实验6 图像的分割

实验六图像分割

一、实验目的

1)理解和掌握图像分割的基本理论和算法；

2)掌握用阈值法进行图像分割的基本方法；

3)掌握基于区域分割的图像分割方法。

二、实验环境与设备

1.计算机；

2.VC++程序；

三、实验内容

打开计算机，启动VisualC++程序建立工程，工程文件夹中应有待处理的图像文件；编程实现基于区域的图像分割，并与普通的阈值分割图像作比较；记录和整理实验报告。

四、实验原理与步骤

1.连通定义

在数字图像中，一个像素在空间上可能非常接近其它一些像素。在用网格表示的数字图像中，一个像素与其它四个像素有公共边界，并与另外四个像素共享顶角。如果两个像素有公共边界，则称它们互为4邻点(4-neighbors)。同样，如果两个像素至少共享一个顶点，则称它们互为8邻点，如图1所示：

2. 连通成分标记

在一幅图像中找出连通成分是数字图像中最常见的运算之一。连通区域内的点构成表示物体的候选区域。机器视觉中的大多数物体都有表面，显然，物体表面点投影到图像平面上会形成空间上密集的点集。这里应该指出，连通成分算法常常会在二值视觉系统中形成瓶颈效应，原因是连通成分运算是一个全局性的运算，这种算法在本质上是连贯的。如果图像中仅有一个物体，那么找连通成分就没有必要；如果图像中有许多物体，且需要求出物体的特性与位置，则必须确定连通成分。

连通标记算法可以找到图像中的所有连通成分，并对同一连通成分中的所有点分配同一标记。图2表示的是一幅图像和已标记的连通成分。

3. 递归算法 算法步骤如下：

① 扫描图像，找到没有标记的1点，给它分配一个新的标记L ； ② 递归分配标记L 给1点的邻点； ③ 如果不存在没标记的点，则停止； ④ 返回第①步。 4. 区域分裂算法

如果区域的某些特性不是恒定的，则区域应该分裂。基于分裂方法的图像分割过程是从最大的区域开始，在许多情况下，常把整个图像作为起始分裂的图像。 算法步骤如下：

① 形成初始区域；

②对图像的每一个区域，连续执行下面两步：

·计算区域灰度值方差；

·如果方差值大于某一阈值，则沿着某一适合的边界分裂区域。

5. 区域增长算法

在许多图像中，单个区域内的灰度值不是完全恒定的，因此需要更复杂的算法来进行图像分割。其中最好的算法是那些基于如下假设的算法，即图像可以划分成区域，而区域可以用简单函数模型化。

可由分割问题导出如下算法：寻找初始区域核，并从区域核开始，逐渐增长核区域，形成满足一定约束的较大的区域。

算法步骤如下：

①把图像划分成初始区域核；

②用平面模型拟合每一个区域核；

③对每一个区域，通过区域模型向邻接区域外插，求取与该区域兼容的所有点；

④如果没有兼容点，则增加模型阶数。如果模型阶数大于最大的模型阶数，停止区域

增长；否则，回到第③步，继续区域增长；

⑤形成新的区域，重新用相同阶数的模型能够拟合新区域，计算拟合最佳度；

⑥计算区域模型的新老拟合最佳度之差；

⑦如果新老拟合最佳度之差小于某一给定阈值，回到第三步，继续区域增长；

⑧增加模型阶数，如果模型阶数大于最大的模型阶数，停止区域增长；

用新的模型阶数再拟合区域模型。入伙拟合误差增加，接收新的模型阶数，回到第③步，继续区域增长，否则，停止区域增长。

五、实验报告内容

1. 叙述实验过程

2. 用数据和图片给出对应的实验结果，并进行必要的讨论。

六、思考题

1. 图像预处理的作用是什么？

2. 基于区域的图像分割结果与通常的阈值分割结果有什么区别？

实验六-图像分割教学文稿

实验六-图像分割

信息工程学院实验报告 课程名称：数字图像处理 实验项目名称：实验六图像分割实验时间：2016.12.16 班级：姓名：学号： 一、实验目的 1. 使用MatLab 软件进行图像的分割。使学生通过实验体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响。 2. 要求学生能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能。能够掌握分割条件(阈值等)的选择。完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。 二、实验内容与步骤 1.边缘检测 (1)使用Roberts 算子的图像分割实验 调入并显示图像room.tif图像；使用Roberts 算子对图像进行边缘检测处理； Roberts 算子为一对模板： （a）450方向模板（b）1350方向模板 图 1 matlab 2010的Roberts算子模板 相应的矩阵为：rh = [0 1；-1 0]； rv = [1 0；0 -1]；这里的rh 为45度Roberts 算子，rv 为135度Roberts 算子。分别显示处理后的45度方向和135方向的边界检测结果；用“欧几里德距离”和“街区距离”方式计算梯度的模，并显示检测结果；对于检测结果进行二值化处理，并显示处理结果。 提示：先做检测结果的直方图，参考直方图中灰度的分布尝试确定阈值；应反复调节阈值的大小，直至二值化的效果最为满意为止。 (2)使用Prewitt 算子的图像分割实验

（a）水平模型（b）垂直模板 图2. Prewitt算子模板 使用Prewitt 算子进行内容(1)中的全部步骤。 (3)使用Sobel 算子的图像分割实验 使用Sobel （a）水平模型（b）垂直模板 图3. Sobel算子模板 (4)使用LoG (拉普拉斯-高斯)算子的图像分割实验 使用LoG (拉普拉斯-高斯)算子进行内容(1)中的全部步骤。提示1：处理后可以直接显示处理结果，无须另外计算梯度的模。提示2：注意调节噪声的强度以及LoG (拉普拉斯-高斯)算子的参数，观察处理结果。 (5) 打印全部结果并进行讨论。 下面是使用sobel算子对图像进行分割的MATLAB程序 f=imread('room.tif'); [gv,t1]=edge(f,'sobel','vertical');%使用edge函数对图像f提取垂直边缘 imshow(gv) [gb,t2]=edge(f,'sobel','horizontal');%使用edge函数对图像f提取水平边缘 figure,imshow(gb) w45=[-2 -1 0;-1 0 1;0 1 2];%指定模版使用imfilter计算45度方向的边缘 g45=imfilter(double(f),w45,'replicate'); T=0.3*max(abs(g45(:))); %设定阈值 g45=g45>=T; %进行阈值处理 figure,imshow(g45); 在函数中使用'prewitt'和'roberts'的过程，类似于使用sobel边缘检测器的过程。

实验2 图像分割

实验二、图像分割 一、实验目的 1、使学生通过实验体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响； 2、使用MatLab 软件进行图像的分割； 3、能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能； 4、能够掌握分割条件(阈值等)的选择； 5、完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。 二、实验原理 1、边缘检测 (1)使用Roberts 算子的图像分割实验，调入并显示一幅图像*.gif或*.tif；使用Roberts 算子对图像进行边缘检测处理；Roberts 算子为一对模板，相应的矩阵为： rh = [0 1;-1 0]; rv = [1 0;0 -1]; 这里的rh 为水平Roberts 算子，rv为垂直Roberts 算子。可以显示处理后的水平边界和垂直边界检测结果；用“欧几里德距离”方式计算梯度的模，显示检测结果；对于检测结果进行二值化处理，并显示处理结果。 (2)使用Prewitt 算子的图像分割实验 使用Prewitt 算子进行内容(1)中的全部步骤。 (3)使用Sobel 算子的图像分割实验 使用Sobel 算子进行内容(1)中的全部步骤。 (4)使用Canny算子进行图像分割实验。 (5) 使用拉普拉斯算子进行图像分割实验。 2、灰度阀值分割 (1)单阈值分割图像 先将一幅彩色图像转换为灰度图像，显示其直方图，参考直方图中灰度的分布，尝试确定阈值；应反复调节阈值的大小，直至二值化的效果最为满意为止。 给图像加上零均值的高斯噪声（imnoise）重复上述过程，注意阈值的选择。

（2）多阈值分割图像 观察下列图像，对图1进行多阈值分割，使其分割结果如图2所示。注意阈值的选择。 图1 图2 三、实验步骤 1、打开计算机，启动MATLAB程序； 2、调入数字图像，并进行图像分割处理； 3、记录和整理实验报告。 四、实验仪器 1、计算机； 2、MATLAB等程序； 五、实验报告内容 1、叙述实验过程； 2、提交实验的原始图像和结果图像。 六、思考题 1 、评价Roberts 算子、Prewitt 算子、Sobel 算子对于噪声条件下边界检测的性能。 2、实验中所使用的四种算子所得到的边界有什么异同？ I=imread('blood1.BMP');

实验三 图像分割

实验三图像分割 一、实验目的 1、掌握基于边缘的分割方法：检测图像点边缘，线边缘 2、掌握基于区域的分割方法：阈值分割技术、区域生长技术、分水岭分割方法 3、用MATLAB编写程序实现上述分割方法 二、实验内容 1、点、线和边缘检测 1）点检测方法为g=abs(imfilter(double(f),w))>=T，即将图像f 用8邻域拉普拉斯模板w 进行滤波，得到滤波图像g，将图像g中大于最高灰度值一半的图像显示出来，即得到检测的点。 2）线检测方法为g=abs(imfilter(double(f),w))，即将图像f分别用，水平、垂直、+45度，-45度模板检测。 3）边缘检测方法为使用edge函数，语法BW = edge(I,‘parameter’)，即用edge函数，通过实验选择一种较好的算子检测图像边缘。 要求：给出djc.m，xjc.m，byjc.m三个完整程序，给出原始图像，检测后的图像，合理排列图像，给出合理的图像title。 2、阈值分割 语法：level = graythresh(I) ，自动阈值分割。 要求：给出yzfg.m完整程序，给出原始图像，分割后的图像，合理排列图像，给出合理的图像title。 3、区域生长技术 使用函数regionGrow（见附件1），实现图像分割。 要求：给出程序各行注释；给出原始图像，分割后的图像，合理排列图像，给出合理的图像title。 4、分水岭分割方法 使用附件2代码对图像进行分割。 要求：给出程序各行注释；给出原始图像，分割后的图像，合理排列图像，给出合理的图像title。 三、实验报告内容 1、4个源程序，2个程序注释；分别实现图像分割。 2、试验中涉及的相应的图像，具体见每一项实验的“要求”。打印图像（B5纸），附在试验报告之后。

图像分割 实验报告

实验报告 课程名称医学图像处理 实验名称图像分割 专业班级 姓名 学号 实验日期 实验地点 2015—2016学年度第 2 学期

050100150200250 图1 原图 3 阈值分割后的二值图像分析：手动阈值分割的阈值是取直方图中双峰的谷底的灰度值作为阈值，若有多个双峰谷底，则取第一个作为阈值。本题的阈值取

%例2 迭代阈值分割 f=imread('cameraman.tif'); %读入图像 subplot(1,2,1);imshow(f); %创建一个一行二列的窗口，在第一个窗口显示图像title('原始图像'); %标注标题 f=double(f); %转换位双精度 T=(min(f(:))+max(f(:)))/2; %设定初始阈值 done=false; %定义开关变量，用于控制循环次数 i=0; %迭代，初始值i=0 while~done %while ~done 是循环条件，~ 是“非”的意思，此 处done = 0; 说明是无限循环，循环体里面应该还 有循环退出条件，否则就循环到死了; r1=find(f<=T); %按前次结果对t进行二次分 r2=find(f>T); %按前次结果重新对t进行二次分 Tnew=(mean(f(r1))+mean(f(r2)))/2; %新阈值两个范围内像素平均值和的一半done=abs(Tnew-T)<1; %设定两次阈值的比较，当满足小于1时，停止循环， 1是自己指定的参数 T=Tnew; %把Tnw的值赋给T i=i+1; %执行循坏，每次都加1 end f(r1)=0; %把小于初始阈值的变成黑的 f(r2)=1; %把大于初始阈值的变成白的 subplot(1,2,2); %创建一个一行二列的窗口，在第二个窗口显示图像imshow(f); %显示图像 title('迭代阈值二值化图像'); %标注标题 图4原始图像图5迭代阈值二值化图像 分析：本题是迭代阈值二值化分割，步骤是：1.选定初始阈值，即原图大小取平均；2.用初阈值进行二值分割；3.目标灰度值平均背景都取平均；4.迭代生成阈值，直到两次阈值的灰 度变化不超过1，则稳定；5.输出迭代结果。

第七章 图像分割

第七章图像分割 1.什么是区域？什么是图像分割？ 区域是指相互连通的、有一致属性的像素的集合。 图像分割是指把图像分成互不重叠的区域并提出感兴趣目标的技术。 2.边缘检测的理论依据是什么？有哪些方法？各有什么特点？ 边缘能勾画出目标物体轮廓，使贯彻着一目了然，包含了丰富的信息（如方向、阶跃性质、形状等），是图像识别中抽取的重要属性。 （1）梯度算子。特点：仅计算相邻像素的灰度差，对噪声敏感，无法抑制噪声的影响。 （2）Roberts梯度算子。特点：与梯度算子检测边缘的方法类似，但效果较梯度算子略好。 （3）Prewitt和Sobel算子。特点：不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。 （4）方向算子。特点：边缘检测能力强，且抗噪性能好。 （5）拉拉普拉斯算子。特点：各向同性、线性和位移不变的；对细线和孤立点检测效果好。但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强效果。 （6）马尔算子。特点： （7）Canny边缘检测算子。特点：可以减小检测中的边缘中断，有利于得到较为完整的线段。 （8）沈俊边缘检测方法。特点：用对称的指数函数滤波器进行平滑，并在阶跃边缘，可加白噪声的模型下，按信噪比最大准则，证明了对称的指数函数滤波器是最 佳滤波器。 （9）曲面拟合法。特点：对一些噪声比较严重的图像进行边缘检测可以取得较为满意的结果。 3.拉普拉斯边缘检测算子与拉普拉斯边缘增强算子有何区别？ 拉普拉斯边缘检测算子模板中心是-4，拉普拉斯边缘增强算子模板中心是+5。 4.什么是Hough变换？Hough变换检测直线时，为什么不采用y=kx+b的表达形式？试 述采用Hough变换检测直线的原理。 直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换就是Hough变换。在直角坐标系中过任一点（x0，y0）的直线系，满足 其中而这些直线 在极坐标系中所对应的点（ρ、θ）构成一条正弦曲线。反之在极坐标系中位于这条正弦曲线上的点，对应直角坐标系中过点（x0，y0）的一条直线，设平面上有若干点，过每点的直线分别对应于极坐标系上的一条正弦曲线。若这些正弦曲线有共同的交点（ρ‘、θ’），则 这些点共线，且对应的直线方程为 5.常用的三种最简单图像分割法各有何特点？

北航数字图象处理实验报告

数字图像处理实验报告 实验二图像变换实验 1．实验目的 学会对图像进行傅立叶等变换，在频谱上对图像进行分析，增进对图像频域上的感性认识，并用图像变换进行压缩。 2．实验内容 对Lena或cameraman图像进行傅立叶、离散余弦、哈达玛变换。在频域，对比他们的变换后系数矩阵的频谱情况，进一步，通过逆变换观察不同变换下的图像重建质量情况。 3. 实验要求 实验采用获取的图像，为灰度图像，该图像每象素由8比特表示。具体要求如下： （1）输入图像采用实验1所获取的图像（Lena、Cameraman）； （2）对图像进行傅立叶变换、获得变换后的系数矩阵； （3）将傅立叶变换后系数矩阵的频谱用图像输出，观察频谱； （4）通过设定门限，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换，获得逆变换后图像； （5）观察逆变换后图像质量，并比较原始图像与逆变后的峰值信噪比（PSNR）。 （6）对输入图像进行离散余弦、哈达玛变换，重复步骤1-5； （7）比较三种变换的频谱情况、以及逆变换后图像的质量（PSNR）。 4. 实验结果 1. DFT的源程序及结果 J=imread('10021033.bmp'); P=fft2(J); for i=0:size(P,1)-1 for j=1:size(P,2) G(i*size(P,2)+j)=P(i+1,j); end end Q=sort(G); for i=1:size(Q,2) if (i=size(Q,2)*0.95) t=Q(i); end end G(abs(G)

完整word版数字图像处理实验报告6

数字图像处理与分析 实 验 报 告 学院： 班级： 姓名： 学号：

实验六细胞图像的分割与测量 一、实验目的 1. 通过分析细胞图像特点，完成细胞图像的分割和测量，并分析测量结果。 2. 将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。 二、实验要求 1. 对比中值、均值和形态学开闭运算对细胞图像的滤波效果，选择适用于细胞图像的滤波方法 2. 运用大津阈值对细胞图像分割，观察分割后噪声情况，观察目标边缘处的分割效果；（使用函数：im2bw） 3. 实现连通区域的编号；（使用函数：bwlabel） 4. 计算各连通区域的相关信息，如面积、重心等。（使用函数：regionprops ） 三、实验步骤 预处理去噪大津阈值分割目标编号标记测量各个细胞的面积等参数输出测量结果 、预处理去噪1 ); x=imread( \CHEN2-7.BMP'桌面Settings\Administrator\'C:\Documents and y=medfilt2(rgb2gray(h)); subplot(2,2,1) imshow(x) ); title(''原图像subplot(2,2,2) imshow(y) ); title('中值滤波处理' I=fspecial() 'average'z=imfilter(rgb2gray(x),I); subplot(2,3,4) imshow(z) title(); ''均值滤波处理se = strel(,5,5); 'ball'm = imopen(rgb2gray(x),se); subplot(2,3,5) imshow(m) title(); '形态学开运算处理'se = strel(,5,5); 'ball'n = imclose(rgb2gray(x),se);

实验 四 图像分割与边缘检测

实验四图像分割与边缘检测 一．实验目的及要求 1．利用MATLAB研究图像分割与边缘检测的常用算法原理； 2．掌握MATLAB图像域值分割与边缘检测函数的使用方法； 3．了解边缘检测的算法和用途，比较Sobel、Prewitt、Canny等算子边缘检测的差异。 二、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。 1．图像阈值分割 clear all, close all; I = imread('cameraman.tif'); figure (1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1 = im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; clear all, close all; I = imread('cameraman.tif'); figure (1),imshow(I) figure(2); imhist(I)

T=240/255; Ibw1 = im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; clear all, close all; I = imread('cameraman.tif'); figure (1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1 = im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; 2．边缘检测 clear all, close all;

图像分割实验报告汇总

图像分割实验报告 一、实验目的 1. 掌握图像分割的基本思想，了解其分割技术及其计算策略； 2. 学会从图像处理到分析的关键步骤，掌握图像分割过程； 3. 了解图像分割的意义，进一步加深对图像分析和理解； 4. 掌握基本分割方法：迭代分割和OTSU图像分割，并编程实现。 二、实验原理 （一）迭代阈值分割选取的基本思路是:首先根据图像中物体的灰度分布情况，选取一个近似阈值作为初始阈值，一个较好的方法就是将图像的灰度均值作为初始阈值，然后通过分割图像和修改阈值的迭代过程获得认可的最佳阈值。迭代式阈值选取过程可描述如下： 1. 计算初始化阈值g0=(g max+g min) ； 2 2. 根据g0，将图像分为两部分，分别计算灰度值期望，取其平均值为g1； 3. 如此反复迭代，当|g n-g n?1|足够小时，停止迭代，取T=g n即为最终阈值。 （二）OTSU图像分割（最大类间方差法）是一种自适应的阈值确定的方法，是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别

越大, 当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。以最佳门限将图像灰度直方图分割成两部分，使两部分类间方差取最大值，即分离性最大。OTSU阈值选取过程可描述如下： 1.记T为目标与背景的分割阈值，目标点数占图像比例为w1，平均灰度为u1；背景点数占图像比例为w2，平均灰度为u1； 2.图像的总平均灰度为：u=w1*u1+w2*u2； 3.目标和背景图象的方差：g=w1*(u1-u)*(u1-u)+w1*(u2-u)*(u2-u)=w1*w2*(u1-u2)*(u1-u2)； 4.当方差g最大时，可以认为此时前景和背景差异最大，此时的灰度T是最佳阈值。 二、实验内容 1. 利用C++编程实现迭代阈值图像分割算法； 2. 利用C++编程实现OTSU动态阈值图像分割算法。 三、实验框图

实验三图像分割与边缘检测

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.................................................................................................. 错误!未定义书签。 一、实验目的.................................................................................................... 错误!未定义书签。 二、实验基本原理 ........................................................................................... 错误!未定义书签。 三、实验内容与要求....................................................................................... 错误!未定义书签。 四、实验结果与分析....................................................................................... 错误!未定义书签。实验总结............................................................................................... 错误!未定义书签。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；

数字图像处理实验报告——图像分割实验

数字图像处理实验报告——图像分割实验课程名称数字图像处理导论专业班级 _______________ 姓名 _______________ 学号 _______________ 电气与信息学院 和谐勤奋求是创新 实验题目图像分割实验 DSP室&信号室实验室实验时间实验类别设计同组人数 2 成绩指导教师签字: 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。 二(实验内容 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1中边缘的程序，要求结果类似图2，并附原理说明。 3. 任选一种阈值法进行图像分割. 图1 图2

三(实验具体实现 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; I=imread('mri.tif'); imshow(I) BW1=edge(I,'roberts'); figure ,imshow(BW1),title('用Roberts算子') BW2=edge(I,'sobel'); figure,imshow(BW2),title('用Sobel算子 ') BW3=edge(I,'log'); figure,imshow(BW3),title('用拉普拉斯高斯算子') 1

比较提取边缘的效果可以看出，sober算子是一种微分算子，对边缘的定位较精确，但是会漏去一些边缘细节。而Laplacian-Gaussian算子是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘的细节比较丰富。通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整，效果更好。 2. 设计一个检测图1中边缘的程序，要求结果类似图2，并附原理说明。 i=imread('m83.tif');

图像处理边缘提取与分割实验报告附源码

边缘提取与图像分割 理论、算法、源码与实例 1）理论 一、边缘检测的基本方法： 各种差分算子，主要有： 差分边缘检测方法 Roberts梯度模算子 前两种对垂直，水平，对角检测好。 Prewitt算子，Robinson算子（算八个方向的梯度最大值） Sobel算子（利用上下左右加权，可平滑噪声）； Kirsch算子 Rosenfeld算子 Laplace算子（二阶导数算子，一般不用于检测，用于之后判别暗区与明区。） LOG算子，（高斯平滑后求导提取边界。） 主要思路用高斯函数对图像平滑滤波，然后再对图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 该算法高斯函数方差取值很重要，过大会导至精度不高。还容易产生虚假边界。但可以用一些准备去除虚假边界。对于灰度渐变图的效果也不太好。但大部份图片边缘提取效果还好。Canny边界检测算子 二、拟合曲面求导提取边界。 主要思路为在点的邻域各点拟合一个曲面，由曲面的求导代替离散点求差分，这种方法对于噪声比较不敏感。 三、统计判决法提取边界 以误判概率最小化设置门限，对边界检测算子作用后的每个像点判别/。统计判决法依赖于先验知识。 四、分裂—合并算法 按一定的均一化标准，将图片分成子图。合并满足均一性准则的子图。

五、跟踪技术 1）区域跟踪，基于区域的图像分割方法。 应用于直接提取区域。检测满足跟踪准则的点，找到这样的点，检测其所有邻点，把满足跟踪准则的任合邻点合并再重复。直到没有邻点满足检测准则。 2）曲线跟踪，基于边界的图像分割方法。 对整幅图扫描，对所有“现在点”的邻点检测，周围没有满足跟踪条件的点时，返回到上一个最近的分支处，取出另一个满足跟踪原则的现在点。重复根踪。 六、模型化与统计检验法检测边界 开始步骤为对图像划分成多块子图，每块子图进行曲面拟合。并应用误差的分析，构造F 统计量，判断此区域是否有边界的存在。 七、匹配检测技术 基于区域的一种分割方法。 1）归一化互相关测度匹配 类似于求相关系数。但是这种方法实用时不太理想，因为匹配模板的尺寸跟图上的尺寸差异，造成操作很难。 2）匹配滤波器 基于最大信噪比准则。 用一个滤波器对图像子图作卷积，当滤波器为子图旋转180度后的K倍时，功能与相关系数一样。此时称为匹配滤波器。 3）线检测 用匹配滤波器可以设计一些线检测器。对直线检测效果好。 八、利用模式识别某些技术进行图像分割 对每个像素提取特征，提取一个n维特征，如果特效果好，那么在特征空间里，像素点会表现出类聚。一般来说，特征是区域性的，一般是征对邻域或图像的各个子图提取特征。通常特征包含，灰度，空间关系（梯度，像素小块邻域平均灰度，纹理参数，颜色）等。 九、基于活动轮廓模型的边界提取算法 不同于经典的基于求导自下而上过程，而是一种基于总体和局部的自上而下和自下而上的处理过程。借助一些物理概念构造一个描述轮廓状态指标，将图像灰度分布，灰度梯度及轮廓形状约束等信息作为“外能”和“内能”构造活运轮廓的能量函数。将一个初始轮廓放在感兴趣的图像区域中，轮廓在外力和内力作用下变形，外力推动活动轮廓向着物体的边缘运动，而内力要使活动轮廓趋于光滑和保持其拓朴性。在达到平衡时，对应的能量最小，此时的活动轮廓即为要检测的边界。 十、基于视觉特性的边界提取方法 ——线性加权函数（LWF）在边界检测中的应用 视觉系统对亮度对比度的感知可以转化为数学中的微分算子的特征值问题，视觉的感觉响应类似于高斯函数与其拉普拉斯变换之和。基于生理学和数学导出的线性加权函数（LWF）是高斯函数与它的二阶导数的线性组合. 视觉处理过程是图像与一系列不同方差的高斯函数及其二阶导数的卷积过程。

第三讲光流分析法

第三讲 光流分析法 3．1 二维运动与视在运动 1． 而我们所能得到的是时变图像的某种采样点阵（或采样栅格）的图像序列，问题是： 2．可控与可观测问题—>即真实二维位移场与速度是否可观测？ 3．二维运动——也称投影运动： 透视、 正交投影 三维运动可由物体像素的三维瞬时速度或三维位移来描述，但三维瞬时速度及三维位移正是我们要估计的，这是一个逆问题。而我们可观测到的是视在运动。 （1）假定投影中心在原点 P P ' — 三维位移矢量 p p ' — 二维成像平面上的二维位移矢量 成像平面，投影平面 ← 光学上 三维场景 ——> 二维的时变图像 ——> 数学上 3D →2D 投影 二维位移场 二维速度场 t 时刻 t ′时刻 P ′ P ′ 投影 P P 投影

（2）假定投影中心在O 1点 由于投影作用，从P 点出发， 终点在O 1P / 虚线上的三维位移矢 量均有相同的二维投影位移矢量。 所以说，投影的结果只是三维真实 运动的部分信息。 （3）设t l t t R t X ?+='∈,),(3 由像素的运动 '(,)(,,)C C X t d X t t S → 二维位移矢量函数 对应于点阵 ∧3 ，则有 ， ；；),(),(t l t X d t l t X d C P ?=?（x ，t ）∈ ∧3 ) ,(),(t l t X d l k n d P ?=?；； （n ，k ）∈ Z 3 k 表达了t ‘- t 的时间离散 T n n n ),(21=? 假定三维瞬时速度为),,(3 21X X X &&&，则 ),(),(k n V t X V C P = 4．光流场与对应场 （1）p p ' 定义为对应矢量 光流矢量定义为某点 3),(R t X ∈ 上的图像平面坐标的瞬时变化率， 为一个导数。 T T dt dx dt dx V V V )/,/(),(2121== 表征了时空变化，而且是连续的变化。 （2） 当0→-'=?t t t 时，则光流矢量与对应矢量等价。如果在某个点阵∧3可 观测到这种变化，则就意义 对应场<——像素的二维位移矢量场 光流场<——像素的二维速度矢量场 也分别称为二维视在对应场与速度场。一般而言，对应矢量 ≠位移场 光流矢量≠速度场 （ O 1 p ′ p O X 2 X 1 P ′ P 图像平面X 3 X

数字图像处理实验报告实验三

数字图像处理实验报告实验三

中南大学数字图像处理实验报告 实验三数学形态学及其应用

实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学 T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮） 2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算

数字图像处理实验报告——图像分割实验

实验报告 课程名称数字图像处理导论专业班级 ____________________ 姓名 _______________________ 学号 _______________________ 电气与信息学院 和谐勤奋求是创新

实验题目图像分割实验 实验室DSP室&信号室实验时间 实验类别设计同组人数 2 成绩指导教师签字： .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。 .实验内容 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1中边缘的程序，要求结果类似图2 ,并附原理说明。 3. 任选一种阈值法进行图像分割. 三.实验具体实现 1. 分别用RObertS,Sobel 处； 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l=imread('mri.tif); imshow(l) BW1=edge(I,'roberts'); figure ,imshow(BW1),title(' BW2=edge(l,'sobel'); figure,imshow(BW2),title(' BW3=edge(l,'log'); figure,imshow(BW3),title(' 用RObertS算子') 用Sobel算子') 用拉普拉斯高斯算子') 图1

比较提取边缘的效果可以看出， sober 算子是一种微分算子，对边缘的定位较精确，但是会漏 去一些边缘细节。而 LaPIaCia n-GaUSSia n 算子是一种二阶边缘检测方法，它通过寻找图象灰度值中 二阶过零点来检测边缘并将边缘提取出来，边缘的细节比较丰富。通过比较可以看出 LaPIaCian-Gaussian 算子比sober 算子边缘更完整，效果更好。 2. 设计一个检测图1中边缘的程序，要求结果类似图 2 , 并附原理说明。 i=imread('m83.tif); SUbPlot(1,2,1); imhist(i); title(' 原始图像直方图'); thread=130∕255; subplot(1,2,2);

遥感影像分类实验报告

面向对象分类实验报告 姓名： 学号： 指导老师： 地球科学与环境工程学院

一、实验目的 面向对象法模拟人类大脑认知过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割，在提取分割单元（图像分割后所得到的内部属性相对一致或均质程度较高的图像区域）的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。 二、实验意义 1、使用eCognition进行面向对象的影像分类的流程； 2、体会面向对象思想的内涵，学会将大脑认知过程转变为机器语言； 三、实验内容 3.1、影像的预处理 利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合，达到既满足高空间分辨率，又保留光谱信息。Image interperter-> spatial enhancement-> resolution merge.输入融合前的两幅影像，完成影像的预处理过程。 图 1 图像融合步骤

图 2 融合后的图像 3.2、使用eCongition 创建工程 a、使用规则集模式创建工程 图 3 模式选择 b、file->new projection ，打开Create Project和Import Image Layers两个

对话框，将上面的实验数据导入。（注意，数据以及工程文件保存路径不要有中文） 图 4 导入数据 c、选择数据修改波段名称,并设置Nodata选项。

图像分割实验报告

医学图像处理实验报告 实验名称：图像分割设计实验 姓名：gaojunqiang 学号：20105405 班级：生医 1001 指导教师：…… 2013年6月5日

一、实验目的 1、编程实现下列功能：读出存储的黑白灰度图象并显示，用拉普拉斯算子对图象进行边缘检测，显示处理后图象，存储处理后图象。 2、编程实现下列功能：读出存储的黑白灰度图象并显示，用鼠标点击图象上某一点，以灰度相近原则进行区域生长，显示处理后图象，存储处理后图象。 二、实验原理 1、拉普拉斯边缘检测 二维函数f(x,y)的拉普拉斯是一个二阶的微分定义为： ?2f = [?2f / ?x2 ,?2f / ?y2] 一般情况下可以用一个拉普拉斯模板算子。模板算子分为4邻域和8邻域，如下 ?2f = 4z5 – (z2 + z4 + z6 + z8) ?2f = 8z5 – (z1 + z2 + z3 + z4+z5 + z6 + z7+ z8) 2、区域增长 区域增长是通过一个起始点作为种子点对他周围的点进行选择。它采取的是一种迭代的思想。区域增长也分为四邻域和八邻域两种方式。 通过像素的集合进行区域增长的算法如下： 1）根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点。 2）选择一个描述符（条件） 3）从该种子开始向外扩张，首先把种子像素加入集合，然后不断将与集合中各个像素连通、且满足描述符的像素加入集合 4）上一过程进行到不再有满足条件的新结点加入集合为止。 三、实验代码及结果 1、拉普拉斯边缘检测代码如下： %主函数如下： clc; close all; clear all;

详细的图像分割之边缘检测实验报告

边缘检测实验报告 一、实验目的 通过课堂的学习，已经对图像分割的相关理论知识已经有了全面的了解，知道了许多图像分割的算法及算子，了解到不同的算子算法有着不同的优缺点，为了更好更直观地对图像分割进行深入理解，达到理论联系实际的目的，特制定如下的实验。 二、实验原理： 图像处理有两大类目的：1．改善像质（增强、恢复）；2．图像分析：对图像内容作出描述；其一般的图像处理过程如下： 图像分割的算法有： （1）阈值分割原理： (,)(,)(,)E B L f x y T g x y L f x y T ≥?=?

（2）边缘检测： 梯度对应一阶导数，对于一个连续图像函数f(x,y): 梯度矢量定义: 梯度的幅度: 梯度的方向: a) Roberts 算子 b) Sobel 算子 Roberts 算子 [ ] T T y x y f x f G G y x f ?? ????????==?),(122) ()),((),(y x G G y x f mag y x f +=?=?) arctan(),(x y G y x =φ()()()[]()()[] { } 2 122 1,,11,1,,+-++++-=j i f j i f j i f j i f j i g

c) Prewitt 算子 d) Kirsch 算子 由K 0~K 7八个方向模板组成，将K0~K7的模板算法分别与图像中的3×3区域乘，选最大一个值，作为中央像素的边缘强度 （3）区域分割 1 区域生长法 算法描述 先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相似性质的像素合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。 2 分裂合并法 实际中常先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求,即分裂合并法.一致性测度可以选择基于灰度统计特征(如同质区域中的方差),假设阈值为T ,则算法步骤为: ① 对于任一Ri ，如果 ，则将其分裂成互不重叠的四等分； ② 对相邻区域Ri 和Rj ，如果 ，则将二者合并； ③ 如果进一步的分裂或合并都不可能了，则终止算法。 （4）Hough 变换 Hough 变换是一种检测、定位直线和解析曲线的有效方法。它是把二值图变换到Hough 参数空间，在参数空间用极值点的检测来完成目标的检测。下面以直线检测为例，说明 } ,,,m ax {),(10T g g g y x g =∑∑ -=-=++=111 1) ,(),(),(k l i i l y k x f l k K y x g T R V i >)(T R R V j i ≤)(

matlab图像处理综合实验实验报告

《数字图像处理》 实验报告 学院： 专业： 班级： 姓名： 学号：

实验一 实验名称：图像增强 实验目的：1.熟悉图像在Matlab下的读入，输出及显示； 2.熟悉直方图均衡化； 3.熟悉图像的线性指数等； 4.熟悉图像的算术运算及几何变换. 实验仪器：计算机，Matlab软件 实验原理： 图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。空间域的增强主要有：灰度变换和图像的空间滤波。 图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。 实验内容如下： I=imread('E:\cs.jpg');%读取图像 subplot(2,2,1),imshow(I),title('源图像') J=rgb2gray(I)%灰度处理 subplot(2,2,2),imshow(J) %输出图像 title('灰度图像') %在原始图像中加标题 subplot(2,2,3),imhist(J) %输出原图直方图 title('原始图像直方图') 0100200

几何运算： I=imread('E:\cs.jpg');% subplot(1,2,1),imshow(I); theta = 30; K = imrotate(I,theta); subplot(1,2,2),imshow(K) 对数运算： I=imread('E:\dog.jpg'); subplot(2,2,1),imshow(I),title('源图像') J=rgb2gray(I)%灰度处理 subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J)); subplot(2,2,3),imshow(J1,[]),title('对数变换后') 指数运算: I=imread('E:\dog.jpg'); f=double(I); g=(2^2*(f-1))-1 f=uint8(f); g=uint8(g);