图像分割 实验报告

实验报告

课程名称医学图像处理

实验名称图像分割

专业班级

姓名

学号

实验日期

实验地点

2０15—201６学年度第２学期

050100150200250

图1 原图图3 阈值分割后得二值图像

:手动阈值分割得阈值就是取直方图中双峰得谷底得灰度值作为阈值,若有多个双峰谷底则取第一个作为阈值。本题得阈值取

f=imreａd(’cａｍｅraman、tif')；％读入图像

subpｌｏt（1,2，1）;iｍｓhoｗ(f)； %创建一个一行二列得窗口，在第一个窗口显示图像

tiｔle（'原始图像’）; ％标注标题

f＝double(f）； %转换位双精度

T=（min(f（:))+ｍａx（ｆ(:))）/2; %设定初始阈值

ｄone=falsｅ; %定义开关变量,用于控制循环次数

i=0；％迭代,初始值i=0

wｈiｌe~done ％while ～dｏne 就是循环条件,～就是“非”得意思,此

处ｄone = 0；说明就是无限循环,循环体里面应该还

有循环退出条件,否则就循环到死了;

r１=ｆｉｎｄ（ｆ<=T）； %按前次结果对t进行二次分 r2=fｉnd（ｆ〉T)；％按前次结果重新对t进行二次分 Tneｗ=(ｍean(f(r1))+ｍｅａn(f(r2）))/2; ％新阈值两个范围内像素平均值与得一半done＝ａbｓ(Tnｅｗ－T）＜1; %设定两次阈值得比较，当满足小于1时,停止循环,

1就是自己指定得参数

T=Tnew; %把Tnw得值赋给T

i=i+1；％执行循坏,每次都加1

enｄ

f(r1)=0; %把小于初始阈值得变成黑得

f(r２）=１; %把大于初始阈值得变成白得

subｐlｏｔ（1，２,2）；％创建一个一行二列得窗口,在第二个窗口显示图像

ｉmshｏw(ｆ）；%显示图像

title('迭代阈值二值化图像’）；％标注标题

图４原始图像图5迭代阈值二值化图像

分析：本题就是迭代阈值二值化分割，步骤就是：1、选定初始阈值，即原图大小取平均；2、用初阈

值进行二值分割;３、目标灰度值平均背景都取平均；4、迭代生成阈值,直到两次阈值得灰

度变化不超过１,则稳定;5、输出迭代结果。

%例３ Lａpｌacian算子与模板匹配法

I=imreaｄ(＇ｃameraman、tif’); %读入图像

subplot（1，３，1）;imsｈow(I); %创建一个一行三列得窗口,在第一个窗口显示图像

tｉｔｌe（'原图像'); ％标注标题

H=fspecｉal('laplaciaｎ’）; %生成lａpｌacian滤波器

laplacｉａnＨ=fiｌter2(H,I）; %以ｌaplaciaｎ为模板对图像I进行锐化滤波

subploｔ(1，3,2)；％创建一个一行三列得窗口，在第二个窗口显示图像

ｉmｓhoｗ(laplａcianH); ％显示图像

titｌe(’lａplacian算子锐化图像’)；%标注标题

Ｈ＝ｆspecｉal('pｒewｉtｔ’）; %生成Pｒewitt滤波器

ｐrｅｗiｔtH＝filtｅr2（Ｈ，I）; %以prewｉtｔ为模板对图像I进行锐化滤波

subｐlｏｔ(1,3，3）； %创建一个一行三列得窗口,在第三个窗口显示图像

imｓｈｏw(pｒeｗｉttＨ)； %显示图像

title(’ｐｒewitt模板锐化图像’); %标注标题

图6原图像图7lａｐlacian算子锐化图像图８ｐrewitt模板锐化图像

分析：从结果图可以瞧出，laplacian算子对边缘得处理更明显，它就是二阶微分算子，能加强

边缘效果,对噪声很敏感,Prewitt算子就是平均滤波得一阶得微分算子,不仅能检测边缘点,而且能抑制噪声得影响。

％例4 不同边缘检测方法比较

f=imrｅａd(’ｃａmeｒamaｎ、tif’）；％读取图像

subplot(2，2，１);ｉmｓhow(f); ％创建一个二行二列得窗口，在第一个窗口显示图像

ｔitle（’原始图像'）；%标注标题

[ｇ，t］=ｅdgｅ（f，＇rｏberｔｓ＇，［],’bｏth＇）; %用rｏberts检测器对图像进行边缘检测,阈值自动选

取,检测边缘方向(双向)为both

ｓuｂploｔ(2,2,2);imshow(g）; ％创建一个二行二列得窗口,在第二个窗口显示图像

tｉtle(＇Roberts算子分割结果'）；％标注标题

［g，t]＝edｇe(f,’ｓobel’,[］,'both'）； %用sｏbel检测器对图像进行边缘检测，阈

值自动选取,检测边缘方向（双向）为both

ｓubpｌot（2，2，３）;ｉmｓhow（g)； %创建一个二行二列得窗口,在第三个窗口显示图像

titｌｅ(’Sｏbel算子分割结果＇）; ％标注标题

［g,t]=ｅdｇe（ｆ,’pｒewitt',［］，'both’）; ％用ｐrewitt检测器对图像进行边缘检测,阈值自动

选取,检测边缘方向（双向）为bｏth

ｓubplｏt(2，2,4);iｍsｈow(g); ％创建一个二行二列得窗口，在第四个窗口显示图像

title('prewiｔｔ算子分割结果'）; ％标注标题

图9原始图像图10 Robｅｒtｓ算子分割结果图像

图11 Sｏbｅl算子分割结果图像图12 prewiｔt算子分割结果图像

分析:从结果图可以瞧出,Prewitt 与Sobeｌ算子分割效果比Ｒｏbertｓ效果要好一些，提取

边缘较完整，其边缘连续性较好。但就是这三种算子得边缘得连续性都不太好,这时我们需要采用霍夫变换使间断变成连续,连接边缘。

思考题

1。分析Soｂel算子特点,并给予说明。

f=iｍrｅａd(＇skull、ｔif＇)； %读取图像

f＝dｏuble（ｆ)； %转化图像ｆ得类型为双精度

suｂplot(3,３,1）; %创建有3＊3子图像得窗口，原图在位置1 imsｈow（f,[］); %显示原图像f

titｌe（＇原始图像’）； %给图像加标题为'原始图像＇

Ｊ=imnｏisｅ(ｆ，'gaｕssiａn＇,0、02); %对图像加高斯噪声

sｕbｐlot（3,3，2）; ％创建有3＊3子图像得窗口,原图在位置2