实验 matlab分水岭通信.doc

实验目的 通过实验掌握最常用的空间分割算法。 验证所学过的知识。 实验原理 分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。afm=imread(E:\1.jpg); I1=im2double(afm); %将彩图序列变成双精度 I2=rgb2gray(I1); %将彩色图变成灰色图 figure, se=strel(disk,15); Itop=imtophat(I2,se); Ibot=imbothat(I2,se); Ienhance=imsubtract(imadd(Itop,I2),Ibot); Iec=imcomplement(Ienhance); Iemin=imextendedmin(Iec,0.25); Iimpose=imimposemin(Iec,Iemin); wat=watershed(Iimpose); rgb=label2rgb(wat); rgb=rgb2gray(rgb); subplot(331);imshow(afm),title(原图); subplot(332);imshow(I2),title(灰色图); subplot(334);imshow(Itop,[]),title(top—hat image); subplot(333);imshow(Ibot,[]),title(bottom—hat image); subplot(335);imshow(Ienhance),title(original+top+bottom-hat); subplot(336);imshow(Iec),title(Iec图); subplot(337);imshow(Iemin),title(temin图); subplot(338);imshow(wat),title(分水岭); subplot(339);imshow(rgb),title(rgb分水岭); figure,imshow(wat); 实验内容 显示源图像。 用分水岭分割算法对图像进行分割。 显示分割后的图像。 讨论分水岭算法的优缺点。 分水岭变换由于它以下优点被用在图像处理的许多领域：直观，快速并且可以并行计算，总是产生完整的边界，这样就避免了边界连接的后处理。而且不少研究人员把分水岭嵌入到多尺度框架中。然而，分水岭算法还是有一些致命的缺点，下面列出了最重要的几点。 过度分割。由于大部分图像的梯度图都有许许多多的局部最小，所以分水岭变换的结果是无数的小区域边界，这样的结果毫无意义。通常的解决办法是使用标记的图片来减少局部最小的数量，即使用带标记的分水岭变换。 对噪声的敏感。局部的一些改变会引起分割结果的明显改变，强烈的噪声有时候使得分水岭变换无法找出真正的边界。其中的一个解决办法是使用各项异性的滤波器。 难以准确检测出低对比度的边界。由于对比度低所以使得信噪比高。所以由于前一个原因，对这种图片分水岭变换仍然无法很好的工作。 实验结果