图像滤波处理及分割实验

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 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=

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

图像平滑滤波

学号：A01314063 姓名：陈文鹏

1.实验目的：

分别使用空域法、频域法实现图像平滑滤波，分析空域滤波器和频域滤波器之间的转化过程

2.实验方法和步骤：

1.空域法图像平滑滤波： 方法：邻域平均法

步骤：1.imread()读取图像。

2.rgb2gray()函数将原图转换为灰度图。 3.imnoise()函数为原图加高斯白噪声。 4.double()将加了噪声的图转换为双精度型。5.创建3*3模板，用模板对噪声图邻域平均，理后的图像。

6.创建5*5模板，用模板对噪声图邻域平均，理后的图像。

7.创建7*7模板，用模板对噪声图邻域平均，理后的图像。 其源程序代码如下： clear; clc;

显示处显示处显示处

Image()Image()Image()close all;

I=imread('E:\\cwp.jpg'); %读取图像 f=rgb2gray(I);%将原图转换为灰度图

subplot(2,3,1);%分割2*3个窗口。取第一个窗口，下面在第一个窗口处显示图像

imshow (f);%显示灰度图 colormap(gray);

title('原始图')%给显示的图像命名为“原始图”

J=imn

实验三 圆形物体的图像分割与分析

一、 实验目的

掌握在计算机上进行图像分割与形态学图像处理和分析的方法 二、 实验要求

应用所学方法完成coins.tif图像的分割，用图像分析的方法估算整幅图像中钱币的总额。 1) 对指定图像（coins.tif）完成图像分割、将分割后的图像显示于屏幕上。 2) 对分割后图像中不同目标的尺寸（面积或半径）分布进行直方图显示。 3) 讨论你的方法的误差和局限。

4) 图像中有2元、1元、5角和1角的四种硬币，计算图像中钱币的总额。 三、 实验仪器设备及软件 HP D538、MATLAB 四、 实验原理

以自己的语言结合课堂笔记进行总结，要求过程推导清晰明了。 五、 实验步骤及程序

实验步骤、程序流程、实验源程序和注释齐全 实验源程序: clear all;

I=imread('coins.bmp'); subplot(231); imshow(I); title('原图象');

I1=im2bw(I,graythresh(I)); subplot(232);

imshow(I1),title('二值化图像'); H=medfilt2(I1); subplot(233);

imshow(H),tit

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

实验四 图像的滤波处理与图像空间变换

一、 实验目的：

1、了解MATLAB 工具箱中滤波器 2、掌握用滤波方式去除图像噪声算法 3、学会对图像的空间变换 二、 实验内容

1、生成含有噪声的图像

分别用imnoise()，imnoise2()，imnoise3()函数生成含有噪声的图像，改变相应参数，观察图像变化，理解各参数的作用。

Imnoise2()的使用：在图像‘Fig0704(Vase).tif.tif’中加入均值为0，标准差为0.1 的高斯噪声。 程序：

i=imread('Fig0704(Vase).tif.tif'); g1=imnoise(i,'gaussian',0,0.01); [M,N]=size(i);

n2=imnoise2('gaussian',M,N,0,0.1); g2=im2double(i)+n2; figure;imshow(g2);

2、噪声估计

用roipoly()、histroi()、statmoments()等函数进行图像噪声参数估计。显示图如下。 程序：

f=imread('Fig0704(Vase).tif.tif'); [M,N]=size(f);

n2=imnoi

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