数字图像处理 实验5、6.ppt

数字图像处理 实验5、6 第四章 图像分析 4.1阈值分割 阈值分割法是一种基于区域的图像分割技术，从本质上说是通过阈值将各像素进行分类的过程。常用的阈值分割有很多种，分为人工选择法和自动阈值分割法，其中，自动阈值分割法又分为迭代式阈值分割、最大累间方差阈值分割和最小误差阈值分割等。 第四章 图像分析 4.1阈值分割 4.1.1直方图双峰法阈值分割图像 第四章 图像分析 4.1阈值分割 4.1.2迭代式阈值分割 第四章 图像分析 4.1阈值分割 4.1.3最大累间方差阈值分割 阈值=graythresh(I) 第四章 图像分析 4.2区域分割及应用 阈值分割可以认为是将图像由大到小（即从上到下）进行拆分开，而区域分割则相当于由小到大（从下到上）对像素进行合并。如果将上述两种方法结合起来对图像进行划分，就是分裂-合并算法。区域生长法、分裂-合并法是区域图像分割的重要方法。 4.2.1区域生长法 区域生长也称为区域增长，基本思想是将具有相似性质的像素集合起来构成一个区域，实质是将具有“相似”性质的像素元连接成区域。 3个步骤：（1）确定选择一组能正确代表所需区域的起始点种子像素。 （2）确定在生长过程中将相邻像素包括进来的（相似性叛别生长）准则，这个相似性准则可以是灰度级、彩色值、结构、梯度或其他特征。相似性的测度可以由所确定的阈值来判定。 （3）确定区域生长过程停止的条件或规则。 第四章 图像分析 4.3边缘提取及应用 4.3.1边缘检测算子——一阶微分算子（sobel、prewitt、roberts） 第四章 图像分析 4.3.1边缘检测算子——二阶微分算子（LOG、Canny） 第四章 图像分析 4.4.1周长 第四章 图像分析 4.4.2面积 第四章 图像分析 4.4.3均值、方差和标准差 第四章 图像分析 4.5纹理特征分析及应用 构成纹理特征的两个要素：纹理基元和纹理基元的排列组合。 纹理特征提取指的是通过一定的图像处理技术抽取出纹理特征，从而获得纹理的定量或定性描述的处理过程。因此，纹理特征提取应包括两方面的内容：检测出纹理基元和获得有关纹理基元排列分布方式的信息。 纹理分析函数： rangefilt stdfilt entropyfilt 这些函数使用标准的统计量对图像进行滤波，它们提供了图像中局部区域像素值的变化特性，当图像较为光滑时，局部像素值变化范围很小，当图像较为粗糙时，局部像素值变化范围就会较大。 第四章 图像分析 4.5.1 rangefilt函数计算图像的局部最大差值 J=rangefilt(I) J=rangefilt(I,Nhood) I为输入图像，Nhood是一个多维矩阵，滤波操作的邻域范围主要由非零元素规定；J是返回的与I同样大小的矩阵。 第四章 图像分析 4.5.2 stdfilt和entropyfilt函数分别计算局部标准差和局部熵 调用方法：J=stdfilt(I) J=stdfilt(I,Nhood) J=entropyfilt(I) J=entropyfilt(I,Nhood) 第四章 图像分析 4.5.3灰度共生矩阵 （1）角二阶矩：是图像灰度分布均匀性的度量。当灰度共生矩阵中的元素分布较集中于主对角线时，说明从局部区域观察图像的灰度分布是较均匀的。从图像整体来观察，纹理较粗，角二阶矩值较大，反过来，值较小。 （2）对比度：可以理解为图像的清晰度，即纹理清晰程度。在图像中，纹理的沟纹越深，则对比度越大，视觉效果越清晰。 （3）相关：衡量灰度共生矩阵的元素在行方向或列方向的相似程度。例如，某图像具有水平方向的纹理，则图像在0度的灰度共生矩阵的相关值就大于45度、90度、135度的灰度共生矩阵的相关值。 （4）熵：图像具有的信息量的度量，纹理信息也属于图像的信息。 以上四个统计参数为应用灰度共生矩阵进行纹理分析的主要参数，可以组合起来成为纹理分析的特征参数使用。 glc=graycomatrix(I) glc=graycomatrix(I,param1,val1,param2,val2) 其中，I是输入图像；param1等4个参数是可选参数，glc为返回的灰度共生矩阵。 stats=graycoprops(glc,properties) 其中，glc是输入的灰度共生矩阵；properties是需要计算的统计量，分别为contrast\correl