試驗三圖像分割與邊緣檢測

1、數(shù)字圖像處理實驗報告學(xué)生姓名王真穎學(xué)生學(xué)號L0902150101指導(dǎo)教師梁毅雄專業(yè)班級計算機(jī)科學(xué)與技術(shù)1501完成日期2017年11月06日計算機(jī)科學(xué)與技術(shù)系信息科學(xué)與工程學(xué)院錯誤！未定義書簽。錯誤！未定義書簽。錯誤！未定義書簽。錯誤！未定義書簽。錯誤！未定義書簽。錯誤！未定義書簽。3實驗一一、實驗?zāi)康亩?、實驗基本原理三、實驗?nèi)容與要求四、實驗結(jié)果與分析實驗總結(jié)參考資料實驗一圖像分割與邊緣檢測.實驗?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.實驗基本原理圖象邊緣檢測圖像理解是圖像處理的一個重

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。邊緣檢測技術(shù)對于處理數(shù)字圖像非常重要，因為邊緣是所要提取目標(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。在圖像中，邊界表明一個特征區(qū)域的終結(jié)和另一個特征區(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?，而不同的區(qū)域內(nèi)部的特征或?qū)傩允遣煌?，邊緣檢測正是利用物體和背景在某種圖像特性上的差異來實現(xiàn)的，這些差異包括灰度，顏色或者紋理特征。邊緣檢測實際上就是檢測圖像特征發(fā)生變化的位置。圖象邊緣檢測必須滿足兩個條件：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，檢測到的邊界可能會變寬

3、或在某些點處發(fā)生間斷，因此，邊界檢測包括兩個基本內(nèi)容：首先抽取出反映灰度變化的邊緣點，然后剔除某些邊界點或填補(bǔ)邊界間斷點，并將這些邊緣連接成完整的線。邊緣檢測的方法大多數(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，對圖像運(yùn)用導(dǎo)數(shù)算子，灰度變化較大的點處算得的值比較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點的邊界強(qiáng)度，通過設(shè)置門限的方法，提取邊界點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)行計算；對于數(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一在邊緣檢測中，一般用這個向量的大小，用Vf表示_2_21/2二GxGy(3-5)函數(shù)f在某點的方向?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。利用梯度模算子來檢測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)算簡便，實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)的邊緣檢測算法通過梯度算子來實現(xiàn)的，在求邊緣的梯度時，需要對每個象素位置計算。在實際中常用小區(qū)域模板卷積來近似快速計算，簡單有效，即梯度算子一般采用濾波算子的形式來完成，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。具體模板請見書。拉普拉斯高斯(LoG)算法是一種二階邊緣檢測方法。它通過尋找圖像灰度值中二階微分中的過零點(ZeroCrossing)來檢測邊緣點。其原理為，灰度級變形成的邊緣經(jīng)過微風(fēng)算子形成一個單峰函數(shù)，峰值位置對應(yīng)邊緣點；對單峰函數(shù)進(jìn)行微分，則峰值處的微分值為0,峰值兩側(cè)符號相反，而原先的極值點對應(yīng)二階微分中的過零點，通過檢測過零點即可將圖像的邊緣提取出來。(a)原圖(b)邊緣檢測后的圖(c)閾值處理后的圖圖3-1檢測具有-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互不相交的小區(qū)域的過程，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點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一般來說，低灰度值為背景，高灰度值為目標(biāo)。如果統(tǒng)計圖像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，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、計算G1中像素的平均值m1及G2中像素的平均值m2。4、計算新的閾值：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。對一般圖像采用局部閾值法或多閾值法會得到更好的效果4.最大類間方差法(OTSU)設(shè)有M-1個閾值：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.實驗內(nèi)容與要求1 .分別用Roberts,Sobel和拉普拉斯高斯算子對圖像進(jìn)行邊緣檢測。比較三種算子處理的不同之處；2 .設(shè)計一個檢測圖3-2中邊緣的程序，要求結(jié)果類似圖3-3,并附原理說明。3 .任選一種閾值法進(jìn)行圖像分割.4 .檢測出3.3圖像的線條，要求完成的結(jié)果為二值圖像；四.實驗結(jié)果與分析1 .分別用Roberts,Sobel和拉普拉斯高斯算子對圖像進(jìn)行邊緣檢測。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，對邊緣的定位比較精確，但是會漏去一些邊緣細(xì)節(jié)，而拉普拉斯算子是一種二階邊緣檢測算法，他通過尋找圖像灰度值中二階過零點來檢測邊緣并將邊緣提取出來，邊緣的細(xì)節(jié)比較豐富。通過比較可以看出，拉普拉斯算子比sober算子邊緣更完整，效果更好。2 .設(shè)計一個檢測圖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);實驗結(jié)果：方副結(jié)果原理說明：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);實驗結(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