名称：数字图像分析与艺术化处理 实验计划学时：2 实验目的 进一步理解图像的阈值分割方法和边缘检测方法的原理。 掌握图像基本全局阈值方法的原理并编程实现。 掌握梯度法检测边缘的原理并编程实现。 实验内容和要求 在实验一的工程中实现图像二值化和梯度法检测边缘。 实验主要仪器设备和材料 计算机，VS2012 实验原理 1、图像的二值化的基本原理 图像的二值化处理就是图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。 thr表示选取的阈值。二值化的过程就是当原图的像素灰度值大于阈值就将其变白，否则就将其变黑。即将256个亮度等级的灰度图像通过适当的阀值占有非常重要的地位，特别是在实用的图像处理中 如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用选取技术来分割该图像。动态调节实现图像的二值化可动态观察其分割图像的具体结果。 根据对全图使用统一阈值还是对不同区域使用不同阈值，可以分为全局阈值方法(global thresholding)和局部阈值方法(local thresholding，也叫做自适应阈值方法adaptive thresholding)；这种与坐标相关的阈值也叫动态阈值 本实验采用基本全局阈值方法，即在整个图像中所有的象素点，其阈值thr相同，具体步骤为： （1）选取一个初始估计值T； （2）用T分割图像。这样便会生成两组像素集合：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 （3）对G1和G2中所有像素计算平均灰度值u1和u2。 （4）计算新的阈值：T=(u1 + u2)/2。 （5）重复步骤（2）到（4），直到得到的T值之差小于一个事先定义的参数T0。 2、梯度法边缘检测 物体的边缘以局部特征不连续性出现，也就是图像局部亮度变化最显著的部分，如，灰度，颜色，纹理结构的突变。物体边缘是区分不同区域的分界处。与边缘锐化类似，常常采用一阶或二阶微分算子实现边缘检测。一阶微分是通过梯度法来实现的。对于图像f(i,j)，它在点(i,j)处的梯度是一个矢量，定义为： 利用差分法近似上述公式，得到： 为了便于编程和提高运算，可进一步简化为： 利用差分运算时，图像的第一行和第一列的像素的梯度无法求得，一般用后一行或后一列的梯度值近似代替。微分运算可以增强图像高频分量（边缘等细节），为了检测到清晰的边缘，需设定阈值对运算结果进行处理。公式为： 实验设计步骤 2、图像的阈值分割 步骤一、打开实验一建立的工程空间。 步骤二、按照实验一介绍的方法建立在“图像操作”菜单栏中新建菜单项“二值化（阈值分割）”。 步骤三、按照实验一介绍的方法建立菜单项“二值化”的响应函数OnBinary（）。 步骤四、打开响应函数OnBinary（），添加代码。 步骤五、点击（！），编译运行，打开一幅24位或8位bmp图，然后再单击“二值化”，观察效果。 2、梯度法检测边缘 步骤一、按照实验一中的方法在“图像操作”菜单栏中新建“边缘检测（梯度法）”菜单项。 步骤二、添加“边缘检测”的响应函数。 步骤三、在响应函数中添加实现图像检测的功能代码。 获得原图像的首地址及图像的高和宽； 开辟一块内存缓冲区，并初始化为255； 计算图像的像素的梯度，将结果保存在内存缓冲区； 比较像素的梯度是否大于30（阈值可以调整），是则将像素值置为255，否则，将像素值置为0； 将内存中的数据复制到图像数据区。 步骤四、调试运行。 实验代码 void CDIB::ErZhiHua() { int nw = this-GetDIBWidth(); int nh = this-GetDIBHeight(); int i,j; // 定义阈值并赋值为100； int thr=100; if(this-GetNumberOfColors() == 8) { for(j = 0; j nh; j++) for(i = 0; i nw; i++) { if(this-m_pDIBData[j * nw + i] thr) this-m_pDIBData[j * nw + i] = 255; else this-m_pDIBData[j * nw