实验三图像分割

实验三图像分割
一、实验目的
1、了解图像分割的基本概念；
2、掌握阈值分割、边缘检测的基本分割方法；
3、对检测的目标图像分析其目标特征
二、实验内容
1、实验原理
阈值分割利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域的组合，选择一个合适的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生二值图像。

边缘检测是利用边缘灰度变化的一阶或二阶导数的特点，可以将边缘点检测出来。

常用梯度、roberts、sobel、prewitt等算子进行检测。

图1 两种边缘点附近灰度方向导数变化规律
2、MATLAB实现
（1）在处理图像直方图的工具箱中，核心函数为imhist，其语法为：
imhist（f,n）——直接显示
f为输入图像，h为其直方图，n是形成直方图的灰度级个数（默认256）。

（2）阈值分割
BW=im2bw( I，level) ——将灰度图像、RGB图像转换为二值图像
Level为阈值（0~1），当输入图像的亮度小于level时，输出0，大于时输出1。

或不用函数。

直接编程实现。

（3）边缘检测
函数edge提供了几个导数估计器。

该函数基本语法为：
[g，t]=edge（f，‘method’，parameters）
f——输入图像，g——输出图像，t——阈值。

‘method’是具体用到的检测方法（sobel、prewitt、roberts、log、zerocross、canny），parameters对应不同检测方法的参数。

sobel边缘检测器
[g，t] = edge(f，'sobel'，T，'dir')
T：指定阈值，dir：检测边缘首选方向（horizontal、vertical、both）
g：检测到的逻辑图像，边缘位置为1，其余位置为0。

t可选，输出参数edge函数所用阈值T。

（一般t和T参数可以不用，dir默认为both）
prewitt边缘检测器
[g，t] = edge(f，'prewitt'，T，'dir')
该函数参数与sobel相同。

prewitt检测器比sobel检测器在计算上简单一些，但比较容易产生一些噪声。

Robert边缘检测器
[g，t] = edge(f，'roberts'，T，'dir')
该函数参数与sobel相同。

（3）二值图像特征量
a)bwperim（I，CONN）——提取对象边界像素
CONN为邻域类型，4代表四连接，8代表八连接
BW2=bwperim（BW1，CONN），返回二值图像BW1的边界图像BW2。

b)S=bwarea（BW）——返回图像面积
c)Eul=bweuler（BW，n）——返回图像的欧拉数
n为连接类型，4为四连接，8为八连接
三、实验步骤
1、读取图像rice.tif，分别用Roberts, Sobel、prewitt对图像进行边缘检测，显示
检测结果。

比较三种算子处理的不同之处。

clear;
close all;
I=imread('rice.tif');
subplot(2,2,1);
imshow(I);title('原图');
[g,t] = edge(I,'roberts');
subplot(2,2,2);
imshow(g);title('roberts对图像边缘检测结果');
[g,t] = edge(I,'sobel');
subplot(2,2,3);
imshow(g);title('sobel对图像边缘检测结果');
[g,t] = edge(I,'prewitt');
subplot(2,2,4);
imshow(g);title('prewitt对图像边缘检测结果');
Roberts检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感，无法抑制噪声的影响。

Sobel对噪声具有平滑作用，提供较为精确的边缘方向信息，但边缘定位精度不够高。

Prewitt对噪声具有平滑作用，定位精度不够高。

prewitt检测器比sobel 检测器在计算上简单一些，但相对比较sobel容易产生一些噪声。

2、读取图像rice.tif，绘制直方图，双峰法阈值分割。

clear;
close all;
I=imread('rice.tif');
imshow(I);title('原图');
figure(2);
imhist(I,256);
title('直方图');
figure(3);
BW=im2bw(I,0.5);
imshow(BW);title('阈值分割二值图');
3、读取细胞图像‘cancer02.bmp’，根据相关阈值识别癌细胞。

具体过程：
读取图像（imread）——转换二值图像
提取边缘（bwperim）
计算周长L（边界像素的点数）
计算细胞高度H、宽度W、面积A（bwarea）
计算圆度C=4πA / L2、
矩形度R=A/（H*W）
伸长度E=min（H，W）/max（H，W）
设定阈值Ath1=10000 Ath2=50000
Cth=0.5 Rth=0.5 Eth=0.8
进行识别：若面积大于50000，则为可疑小细胞癌细胞。

若面积小于10000，则为正常细胞。

若面积在10000-50000之间，且C大于阈值0.5，R大于0.5，E大于阈值0.8，则为癌细胞。

相关函数：
Sum（BW）
若BW为图像矩阵，每一列的所有像素求和（或所有行求和），生成一维向量。

若BW为一维向量，则对所有元素求和。

在求周长、高度、宽度时可以用。

程序：
clear
close all
f=imread('cancer02.bmp');
subplot(2,1,1)
imshow(f);title('原图像');
BW=bwperim(f,4);
subplot(2,1,2)
imshow(BW);title('图像边缘');
L=sum(sum(BW))
H=max(sum(f)/255)
f1=rot90(f);
W=max(sum(f1)/255)
A=bwarea(f)
C=4*pi*A / L^2
R=A/(H*W)
E=min(H,W)/max(H,W)
ATH1=10000;ATH2=50000;Cth=0.5;Rth=0.5;Eth=0.8;
if A>ATH2
'可疑小细胞癌细胞'
elseif A<ATH1
'正常细胞'
else A>ATH1 & A<A TH2 & Cth>0.5 & Rth>0.5 & Eth>0.8 '癌细胞'
end
end
end
运行结果：
L =595
H =204
W =203
A =3.3241e+004
C =1.1799 R =0.8027 E =0.9951 ans =癌细胞。