數(shù)字圖像處理實(shí)驗(yàn)報(bào)告-圖像分割實(shí)驗(yàn)

PAGE實(shí)驗(yàn)報(bào)告課程名稱數(shù)字圖像處理導(dǎo)論專業(yè)班級(jí)_______________姓名_______________學(xué)號(hào)_______________電氣與信息學(xué)院和諧勤奮求是創(chuàng)新PAGE1實(shí)驗(yàn)題目圖像分割實(shí)驗(yàn)實(shí)驗(yàn)室DSP室&信號(hào)室實(shí)驗(yàn)時(shí)間實(shí)驗(yàn)類別設(shè)計(jì)同組人數(shù)2成績(jī)指導(dǎo)教師簽字：一．實(shí)驗(yàn)?zāi)康睦斫鈭D像分割的基本概念；理解圖像邊緣提取的基本概念；掌握進(jìn)行邊緣提取的基本方法；掌握用閾值法進(jìn)行圖像分割的基本方法。二．實(shí)驗(yàn)內(nèi)容分別用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；設(shè)計(jì)一個(gè)檢測(cè)圖1中邊緣的程序，要求結(jié)果類似圖2，并附原理說(shuō)明。任選一種閾值法進(jìn)行圖像分割.圖1圖2三．實(shí)驗(yàn)具體實(shí)現(xiàn)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；I=imread('mri.tif');imshow(I)BW1=edge(I,'roberts');figure,imshow(BW1),title('用Roberts算子')BW2=edge(I,'sobel');figure,imshow(BW2),title('用Sobel算子')BW3=edge(I,'log');figure,imshow(BW3),title('用拉普拉斯高斯算子')附錄：可能用到的函數(shù)和參考結(jié)果**************報(bào)告里不能用參考結(jié)果中的圖像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；輸入如下代碼：I=imread('tire.tif');imshow(I)BW1=edge(I,'roberts');figure,imshow(BW1),title('用Roberts算子')BW2=edge(I,'sobel');figure,imshow(BW2),title('用Sobel算子')BW3=edge(I,'log');figure,imshow(BW3),title('用拉普拉斯高斯算子')得到：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)邊緣的定位較精確，但是會(huì)漏去一些邊緣細(xì)節(jié)。而Laplacian-Gaussian算子是一種二階邊緣檢測(cè)方法，它通過(guò)尋找圖象灰度值中二階過(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Laplacian-Gaussian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3-3，并附原理說(shuō)明。利用雙峰法i=imread('example.tif');subplot(1,2,1);imhist(i);title('原始圖像直方圖');thread=130/255;subplot(1,2,2);i3=im2bw(i,thread);imshow(i3);title('分割結(jié)果');根據(jù)原圖像的直方圖，發(fā)現(xiàn)背景和目標(biāo)的分割值大約在130左右，并將灰度圖像轉(zhuǎn)為二值圖像，分割效果比較理想。3．任選一種閾值法進(jìn)行圖像分割.選用雙峰法對(duì)圖像進(jìn)行分割：i=imread('eight.tif');subplot(1,2,1);imhist(i);title('原始圖像直方圖');