图像的阈值分割及边缘检测技术.docVIP

数字图像处理实验报告 题目：图像的阈值分割及边缘检测技术 班级： 姓名： 学号： 图像的阈值分割及边缘检测技术 实验目的 1、了解图像的分割技术，掌握图像的全局阈值分割技术并通过MATLAB实现； 2、了解图像的边缘检测，掌握梯度算子图像边缘检测方法。 实验内容 基于直方图的全局阈值图像分割方法； Edge命令（roberts,perwitt,sobel,log,canny），实现边缘检测。 实验原理 全局阈值是最简单的图像分割方法。其中，直方图法的原理如下：想做出图像的直方图，若其直方图呈双峰且有明显的谷底，则可以讲谷底点所对应的灰度值作为阈值T，然后根据该阈值进行分割，九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。这三种检测算子中，Roberts算子定位精度较高，但也易丢失部分边缘，抗噪声能力差，适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理，因此具有一定的抑制噪声的能力，但不能排除检测结果中的虚假边缘，易出现多像素宽度。 实验步骤 全局阈值分割： 读取一张图像； 生成该图像的直方图； 根据直方图双峰产生的低谷估计阈值T； 依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于阈值，则将该像素改为0； 实验代码如下： I=imread(cameraman.tif); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于阈值，则将该像素改为0 for j=1:n if I(i,j)=T I(i,j)=255; else I(i,j)=0; end end end subplot(223);imshow(I); %显示全局阈值分割后的图像 图像的边缘检测 读取一张图像； 分别使用roberts算子检测、Prewitt算子检测、sobel算子检测、log算子检测、canny算子检测对图像进行处理 输出实验结果图像 实验代码如下： I=imread(cameraman.tif); %读取一张图像 subplot(231);imshow(I);title(原图像); BW1=edge(I,roberts); %进行Roberts算子边缘检测，门限值采用MATLAB默认值 BW2=edge(I,prewitt); %进行prewitt算子边缘检测，门限值采用MATLAB默认值 BW3=edge(I,sobel); %进行sobel算子边缘检测，门限值采用MATLAB默认值 BW4=edge(I,log); %进行log算子边缘检测，门限值采用MATLAB默认值 BW5=edge(I,canny); %进行canny算子边缘检测，门限值采用MATLAB默认值 subplot(232);imshow(BW1,[]);title(进行Roberts算子边缘检测); subplot(233);imshow(BW2,[]);title(进行prewitt算子边缘检测); subplot(234);imshow(BW3,[]);title(进行spnel算子边缘检测’); subplot(235);imshow(BW4,[]);title(进行log算子边缘检测); subplot(236);imshow(BW5,[]);title(进行canny算子边缘检测); 实验结果 图像全局阈值分割 源图像 直方图 全局阈值分割后的图像 图像的边缘检测 实验心得 通过本次实验，我学习到利用MATLAB进行图像的全局阈值分割，其方法是通过图像的直方图估计出阈值再进行分割。图像的阈值分割技术属于一类并行区域分割算法，若图像中目标和背景具有明显不同的灰度集合，且