实验三数字图像分割处理

实验三数字图像分割处理

一、实验目的

1. 熟悉并掌握图像分割处理的方法以及编程实现方法。 2. 熟悉图像分割处理的过程。 二、实验内容

图像分割是一种重要的图像分析技术。图像分割是从图像预处理到图像识别和分析理解的关键步骤，在图像处理中展重要位置，一方面它是目标表达的基础，对特征测量有重要的影响，另一方面，图像分割以及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更为抽象更为紧凑的形式，使得到更高层的图像识别、分析和理解成为可能。典型而传统的分割方法可分为基于阈值的方法、基于边缘的方法和基于区域的分割方法等。 三、实验原理 1、灰度阈值法

是把图像的灰度分成不同等级，然后用设置灰度阈值的方法确定有意义的区域或欲分割物体的边界。阈值T一般可写成:

T=T[x,y,p(x,y),q(x,y)] (1)

其中p(x,y)代表点(x,y)处的灰度值,q(x,y)代表该点邻域的某种局部特性.根据(1)式可将阈值分为全局阈值、局部阈值和动态阈值.如果T的选取只与p(x,y)有关,则是全局阈值,全局阈值是利用全局信息(例如整个图像的灰度直方图)得到的阈值,它仅与全图各像素的本身性质有关,对全图使用;如果T的选取与p(x,y),q(x,y)有关,则是局部阈值,它与图像局部区域性质有关,全局阈值和局部阈值也称为固定阈值;如果T的选取不仅与p(x,y),q(x,y)有关,还与该点的坐标(x,y)有关,则是动态阈值.动态阈值的选取是将原始图像分成若干个子图,然后利用某种固定阈值选取法对每一个子图确定一个阈值,再通过对这些子图所得阈值的插值得到对图像中每个像素进行分割所需的阈值。 2、边缘检测法

Robert算子是一种利用局部差分算子寻找边缘的算子：

g(x,y)={[f(x,y)-f(x+1,y+1)]^2+[f(x+1,y)-f(x,y+1)]^2}^1/2 Laplacian算子是常用的边缘检测算子，它是各向同性的二阶导数。

Canny算子是由Gaussian卷积得到的边缘图像用抑制非极大值点的算法对梯度图像作后续处理。

Sobel算子是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。 Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。 四、实验步骤 1、灰度阈值法

如图，经处理后的图像的边界被分割，即被提取出来，这主要是把图像的灰度分成不同等级，然后进行分割。 2、边缘检测法 Robert算子

Sobel算子

Prewitt算子

Robert算子、Sobel算子、Prewitt算子是三种常用的梯度算子。在实际应用中常用小区域模版进行卷积来近似计算，由上图可知，经梯度运算处理后的图像只留下灰度值急剧变化的边缘处的点。 Laplacian算子

由上图可见，图像在比较亮的地方经Laplacian算子处理后就会变的更亮，这主要是图像中

的边缘就是那些灰度发生跳变的区域，同时也增强了图像的噪声。 Canny算子

首先用Gaussian滤波器对图像进行卷积，再计算图像梯度的幅值和方向，最后对梯度幅值应用非极大值抑制（置零）。 五、实验总结

这次实验主要是对图像进行分割处理，实验结果对我来说还是蛮惊奇的，毕竟变化较大。书本上的阈值变换、各种算子都是通过公式表达的，在Matlab中则是通过程序语句来实现，这让我对其的理解加大了难度，但是通过实验我可以加深对书本理论知识的理解。这让我意识到只有理论与实际相结合，在理解和掌握上才能更上一层楼。

本文来源：https://www.bwwdw.com/article/en3r.html