实验四图像分割与边缘检测 一．实验目的及要求 1．利用MATLAB研究图像分割与边缘检测的常用算法原理； 2．掌握MATLAB图像域值分割与边缘检测函数的使用方法； 3．了解边缘检测的算法和用途，比较Sobel、Prewitt、Canny等算子边缘检测的差异。 二、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。 1．图像阈值分割 clear all, close all; I = imread('cameraman.tif'); figure (1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1 = im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2);
help im2bw; help graythresh; clear all, close all; I = imread('cameraman.tif'); figure (1),imshow(I) figure(2); imhist(I) T=240/255; Ibw1 = im2bw(I,T); figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh;
数字图像处理实验报告 题目：图像的阈值分割及边缘检测技术 班级： 姓名： 学号：
图像的阈值分割及边缘检测技术 一、实验目的 1、了解图像的分割技术，掌握图像的全局阈值分割技术并通过MATLAB实现； 2、了解图像的边缘检测，掌握梯度算子图像边缘检测方法。 二、实验内容 1、基于直方图的全局阈值图像分割方法； 2、Edge命令（roberts,perwitt,sobel,log,canny），实现边缘检测。 三、实验原理 1、全局阈值是最简单的图像分割方法。其中，直方图法的原理如下：想做出图 像的直方图，若其直方图呈双峰且有明显的谷底，则可以讲谷底点所对应的灰度值作为阈值T，然后根据该阈值进行分割，九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 2、用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。 这三种检测算子中，Roberts算子定位精度较高，但也易丢失部分边缘，抗噪声能力差，适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理，因此具有一定的抑制噪声的能力，但不能排除检测结果中的虚假边缘，易出现多像素宽度。
四、实验步骤 1、全局阈值分割： ①读取一张图像； ②生成该图像的直方图； ③根据直方图双峰产生的低谷估计阈值T； ④依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于 阈值，则将该像素改为0； 实验代码如下： I=imread('cameraman.tif'); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素，若大于阈 值，则将像素改为255，若小于阈值， 则将该像素改为0 for j=1:n if I(i,j)>=T I(i,j)=255; else I(i,j)=0; end end
岭南师范学院 课程名称数字图像处理 实验序号实验5 实验名称图像分割和边缘检测 实验地点综B207 2017年10 月14 日
四、实验过程（实验步骤、记录、数据、分析） 1.基于一阶导数的边缘算子 a=imread('y.jpg'); f=rgb2gray(a); subplot(2,2,1),imshow(f),title('原始图像'); [g1 , t1]=edge(f,'roberts',[ ], 'horizontal'); subplot(2,2,2), imshow(g1),title('Roberts'); [g2, t2]=edge(f, 'sobel',[ ], 'horizontal'); subplot(2,2,3), imshow(g2),title('Sobel'); [g3, t3]=edge(f, 'prewitt',[ ], 'horizontal'); subplot(2,2,4), imshow(g3),title('Prewitt'); 从图像结果来看，'Roberts'的边缘检测范围更加大 2、基于二阶导数的边缘算子：应用LOG算子检测边缘 a=imread('y.jpg'); f=rgb2gray(a); subplot(1,2,1),imshow(f),title('原始图像'); [g , t]=edge(f, 'log'); subplot(1,2,2),imshow(g),title('log');
3、基于约束条件的最优化检测边缘算子：应用Canny算子检测边缘a=imread('y.jpg'); f=rgb2gray(a); subplot(1,2,1),imshow(f),title('原始图像'); [g , t]=edge(f,'canny'); subplot(1,2,2),imshow(g),title('Canny');
江苏科技大学 数字图像处理 图像分割——区域生长法专题 1 图像分割简介 图像分割( image segmentation) 就是把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。这里特征可以是象素的灰度、颜色、纹理等, 预先定义的目标可以对应单个区域也可以对应多个区域。图像分割是图像处理到图像分析的关键步骤, 在图像工程中占据重要的位置。一方面, 它是目标表达的基础, 对特征测量有重要的影响。另一方面, 因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式, 使得更高层的图像分析和理解成为可能。 图像分割是一种重要的图像处理技术, 它不仅得到人们的广泛重视和研究, 在实际中也得到大量的应用。图像分割包括目标轮廓、阈值化、图像区分或求差、目标检测、目标识别、目标跟踪等技术。 从大的方面来说，图像分割方法可大致分为基于区域的方法、基于边缘的方法、区域与边缘相结合的方法，以及在此基础上的采用多分辨率图像处理理论的多尺度分割方法。 其中基于区域的方法采用某种准则，直接将图像划分为多个区域。而基于边缘的方法则通过检测包含不同区域的边缘，获得关于各区域的边界轮廓描述，达到图像分割的目的，而区域与边缘相结合的方法通过区域分割与边缘检测的相互作用，得到分割结果。 图像分割中基于区域的方法主要有直方图门限法、区域生长法、基于图像的随机场模型法、松弛标记区域分割法等。本文主要讨论基于区域分割的区域生长法。区域生长是一种古老的图像分割方法，最早的区域生长图像分割方法是由Levine等人提出的。该方法一般有两种方式，一种是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的；另一种是先将图像分割成很多的一致性较强，如区域内像素灰度值相同的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的，典型的区域生长法如T. C. Pong等人提出的基于小面（facet）模型的区域生长法，区域生长法固有的缺点是往往会造成过度分割，即将图像分割成过多
数字图像处理实验报告 学生姓名王真颖 学生学号L0902150101 指导教师梁毅雄 专业班级计算机科学与技术1501 完成日期2017年11月06日
计算机科学与技术系信息科学与工程学院
目录 实验一.................................................................................................. 错误!未定义书签。 一、实验目的.................................................................................................... 错误!未定义书签。 二、实验基本原理 ........................................................................................... 错误!未定义书签。 三、实验内容与要求....................................................................................... 错误!未定义书签。 四、实验结果与分析....................................................................................... 错误!未定义书签。实验总结............................................................................................... 错误!未定义书签。参考资料.. (3) 实验一图像分割与边缘检测 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；
实验一、图像分割与边缘检测 一、实验目的 依据边缘检测的理论，实现灰度图像一阶和二阶边缘检测方法，启发学生依据边缘特征进行图像分析与识别，提高学生图像处理与分析能力和实际动手能力。 二、实验内容 1 编程实现一阶差分边缘检测算法，包括Roberts梯度算子、Prewitt算子和Sobel算子。 2 编程实现二阶差分Laplace边缘检测算法。 3 分析与比较各种边缘检测算法的性能。 三、实验原理 1 基本原理分析（略） 2 部分源程序 1）clc all; [I,map]=imread('rice.png'); figure; subplot(3,2,1),imshow(I,map); I=double(I); [IX IY]=gradient(I); GM=sqrt(IX.*IX+IY.*IY); OUT1=GM; subplot(3,2,2);imshow(OUT1,map); OUT2=I; J=find(GM>=10); OUT2(J)=GM(J); subplot(3,2,3),imshow(OUT2,map); OUT3=I; J=find(GM>=10); OUT3(J)=255; subplot(3,2,4),imshow(OUT3,map); OUT4=I; J=find(GM<=10); OUT4(J)=255; subplot(3,2,5),imshow(OUT4,map); OUT5=I; J=find(GM>=10); OUT5(J)=255; Q=find(GM<10); OUT5(Q)=0; subplot(3,2,6),imshow(OUT5,map); 2） I = imread('coins.png'); BW1 = edge(I,'roberts'); BW2 = edge(I,'prewitt'); BW3 = edge(I,'sobel'); BW4 = edge(I,'log'); BW5 = edge(I,'canny'); figure
6、采用简单区域扩张法对下图实施图像的区域分割。自行选定起始种子像素灰及灰度间隔度。 原理：以图像的某个像素为生长点，比较相邻像素的特征，将特征相似的相邻像素合并为同一区域；以合并的像素为生长点，继续重复以上操作，最终形成具有相似特征的像素的最大连通集合。该法称简单(单一型)区域扩张法。 基于区域灰度差的方法主要有如下步骤： （1）对图像进行逐行扫描，找出尚没有归属的像素； （2）以该像素为中心检查它的邻域像素，如果灰度差小于预先确定的阈值，将它们合并； （3）以新合并的像素为中心，重复步骤(2)，检查新像素的邻域，直到区域不能进一步扩张； （4）返回到步骤(1)，继续扫描直到不能发现没有归属的像素，则结束整个生长过程。 下图给出已知种子点进行区域生长的一个示例。图(a)给出需分割的图像，设已知种子像素(标为灰色方块)，现要进行区域生长。设这里采用的生长判断准则是：如果所考虑的像素与种子像素灰度值差的绝对值小于某个门限T，则将该像素包括进种子像素所在区域。图(b)给出T＝3时的区域生长结果，整幅图被较好地分成2个区域；图(c)给出T＝2时的区域生长结果，有些像素无法判定；图(d)给出T＝6时的区域生长结果，整幅图都被分在一个区域中了。 程序为：（一） I=imread('p5-06.tif'); subplot(2,2,1),imshow(I),title('原始图像'); Ic=imcomplement(I) ; BW=im2bw(Ic,graythresh(Ic)) ; subplot(2,2,2),imshow(BW),title('阈值截取分割后图像'); se=strel('disk',6); BWc=imclose(BW,se); BWco=imopen(BWc,se);
1.几种算子图像边缘提取: 程序代码如下: 运行结果: 原图为一堆苹果(彩图),各算子处理后的边缘提取图:
分水岭算法实现: a.直接对图像进行分水岭算法处理 代码如下：（原图还是上题一堆苹果） 运行结果如右图： 很明显，属于过度分割了。下面有改进算法： b.改进算法代码如下： 实现包括下列步骤： (1)读图像。读入图像 (2)对比度最大化。注意到图像中有许多彼此连通的 不同大小的对象。为使通过watershed变换找到的低 谷数目最小，我们使感兴趣的对象的对比度达到最 大。对比度增强的一个常用的技术是综合应用top— hat和bottom—hat变换。 top—hat变换定义为原图像和它的开之差。图像的 开是一与特定结构元素匹配的图像前景部分的集合。 bottom—hat变换定义为在原图像和它的闭之间的 差。图像的闭是一与特定结构元素匹配的图像背景 的集合。 通用的结构元素是正方形，长方形，圆盘，菱 形，球和线。既然图像中我们感兴趣的目标对象看 起来像圆盘，我们用strel函数建立一个半径为15个 像素的圆盘形结构元素。这个圆盘尺度是图像中的 目标对象的平均半径的一个估计。 (3)图像相加减。为使目标对象与分隔它们的间隙之 间的对比达到最大，用“原图top—hat图像+bottom —hat图像”得到增强的结果图。 ( 4)转换感兴趣的对象。调用watershed变换找出图像 的亮度”低谷”，把imcomplement作用 增强过的图像上，将感兴趣的目标对象转换为亮度低谷，得到增强图的补图。 (5)检测亮度低谷。对所得补图运用imextendedmin函数检测低于某特别阈值的所有亮度低谷。
实验二图像分割与边缘检测 一．实验目的及要求 1．利用MATLAB研究图像分割与边缘检测的常用算法原理； 2．掌握MATLAB图像域值分割与边缘检测函数的使用方法； 3．了解边缘检测的算法和用途，比较Sobel、Prewitt、Canny等算子边缘检测的差异。 二、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。 1．图像阈值分割 clear all, close all; I = imread('rice.tif'); figure (1),imshow(I) figure(2); imhist(I) T=120/255; Ibw1 = im2bw(I,T); %选择阈值T=120/255对图像二值化； figure(3); subplot(1,2,1), imshow(Ibw1); T=graythresh(I); %采用Otsu方法计算最优阈值T对图像二值化； L = uint8(T*255) Ibw2 = im2bw(I,T); subplot(1,2,2), imshow(Ibw2); help im2bw; help graythresh; （令Ｔ取不同值，重做上述试验，观察试验结果） 以下是程序执行结果： Comand窗口： L = 125 IM2BW Convert image to binary image by thresholding. IM2BW produces binary images from indexed, intensity, or RGB images. To do this, it converts the input image to grayscale format (if it is not already an intensity image), and then converts this grayscale image to binary by thresholding. The output binary image BW has values of 0 (black) for all pixels
边缘提取与图像分割 理论、算法、源码与实例 1）理论 一、边缘检测的基本方法： 各种差分算子，主要有： 差分边缘检测方法 Roberts梯度模算子 前两种对垂直，水平，对角检测好。 Prewitt算子，Robinson算子（算八个方向的梯度最大值） Sobel算子（利用上下左右加权，可平滑噪声）； Kirsch算子 Rosenfeld算子 Laplace算子（二阶导数算子，一般不用于检测，用于之后判别暗区与明区。） LOG算子，（高斯平滑后求导提取边界。） 主要思路用高斯函数对图像平滑滤波，然后再对图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 该算法高斯函数方差取值很重要，过大会导至精度不高。还容易产生虚假边界。但可以用一些准备去除虚假边界。对于灰度渐变图的效果也不太好。但大部份图片边缘提取效果还好。Canny边界检测算子 二、拟合曲面求导提取边界。 主要思路为在点的邻域各点拟合一个曲面，由曲面的求导代替离散点求差分，这种方法对于噪声比较不敏感。 三、统计判决法提取边界 以误判概率最小化设置门限，对边界检测算子作用后的每个像点判别/。统计判决法依赖于先验知识。 四、分裂—合并算法 按一定的均一化标准，将图片分成子图。合并满足均一性准则的子图。
五、跟踪技术 1）区域跟踪，基于区域的图像分割方法。 应用于直接提取区域。检测满足跟踪准则的点，找到这样的点，检测其所有邻点，把满足跟踪准则的任合邻点合并再重复。直到没有邻点满足检测准则。 2）曲线跟踪，基于边界的图像分割方法。 对整幅图扫描，对所有“现在点”的邻点检测，周围没有满足跟踪条件的点时，返回到上一个最近的分支处，取出另一个满足跟踪原则的现在点。重复根踪。 六、模型化与统计检验法检测边界 开始步骤为对图像划分成多块子图，每块子图进行曲面拟合。并应用误差的分析，构造F 统计量，判断此区域是否有边界的存在。 七、匹配检测技术 基于区域的一种分割方法。 1）归一化互相关测度匹配 类似于求相关系数。但是这种方法实用时不太理想，因为匹配模板的尺寸跟图上的尺寸差异，造成操作很难。 2）匹配滤波器 基于最大信噪比准则。 用一个滤波器对图像子图作卷积，当滤波器为子图旋转180度后的K倍时，功能与相关系数一样。此时称为匹配滤波器。 3）线检测 用匹配滤波器可以设计一些线检测器。对直线检测效果好。 八、利用模式识别某些技术进行图像分割 对每个像素提取特征，提取一个n维特征，如果特效果好，那么在特征空间里，像素点会表现出类聚。一般来说，特征是区域性的，一般是征对邻域或图像的各个子图提取特征。通常特征包含，灰度，空间关系（梯度，像素小块邻域平均灰度，纹理参数，颜色）等。 九、基于活动轮廓模型的边界提取算法 不同于经典的基于求导自下而上过程，而是一种基于总体和局部的自上而下和自下而上的处理过程。借助一些物理概念构造一个描述轮廓状态指标，将图像灰度分布，灰度梯度及轮廓形状约束等信息作为“外能”和“内能”构造活运轮廓的能量函数。将一个初始轮廓放在感兴趣的图像区域中，轮廓在外力和内力作用下变形，外力推动活动轮廓向着物体的边缘运动，而内力要使活动轮廓趋于光滑和保持其拓朴性。在达到平衡时，对应的能量最小，此时的活动轮廓即为要检测的边界。 十、基于视觉特性的边界提取方法 ——线性加权函数（LWF）在边界检测中的应用 视觉系统对亮度对比度的感知可以转化为数学中的微分算子的特征值问题，视觉的感觉响应类似于高斯函数与其拉普拉斯变换之和。基于生理学和数学导出的线性加权函数（LWF）是高斯函数与它的二阶导数的线性组合. 视觉处理过程是图像与一系列不同方差的高斯函数及其二阶导数的卷积过程。
图像分割和图像边缘检测 边缘检测和图像分割的联系：边缘检测是通过图像的梯度变化将图像中梯度变化明显的地方检测出来，针对的是边缘信息。图像分割是将目标分割出来，针对的是目标对象，边缘检测是空间域图像分割的一种方法，属于包含关系 边缘检测后的图像是二值图像，对二值图像可以运用形态学操作来分割目标，所以边缘检测是图像分割的一个前提。但分割不一定非要用边缘检测。 图像分割：概念： 图像分割是将图像划分成若干个互不相交的小区域的过程，所谓小区域是某种意义下具有共同属性的像素的连通集合。 从集合的观点看：它应该是具有如下性质的一种点集，集合R代表整个区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集R1，R2，，RN： 目的： 无论是图像处理、分析、理解与识别，其基础工作一般都建立在图像分割的基础上； 将图像中有意义的特征或者应用所需要的特征信息提取出来； 图像分割的最终结果是将图像分解成一些具有某种特征的单元，称为图像的基元； 相对于整幅图像来说，这种图像基元更容易被快速处理。 图像分割原理图像分割的研究多年来一直受到人们的高度重视，至今提出了各种类型的分割算法。Pal把图像分割算法分成了6类：阈值分割，像素分割、深度图像分割、彩色图像分割，边缘检测和基于模糊集的方法。但是，该方法中，各个类别的内容是有重叠的。为了涵盖不断涌现的新方法，有的研究者将图像分割算法分为以下六类：并行边界分割技术、串行边界分割技术、并行区域分割技术、串行区域分割技术、结合特定理论工具的分割技术和特殊图像分割技术。 图像分割的特征：分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的的且没有过多小孔。 区域边界是明确的
电子科技大学 实 验 报 告 学生姓名： 学号： 指导教师：彭真明 日期： 2014 年 5 月 20 日 一、实验名称：图像分割及目标检测 二、实验目的：
1、了解图像边缘检测及图像区域分割的目的、意义和手段。 2、熟悉各种经典的边缘检测算子、图像分割方法及其基本原理。 3、熟悉各种图像特征表示与描述的方法及基本原理。 4、熟练掌握利用matlab 工具实现各种边缘检测的代码实现。 5、熟练掌握利用matlab 工具实现基本阈值分割的代码实现。 6、通过编程和仿真实验，进一步理解图像边缘检测、图像分割及其在目标检测、目标识别及跟踪测量应用中的重要性。 三、实验原理及步骤： 1、利用Soble算子进行图像的边缘检测 （1）原理与步骤 数字图像的边缘一般利用一阶/二阶差分算子进行检测。常用的差分算子包括：Roberts 算子（交叉对角算子），Prewitt 算子（一阶），Sobel 算子（一阶），Laplacian 算子（二阶），LoG 算子（二阶）及Canny 边缘检测算法等。其中，Soble 算子为常见的一类梯度算子（一阶梯度算子）。 其x, y 方向的梯度算子分别为： 一幅数字图像I（如图1）与Sx 和Sy 分别做卷积运算后（可采用多种方式，如conv2，filter2 及imfilter），可以求得x,y 两个方向的梯度图像Dx,Dy，然后，可以计算得到原图像的梯度幅度，即 或：
（2）进一步执行梯度图像D 的二值化处理（建议采用Otsu 阈值，也可考虑其他阈值分割），检测图像的二值化边缘。 （3）对于与步骤同样的输入图像I，利用matlab 工具的edge(I,’soble’)函数进行处理。试比较处理结果与步骤（2）的得到的结果的差异，并分析存在差异的原因。 （4）画出原图像、原图像的Dx, Dy 图，幅度图（D）及最后的二值化边缘检测结果图。 2、数字图像中目标区域的形心计算 （1）按如下公式计算原图像（图 2）的质心。 （2）对图 2 中的黑色形状目标进行阈值分割，得到二值化的图像； 图2 原始图像（240*240） （3）计算目标形状的面积（以像素表示）； （4）计算图中黑色形状目标的形心位置，并在原图上进行位置标记（可用红色小圆圈）。 其中，M，N 为图像尺寸。x,y 为像素图像平面上的坐标。 （5）画出原图像、原图上叠加质心标记图；分割后的二值化图及分割图上叠加形心标记图。 四、程序框图
实验报告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
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(''); 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(''); 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); 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(''); subplot(1,2,1); imhist(i); title('原始图像直方图'); thread=100/255;
学号14102500892 光电图像处理实验报告 实验三：静态图像分割与边缘检测 作者肖剑洪专业电子科学与技术学院物理与电子学院指导老师王晓明 完成时间2013.12.2
实验三静态图像分割与边缘检测 一、实验目的 1．学习常用的图像分割与边缘检测方法，并通过实验使学生体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响； 2．观察图像分割的结果，产生对所讲述理论知识的直观认识，加深对图像分割与边缘检测相关理论知识的理解。 3．掌握常用图象分割及边缘检测方法的算法设计及编程实现； 4．学会使用MATLAB软件中关于图像分割与边缘检测的函数； 二、实验设备 联想图像处理工作站 三、实验内容及要求 1．自己编写M-function实现图像阈值分割算法，要求该程序能对256级灰度图像进行处理，显示处理前、后图像； 2．自己编写M-function实现利用Sobel算子进行图像边缘检测的算法，并对图像进行检测，显示原图像、处理后的图像。 3．调用Matlab自带的图像处理函数，用不同的算子对图像进行分割、边缘检测，比较结果。 4．结合以上实验内容，使用ICETECK-DM642-IDK-M实验系统进行相应的动态视频图像分割及边缘检测，观察结果。 四、实验原理 1．图像分割 图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。图像分割有三种不同的途径：区域法、边界法、边缘法。最常用的是灰度阈值化处理进行的图像分割：
(,)(,)255 (,)f x y T g x y f x y T ?=T)和G2（ 目录 摘要 (1) 引言 (2) 第一章绪论 (3) 1.1 课程设计选题的背景及意义 (3) 1.2 图像边缘检测的发展现状 (4) 第二章边缘检测的基本原理 (5) 2.1 基于一阶导数的边缘检测 (8) 2.2 基于二阶导的边缘检测 (9) 第三章边缘检测算子 (10) 3.1 Canny算子 (10) 3.2 Roberts梯度算子 (11) 3.3 Prewitt算子 (12) 3.4 Sobel算子 (13) 3.5 Log算子 (14) 第四章MATLAB简介 (15) 4.1 基本功能 (15) 4.2 应用领域 (16) 第五章编程和调试 (17) 5.1 edge函数 (17) 5.2 边缘检测的编程实现 (17) 第六章总结与体会 (20) 参考文献 (21) 摘要 边缘是图像最基本的特征，包含图像中用于识别的有用信息，边缘检测是数字图像处理中基础而又重要的内容。该课程设计具体考察了5种经典常用的边缘检测算子,并运用Matlab进行图像处理结果比较。梯度算子简单有效，LOG 算法和Canny 边缘检测器能产生较细的边缘。 边缘检测的目的是标识数字图像中灰度变化明显的点，而导函数正好能反映图像灰度变化的显著程度，因而许多方法利用导数来检测边缘。在分析其算法思想和流程的基础上，利用MATLAB对这5种算法进行了仿真实验，分析了各自的性能和算法特点，比较边缘检测效果并给出了各自的适用范围。 关键词：边缘检测；图像处理；MATLAB仿真 引言 边缘检测在图像处理系统中占有重要的作用，其效果直接影响着后续图像处理效果的好坏。许多数字图像处理直接或间接地依靠边缘检测算法的性能，并且在模式识别、机器人视觉、图像分割、特征提取、图像压缩等方面都把边缘检测作为最基本的工具。但实际图像中的边缘往往是各种类型的边缘以及它们模糊化后结果的组合，并且在实际图像中存在着不同程度的噪声，各种类型的图像边缘检测算法不断涌现。早在1965 年就有人提出边缘检测算子，边缘检测的传统方法包括Kirsch，Prewitt，Sobel，Roberts，Robins，Mar-Hildreth 边缘检测方法以及Laplacian-Gaussian（LOG）算子方法和Canny 最优算子方法等。 本设计主要讨论其中5种边缘检测算法。在图像处理的过程需要大量的计算工作,我们利用MATLAB各种丰富的工具箱以及其强大的计算功能可以更加方便有效的完成图像边缘的检测。并对这些方法进行比较 文献综述 课题：基于数学形态学的图像边缘检测方法研究 边缘检测是图像分割的核心容，而图像分割是由图像处理到图像分析的关键步骤，在图像工程中占据重要的位置，对图象的特征测量有重要的影响。图像分割及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。从而边缘检测在图像工程中占有重要的地位和作用。因此对边缘检测的研究一直是图像技术研究中热点，人们对其的关注和研究也是日益深入。 首先，边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。边缘是边界检测的重要基础，也是外形检测的基础。同时，边缘也广泛存在于物体与背景之间、物体与物体之间,基元与基元之间，是图像分割所依赖的重要特征。其次，边缘检测对于物体的识别也是很重要的。第一，人眼通过追踪未知物体的轮廓而扫视一个未知的物体。第二，如果我们能成功地得到图像的边缘，那么图像分析就会大大简化，图像识别就会容易得多。第三，很多图像并没有具体的物体，对这些图像的理解取决于它们的纹理性质，而提取这些纹理性质与边缘检测有极其密切的关系。 理想的边缘检测是能够正确解决边缘的有无、真假、和定向定位。长期以来，人们一直关心这一问题的研究，除了常用的局 部算子及以后在此基础上发展起来的种种改进方法外，又提出了许多新的技术，其中，比较经典的边缘检测算子有 Roberts cross算子、Sobel算子、Laplacian算子、Canny算子等，近年来又有学者提出了广义模糊算子，形态学边缘算子等。这些边缘检测的方法各有其特点，但同时也都存在着各自的局限性和不足之处。 本次研究正是在已有的算法基础上初步进行改进特别是形 态学边缘算子，以期找到一个更加简单而又实用的算子，相信能对图像处理中的边缘检测方法研究以及应用有一定的参考价值。 一、课题背景和研究意义： 伴随着计算机技术的高速发展，数字图像处理成为了一门新兴学科，并且在生活中的各个领域得以广泛应用。图像边缘检测技术则是数字图像处理和计算机视觉等领域最重要的技术之一。在实际图像处理中，图像边缘作为图像的一种基本特征，经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是数字图像处理重要的研究课题之一。 边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题, 边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地 实验三图像分割与边缘检测 上课老师:赵欢喜实验指导:吴磊 实验地点:科技楼4楼计算机实验中心时间:2010.12.14 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．实验基本原理 ●图象边缘检测 图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。 导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。 一阶导数与是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向α上的灰度变化率可以用相应公式进行计算;对于数字图像，应该采用差分运算代替求导。 边缘检测实验报告 一、实验目的 通过课堂的学习，已经对图像分割的相关理论知识已经有了全面的了解，知道了许多图像分割的算法及算子，了解到不同的算子算法有着不同的优缺点，为了更好更直观地对图像分割进行深入理解，达到理论联系实际的目的，特制定如下的实验。 二、实验原理： 图像处理有两大类目的：1．改善像质（增强、恢复）；2．图像分析：对图像内容作出描述；其一般的图像处理过程如下： 图像分割的算法有： （1）阈值分割原理： (,)(,)(,)E B L f x y T g x y L f x y T ≥?=? （2）边缘检测： 梯度对应一阶导数，对于一个连续图像函数f(x,y): 梯度矢量定义: 梯度的幅度: 梯度的方向: a) Roberts 算子 b) Sobel 算子 Roberts 算子 [ ] T T y x y f x f G G y x f ?? ????????==?),(122) ()),((),(y x G G y x f mag y x f +=?=?) arctan(),(x y G y x =φ()()()[]()()[] { } 2 122 1,,11,1,,+-++++-=j i f j i f j i f j i f j i g c) Prewitt 算子 d) Kirsch 算子 由K 0~K 7八个方向模板组成，将K0~K7的模板算法分别与图像中的3×3区域乘，选最大一个值，作为中央像素的边缘强度 （3）区域分割 1 区域生长法 算法描述 先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相似性质的像素合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。 2 分裂合并法 实际中常先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求,即分裂合并法.一致性测度可以选择基于灰度统计特征(如同质区域中的方差),假设阈值为T ,则算法步骤为: ① 对于任一Ri ，如果 ，则将其分裂成互不重叠的四等分； ② 对相邻区域Ri 和Rj ，如果 ，则将二者合并； ③ 如果进一步的分裂或合并都不可能了，则终止算法。 （4）Hough 变换 Hough 变换是一种检测、定位直线和解析曲线的有效方法。它是把二值图变换到Hough 参数空间，在参数空间用极值点的检测来完成目标的检测。下面以直线检测为例，说明 } ,,,m ax {),(10T g g g y x g =∑∑ -=-=++=111 1) ,(),(),(k l i i l y k x f l k K y x g T R V i >)(T R R V j i ≤)( 图像分割和特征提取技术研究 摘要 图像分割是图像分析的第一步，是图像理解的重要组成部分，在有关图像处理的几乎所有领域具有广泛的应用。因此，图像分割一直受到高度重视，对其研究具有十分重要的意义。长期以来，研究人员提出了许多实用的分割算法。随着统计学理论，神经网络，小波理论等在图像分割中的应用日益广泛，遗传算法、尺度空间、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，许多国内外学者也针对一些具体应用提出了许多实用有效的方法。 本文介绍了数字图像处理技术中图像分割技术的基本理论和三种图像分割方法(1)基于阈值图像分割；(2)基于边缘检测及算子分割；(3)基于区域特性的图像分割。对基于点的分割方法进行了较全面的叙述，主要研究了图像分割方法中的边缘检测法，区域提取法和阈值分割法。通过大量的理论研习。并编写了MATLAB软件程序，对各分割方法进行了仿真实验，得到分割图像。最后对于仿真进行了数据处理分析，验证了Canny算子的整体效果最好, Prewitt算子分割细致。但对于一幅图像仅仅只有只用一种方法达不到很好的效果，而根据待分割图象的不同特点，结合已知的先验知识，研究符合具体图象特性的分割模型，才是提高图象分割的重要手段。 关键词：图像分割；边缘法；区域法；阈值法；分水岭分割法 Lmage Segmentation And Feature Extraction Technology Research Abstract Image segmentation is the first step in image analysis, image segmentation is an important component of image understanding, in almost all areas of the image processing has widely application. As a result, image segmentation has been attached great importance to, its research has the very vital significance. For a long time,researchers put forward many practical segmentation algorithm. With statistics theory, the neural network, wavelet theory has been used increasingly in image segmentation, such as genetic algorithm, scale space, and nonlinear diffusion equation with the recent emergence of new methods and new ideas are constantly being used to solve the segmentation problem, many scholars at home and abroad for some specific application put forward many practical and effective method. Digital image processing techniques were introduced in This paper introduces the digital image processing technology of image segmentation technology in basic theory and three methods of image segmentation. (1) based on threshold image segmentation. (2) segmentation based on edge detection and operator; (3) the image segmentation based on region feature. On the segmentation method based on the point of narrative, mainly studies the edge of image segmentation method, region extraction method and threshold segmentation method. Through a lot of theory study. And write the MATLAB software, the segmentation method, the simulation experiment for image segmentation. Finally analyzed the data processing for simulation.Verify the Canny operator of the overall effect is best. Prewitt operator segmentation and detailed. But for an image only only one way to reach a good effect, and according to the different characteristics of for image segmentation, combined with the known prior knowledge, research in accordance with the specific image segmentation model, is an important means to improve the image segmentation. KEYWORDS：Segmentation；edge method；the regional method；threshold；watershed segmentation基于Matlab的图像边缘检测算法的实现及应用
基于数学形态学的图像边缘检测方法研究文献综述
实验三 图像分割与边缘检测
详细的图像分割之边缘检测实验报告
图像分割和特征提取毕业设计
相关主题
文本预览