数字图像分割-迭代法讲解

目录

摘要 (2)

1 原理与实现 (3)

1.1图像分割的概述............................................................................. 错误！未定义书签。

1.2 阈值分割的基本原理 (2)

1.3 阈值分割方法的分类 (3)

2 程序设计 (6)

2.1 主程序............................................................................................ 错误！未定义书签。

2.2 OTSU .............................................................................................. 错误！未定义书签。

2.3 全局阈值........................................................................................ 错误！未定义书签。

2.4 迭代法............................................................................................ 错误！未定义书签。3结果与分析.. (11)

4 心得体会................................................................................................... 错误！未定义书签。参考文献....................................................................................................... 错误！未定义书签。

摘要

数字图像处理的目的之一是图像识别, 而图像分割是图像识别工作的基础。图像分割是指把图像分解成具有特性的区域并提取出感兴趣目标的技术和过程，是计算机视觉领域的一个重要而且基本的问题，分割结果的好坏将直接影响到视觉系统的性能。因此从原理，应用和应用效果的评估上深入研究图像分割技术具有十分重要的意义。

本课题主要介绍了图像分割的基本知识。图像分割的算法有阈值分割法，边缘检测法，区域分割等，本设计重点介绍了基于最小点阈值方法，基于最优阈值分割方法，基于迭代图像分割方法，最大类间方差法（OTSU）以及基于最大熵的图像分割法的原理和他们的MATLAB的实现代码与运行结果。

关键词：图像分割；MATLAB；阈值分割；

1 相关知识

1.1图像分割的概述

在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、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。现有的图像分割算法有：阈值分割、边缘检测和区域提取法。本文着重研究基于阈值法的图像分割技术。

所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。

阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产中，机器视觉运用于产品质量检测等等。在这些应用中，分割是对图像进一步分析、识别的前提，分割的准确性将直接影响后续任务的有效性，其中阈值的选取是图像阈值分割方法中的关键技术。

1.2 阈值分割的基本原理

图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适

用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而

且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提

取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度

级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区

域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划

分可以通过从灰度级出发选取一个或多个阈值来实现。

阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同

的特征阈值，把图像像素点分为若干类．常用的特征包括：直接来自原始图像的

灰度或彩色特征；由原始灰度或彩色值变换得到的特征．设原始图像为f(x ，y)，

按照一定的准则在f(x ，y)中找到特征值T ，将图像分割为两个部分，分割后的

图像为 :

0(,)1(,)(,)f x y t f x y t b g x y b <3ì??=í???

若取 ： b0=0（黑）,b1=1（白），即为我们通常所说的图像二值化。

一般意义下，阈值运算可以看作是对图像中某点的灰度、该点的某种局部特

性以及该点在图像中的位置的一种函数，这种阈值函数可记作：T(x ，y ，n(x ，

y)，f(x ，y))式中，f(x ，y)是点(x ，y)的灰度值；n(x ，y)是点(x ，y)的局部邻域特

性．根据对T 的不同约束，可以得到3种不同类型的阈值，即

(1)点相关的全局阈值T ＝T(f(x ，y)):只与点的灰度值有关

(2)区域相关的全局阈值T ＝T(n(x ，y)，f(x ，y)):与点的灰度值和该点的局部

邻域特征有关

(3)局部阈值或动态阈值T ＝T(x ，y ，n(x ，y)，f(x ，y)):与点的位置、该点的

灰度值和该点邻域特征有关

因此本文分三大类对阈值选取技术进行综述：

1) 基于点的全局阈值方法；

2) 基于区域的全局阈值方法

3) 局部阈值方法和多阈值方法

1.3 阈值分割方法的分类

全局阈值法指利用全局信息对整幅图像求出最优分割阈值，可以是单阈值，也可以是多阈值；局部阈值法是把原始的整幅图像分为几个小的子图像，再对每个子图像应用全局阈值法分别求出最优分割阈值。其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。阈值分割法的结果很大程度上依赖于阈值的选择，因此该方法的关键是如何选择合适的阈值。由于局部阈值法中仍要用到全局阈值法，因此本文主要对全局阈值法中基于点的阈值法和基于区域的阈值法分别进行了研究。根据阈值法的原理可以将阈值选取技术分为三大类

1.3.1 基于点的全局阈值方法

基于点的全局阈值算法与其他几大类方法相比，算法时间复杂度较低，易于实现，适合应用于在线实时图像处理系统。

1.3.2 基于区域的全局阈值方法

对一幅图像而言，不同的区域，比如说目标区域或背景区域，同一区域内的象素，在位置和灰度级上同时具有较强的一致性和相关性。

1.3.3 局部阈值法和多阈值法

局部阈值(动态阈值) 当图像中有如下一些情况：有阴影，照度不均匀，各处的对比度不同，突发噪声，背景灰度变化等，如果只用一个固定的全局阈值对整幅图像进行分割，则由于不能兼顾图像各处的情况而使分割效果受到影响。有一种解决办法就是用与象索位置相关的一组阈值(即阈值使坐标的函数)来对图

像各部分分别进行分割。这种与坐标相关的阈值也叫动态阈值，此方法也叫变化阈值法，或自适应阈值法。这类算法的时间复杂性和空间复杂性比较大，但是抗噪能力强，对一些用全局阈值不易分割的图像有较好的效果。

多阈值法很显然，如果图像中含有占据不同灰度级区域的几个目标，则需要

使用多个阈值才能将他们分开。其实多域值分割，可以看作单阈值分割的推广。

2 程设计分析

2.1基于最小值点阈值的方法实现图像切割

如果将直方图的包络看做1条曲线，刚选取直方图的谷可借助求曲线极小值

的方法。设用H(z)代表直方图，那么极小值点应满足

0)(=z z h 和0)(>z

z h 这些极小值点对应的灰度值就可用作分割阈值。

2.2 基于最优阈值的方法实现图像切割

有时目标和背景的灰度值有部分交错，用1个全局阈值并不能将它们绝对分

开。这时常希望能减小误分割的概率，而选取最优阈值是一种常用的方法。设一

幅图像仅包含2类主要的灰度值区域（目标和背景），它的直方图可看成灰度值

概率密度函数p(z)的一个近似。这个密度函数实际上是目标和背景的2个单峰密

度函数之和。如果已知密度函数的形式，那么就有可能选取1个最优阈值把图像

分成2类区域而使误差最小。

设有这样1幅混有加性高斯噪声的图像，它的混合概率密度是

22222

221211122112)(exp 22)(exp 2)()()(s m z s p P s m z s p P z p P z p P z P --=--=+= 其中1m 和2m 分别是背景和目标区域的平均灰度值，1s 和2s 分别是关于均值

的均方差，1P 和2P 分别是背景和目标区域灰度值的行验概率。根据概率定义有

1P +2P =1，所以混合概率密度中有5个未知的参数。如果能求出这些参数就可以

确定混合概率密度。

假设1m <2m ，需定义1个阈值T 使得灰度值小于T 的像素分割为背景而使得

灰度值大于T 的像素分割为目标。这时错误地将1个目标像素划分为背景的概

率和1个背景像素错误地划分为目标的概率分别是

12

21

()()()()T

T

E T p z dz E T p z dz -?￥=

=òò 总的误差概率是

2112()()()E T P E T P E T =+

为求得使该误差最小的阈值可将E(T)对T 求导并令导数为零，这样得到：

1122()()P p T P p T =

将这个结果用于高斯密度，可得到解一元二次方程的根判别式的系数

()221222122122222222112211211222ln()n i i A B p C X p s s ms m s s s m s m s s s =ì????=-???=-í?????=-+????

? 该二次在一般情况下有2个解。如果2个区域的方差相等，刚只有1个最优阈值

212212

1ln()2optimal p T p m m s m m +=+- 2.3 基于迭代的方法实现图像切割

迭代法是基于逼近的思想，其步骤如下：

(1)求出图象的最大灰度值和最小灰度值，分别记为Zmax 和Zmin ，令初始阈

值T0=(Zmax+Zmin)/2；

(2)根据阈值TK 将图象分割为前景和背景，分别求出两者的平均灰度值ZO

和ZB ；

(3)求出新阈值TK+1=(ZO+ZB)/2；

(4)若TK=TK+1，则所得即为阈值；否则转2，迭代计算。

迭代所得的阈值分割的图象效果良好。基于迭代的阈值能区分出图像的前景和背

景的主要区域所在，但在图像的细微处还没有很好的区分度。

但令人惊讶的是，对某些特定图象，微小数据的变化却会引起分割效果的巨大改变，两者的数据只是稍有变化，但分割效果却反差极大

经试验比较，对于直方图双峰明显，谷底较深的图像，迭代方法可以较快地获得满意结果。但是对于直方图双峰不明显，或图像目标和背景比例差异悬殊，迭代法所选取的阈值不如最大类间方差法。

2.4最大类间方差的方法实现图像切割

由Otsu于1978年提出的最大类间方差法以其计算简单、稳定有效，一直广为使用。从模式识别的角度看，最佳阈值应当产生最佳的目标类与北京类的分离性能，此性能我们用类别方差来表征，为此引入类内方差、类间方差和总体方差。最大类间方差法计算简单、稳定有效，一直广为使用，是一种受到普遍欢迎的阈值选取方法。其基本思路是将直方图在某一阈值处分割成两组，当被分成的两组的方差为最大时，得到阈值。因为方差是灰度分布均匀性的一种量度，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。

2.5基于最大熵的方法实现图像切割

八十年代以来，许多学者将Shannon信息熵的概念应用于图像阈值化，其基本思想都是利用图像的灰度分布密度函数定义图像的信息熵，根据假设的不同或视角的不同提出不同的熵准则，最后通过优化该准则得到阈值。Pun[16]通过使后验熵的上限最大来确定阈值。

对于基于点的全局阈值选取方法，除上述主要几种之外还许多，但大多都是以上述基本方法为基础，做出的改进方法或者对算法的优化，如使用递推方法以降低算法复杂性。例如一种使目标和背景差距最大的阈值求取方法，类似于最大类间方差阈值法。是它的一种简化算法。又如1984年Dunn等人[23]提出了均匀化误差阈值选取方法，这种方法实质上是要使将背景点误分为目标点的概率等于将目标点误分为背景点的概率。类似于最小误差阈值法。近年来有一些新的研究

手段被引入到阈值选取中。比如人工智能，描述了如何用人工智能的方法，寻找直方图的谷底点，作为全局阈值分割。其它如神经网络，数学形态学，小波分析与变换等等。

总的来说，基于点的全局阈值算法，与其它几大类方法相比，算法时间复杂度较低，易于实现，适合应用于在线实时图像处理系统。

3 程序设计

clear all;

%%%%%%极小值图像切割%%%%%%

I=imread('rice.png');

figure(1),imhist(I); % 观察灰度直方图，灰度135处有谷，确定阈值T=135 figure(2),title('直方图');

imshow(I);

title('原图')

I1=im2bw(I,135/255); % im2bw函数需要将灰度值转换到[0,1]范围内

figure(3),imshow(I1);

title('极小值点阈值切割');

%%%%%迭代法图像切割%%%%

I=imread('rice.png'); %imread 从文件读取图象

figure,imshow(I); %%subplot 创建子图

title('原图像'); % %title 图名

[x,y]=size(I); %size 矩阵的大小

a=imhist(I); %hist 频数计算或频数直方图

I=double(I); %double 把其他类型对象转换为双精度数值

max=1;

for i=2:x

if a(max)

max=i;

end

end

min=1;

for i=2:x

if a(min)>a(i)

min=i;

end

end

z0=max

z1=min

T=(z0+z1)/2;

TT=0;

S0=0; n0=0;

S1=0; n1=0;

allow=0.001;

d=abs(T-TT); %abs 绝对值、模、字符的ASCII码值count=0;

while(d>=allow)

count=count+1;

for i=1:x

for j=1:y

if (I(i,j)>=T)

S0=S0+I(i,j);

n0=n0+1;

end

if (I(i,j)

S1=S1+I(i,j);

n1=n1+1;

end

end

end

T0=S0/n0;

T1=S1/n1;

TT=(T0+T1)/2;

d=abs(T-TT);

T=TT;

end

tmax2=T %tmax2=119.4582

Seg=zeros(x,y); %zeros 全零数组for i=1:x

for j=1:y

if(I(i,j)>=T)

Seg(i,j)=1;

end

end

end

figure,imshow(Seg);

title('迭代阈值分割1');

4结果与分析

图4.1 原图及其直方图显示

图4.2 原图与极小值图像显示

图4.3 原图与迭代图像显示

极小值点阈值分割得到的效果最好，而用迭代法得到的分割图像要次。

5结论

通过实验不难看出，针对本实验所选择的图来说，极小值点阈值分割得到的效果最好，而用迭代法得到的分割图像要次之，通过实验可以说，这几种方法各有所长，针对不同的图形都有自己的优势，所以学会这几种方法的阈值分割对以后进行图像分割有深远的意义。

对于使用的软件，Matlab具有强大、高效的矩阵和数组运算功

能。语法规则与一般的高级语言类似,一个稍有编程基础的人能很快

熟悉掌握。语言简洁紧凑,使用灵活,程序书写形式自由。而且库函

数十分丰富,避免了繁杂的子程序编程任务。向用户提供各种方便的

绘图功能。提供了图像处理工具箱、数字信号处理工具箱、小波工

具箱等各种功能强大的工具箱。集成了各种变换函数,不仅方便了研

究人员,而且使源程序简洁明了、易实现。

参考文献

[1] 王家文.MATLA.图形图像处理[M].北京，国防工业出版社.2001:12-17.

[2] 甲永红.数字图像处理[M] .武汉，武汉大学出版社.2011:71-84.

[3] 李红梅.二值图像的阈值分割方法探讨[J] .上海，科技经济市

场.2007:38-42

[4] 刘刚. MATLAB数字图像处理[M].北京，机械工业出版社.2010：34-45.

[5]张强, 王正林.《精通MATLAB图像处理》. 电子工业出版社，1997

[6]陈怀琛.《MATLAB及其在课程中的应用指南》. 西安电子科技大学出版社，2000

[7]朱习军.《MATLAB在信号与系统与图象处理中的应用》. 电子工业出版社，2002

数字图像处理实验报告完整版

数字图像处理 实验一 MATLAB数字图像处理初步 一、显示图像 1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 实验结果如下图： 源代码： >>I=imread('lily.tif') >> whos I >> imshow(I) 二、压缩图像 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。7．用imread()读入图像Sunset.jpg和Winter.jpg； 8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小； 9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。 其中9的实验结果如下图：

源代码： 4~6(接上面两个) >>I=imread('lily.tif') >> imfinfo 'lily.tif'； >> imwrite(I,'lily.jpg','quality',20); >> imwrite(I,'lily.bmp'); 7~9 >>I=imread('Sunset.jpg'); >>J=imread('Winter.jpg') >>imfinfo 'Sunset.jpg' >> imfinfo 'Winter.jpg' >>figure(1),imshow('Sunset.jpg') >>figure(2),imshow('Winter.jpg') 三、二值化图像 10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。实验结果如下图： 源代码： >> I=imread('lily.tif') >>gg=im2bw(I,0.4); F>>igure, imshow(gg)

实验六-图像分割教学文稿

实验六-图像分割

信息工程学院实验报告 课程名称：数字图像处理 实验项目名称：实验六图像分割实验时间：2016.12.16 班级：姓名：学号： 一、实验目的 1. 使用MatLab 软件进行图像的分割。使学生通过实验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. 要求学生能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能。能够掌握分割条件(阈值等)的选择。完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。 二、实验内容与步骤 1.边缘检测 (1)使用Roberts 算子的图像分割实验 调入并显示图像room.tif图像；使用Roberts 算子对图像进行边缘检测处理； Roberts 算子为一对模板： （a）450方向模板（b）1350方向模板 图 1 matlab 2010的Roberts算子模板 相应的矩阵为：rh = [0 1；-1 0]； rv = [1 0；0 -1]；这里的rh 为45度Roberts 算子，rv 为135度Roberts 算子。分别显示处理后的45度方向和135方向的边界检测结果；用“欧几里德距离”和“街区距离”方式计算梯度的模，并显示检测结果；对于检测结果进行二值化处理，并显示处理结果。 提示：先做检测结果的直方图，参考直方图中灰度的分布尝试确定阈值；应反复调节阈值的大小，直至二值化的效果最为满意为止。 (2)使用Prewitt 算子的图像分割实验

（a）水平模型（b）垂直模板 图2. Prewitt算子模板 使用Prewitt 算子进行内容(1)中的全部步骤。 (3)使用Sobel 算子的图像分割实验 使用Sobel （a）水平模型（b）垂直模板 图3. Sobel算子模板 (4)使用LoG (拉普拉斯-高斯)算子的图像分割实验 使用LoG (拉普拉斯-高斯)算子进行内容(1)中的全部步骤。提示1：处理后可以直接显示处理结果，无须另外计算梯度的模。提示2：注意调节噪声的强度以及LoG (拉普拉斯-高斯)算子的参数，观察处理结果。 (5) 打印全部结果并进行讨论。 下面是使用sobel算子对图像进行分割的MATLAB程序 f=imread('room.tif'); [gv,t1]=edge(f,'sobel','vertical');%使用edge函数对图像f提取垂直边缘 imshow(gv) [gb,t2]=edge(f,'sobel','horizontal');%使用edge函数对图像f提取水平边缘 figure,imshow(gb) w45=[-2 -1 0;-1 0 1;0 1 2];%指定模版使用imfilter计算45度方向的边缘 g45=imfilter(double(f),w45,'replicate'); T=0.3*max(abs(g45(:))); %设定阈值 g45=g45>=T; %进行阈值处理 figure,imshow(g45); 在函数中使用'prewitt'和'roberts'的过程，类似于使用sobel边缘检测器的过程。

数字图像处理实验报告

实验一灰度图像直方图统计 一、实验目的 掌握灰度图像直方图的概念和计算方法，了解直方图的作用和用途。提高学生编程能力，巩固所学知识。 二、实验内容和要求 （1）用Photoshop显示、了解图像平均明暗度和对比度等信息； （2）用MatLab读取和显示一幅灰度图像； （3）用MatLab编写直方图统计的程序。 三、实验步骤 1. 使用Photoshop显示直方图： 1）点击文件→打开，打开一幅图像； 2）对图像做增强处理，例如选择图像→调整→自动对比度对图像进行灰度拉伸，观察图像进行对比度增强前后的视觉变化。 3）利用统计灰度图像直方图的程序分别针对灰度拉伸前后的灰度图像绘制其灰度直方图，观察其前后的直方图变化。 2．用MatLab读取和显示一幅灰度图像； 3. 绘制图像的灰度直方图； function Display_Histogram()

Input=imread('timg.jpg'); figure(100); imshow(uint8(Input)); title('原始图像'); Input_Image=rgb2gray(Input); figure(200); imshow(uint8(Input_Image)); title('灰度图像'); sum=0; His_Image=zeros(1,256); [m,n]=size(Input_Image); for k=0:255 for I=1:m for j=1:n if Input_Image(I,j)==k His_Image(k+1)=His_Image(k+1)+1; end end end end figure(300); plot(His_Image); title('图像的灰度直方图'); 4.显示图像的灰度直方图。

迭代阈值法

数字图像处理的目的之一是图像识别, 而图像分割是图像识别工作的基础。图像分割是指把图像分解成具有特性的区域并提取出感兴趣目标的技术和过程，是计算机视觉领域的一个重要而且基本的问题，分割结果的好坏将直接影响到视觉系统的性能。因此从原理，应用和应用效果的评估上深入研究图像分割技术具有十分重要的意义。 本课题主要介绍了图像分割的基本知识。图像分割的算法有阈值分割法，边缘检测法，区域分割等，本设计重点介绍了基于最小点阈值方法，基于最优阈值分割方法，基于迭代图像分割方法，最大类间方差法（OTSU）的图像分割法的原理和他们的MATLAB的实现代码与运行结果。 关键词：图像分割；MATLAB；阈值分割；

1 课程设计目的 (3) 2 课程设计要求 (3) 3 相关知识 (3) 3.1 图像分割的概述 (3) 3.2 阈值分割的基本原理 (4) 3.3 阈值分割方法的分类 (5) 3.3.1 基于点的全局阈值方法 (6) 3.3.2 基于区域的全局阈值方法 (6) 3.3.3 局部阈值法和多阈值法 (6) 4 程设计分析 (6) 4.1 基于迭代的方法实现图像切割 (6) 4.2 最大类间方差的方法实现图像切割 (7) 5 程序设计 (8) 5.1 程序简单介绍 (8) 5.2 程序代码 (8) 6 结果与分析 (11) 结束语 (13) 参考文献 (14)

迭代阈值法 1 课程设计目的 本设计的课题任务是掌握图像阈值分割算法研究，实现对图像的分割。了解图像分割的应用及基本方法，理解阈值化图像分割原理，理解三类典型的阈值化分割算法，并利用之进行图像分割，给出实验结果并做出分析。 2 课程设计要求 ⑴查阅相关资料； ⑵理解基于各像素值的阈值分割算法，基于区域性质的阈值分割算法, 基于坐 标位置的阈值分割算；软件编程实现利用基于各像素值的阈值分割算法进行图像分割，要求完成如下内容：包括极小值点阈值、最优阈值、迭代阈值，基于最大方差的阈值，基于最大熵的阈值等方法，利用之实现图像分割，这里的图像可以针对核磁共振图像 ⑶用MATLAB实现，并观察各算法之间的区别。 3 相关知识 3.1 图像分割的概述 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、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。现有的图像分割算法有：阈值分割、边缘检测和区域提取法。本文着重研究基于阈值法的图像分割技术。 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：

数字图像处理报告

数字图像处理的起源与应用 1.概述 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理技术目前广泛应用于各个领域，其发挥的作用有效提高了人们的生产生活质量。 2.起源与发展 （1）20世纪 20 年代，数字图像处理最早应用于报纸行业。由于报纸行业信息传输的需要，一根海底电缆从英国伦敦连输到美国纽约，实现了第一幅数组照片的传送。（在当时那个年代如果不采用数字图像处理，一张图像传达的时间需要7 天，而借助数字图像处理技术仅耗费 3 小时）。 （2）20世纪50年代，当时的图像处理是以人为对象，以改善人的视觉效果为目的。 （3）20世纪60年代的美国喷气推进实验室是图像处理技术首次获得实际成功的应用，推动了数字图像处理这门学科的诞生。 （4）20世纪70年代英国EMI公司工程师Housfield发明了CT并获得了诺贝尔奖，这对人类的发展作出了划时代的贡献。借助计算机、人工智能等方面的快速发展，数字图像处理技术实现了更高层次的发展。相关工作人员已经着手研究如何使用计算机进行图像解释。 （5）20世纪 80 年代。研究人员将数字图像处理应用于地理信息系统。从这个阶段开始数字图像处理技术的应用领域不断扩大，在工业检测、遥感等方面也得到了广泛应用，在遥感方面实现了对卫星传送回来的图像的处理。 （6）20世纪 90 年代。数字图像处理技术就得到了一个快速发展，其中特别是小波理论和变换方法的诞生（Mallat在1988年有效地将小波分析应用于图像分解和重构），更好地实现了数字图像的分解与重构。 （7）进入到 21 世纪，借助计算机技术的飞速发展与各类理论的不断完善，数字图像处理技术的应用范围被拓宽，甚至已经在某些领域取得突破。从目前数字图像处理技术的特点进行分析，可以发现图像信息量巨大，在图像处理综合性方面显示出十分明显的优势，其中就借助了图像信息理论与通信理论的紧密联系。再加上数字图像处理技术具有处理精度高、灵活性强、再现性好、适用面广、信息压缩的潜力大等特点，因此已经成功地应用在各个领域。 3.应用 （1）航天和航空技术方面:早在1964年美国就利用图像处理技术对月球照片进行处理，并且成功地绘制出月球表面地图，这个重大的突破使得图像处理技术在航天技术中发挥着越来越重要的作用。“卡西尼”号飞船进入土星轨道后传回地球的土星环照片，“火星快车”拍摄到的火星山体滑坡照片，还有我国嫦娥探测器拍摄的月球表面照片，以及近来很火的“大疆”无人机航拍等等。这些照片都体现了数字图像处理技术在航空航天技术领域不可或缺的重要作用。 （2）遥感领域方面的应用:数字图像处理在遥感的应用,主要是获取地形地质及地面设施资料，矿藏探查、森林资源状况、海洋和农业等资源的调查、自然灾害预测预报、环境污染检测、气象卫星云图处理以及地面军事目标的识别。例

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 3 阈值分割后的二值图像分析：手动阈值分割的阈值是取直方图中双峰的谷底的灰度值作为阈值，若有多个双峰谷底，则取第一个作为阈值。本题的阈值取

%例2 迭代阈值分割 f=imread('cameraman.tif'); %读入图像 subplot(1,2,1);imshow(f); %创建一个一行二列的窗口，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 是循环条件，~ 是“非”的意思，此 处done = 0; 说明是无限循环，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和的一半done=abs(Tnew-T)<1; %设定两次阈值的比较，当满足小于1时，停止循环， 1是自己指定的参数 T=Tnew; %把Tnw的值赋给T i=i+1; %执行循坏，每次都加1 end f(r1)=0; %把小于初始阈值的变成黑的 f(r2)=1; %把大于初始阈值的变成白的 subplot(1,2,2); %创建一个一行二列的窗口，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：本题是迭代阈值二值化分割，步骤是：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，直到两次阈值的灰 度变化不超过1，则稳定；5.输出迭代结果。

数字图像处理课程设计报告

课程设计报告书 课程名称：数字图像处理 题目：数字图像处理的傅里叶变换 学生姓名： 专业：计算机科学与技术 班别：计科本101班 学号： 指导老师： 日期：2013 年06 月20 日 数字图像处理的傅里叶变换 1.课程设计目的和意义 (1)了解图像变换的意义和手段 (2)熟悉傅里叶变换的基本性质 (3)热练掌握FFT的方法反应用 (4)通过本实验掌握利用MATLAB编程实现数字图像的傅里叶变换 通过本次课程设计，掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养综合设计能力。 2.课程设计内容 (1)熟悉并掌握傅立叶变换 (2)了解傅立叶变换在图像处理中的应用 (3)通过实验了解二维频谱的分布特点 (4)用MATLAB实现傅立叶变换仿真

3.课程设计背景与基本原理 傅里叶变换是可分离和正交变换中的一个特例，对图像的傅里叶变换将图像从图像空间变换到频率空间，从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后，傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (1)应用傅里叶变换进行数字图像处理 数字图像处理（digital image processing）是用计算机对图像信息进行处理的一门技术，使利用计算机对图像进行各种处理的技术和方法。 ? ??20世纪20年代，图像处理首次得到应用。20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。 傅里叶变换在数字图像处理中广泛用于频谱分析，傅里叶变换是线性系统分析的一个有力工具，它使我们能够定量地分析诸如数字化系统，采样点，电子放大器，卷积滤波器，噪声，显示点等地作用（效应）。傅里叶变换（FT）是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图像信息的第二种语言，广泛应用于图像变换，图像编码与压缩，图像分割，图像重建等。因此，对涉及数字图像处理的工作者，深入研究和掌握傅里叶变换及其扩展形式的特性，是很有价值得。 (2)关于傅里叶（Fourier）变换 在信号处理中，傅里叶变换可以将时域信号变到频域中进行处理，因此傅里叶变换在信号处理中有着特殊重要的地位。 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。傅里叶变换属于谐波分析。傅里叶变换的逆变换容易求出,而且形式与正变换非常类似；正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号

沈阳理工大学迭代阈值法图像分割程序设计

成绩评定表 学生姓名高冰钰班级学号1303030402 专业 电子信息工程课程设计题目 基于最大类间方差法图 像分割程序设计 —迭代阈值法 评 语 组长签字： 成绩 日期2016年7月18日

课程设计任务书 学院信息科学与工程专业电子信息工程 学生姓名高冰钰班级学号1303030402 课程设计题目基于最大类间方差法图像分割程序设计—迭代阈值法实践教学要求与任务： 本设计要求利用Matlab进行编程及仿真，仿真内容为基于最大类间方差法图像分割程序设计——迭代阈值法。利用所学数字图象处理技术知识，在Matlab软件系统上来实现图像分割，并且对程序进行测试。要求如下： （1）掌握课程设计的相关知识、概念、思路及目的。 （2）程序设计合理、能够正确运行且操作简单，可实施性强。 （3）掌握图像分割的方法。 （4）能够利用迭代阈值法进行图像分割。 工作计划与进度安排： 第一阶段（1-2）天：熟悉matlab编程环境，查阅相关资料； 第二阶段（2-3）天：算法设计； 第三阶段（2-3）天：编码与调试； 第四阶段（1-2）天：实验与分析； 第五阶段（1-2）天：编写文档。 指导教师： 2016年7月3日专业负责人： 2016年7月4日 学院教学副院长： 2016年7月4日

摘要 数字图像处理的目的之一是图像识别，而图像分割是图像识别工作的基础。图像分割是从图像预处理到图像识别和分析、理解的关键步骤，在数字图像处理中占据重要的位置。图像分割的目的是将图像分成一些有意义的区域并对这些区域进行描述。 图像分割的方法主要有点相关分割、区域相关分割、阈值法、界限检测法、匹配法、跟踪法等。本设计主要采用阈值分割法中的迭代阈值法，利用MATLAB 软件中的图像处理函数将图像导入，然后对图像进行灰度变换，通过迭代法求图像最佳分割阈值，根据该阈值对图像进行分割，从而产生二值化后的图像。仿真结果表明，通过迭代法选取的阈值是比较准确的，可以采用此阈值对图像进行分割。 关键词：图像分割；迭代阈值法；MATLAB

东南大学数字图像处理实验报告

数字图像处理 实验报告 学号：04211734 姓名：付永钦 日期：2014/6/7 1.图像直方图统计 ①原理：灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。 通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 ②算法： clear all PS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图'); [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率end figure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图 axis([0 255 min(GP) max(GP)]); title('原图像直方图') xlabel('灰度值') ylabel('出现概率') ③处理结果：

原图像灰度图 100 200 0.005 0.010.0150.020.025 0.030.035 0.04原图像直方图 灰度值 出现概率 ④结果分析：由图可以看出，原图像的灰度直方图比较集中。 2. 图像的线性变换 ①原理：直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主 要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。 ②算法： clear all %一，图像的预处理，读入彩色图像将其灰度化 PS=imread('girl-grey1.jpg'); figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图'); %二，绘制直方图 [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255

北航数字图象处理实验报告

数字图像处理实验报告 实验二图像变换实验 1．实验目的 学会对图像进行傅立叶等变换，在频谱上对图像进行分析，增进对图像频域上的感性认识，并用图像变换进行压缩。 2．实验内容 对Lena或cameraman图像进行傅立叶、离散余弦、哈达玛变换。在频域，对比他们的变换后系数矩阵的频谱情况，进一步，通过逆变换观察不同变换下的图像重建质量情况。 3. 实验要求 实验采用获取的图像，为灰度图像，该图像每象素由8比特表示。具体要求如下： （1）输入图像采用实验1所获取的图像（Lena、Cameraman）； （2）对图像进行傅立叶变换、获得变换后的系数矩阵； （3）将傅立叶变换后系数矩阵的频谱用图像输出，观察频谱； （4）通过设定门限，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换，获得逆变换后图像； （5）观察逆变换后图像质量，并比较原始图像与逆变后的峰值信噪比（PSNR）。 （6）对输入图像进行离散余弦、哈达玛变换，重复步骤1-5； （7）比较三种变换的频谱情况、以及逆变换后图像的质量（PSNR）。 4. 实验结果 1. DFT的源程序及结果 J=imread('10021033.bmp'); P=fft2(J); for i=0:size(P,1)-1 for j=1:size(P,2) G(i*size(P,2)+j)=P(i+1,j); end end Q=sort(G); for i=1:size(Q,2) if (i=size(Q,2)*0.95) t=Q(i); end end G(abs(G)

数字图像处理实验报告

数字图像处理实验 报告 学生姓名：学号： 专业年级： 09级电子信息工程二班

实验一常用MATLAB图像处理命令 一、实验内容 1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 实验结果如右图： 代码如下： Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z)

title('相加结果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相减结果') Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘结果') Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除结果') 3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。 解答：图像减运算与图像加运算的原理和用法类似，同样要求两幅图像X、Y的大小类型相同，但是图像减运算imsubtract()有可能导致结果中出现负数，此时系统将负数统一置为零，即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y)，将结果输出到矩阵Z中，若乘以一个常数，将改变图像的亮度：若常数值大于1，则乘运算后的图像将会变亮；叵常数值小于是，则图像将会会暗。可用来改变图像的灰度级，实现灰度级变换，也可以用来遮住图像的某些部分，其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算，就是对两幅图像的对应像素点进行点（X./Y)， imdivide()同样可以通过除以一个常数来改变原始图像的亮度，可用来改变图像的灰度级，其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体，图像相减运算又称为图像差分运算，差分运算还可以用于消除图像背景，用于混合图像的分离。

图像分割阈值选取技术综述

图像分割阈值选取技术综述 中科院成都计算所刘平2004-2-26 摘要 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域.本文是在阅读大量国内外相关文献地基础上,对阈值分割技术稍做总结,分三个大类综述阈值选取方法,然后对阈值化算法地评估做简要介绍. 关键词 图像分割阈值选取全局阈值局部阈值直方图二值化 1．引言 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交地区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显地不同[37]．简单地讲,就是在一幅图像中,把目标从背景中分离出来,以便于进一步处理.图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要地领域之一,它是对图像进行视觉分析和模式识别地基本前提．同时它也是一个经典难题,到目前为止既不存在一种通用地图像分割方法,也不存在一种判断是否分割成功地客观标准. 阈值法是一种传统地图像分割方法,因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛地分割技术．已被应用于很多地领域,例如,在红外技术应用中,红外无损检测中红外热图像地分割,红外成像跟踪系统中目标地分割；在遥感应用中,合成孔径雷达图像中目标地分割等；在医学应用中,血液细胞图像地分割,磁共振图像地分割；在农业项目应用中,水果品质无损检测过程中水果图像与背景地分割.在工业生产中,机器视觉运用于产品质量检测等等.在这些应用中,分割是对图像进一步分析、识别地前提,分割地准确性将直接影响后续任务地有效性,其中阈值地选取是图像阈值分割方法中地关键技术. 2．阈值分割地基本概念 图像阈值化分割是一种最常用,同时也是最简单地图像分割方法,它特别适用于目标和背景占据不同灰度级范围地图像[1].它不仅可以极大地压缩数据量,而且也大大简化了分析和处理步骤,因此在很多情况下,是进行图像分析、特征提取与模式识别之前地必要地图像预处理过程.图像阈值化地目地是要按照灰度级,对像素集合进行一个划分,得到地每个子集形成一个与现实景物相对应地区域,各个区域内部具有一致地属性,而相邻区域布局有这种一致属性.这样地划分可以通过从灰度级出发选取一个或多个阈值来实现. 阈值分割法是一种基于区域地图像分割技术,其基本原理是：通过设定不同地特征阈值,把图像像素点分为若干类．常用地特征包括：直接来自原始图像地灰度或彩色特征；由原始灰度或彩色值变换得到地特征．设原始图像为f(x,y>,按照一定地准则在f(x,y>中找到特征值T,将图像分割为两个部分,分割后地图像为 若取：b0=0<黑）,b1=1<白）,即为我们通常所说地图像二值化. <原始图像）<阈值分割后地二值化图像） 一般意义下,阈值运算可以看作是对图像中某点地灰度、该点地某种局部特性以及该点在图像中地位置地一种函数,这种阈值函数可记作 T(x,y,N(x,y>,f(x,y>> 式中,f(x,y>是点(x,y>地灰度值；N(x,y>是点(x,y>地局部邻域特性．根据对T地不同约束,可以得到3种不同类型地阈值[37],即 点相关地全局阈值T＝T(f(x,y>> (只与点地灰度值有关> 区域相关地全局阈值T＝T(N(x,y>,f(x,y>> (与点地灰度值和该点地局部邻域特征有关> 局部阈值或动态阈值T＝T(x,y,N(x,y>,f(x,y>> (与点地位置、该点地灰度值和该点邻域特征有关> 图像阈值化这个看似简单地问题,在过去地四十年里受到国内外学者地广泛关注,产生了数以百计地阈值选取方法[2-9],但是遗憾地是,如同其他图像分割算法一样,没有一个现有方法对各种各样地图像都能得到令人满意地结果,甚至也没有一个理论指导我们选择特定方法处理特定图像. 所有这些阈值化方法,根据使用地是图像地局部信息还是整体信息,可以分为上下文无关(non-

数字图像处理报告

《数字图像处理》 实验报告 院系：XXXXX 学号：XXXXXXX 姓名：XXX 指导老师：XX XX 完成时间：2020.02.02

题目一： (1)将宽为2n的正方形图像，用FFT算法从空域变换到频域，并用频域图像的模来进行显示； (2)使图像能量中心，对应到几何中心，并用频域图像的模来进行显示； (3)将频域图象，通过FFT逆变换到空域，并显示。 该题实现环境为操作系统：Windows 10 操作系统；编程环境：VS2013；内部核心处理算法库：OpenCV。 此题目的具体实现过程及其展示如下所示：

} imshow("原始图像", srcImage); //将输入图像延扩到最佳的尺寸，边界用0补充 int m = getOptimalDFTSize(srcImage.rows); int n = getOptimalDFTSize(srcImage.cols); //将添加的像素初始化为0. Mat padded; copyMakeBorder(srcImage, padded,0, m - srcImage.rows,0, n -srcImage.cols, BORDER_CONSTANT, Scalar::all(0)); //为傅立叶变换的结果(实部和虚部)分配存储空间。 //将planes数组组合合并成一个多通道的数组complexI Mat planes[]={ Mat_(padded), Mat::zeros(padded.size(), CV_32F)}; Mat complexI; merge(planes,2, complexI); //进行就地离散傅里叶变换 dft(complexI, complexI); //将复数转换为幅值，即=> log(1 + sqrt(Re(DFT(I))^2 + Im(DFT(I))^2)) split(complexI, planes); // 将多通道数组complexI分离成几个单通道数组，planes[0] = Re(DFT(I), //planes[1] = Im(DFT(I))

数字图像处理实验报告——图像分割实验

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');

基于MATLAB的数字图像分割的研究与实现

本科毕业论文（设计） 题目：基于MATLAB的数字图像分割的研究与实现 学院：计算机与信息工程学院 学生： 学号： 专业： 年级： 完成日期： 2012年04月 指导教师：

基于MATLAB的数字图像分割的研究与实现 摘要：视觉和听觉是我们认识和感知外部世界的主要途径，而视觉又是其中最重要的，因此要想更细致、全面地把握这些图像信息就需要对其进行必要的处理。在数字图像处理的研究和应用中很多时候我们只对图像的某些部分和特征感兴趣，此时就需要利用图像分割技术将所需的目标与图片的其他部分区分开，以供我们对图像进一步研究和分析。图像分割即通过一些必要的算法把图像中有意义的部分或特征提取出来，将图像分为若干有意义的区域，使得这些区域对应图像中的不同目标，进而能够对所感兴趣的区域进行研究。基于图像分割技术在图像处理之中的重要性，本研究在此对图像分割的一些经典算法进行了学习和对比，并通过MATLAB对其进行了实验，通过不同的算法对不同的图片进行处理，分析其优缺点，以便在进行图像分割时可以根据图片的特征选择合适的算法。 关键字：数字图像；分割；MATLAB

The Research and Implementation of Digital Image Segmentation Based on the MATLAB Abstract :Vision and auditory are the main ways which we use to understand and perceive the world outside, while vision is the most important. Therefore, it's require to process the image data to grasp them more painstaking and completely. In digital image processing of research and application we are only interested to some parts of the image and characteristic in many times, then you need to use the image segmentation technology to separate the goal and the picture for other parts for our further research and analysis of the image.Image segmentation is dividing the image into some significant areas through some necessary algorithms, then make these areas corresponding to different goals and we can do some research about the areas we are interested to. Based on the importance of image segmentation technology in image processing, I compared several classical algorithms of image segmentation. In the meanwhile, I used the MATLAB to do some research and to process the various images with different algorithms so that it's convinent to find the advantages of these algorithms. Then, I can base on the characteristics of the images to choose the suitable algorithms when to make some digital image segmentation. Key words : D igital Image; Segmentation; MATLAB