數(shù)字圖像處理——閾值分割

1、®rFlr計算機科學(xué)與通信工程學(xué)院實驗報告圖像分割課程圖像處理實驗題目1 .引言圖像分割是一種重要的圖像分析技術(shù)。在對圖像的研究和應(yīng)用中，人們往往只對圖像中的特定某一部分感興趣，他們一般對應(yīng)著圖像中某些特定的區(qū)域。為了識別它們，可以把他們從圖像中分離提取出來。2 .基本知識典型的圖像分割方法可以分為基于閾值的方法、基于邊緣的方法和基于區(qū)域的分割方法。灰度閾值法將圖片灰度劃分為不同等級，用設(shè)置灰度閾值的方法確定有意義的區(qū)域。它是一種最常用的并行區(qū)域技術(shù)，它是圖像分割中應(yīng)用數(shù)量最多的一類。閾值分割方法實際上是輸入圖像f到輸出圖像g的如下變換：其中，T為閾值，對于物體的圖像元素g(i,j)

2、=1,對于背景的圖像元素g(i,j)=0。由此可見，閾值分割算法的關(guān)鍵是確定閾值，如果能確定一個合適的閾值就可準確地將圖像分割開來。閾值確定后，將閾值與像素點的灰度值逐個進行比較，而且像素分割可對各像素并行地進行，分割的結(jié)果直接給出圖像區(qū)域。r_(1f(ij)>rg(LJ)-|o<T圖像邊緣是圖像識別中抽取圖像特征的重要屬性。是由于相鄰像素間灰度值劇烈變化引起的。圖像中邊緣處像素的灰度值不連續(xù)，這種不連續(xù)性可通過求導(dǎo)數(shù)來檢測到。對于階躍狀邊緣，其位置對應(yīng)一階導(dǎo)數(shù)的極值點，對應(yīng)二階導(dǎo)數(shù)的過零點(零交叉點)。因此常用微分算子進行邊緣檢測。常用的一階微分算子有Roberts算子、Prew

3、itt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。在實際中各種微分算子常用小區(qū)域模板來表示，微分運算是利用模板和圖像卷積來實現(xiàn)。這些算子對噪聲敏感，只適合于噪聲較小不太復(fù)雜的圖像。水域分割是借鑒了形態(tài)學(xué)理論的分割方法，其本質(zhì)是利用了圖像的區(qū)域特征進行分割圖像。將邊緣檢測與區(qū)域生長的優(yōu)點相結(jié)合。3 .功能分析及設(shè)計用全局閾值、OTSUR迭代法求閾值。結(jié)果如圖2,3所示I=imread('');width,height=size(I);%otsualgorithmlevel=graythresh(I);BW=im2bw(I,level);figurei

4、mshow(BW)%globalthresholdfori=1:widthforj=1:heightif(I(i,j)<80)BW1(i,j)=0;elseBW1(i,j)=1;endendendfigureimshow(BW1)%&代求閾值I=double(I);T=(min(I(:)+max(I(:)done=false;i=0;whiledoner1=find(I<=T);r2=find(I>T);Tnew=(mean(I(r1)+mean(I(r2)/2;done=abs(Tnew-T)<1;T=Tnew;i=i+1;endI(r1)=0;I(r2)=1

5、;Figure;imshow(I)用分水嶺算法分割圖像：center1=-10;center2=-center1;dist=sqrt(2*(2*center1)A2);radius=(dist/2)*;lims=floor*radius)ceil(center2+*radius);x,y=meshgrid(lims(1):lims(2);bw1=sqrt(x-center1).A2+(y-center1).A2)<=radius;bw2=sqrt(x-center2).A2+(y-center2).A2)<=radius;bw=bw1|bw2;figure,imshow(bw,&#

6、39;InitialMagnification','fit'),title('二進制圖像")D=bwdist(-bw);figure,imshow(D,'InitialMagnification','fit')title('距離變換')D=-D;D(bw)=-Inf;L=watershed(D);rgb=label2rgb(L,'jet',.5.5.5);figure,imshow(rgb,'InitialMagnification',fit,)title(,分水嶺方法,)

7、Sobel、Prewitt、Roberts等算子的邊緣提取算法a=imread('d:');bw1=edge(a,'sobel');bw2=edge(a,'prewitt');bw3=edge(a,'roberts');bw4=edge(a,'log');figureimshow(a)figuresubplot(2,2,1)imshow(bw1)xlabel('soble')subplot(2,2,2)imshow(bw2)xlabel('prewitt')subplot(2,2,3

8、)imshow(bw3)xlabel('roberts')subplot(2,2,4)imshow(bw4)xlabel('log')用形態(tài)學(xué)方法：BW1=imread('');figureimshow(BW1)SE=strel('arbitrary',eye(5);BW2=imerode(BW1,SE);figureimshow(BW2)BW3=imdilate(BW1,SE);figureimshow(BW3)BW4=imopen(BW1,SE);figure,imshow(BW4)BW4=imclose(BW1,SE);figure,imshow(BW4)4 .實驗結(jié)果與分析原圖：圖1圖2圖3圖4用分水嶺算法分割圖像圖5三種算子分割原圖用呂cib已I