數(shù)字圖像處置閾值分割

計(jì)算機(jī)科學(xué)與通信工程學(xué)院實(shí)驗(yàn)報(bào)告課程圖像解決實(shí)驗(yàn)題目圖像分割

圖像分割是一種重要的圖像分析技術(shù)。在對(duì)圖像的研究和應(yīng)用中，人們往往只對(duì)圖像中的特定某一部分感愛(ài)好，他們普通對(duì)應(yīng)著圖像中某些特定的區(qū)域。為了識(shí)別它們，能夠把他們從圖像中分離提取出來(lái)。典型的圖像分割辦法能夠分為基于閾值的辦法、基于邊沿的辦法和基于區(qū)域的分割辦法?；叶乳撝捣▽D片灰度劃分為不同等級(jí)，用設(shè)立灰度閾值的辦法擬定故意義的區(qū)域。它是一種最慣用的并行區(qū)域技術(shù)，它是圖像分割中應(yīng)用數(shù)量最多的一類。閾值分割辦法事實(shí)上是輸入圖像f到輸出圖像g的以下變換：其中，T為閾值，對(duì)于物體的圖像元素g(i,j)=1，對(duì)于背景的圖像元素g(i,j)=0。由此可見(jiàn)，閾值分割算法的核心是擬定閾值，如果能擬定一種適宜的閾值就可精確地將圖像分割開(kāi)來(lái)。閾值擬定后，將閾值與像素點(diǎn)的灰度值逐個(gè)進(jìn)行比較，并且像素分割可對(duì)各像素并行地進(jìn)行，分割的成果直接給出圖像區(qū)域。圖像邊沿是圖像識(shí)別中抽取圖像特性的重要屬性。是由于相鄰像素間灰度值激烈變化引發(fā)的。圖像中邊沿處像素的灰度值不持續(xù)，這種不持續(xù)性可通過(guò)求導(dǎo)數(shù)來(lái)檢測(cè)到。對(duì)于階躍狀邊沿，其位置對(duì)應(yīng)一階導(dǎo)數(shù)的極值點(diǎn)，對(duì)應(yīng)二階導(dǎo)數(shù)的過(guò)零點(diǎn)(零交叉點(diǎn))。因此慣用微分算子進(jìn)行邊沿檢測(cè)。慣用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。在實(shí)際中多個(gè)微分算子慣用社區(qū)域模板來(lái)表達(dá)，微分運(yùn)算是運(yùn)用模板和圖像卷積來(lái)實(shí)現(xiàn)。這些算子對(duì)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)理論的分割辦法，其本質(zhì)是運(yùn)用了圖像的區(qū)域特性進(jìn)行分割圖像。將邊沿檢測(cè)與區(qū)域生長(zhǎng)的優(yōu)點(diǎn)相結(jié)合。用全局閾值、OTSU及迭代法求閾值。成果如圖2,3所示I=imread('');[width,height]=size(I);%otsualgorithmlevel=graythresh(I);BW=im2bw(I,level);figureimshow(BW)%globalthresholdfori=1:widthforj=1:heightif(I(i,j)<80)BW1(i,j)=0;elseBW1(i,j)=1;endendendfigureimshow(BW1)%迭代求閾值I=double(I);T=(min(I(:))+max(I(:)))/2;done=false;i=0;while~doner1=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;Figure;imshow(I)用分水嶺算法分割圖像：center1=-10;center2=-center1;dist=sqrt(2*(2*center1)^2);radius=(dist/2)*;lims=[floor*radius)ceil(center2+*radius)];[x,y]=meshgrid(lims(1):lims(2));bw1=sqrt((x-center1).^2+(y-center1).^2)<=radius;bw2=sqrt((x-center2).^2+(y-center2).^2)<=radius;bw=bw1|bw2;figure,imshow(bw,'InitialMagnification','fit'),title('二進(jìn)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('分水嶺辦法')Sobel、Prewitt、Roberts等算子的邊沿提取算法。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)imshow(bw3)xlabel('roberts')subplot(2,2,4)imshow(bw4)xlabel('log')用形態(tài)學(xué)辦法：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)圖SEQ圖\*ARABIC1圖SEQ圖\*ARABIC2圖SEQ圖\*ARABIC3圖SEQ圖\*ARABIC4用分水嶺算法分割圖像圖SEQ圖\*ARABIC5三種算子分割原圖圖SEQ圖\*ARABIC6圖SEQ圖\*ARABIC7圖SEQ圖\*A