matlab靜態(tài)圖像分割與邊緣檢測及圖像壓縮與編碼

1、范斗荀彳義 工港 段1學 電圖像處理實驗報告實驗三：靜態(tài)圖像分割與邊緣檢測作 者 肖劍洪 專 業(yè)電子科學與技術2013.12.2學 院物理與電子學院指導老師王曉明完成時間實驗三靜態(tài)圖像分割與邊緣檢測一、實驗目的1 .學習常用的圖像分割與邊緣檢測方法，并通過實驗使學生體會一些主要的分 割算子對圖像處理的效果，以及各種因素對分割效果的影響；2 .觀察圖像分割的結果，產(chǎn)生對所講述理論知識的直觀認識， 加深對圖像分割 與邊緣檢測相關理論知識的理解。3 .掌握常用圖象分割及邊緣檢測方法的算法設計及編程實現(xiàn)；4 .學會使用MATLA歆件中關于圖像分割與邊緣檢測的函數(shù)；二、實驗設備

2、聯(lián)想圖像處理工作站三、實驗內(nèi)容及要求1 .自己編寫M-function實現(xiàn)圖像閾值分割算法，要求該程序能對256級灰度 圖像進行處理，顯示處理前、后圖像；2 .自己編寫M-function實現(xiàn)利用Sobel算子進行圖像邊緣檢測的算法，并對 圖像進行檢測，顯示原圖像、處理后的圖像。3 .調(diào)用Matlab自帶的圖像處理函數(shù)，用不同的算子對圖像進行分割、邊緣檢 測，比較結果。4 .結合以上實驗內(nèi)容，使用ICETECK-DM642-IDK-M；驗系統(tǒng)進行相應的動態(tài) 視頻圖像分割及邊緣檢測，觀察結果。四、實驗原理1.圖像分割圖像分割是將圖像劃分成若干個互不相交的小區(qū)域的過程，小區(qū)域是某種意義下具有共同屬

3、性的像素的連通集合。圖像分割有三種不同的途徑：區(qū)域法、 邊界法、邊緣法。最常用的是灰度閾值化處理進行的圖像分割：0 f (x, y):二 T g(x, y)=255 f (x, y) ,T域值T的選取直接影響分割的效果！(1)直方圖雙峰域值選擇(2)迭代域值選擇迭代思想：選擇一個初始估計值，通過某種策略不斷改進(調(diào)制)新的估 計值，直到滿足給定的準則。迭代步驟：選擇一個初值估計值T, 一般為最大灰度值和最小灰度值的中間值；使用域值T分割圖像，得到兩組像素 G1(>=T)和G2 (<T);計算兩組像素的灰度均值：卜1和仙2;計算新域值T=(仙1和仙2) /2;重復步驟24,直到新域值

4、的改變量小于預先定義的參數(shù)e。(3)最大類間方差法(Otsu)思想：將圖像中目標和背景看作分屬不同類別的像素組成；判別分析法的目標是確定域值使分屬不同類別的像素的類間方差最大。1.邊緣檢測灰度或結構等信息的突變出稱為邊緣，在空間域借助微分算子通過卷積來 完成，而空域的微分在離散數(shù)字圖像可以采用差分來近似?；谝浑A導數(shù)的邊緣檢測算子有 Robert算子、Sobel算子、Prewitt算子等, 基于二階導數(shù)的邊緣檢測算子有 Laplace算子，LOG算子是一種改進的方式。 Sobel算子為一對模板：-1-2-1000121-101-2°2工五、實驗步驟1 .根據(jù)實驗內(nèi)容的要求在 MATL

5、AB軟件中編寫相應程序;1)灰度閾值分割實驗(使用迭代閾值選擇方法)2)使用Sobel算子的邊緣檢測實驗3)調(diào)用Matlab已有的圖像處理函數(shù)，對圖像進行分割和邊緣檢測a.調(diào)用邊緣檢測函數(shù)edge,并與自己編寫的函數(shù)運行結果進行比較；b.用其他邊緣檢測算子和分割方法對圖像進行處理，并對結果進行比較。2 .調(diào)試運行程序，并記錄結果。3 .結合以上實驗內(nèi)容，使用ICETECK-DM642-IDK-M；驗系統(tǒng)進行相應的動態(tài) 視頻圖像增強處理，觀察結果。4 .完成實驗報告。六、實驗程序清單和實驗結果及分析1 .圖像分割clear all, close all;H= imread('f:/1.j

6、pg');I=rgb2gray(H);figure (1),imshow(I)figure(2); imhist(I)T=120/255;Ibw1 = im2bw(I,T);%選擇閾值 T=120/255 對圖像二值化；figure(3);subplot(1,2,1), imshow(Ibw1);T=graythresh(I);%采用Otsu方法計算最優(yōu)閾值 T對圖像二值化；L = uint8(T*255)Ibw2 = im2bw(I,T);subplot(1,2,2), imshow(Ibw2);(2)迭代域值選擇clc;clear all;H=imread('f:/1.jp

7、g');I=rgb2gray(H);I=double(I)/255;k1=(max(max(I)+min(min(I)/2;rows cols=size(I);count1=0;count2=0;for i=1:rowsfor j=1:colsif I(i,j)<k1count1=count1+1;G1(count1).I=I(i,j);elsecount2=count2+1;G2(count2).I=I(i,j);endendendk2=(mean(mean(G1.I)+mean(mean(G2.I)/2; while(abs(k2-k1)>(5/255)k1=k2;co

8、unt1=0;count2=0;for i=1:rowsfor j=1:colsif I(i,j)<k1count1=count1+1;G1(count1).I=I(i,j);elsecount2=count2+1;G2(count2).I=I(i,j);endendendk2=(mean(mean(G1.I)+mean(mean(G2.I)/2; endfigure;imshow(I);figure(2);II=im2bw(I,k2);imshow(II);2 .邊緣檢測clear all, close all;H=imread('f:/1.jpg');I=rgb2gr

9、ay(H);BW1 = edge(I,'sobel');BW2 = edge(I,'canny');BW3 = edge(I,'prewitt');BW4 = edge(I,'roberts');BW5 = edge(I,'log');figure(1), imshow(I), title('Original Image');figure(2), imshow(BW1), title('sobel');figure(3), imshow(BW2), title('canny&

10、#39;);figure(4), imshow(BW3), title('prewitt');figure(5), imshow(BW4), title('roberts');figure(6), imshow(BW5), title('log');Original imagesobelcannyprewttroberts八、實驗思考題1 .小結一下本實驗所用的邊緣檢測方法。答：邊緣檢測的基本算子有： 一階：Roberts Cross算子，Prewitt算子，Sobel 算子，Kirsch算子，羅盤算子；二階：Marr-Hildreth ,在梯度

11、方向的二階導數(shù)過零點，Canny算子，Laplacian算子Canny算子（或者這個算子的變體）是 最常用的邊緣檢測方法。在Canny創(chuàng)造性的工作中，他研究了設計一個用于邊緣檢測最優(yōu)預平滑濾波器中的問題，后來他說明這個濾波器能夠很好地被一階 高斯導數(shù)核優(yōu)化。另外 Canny引入了非最大抑制概念，它是說邊緣定義為在梯 度方向具有最大梯度值的點。在一個離散矩陣中，非最大抑制階梯能夠通過一種 方法來實現(xiàn)，首先預測一階導數(shù)方向、然后把它近似到45度的倍數(shù)、最后在預測 的梯度方向比較梯度幅度。2 .基于微分方法的邊緣檢測算法的依據(jù)是什么？答：一般來說不同區(qū)域的交界處構成邊緣，同一區(qū)域內(nèi)像素的灰度差較小，

12、而不 同區(qū)域像素灰度差較大，因此用微分可以很好地檢測滿足這種假設的區(qū)域邊界。范斗荀彳義 工港 段1學 電圖像處理實驗報告實驗四：圖像壓縮與編碼作 者 肖劍洪 專 業(yè)電子科學與技術2013.12.2學 院物理與電子學院指導老師王曉明完成時間實驗四圖像壓縮與編碼一、實驗目的1 . 了解圖像壓縮編碼原理；2 .掌握常用的圖像壓縮算法及編程實現(xiàn)；3 .學會使用MATLA歆件中關于圖像壓縮編碼的函數(shù)；二、實驗設備聯(lián)想圖像處理工作站三、實驗內(nèi)容及要求1 .自己編寫M-function實現(xiàn)圖像無損壓縮算法，要求該程序能對256級灰度 圖像進行壓縮數(shù)據(jù)，計算壓縮算法的性能；2 .自己

13、編寫M-function實現(xiàn)圖像有損壓縮算法，要求該程序能對256級灰度 圖像進行壓縮數(shù)據(jù)，計算壓縮算法的性能；3 .調(diào)用Matlab自帶的圖像處理函數(shù)，用不同的算法對圖像進行壓縮編碼，比 較結果。四、實驗原理圖像壓縮與編碼是在滿足一定保真度的要求下，對圖像數(shù)據(jù)的進行變換、編 碼和壓縮，去除冗余數(shù)據(jù)減少表示數(shù)字圖像時需要的數(shù)據(jù)量， 以便于圖像的存儲 和傳輸，即以較少的數(shù)據(jù)量有損或無損地表示原來的像素矩陣的技術。圖像壓縮編碼可分為兩類：一類壓縮是可逆的，即從壓縮后的數(shù)據(jù)可以完全 恢復原來的圖像，信息沒有損失，稱為無損壓縮編碼；另一類壓縮是不可逆的， 即從壓縮后的數(shù)據(jù)無法完全恢復原來的圖像， 信息

14、有一定損失，稱為有損壓縮編 碼。傳統(tǒng)數(shù)據(jù)壓縮方法的分類：無損壓縮包括統(tǒng)計編碼（Huffman編碼，Shannon 編碼，游程編碼，算術編碼等）和輪廓編碼； 有損壓縮包括預測編碼（脈沖編 碼調(diào)制 PCM,Differential PCM,AdaptiveDPCM 等）、變換編碼（DFT, DCT, KLT,WHT,小波變換等）和混合編碼統(tǒng)計編碼是根據(jù)信源的概率分布特性，分配具有惟一可譯性的可變長碼字， 降低平均碼字長度，以提高信息的傳輸速度，節(jié)省存儲空間。其基本原理是在信 號概率分布情況已知的基礎上，概率大的信號對應的碼字短，概率小的信號對應 的碼字長，這樣就降低了平均碼字長度。其中 Huffm

15、an編碼具體的編碼方法為： 把輸入元素按其出現(xiàn)概率的大小順序排列起來，然后把最末兩個具有最小概率 的元素之概率加起來；把該概率之和同其余概率由大到小排隊，然后再把兩個最小概率加起來，再重新排隊；重復，直到最后只剩下兩個概率為止。變換編碼的基本原理是通過數(shù)學變換可以改變信號能量的分布，從而壓縮信息量。以傅里葉變換的概念說明合理的變換可以改變信號能量分布的基本原理。在變換編碼中有以下二個問題值得注意： 圖像變換方法的選??；子圖像大小的選 取。傳統(tǒng)的DFT, DCT, KLT和經(jīng)典小波變換等變換編碼在圖像變換后會產(chǎn)生 浮點數(shù)，因而必須對變換后的數(shù)據(jù)進行量化處理，這樣就產(chǎn)生不同程度的失真。 而新一代的

16、整數(shù)小波變換（第二代小波變換）采用提升方法能夠?qū)崿F(xiàn)整數(shù)變換， 因而能夠?qū)崿F(xiàn)圖像的無損壓縮。新的靜態(tài)圖像壓縮標準JPEG2000中采用了基于 提升方法的整數(shù)小波變換。五、實驗步驟1 .選擇一組合適的原始圖像作為測試圖像；2 .根據(jù)設計要求選擇合適的圖像壓縮與編碼方法；3 .設計壓縮與編碼算法；4 .顯示原始圖像和壓縮重構圖像；5 .計算壓縮的性能指標：壓縮率和保真度；6 .完成實驗報告。六、實驗結果及分析1、利用余弦變換實現(xiàn)圖像壓縮：DCT先將整體圖像分成NXN像素塊（一般N=8 ,即64個像素塊），再對NXN塊像素逐一進行DCT變換。由于大多數(shù)圖 像高頻分量較小，相應于圖像高頻成分的失真不太敏

17、感， 可以用更粗的量化，在 保證所要求的圖質(zhì)下，舍棄某些次要信息。實驗代碼：a=imread( 'f:/1.jpg');I=rgb2gray(a);imshow(I);title（ '原始圖像）；disp（'原始圖像大小：）;whos（'I'）;I=im2double(I);%圖像類型存儲轉換，將圖像矩陣轉換成雙精度類型T=dctmtx(8);%離散余弦變換矩陣B = blkproc(I,8 8,'P1*x*P2',T,T');mask=1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0

18、 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;B2=blkproc(B,8 8,'P1.*x' ,mask);I2=blkproc(B2,8 8,'P1*x*P2'丁,T);figure,imshow(I2); title( '壓縮后白圖像); disp( '壓縮圖像白大小：); whos( 'I2');曜拈網(wǎng)”原始圖像大?。篘ameSizeBytes Class Attributes287x28782369 u

19、int8壓縮圖像的大小:NameSizeBytes ClassAttributesI2287x287658952double2、利用小波變換實現(xiàn)圖像壓縮clear alla=imread( 'f:/1.jpg');I=rgb2gray(a);imshow(I);title（ '原始圖像）;disp（ '原始圖像I的大?。海?whos( 'I');I=im2double(I);c,s=wavedec2(I,2, ca1=appcoef2(c,s, ch1=detcoef2('bior3.7');'bior3.7',1);'h' ,c,s,1);cv1=detcoef2('v',c,s,1);cd1=detcoef2('d',c,s,1);,1);ca1=appcoef2(c,s,'bior3.7ca1=wcodemat(ca1,440,'mat' ,0);ca1=0.5*ca1;figure,image(ca1);title( '第一次壓縮后的圖像);d