实验三 图像割与边缘检测.docVIP

数字图像处理实验报告 学生姓名 王真颖 学生学号 L0902150101 指导教师 梁毅雄 专业班级 计算机科学与技术1501 完成日期 2017年11月06日 计算机科学与技术系 信息科学与工程学院 目 录 实验一 1 一、实验目的 1 二、实验基本原理 1 三、实验内容与要求 1 四、实验结果与分析 1 实验总结 2 参考资料 3 实验一 图像分割与边缘检测 一．实验目的 1. 理解图像分割的基本概念； 2. 理解图像边缘提取的基本概念； 3. 掌握进行边缘提取的基本方法； 4. 掌握用阈值法进行图像分割的基本方法。 实验基本原理 ●图象边缘检测图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置 导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。 一阶导数与是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向α上的灰度变化率可以用相应公式进行计算;对于数字图像，应该采用差分运算代替求导。 一幅数字图像的一阶导数是基于各种二维梯度的近似值。图像f(x,y)在位置(x,y)的梯度定义为下列向量： (3-4) 在边缘检测中，一般用这个向量的大小，用表示 (3-5) 函数f在某点的方向导数取得最大值的方向是，方向导数的最大值是称为梯度模。利用梯度模算子来检测边缘是一种很好的方法，它不仅具有位移不变性，还具有各向同性。为了运算简便，实际中采用梯度模的近似形式。 或者 传统的边缘检测算法通过梯度算子来实现在求边缘的梯度时，需要对每个象素位置计算。在实际中常用小区域模板卷积来近似计算，梯度算子滤波算子的形式模板是N*N的权值方阵，经典的梯度算子模板：Sobel模板、Prewitt模板、Roberts模板、Laplacian模板等模板 (a)原图 (b)边缘检测后的图 (c) 阈值处理后的图 图3-1 检测具有-45度边缘的图例 ●图象 先给出原图的直方图，再定出阈值(门限)T，一般取两个峰值间的谷值。 2.P参数法 这种方法用于目标所占图像面积已知的情况。设目标在最简单图像f(i , j) 中所占的面积s0与图像面积s之比为P = s0/ s，则背景所占面积比为1-P = (s - s0) / s。一般来说，低灰度值为背景，高灰度值为目标。如果统计图像f(i , j)灰度值不大于某一灰度t的像元数和图像总像元数之比为1-p时，则以t为阈值。 3．自适应全局阈值（单阈值） 算法步骤如下： 初始化阈值T (一般为原图像所有像素平均值)。 用T分割图像成两个集合：G1 和G2，其中G1包含所有灰度值小于T的像素，G2包含所有灰度值大于T的像素。 计算G1中像素的平均值m1及G2中像素的平均值m2。 计算新的阈值：T ＝ （m1＋m2）/2 。 如果新阈值跟原阈值之间的差值小于一个预先设定的范围，停止循环，否则继续2－4步。 全局单阈值分割只适用于很少的图像。对一般图像采用局部阈值法或多阈值法会得到更好的效果 4. 最大类间方差法 (OTSU) 设有M-1个阈值：0≤k1＜k2＜…＜KM-1≤L-1。将图像分割成M个灰度值的类Cj， （Cj∈［kj-1+1, …, kj］；j=1, 2, …, M ; k0=0, kM=L），则各类Cj的发生概率ωj和平均值μj为 (3-1) (3-2) 式中, ω(0)=0，μ(0)=0。 由此可得各类的类间方差为 (3-3) 将使上式的σ2值为最大的阈值组(k1, k2， …, kM－1)， 作为M值化的最佳阈值组。若取M为2，即分割成2类，则可用上述方法求出二值化的阈值。 实验内容与要求 1.分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测。比较三种算子处理的不同之处； 2.设计一个检测图3-2中边缘的程序，要求结果类似图3-3，并附原理说明。 3．任选一种阈值法进行图像分割. 4．检测出3.3图像的线条，要求完成的结果为二值图像； 四．实验结果与分析 1.分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测。比较三种算子处理的不同之处； 代码： I=imread(eight.tif); imshow(I) BW1=edge(I,rober