图像分割实验心得

1 clear

I=imread('rice.tif') figure imshow(I) imshow(I)

I=imread('rice.png') I=imread('rice.tif') imshow(I)

I2=im2bw(I,91/255); I3=im2bw(I,140/255); I4=im2bw(I,120/255); I5=im2bw(I,56/255); figure imshow(I2) figure,imshow(I2) figure,imshow(I3) figure,imshow(I4) figure,imshow(I5)

2 clear all;

I=imread('coins.png'); subplot(1,3,1),imshow(I); xlabel('(a) 原始图像'); %下面使用MATLAB函数计算阈值 level=graythresh(I);

%大津法计算全局图像I的阈值

BW=im2bw(I,level); %阈值分割

subplot(132),imshow(BW);

xl

实验六 图像分割

一、实验目的

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。

1．熟悉matlab图像处理工具箱及图像边缘检测函数的使用；

2．理解和掌握图像边缘检测（Sobel、Prewitt、LoG边缘算子）的方法和应用； 3.掌握用阈值法进行图像分割的基本方法。 二、实验要求

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。 三、实验内容与步骤

（ 1）使用Roberts 算子的图像分割实验

调入并显示图像room.tif中图像；使用Roberts 算子对图像进行边缘检测处理； Roberts 算子为一对模板： 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。分别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”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。使

1 clear

I=imread('rice.tif') figure imshow(I) imshow(I)

I=imread('rice.png') I=imread('rice.tif') imshow(I)

I2=im2bw(I,91/255); I3=im2bw(I,140/255); I4=im2bw(I,120/255); I5=im2bw(I,56/255); figure imshow(I2) figure,imshow(I2) figure,imshow(I3) figure,imshow(I4) figure,imshow(I5)

2 clear all;

I=imread('coins.png'); subplot(1,3,1),imshow(I); xlabel('(a) 原始图像'); %下面使用MATLAB函数计算阈值 level=graythresh(I);

%大津法计算全局图像I的阈值

BW=im2bw(I,level); %阈值分割

subplot(132),imshow(BW);

xl

实验三 图像分割

一、实验目的

1、了解图像分割的基本概念；

2、掌握阈值分割、边缘检测的基本分割方法； 3、对检测的目标图像分析其目标特征

二、实验内容

1、实验原理

阈值分割利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域的组合，选择一个合适的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生二值图像。

边缘检测是利用边缘灰度变化的一阶或二阶导数的特点，可以将边缘点检测出来。常用梯度、roberts、sobel、prewitt等算子进行检测。

图1 两种边缘点附近灰度方向导数变化规律

2、MATLAB实现

（1）在处理图像直方图的工具箱中，核心函数为imhist，其语法为： imhist（f,n） （2）阈值分割 BW=im2bw( I，level)

——直接显示

f为输入图像，h为其直方图，n是形成直方图的灰度级个数（默认256）。

——将灰度图像、RGB图像转换为二值图像

1

Level为阈值（0~1），当输入图像的亮度小于level时，输出0，大于时输出1。 或不用函数。 直接编程实现。 （3）边缘检测

函数edge提供了几个导数估计

实验五 图像恢复和图像分割

一、实验目的

1、熟悉并掌握MATLAB图像处理工具箱的使用； 2、理解并掌握常用的图像的恢复和分割技术。 二、实验环境

MATLAB 6.5以上版本、WIN XP或WIN2000计算机 三、相关知识

1 deconvwnr 维纳滤波，

用法：J = deconvwnr(I,PSF,NSR)

用维纳滤波算法对图片I进行图像恢复后返回图像J。 I是一个N维数组。PSF是点扩展函数的卷积。NSP是加性噪声的噪声对信号的功率比。

如：

I = im2double(imread('cameraman.tif'));

imshow(I);

title('Original Image '); %模拟运动模糊 Matlab中文论坛 LEN = 21; THETA = 11;

PSF = fspecial('motion', LEN, THETA); blurred = imfilter(I, PSF, 'conv', 'circular'); figure, imshow(blurred) %恢复图像www.iLoveMatlab.cn

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 实验室 实验类别 成 绩 一．实验目的 1. 2. 3. 4. 理解图像分割的基本概念； 理解图像边缘提取的基本概念； 掌握进行边缘提取的基本方法； 掌握用阈值法进行图像分割的基本方法。 图像分割实验 DSP室&信号室 实验时间 同组人数 2 设计 指导教师签字： 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=

《高分谱遥感图像分割》

实习报告

姓名：孟烈 班级：064131 学号：20131002235 老师：喻鑫 时间：2015/11/19

任务一：基于区域的影像分割处理

利用eCognition软件，处理高空间分辨率影像“or_196532810.tif”。尝试多种分割方 法，对每种方法设置其不同参数，得到不同参数设置下的分割结果。具体要求：

1）每种分割方法不同参数设置情况下，展示其相应的分割结果，包括：整幅影像结果、 至少2种典型地物覆盖的局部影像分割结果。

2）分析各种分割方法的参数设置对分割结果的影响，给出有关结论。

打开易康软件后，会提示两种模式，一种是【Quick Map Mode】，称之为快速制图模式，另一种是【Rule Set Mode】，称之为规则开发模式。前者主要针对于临时使用软件和基于样本影像分析的用户，能够极大地简化工作流程如一些面向对象影像分析基本步骤的限制，但是提供的功能有限，而且不能建立规则集；因此这里选择规则开发模式。

在主界面右边的【Process Tree】里，右键然后选择【Apeend New】，在弹出的【Edit Process】对话框里

1. 棋盘分割——Chessboard Segmentatio

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

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

实验三 图像的分割与基本运算

一、实验目的：

1、进一步了解MATLAB关于图像处理的相关指令。 2、掌握图像分割的基本原理和基本方法。 3、能够用所学方法实现图像分割。

4、掌握象素间算术运算的和逻辑运算的方法； 5、学会比较图像处理结果并分析原因。

二、实验仪器

PC一台，MATLAB软件 。 三、实验内容

(一) 采用人工选择阈值法编写程序，把图像blood.bmp分割为二值图像。尝试不同阈值来分割图像，比较分割效果，选出最满意的阈值。

（提示：

1.先做图像的直方图，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.运算之前要先转化为双精度：I＝double(I)，运算之后再转化为二进制数表示：I＝uint8(I)

变换式

?0f(x,y)?T如下： ?g(x,y)????255f(x,y)?T阈值可取为T＝91，T＝130 ，T＝43，比较效果，见教材P92

3.得到图像I的大小用函数： [M,N]=size(I)，M为行，N为列数 I=imread('blood1.bmp');figure;

subplot(221);imshow(I);title('原图形'); %subp