实验2 图像分割实2 图像分割.doc

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,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); subplot(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2 I=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 end end subplot(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算子利用像素点上下、左右邻点灰度差，在边缘处达到极值