图像处理与识别-12复习课程实例.pptVIP

Email：fengjun7171@ :8821/ User: Student.feng 2010. 12 图像处理与识别 Digital Image Processing Recognition 主讲人： 封筠 石家庄铁道大学信息学院 实验四：边缘检测与图像识别 实验目的 （1）了解图像分割的常用方法，熟悉掌握经典的边缘检测技术 ； （2）理解图像识别的实现流程，针对手写数字图像，实现一种简单特征提取方法； （3）验证实现两种经典分类方法（即贝叶斯分类、近邻分类），并针对所给出的手写数字样本，比较分析识别性能 ； （4）进一步熟悉Matlab语言及图像处理工具箱IPT。 实验类型：设计性 实验四：边缘检测与图像识别 实验内容 （1）图像边缘检测 a. Roberts算子 b. Sobel算子 c. Prewitt算子 d. LOG算子 e. Canny算子 实验四：边缘检测与图像识别 实验内容 （2）手写数字识别 a.简单手写数字特征提取 b.基于最小错误率的贝叶斯分类 c. 近邻分类 实验四：边缘检测与图像识别 实验步骤 图像边缘检测 对man.bmp(或cell.bmp)图像利用常用的梯度算子与二阶微分算子检测边缘，比较不同算子优缺点。 edge函数的一般语法： [g,t]=edge(image,method,threshold,direction) 其中image为输入图像，method为采用的方法类型；threshold为阈值，如果给定阈值，则t= threshold，否则由edge函数自动计算出来并把其值返回给t，direction为所寻找边缘的方向，其值为horizontal，vertical，both，默认为both ，g为返回的二值图像。 实验四：边缘检测与图像识别 实验步骤 man.bmp cell.bmp 实验四：边缘检测与图像识别 Matlab程序： f=imread(man.bmp); subplot(2,3,1);imshow(f);title(原始图像); [g,t]=edge(f,roberts,[],both) subplot(2,3,2);imshow(g);title(Roberts算子分割结果); [g,t]=edge(f,sobel,[],both) subplot(2,3,3);imshow(g);title(Sobel算子分割结果); [g,t]=edge(f,prewitt,[],both) subplot(2,3,4);imshow(g);title(Prewitt算子分割结果); [g,t]=edge(f,log) subplot(2,3,5);imshow(g);title(LOG算子分割结果); [g,t]=edge(f,canny) subplot(2,3,6);imshow(g);title(Canny算子分割结果); 实验步骤 实验四：边缘检测与图像识别 实验步骤 简单手写数字特征提取 在每个数字图形上定义一个N×N模板，将每个样本的长度和宽度N等分，平均有N×N个等分，对每一份内的像素个数进行统计，除以每一份的面积总数，即得特征初值。可以根据需要进行修改，N值越大，模板也越大，特征越多，区分不同的物体能力越强，但计算量增加，运行等候的时间增长，所需要的样本库也成倍增加，一般样本库的个数为特征数的5~10倍，这里特征总数为5×5=25，每一种数字就需要至少125个标准样本，10个数字需要1250个标准样本。如果值过小，不利于不同物体间的区别。 实验四：边缘检测与图像识别 实验步骤 基于最小错误率的贝叶斯分类实现 实验四：边缘检测与图像识别 实验步骤 实验四：边缘检测与图像识别 实验步骤 编程代码： 调用函数为：bayesleasterror.m 命令行 class=bayesleasterror (pattern(1).feature(:,1)); fprintf(手写数字被识别为 : %d\n,class); 说明：函数调用时，可对由绘图工具采集的手写数字测试样本进行识别，统计其识别率。 实验四：边缘检测与图像识别 实验步骤 近邻分类实现 ① 待测样本X与训练集里每个样本Xi 的距离为 ② 循环计算待测样本和训练集中各已知样本之间的距离，找出距离待测样本最近的已知样本，该已知样本的类别就是待测样本的类别。 （1）最近邻分类步骤： 实