数字图像处理报告--图像分割,hough边缘检测直线

实验二、图像分割实验实验目标：掌握图像分割的主流算法。

实验内容：⑴实现边缘检测算法。

⑵实现用Hough变换检测直线的算法。

实验步骤：⑴读入图像。

（设图像中有直线）⑵检测图像边缘⑶实现Hough变换，检测出图像中的直线方程。

⑷输出结果。

实验结果及程序：1.检测图像边缘：①原理：图像边缘是图像最基本的特征，边缘在图像分析中起着重要作用。

所谓边缘是指图像局部特性的不连续性。

灰度或结构等信息的突变处为成为边缘。

边缘是一个区域的结束，也是另一个区域的开始，利用此特征可以分割图像。

边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。

图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。

经典的边缘检测方法是对原始图像中像素的某小邻域来构造检测算子。

拉普拉斯边缘检测算子是基于二阶导数的边缘检测算子，对噪声敏感。

拉普拉斯算子的改进方式是先对图像进行平滑处理，然后再应用二阶倒数的边缘检测算子，其代表是拉普拉斯高斯算子。

②图像边缘检测的程序：I=imread('d.bmp'); %读入原始图像I=rgb2gray(I); %将真彩色图像转化为灰度图像[m,n]=size(I); %确定图片的的长和宽r=m+2; %把图片的长和宽各加2c=n+2;b=zeros(r,c); %定义二维数组b,长、宽比I各多2，成为镜框的尺寸g=zeros(m,n); %定义滤波后的数组d=zeros(3); %定义三阶方阵d,为临时矩阵t=[-1 -1 -1;-1 8 -1;-1 -1 -1]; %定义拉普拉斯算子Result=zeros(3); %定义三阶方阵Result，为运算结果矩阵%原图像矩阵处理，做一个"像框"b(2:m+1,2:n+1)=I; %把原图的矩阵放到新的矩阵b中心，它的第一行、最后一行、第一列、最后一列都是0，即原图矩阵周围有一圈0的边缘，好像给图像加一个像框b(1,:)=b(2,:); %把第二行的值赋给第一行b(r,:)=b(r-1,:); %把倒数第二行的值赋给最后一行b(:,1)=b(:,2); %把第二列的值赋给第一列b(:,c)=b(:,c-1); %把倒数第二列的值赋给最后一列%用拉普拉斯算子进行滤波for i=1:mfor j=1:nd=b(i:i+2,j:j+2); %从b矩阵中依次取出三阶方阵，赋值给临时矩阵dResult=d.*t; %临时矩阵与拉普拉斯算子点乘，赋值给结果矩阵dg(i,j)=sum(sum(Result)); %结果矩阵中"十"字线上元素相加，赋值给输出矩阵中相应的位置，即临时矩阵中心元素所对应的位endendthresh=2.6*mean2(abs(g)); %设定阈值将图像二值化使边缘清晰J=repmat(logical(uint8(0)),m,n); %创建数组J(find(g>thresh))=1; %阈值判断二值化figure,subplot(2,2,1),imshow(I);title('原始图像');%显示原图像subplot(2,2,2),imshow(J); title('拉普拉斯边缘检测后的图像'); %显示拉普拉斯边缘检测后的图像subplot(2,2,3),imshow(g); title('将拉普拉斯边缘检测二值化后的图像')③图像经边缘检测后的MATLAB程序实现效果图如下：2.Hough变换检测直线：①原理：Hough变换用来在图象中查找直线，把直线上点的坐标变换到过点的直线的系数域，通过利用共线和直线相交的关系，使直线的提取问题转化为计数问题。

对于任意两点的直线方程：y=ax+b，由于垂直直线a为无穷大，我们改用极坐标形式： xcosθ+ysinθ=ρ参数平面为θ，ρ，对应不是直线而是正弦曲线使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点然后找出该点对应的xy平面的直线线段Hough变换的基本策略是：由图像空间中的边缘数据点去计算参数空间中的参数点的可能轨迹，并在一个累加器中给计算出的参考点计数，最后选出峰值。

Hough变换法主要优点是受共线点的间隙和噪声影响较小。

对于激光测距仪采集的一帧数据进行哈夫变换处理可将数据点集按线段分成若干簇。

②图像边缘检测的程序：拉普拉斯边缘检测程序如上。

Hough检测：I=imread('d,tif');g=rgb2gray(I); %图像灰度化J=im2uint8(g);[m,n]=size(J);for i=1:mfor j=1:n %图像原点在(1,1)处，所以模版从(2,2)处开始计算，在(m-1,n-1)处结束if J(i,j)>150;J(i,j)=0;elseJ(i,j)=255;endendenda=180; % Hough变换检测直线，用参数（a，p）坐标空间；角度的值为0到180度d=round(sqrt(m^2+n^2)); %图像对角线长度为d的最大值s=zeros(a,2*d); %记录(a,p)像应的点的个数z=cell(a,2*d); %记录(a,p)像应的点的坐标for i=1:mfor j=1:n %图像中的每个点if(J(i,j)==0) %只检测图像边缘的黑点，白点不检测for k=1:ap = round(i*cos(pi*k/180)+j*sin(pi*k/180));%对每个点从1到180度寻迹一遍，取得经过该点的所有直线的p值 if(p > 0) %若p大于0，则将点存储在（d，2d）空间 s(k,d+p)=s(k,d+p)+1; %（a，p）相应的累加器单元加1 z{k,d+p}=[z{k,d+p},[i,j]']; %存储点的坐标elseap=abs(p)+1; %若p小于0，则将点存储在（0，d）空间 s(k,ap)=s(k,ap)+1; %（a，p）相应的累加器单元加1 z{k,ap}=[z{k,ap},[i,j]']; %存储点的坐标endendendendendfor i=1:afor j=1:d*2 %检查每个累加器单元中存储数量if(s(i,j) >110) %设置适当的阈值以保证所检测出的直线清晰，设阈值为110lp=z{i,j}; %提取对应点坐标for k=1:s(i,j) %对满足阈值条件的累加器单元中(a，p)对应的所有点进行操作I(lp(1,k),lp(2,k),1)=0;I(lp(1,k),lp(2,k),2)=0;I(lp(1,k),lp(2,k),3)=255; %对检测出的点赋蓝色凸显直线endendendendfigure(1),imshow(g);title('显示原图像');figure(2),imshow(J);title('二值反转后的图像')figure(3),imshow(I);title('进行hough变换显示直线');③图像经边缘检测后的MATLAB程序实现效果图如下：小结：这次数字图像处理实验总共分两个模块：一、图像加强；二、图像增强。

完成这次实验也差不多用了一个周的时间来完成它。

因为之前很少接触Matlab，其中的好多语句及函数用法都不是很熟悉。

开始做图像处理之前首先要熟练Matlab怎么运行，以及熟练掌握其中的一些语句格式及函数功能。

在安装KEIL软件时出现了些小问题也在网上找到解决的方案。

之后开始做图像处理实验，开始的图像反转，对数变换，gamma变化相对比较容易一些。

将实验结果成功运行之后也真切的感受了一下数字图像处理的用处。

在这过程中也遇到了些小的问题比如：要将彩色图像转化为灰度对象，如何在一个界面显示多幅图像以增加对比性，如何在图像上加标题…经过查阅相关资料也顺利解决了，也在后面的实验中熟练运用了。

在图像均衡化处理的时候花费了很多的时间去学习算法，然后编写自己的程序。

直接调用KEIL已有的函数显示的结果稍微会比自己编写的程序运行出的结果要好一些。

实验二的图像分割是整个实验花费时间最多的尤其是在Hough变换上出现了很多问题，无论怎么修改Hough变换的程序只能显示Hough变换图，但是就是检测不出所预想的直线来。

然后和同学商量之后先用拉普拉斯边缘检测检测出边缘来，然后二值化是边缘更加清晰些，因为Hough检测黑线会比白线效果更好一点，所以对二值化后的拉普拉斯图像进行反转，再用Hough进行直线检测，并用蓝色将这些线标识出来。

通过此次图像处理实验不仅加深了对图像处理相关知识的理解，尤其是Hough变换检测直线，而且对Matlab软件的使用也进一步熟练了。

我想这次实验对我以后进一步学习图像处理会有很大的帮助。

在实验过程中我经常调用Matlab已有的函数程序和自己编写的程序进行结果对比，其中直方图均衡化以及图像分割还是有一些差别的，这说明还是有很多的改进空间的，尤其是在Hough中，对比是很明显的，所以还需要进一步学习图像处理的一些实用型的处理方法。