試驗(yàn)三圖像分割與邊緣檢測(cè)

1、數(shù)字圖像處理實(shí)驗(yàn)報(bào)告學(xué)生姓名王真穎學(xué)生學(xué)號(hào)L0902150101指導(dǎo)教師梁毅雄專業(yè)班級(jí)計(jì)算機(jī)科學(xué)與技術(shù)1501完成日期2017年11月06日計(jì)算機(jī)科學(xué)與技術(shù)系信息科學(xué)與工程學(xué)院錯(cuò)誤！未定義書簽。錯(cuò)誤！未定義書簽。錯(cuò)誤！未定義書簽。錯(cuò)誤！未定義書簽。錯(cuò)誤！未定義書簽。錯(cuò)誤！未定義書簽。3實(shí)驗(yàn)一一、實(shí)驗(yàn)?zāi)康亩?、?shí)驗(yàn)基本原理三、實(shí)驗(yàn)內(nèi)容與要求四、實(shí)驗(yàn)結(jié)果與分析實(shí)驗(yàn)總結(jié)參考資料實(shí)驗(yàn)一圖像分割與邊緣檢測(cè).實(shí)驗(yàn)?zāi)康? .理解圖像分割的基本概念；2 .理解圖像邊緣提取的基本概念；3 .掌握進(jìn)行邊緣提取的基本方法；4 .掌握用閾值法進(jìn)行圖像分割的基本方法。二.實(shí)驗(yàn)基本原理圖象邊緣檢測(cè)圖像理解是圖像處理的一個(gè)重

2、要分支，研究為完成某一任務(wù)需要從圖像中提取哪些有用的信息，以及如何利用這些信息解釋圖像。邊緣檢測(cè)技術(shù)對(duì)于處理數(shù)字圖像非常重要，因?yàn)檫吘壥撬崛∧繕?biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來(lái)。在圖像中，邊界表明一個(gè)特征區(qū)域的終結(jié)和另一個(gè)特征區(qū)域的開始，邊界所分開區(qū)域的內(nèi)部特征或?qū)傩允且恢碌模煌膮^(qū)域內(nèi)部的特征或?qū)傩允遣煌?，邊緣檢測(cè)正是利用物體和背景在某種圖像特性上的差異來(lái)實(shí)現(xiàn)的，這些差異包括灰度，顏色或者紋理特征。邊緣檢測(cè)實(shí)際上就是檢測(cè)圖像特征發(fā)生變化的位置。圖象邊緣檢測(cè)必須滿足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置由于噪聲和模糊的存在，檢測(cè)到的邊界可能會(huì)變寬

3、或在某些點(diǎn)處發(fā)生間斷，因此，邊界檢測(cè)包括兩個(gè)基本內(nèi)容：首先抽取出反映灰度變化的邊緣點(diǎn)，然后剔除某些邊界點(diǎn)或填補(bǔ)邊界間斷點(diǎn)，并將這些邊緣連接成完整的線。邊緣檢測(cè)的方法大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。導(dǎo)數(shù)算子具有突出灰度變化的作用，對(duì)圖像運(yùn)用導(dǎo)數(shù)算子，灰度變化較大的點(diǎn)處算得的值比較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點(diǎn)的邊界強(qiáng)度，通過(guò)設(shè)置門限的方法，提取邊界點(diǎn)x和y方向上的變化率，而方應(yīng)該采用差分運(yùn)算代替求導(dǎo)。f(x,y)在位置(x,y)的梯度(3-4)集。一階導(dǎo)數(shù)與是最簡(jiǎn)單的導(dǎo)數(shù)算子，它們分別求出了灰度在向a上的灰度變化率可以用相應(yīng)公式進(jìn)行計(jì)算；對(duì)于數(shù)字圖像,一幅數(shù)字圖像的一階導(dǎo)數(shù)是基于各種二維

4、梯度的近似值。圖像定義為下列向量：fGf(x,y)=3e一在邊緣檢測(cè)中，一般用這個(gè)向量的大小，用Vf表示_2_21/2二GxGy(3-5)函數(shù)f在某點(diǎn)的方向?qū)?shù)取得最大值的方向是，方向?qū)?shù)的最大值是稱為梯度模。利用梯度模算子來(lái)檢測(cè)邊緣是一種很好的方法，它不僅具有位移不變性，還具有各向同性。為了運(yùn)算簡(jiǎn)便，實(shí)際中采用梯度模的近似形式。fNGx|+|Gy|或者Vf定max(Gx|G|y傳統(tǒng)的邊緣檢測(cè)算法通過(guò)梯度算子來(lái)實(shí)現(xiàn)的，在求邊緣的梯度時(shí)，需要對(duì)每個(gè)象素位置計(jì)算。在實(shí)際中常用小區(qū)域模板卷積來(lái)近似快速計(jì)算，簡(jiǎn)單有效，即梯度算子一般采用濾波算子的形式來(lái)完成，因此應(yīng)用很廣泛。模板是N*N的權(quán)值方陣，經(jīng)典

5、的梯度算子模板有：Sobel模板、Prewitt模板、Roberts模板、Laplacian模板等。具體模板請(qǐng)見書。拉普拉斯高斯(LoG)算法是一種二階邊緣檢測(cè)方法。它通過(guò)尋找圖像灰度值中二階微分中的過(guò)零點(diǎn)(ZeroCrossing)來(lái)檢測(cè)邊緣點(diǎn)。其原理為，灰度級(jí)變形成的邊緣經(jīng)過(guò)微風(fēng)算子形成一個(gè)單峰函數(shù)，峰值位置對(duì)應(yīng)邊緣點(diǎn)；對(duì)單峰函數(shù)進(jìn)行微分，則峰值處的微分值為0,峰值兩側(cè)符號(hào)相反，而原先的極值點(diǎn)對(duì)應(yīng)二階微分中的過(guò)零點(diǎn)，通過(guò)檢測(cè)過(guò)零點(diǎn)即可將圖像的邊緣提取出來(lái)。(a)原圖(b)邊緣檢測(cè)后的圖(c)閾值處理后的圖圖3-1檢測(cè)具有-45度邊緣的圖例圖象分割小區(qū)域是某種意義下具有前景所占的圖像區(qū)域等。

6、圖像分割是將圖像劃分成若干個(gè)互不相交的小區(qū)域的過(guò)程，共同屬性的像素的連通集合。如不同目標(biāo)物體所占的圖像區(qū)域、連通是指集合中任意兩個(gè)點(diǎn)之間都存在著完全屬于該集合的連通路徑。1 .雙峰法先給出原圖的直方圖，再定出閾值(門限)T,一般取兩個(gè)峰值間的谷值。2 .P參數(shù)法這種方法用于目標(biāo)所占圖像面積已知的情況。設(shè)目標(biāo)在最簡(jiǎn)單圖像f(i,j)中所占的面積s0與圖像面積s之比為P=s0/s,則背景所占面積比為1-P=(s-s0)/So一般來(lái)說(shuō)，低灰度值為背景，高灰度值為目標(biāo)。如果統(tǒng)計(jì)圖像f(i,j)灰度值不大于某一灰度t的像元數(shù)和圖像總像元數(shù)之比為1-p時(shí)，則以t為閾值。3 .自適應(yīng)全局閾值(單閾值)算法步

7、驟如下：1、初始化閾值T(一般為原圖像所有像素平均值)。2、用T分割圖像成兩個(gè)集合：G1和G2,其中G1包含所有灰度值小于T的像素，G2包含所有灰度值大于T的像素。3、計(jì)算G1中像素的平均值m1及G2中像素的平均值m2。4、計(jì)算新的閾值：T=(m+m2)/2。5、如果新閾值跟原閾值之間的差值小于一個(gè)預(yù)先設(shè)定的范圍，停止循環(huán)，否則繼續(xù)24步。全局單閾值分割只適用于很少的圖像。對(duì)一般圖像采用局部閾值法或多閾值法會(huì)得到更好的效果4.最大類間方差法(OTSU)設(shè)有M-1個(gè)閾值：0Wk1vk2k2kMJ)j(-r)(3-3)j1將使上式的(T2值為最大的閾值組(k1,k2,，kM1),作為M值化的最佳閾

8、值組。若取M為2,即分割成2類，則可用上述方法求出二值化的閾值。三.實(shí)驗(yàn)內(nèi)容與要求1 .分別用Roberts,Sobel和拉普拉斯高斯算子對(duì)圖像進(jìn)行邊緣檢測(cè)。比較三種算子處理的不同之處；2 .設(shè)計(jì)一個(gè)檢測(cè)圖3-2中邊緣的程序，要求結(jié)果類似圖3-3,并附原理說(shuō)明。3 .任選一種閾值法進(jìn)行圖像分割.4 .檢測(cè)出3.3圖像的線條，要求完成的結(jié)果為二值圖像；四.實(shí)驗(yàn)結(jié)果與分析1 .分別用Roberts,Sobel和拉普拉斯高斯算子對(duì)圖像進(jìn)行邊緣檢測(cè)。比較三種算子處理的不I=imread(eight.tif);imshow(I)BW1=edge(I,roberts);figure,imshow(BW1)

9、,title(BW2=edge(I,sobel);figure,imshow(BW2),title(BW3=edge(I,log);figure,imshow(BW3),title(用Roberts算子)用Sobel算子)用拉普拉斯高斯算子)同之處；代碼：比較提取邊緣的效果可以看出，sober算子是一種微分算子，對(duì)邊緣的定位比較精確，但是會(huì)漏去一些邊緣細(xì)節(jié)，而拉普拉斯算子是一種二階邊緣檢測(cè)算法，他通過(guò)尋找圖像灰度值中二階過(guò)零點(diǎn)來(lái)檢測(cè)邊緣并將邊緣提取出來(lái)，邊緣的細(xì)節(jié)比較豐富。通過(guò)比較可以看出，拉普拉斯算子比sober算子邊緣更完整，效果更好。2 .設(shè)計(jì)一個(gè)檢測(cè)圖3-2中邊緣的程序，要求結(jié)果類似圖

10、3-3,并附原理說(shuō)明。代碼：I=imread(lines.png);F=rgb2gray(I);subplot(2,2,1);imshow(I);title(原始圖像);thread=130/255;subplot(2,2,2);imhist(F);title(直方圖)；subplot(2,2,3);J2=im2bw(F,thread);imshow(J2);title(分割結(jié)果);實(shí)驗(yàn)結(jié)果：方副結(jié)果原理說(shuō)明：根據(jù)圖像的直方圖，發(fā)現(xiàn)背景和目標(biāo)的分割值在135左右，將此作為分割值，將圖像轉(zhuǎn)換為二值圖像。3 .任選一種閾值法進(jìn)行圖像分割.(1)選取閾值為180進(jìn)行分割：I=imread(lines.png);F=rgb2gray(I);subplot(2,2,1);imshow(I);title(原始圖像);thread=180/255;%閾值為180進(jìn)行分割subplot(2,2,2);imhist(F);title(直方圖)；subplot(2,2,3);J2=im2bw(F,thread);imshow(J2);title(分割結(jié)果);實(shí)驗(yàn)結(jié)果：原始圖像x104直方圖0100200分割結(jié)果將閾值調(diào)節(jié)到180,明顯的看到線條的邊緣變得模糊，而背景的線條被消除。4 .檢測(cè)出3.3圖像的線條，要求完成的結(jié)果為二值圖像：代碼：I=imread(line2.png);F=rgb2gr