数字图像处理实验报告——图像分割实验

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

数字图像处理实验报告——图像分割实验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

实验题目图像分割实验

DSP室&信号室实验室实验时间实验类别设计同组人数 2 成绩指导教师签字: 一(实验目的

1. 理解图像分割的基本概念;

2. 理解图像边缘提取的基本概念;

3. 掌握进行边缘提取的基本方法;

4. 掌握用阈值法进行图像分割的基本方法。

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=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')

1

比较提取边缘的效果可以看出,sober算子是一种微分算子,对边缘的定位较精确,但是会漏去一些边缘细节。而Laplacian-Gaussian算子是一种二阶边缘检测方法,它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来,边缘的细节比较丰富。通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整,效果更好。

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。

i=imread('m83.tif');

subplot(1,2,1);

imhist(i);

title('原始图像直方图');

thread=130/255;

subplot(1,2,2);

2

i3=im2bw(i,thread); imshow(i3);

title('分割结果');

3. 任选一种阈值法进行图像分割. i=imread('trees.tif'); subplot(1,2,1); imhist(i);

title('原始图像直方图'); thread=100/255;

subplot(1,2,2);

i3=im2bw(i,thread); imshow(i3);

title('分割结果')

3

4

5

附录:可能用到的函数和参考结果**************报告里不能用参考结果中的图像

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;

输入如下代码:

I=imread('tire.tif');

imshow(I)

BW1=edge(I,'roberts');

6

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:

比较提取边缘的效果可以看出,sober算子是一种微分算子,对边缘的定位较精确,但是会漏去一些边缘细节。而Laplacian-Gaussian算子是一种二阶边缘检测方法,它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来,边缘的细节比较丰富。通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整,效果更好。

2.设计一个检测图3-2中边缘的程序,要求结果类似图3-3,并附原理说明。利用双峰法

i=imread('example.tif');

subplot(1,2,1);

imhist(i);

title('原始图像直方图');

thread=130/255;

subplot(1,2,2);

i3=im2bw(i,thread);

imshow(i3);

7

title('分割结果');

根据原图像的直方图,发现背景和目标的分割值大约在130左右,并将灰度图像转为二

值图像,分割效果比较理想。

3(任选一种阈值法进行图像分割. 选用双峰法对图像进行分割:

i=imread('eight.tif'); subplot(1,2,1); imhist(i);

title('原始图像直方图');

thread=100/255; subplot(1,2,2); i3=im2bw(i,thread); imshow(i3); title('分割结果');

结果:

8

9

相关文档
最新文档