当前位置：文档之家 › matlab静态图像分割与边缘检测及图像压缩与编码

matlab静态图像分割与边缘检测及图像压缩与编码

  • 格式：doc
  • 大小：1.05 MB
  • 文档页数：15

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： 0(,)(,)255(,)fxyTgxyfxyT

域值T的选取直接影响分割的效果！

（1）直方图双峰域值选择

（2）迭代域值选择

迭代思想：选择一个初始估计值，通过某种策略不断改进（调制）新的估计值，直到满足给定的准则。

迭代步骤：

⑴选择一个初值估计值T，一般为最大灰度值和最小灰度值的中间值；

⑵使用域值T分割图像，得到两组像素G1(>=T)和G2（

⑶计算两组像素的灰度均值：μ１和μ2；

⑷计算新域值T＝（μ１和μ2）/2;

⑸重复步骤2～4,直到新域值的改变量小于预先定义的参数e。

（3）最大类间方差法（Otsu）

思想：

⑴将图像中目标和背景看作分属不同类别的像素组成；

⑵判别分析法的目标是确定域值使分属不同类别的像素的类间方差最大。

1．边缘检测

灰度或结构等信息的突变出称为边缘，在空间域借助微分算子通过卷积来完成，而空域的微分在离散数字图像可以采用差分来近似。

基于一阶导数的边缘检测算子有Robert算子、Sobel算子、Prewitt算子等，基于二阶导数的边缘检测算子有Laplace算子，LOG算子是一种改进的方式。Sobel算子为一对模板：

五、实验步骤

1．根据实验内容的要求在MATLAB软件中编写相应程序；

1)灰度阈值分割实验（使用迭代阈值选择方法） -1 -2 -1

0 0 0

1 2 1 -1 0 1

-2 0 2

-1 0 1 2)使用Sobel 算子的边缘检测实验

3）调用Matlab已有的图像处理函数，对图像进行分割和边缘检测

a．调用边缘检测函数edge，并与自己编写的函数运行结果进行比较；

b．用其他边缘检测算子和分割方法对图像进行处理，并对结果进行比较。

2．调试运行程序，并记录结果。

3．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增强处理，观察结果。

4．完成实验报告。

六、实验程序清单和实验结果及分析

1．图像分割

clear all, close all;

H= imread('f:/1.jpg');

I=rgb2gray(H);

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);

合集下载

基于MATLAB GUI图像处理系统的设计与实现

基于MATLAB GUI图像处理系统的设计与实现

基于MATLAB GUI图像处理系统的设计与实现

本文将介绍一个基于MATLAB GUI的图像处理系统的设计和实现。该系统提供了一系列常用的图像处理功能，包括图像滤波、边缘检测、图像变换、形态学处理、颜色空间转换等。通过该系统，用户可以方便地对图像进行处理和分析。

首先，需要创建一个MATLAB GUI窗口，用于显示图像和进行图像处理。接着，通过调用MATLAB内置的图像处理函数来实现各种功能。下面是一些常用功能的实现方法：

1.图像读取：使用imread函数来读取图像文件，并在GUI窗口中显示。

2.图像滤波：使用imfilter函数来实现各种滤波器，如高斯滤波、中值滤波等。

3.边缘检测：使用边缘检测算法（如Sobel算子、Canny算法等）来提取图像中的边缘信息。

4.图像变换：使用imresize函数来改变图像的大小，使用imrotate函数来旋转图像等。

5.形态学处理：使用imopen、imclose等形态学处理函数来对图像进行形态学分析和处理。

6.颜色空间转换：使用rgb2gray、rgb2hsv等函数来进行颜色空间的转换。

在实现这些功能时，可以使用MATLAB的图像处理工具箱中的函数，也可以自己编写函数来实现特定的处理功能。

除了提供以上的基本功能，该系统还可以通过添加菜单栏、工具栏等交互元素，以增强用户体验。例如，添加一个“保存”菜单项，使用户可以将处理后的图像保存到本地，或添加一个“撤销”按钮，使用户可以取消上一次的处理操作等。

总之，通过将MATLAB GUI和图像处理技术相结合，我们可以很方便地开发出一个图像处理系统，并提供常用的功能和交互元素，使用户可以快速地对图像进行处理和分析。同时，我们也可以根据实际需要，自行扩展和改进该系统，以适应更加复杂的图像处理应用场景。

matlab数字图像处理实验报告

matlab数字图像处理实验报告

《数字图像处理实验报告》

实验一 图像的增强

一.实验目的

1.熟悉图像在MATLAB下的读写、输出；

2.熟悉直方图；

3.熟悉图像的线性指数等；

4.熟悉图像的算术运算和几何变换。

二.实验仪器

计算机、MATLAB软件

三.实验原理

图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。

其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。

频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。

四.实验内容及步骤

1.图像在MATLAB下的读写、输出；

实验过程：

>> I = imread('F:\image\');

figure;imshow(I);title('Original Image');

text(size(I,2),size(I,1)+15, ...

'', ...

'FontSize',7,'HorizontalAlignment','right');

Warning: Image is too big to fit on screen; displaying at 25%

matlab 边缘锐化算法

matlab 边缘锐化算法

matlab 边缘锐化算法

Matlab边缘锐化算法是一种用于图像处理和计算机视觉领域的重要技术。边缘锐化算法可以提取图像中的边缘信息，使图像更加清晰和有层次感。在本文中，我们将介绍Matlab中常用的边缘锐化算法，并详细解释其原理和应用。

我们来了解一下什么是图像的边缘。在图像中，边缘是指图像中颜色、亮度或纹理等特征发生较大变化的区域。边缘可以提供图像的形状和结构信息，因此在图像处理和计算机视觉中具有重要的作用。

边缘锐化算法的目标是增强图像中的边缘信息，使其更加清晰和明显。在Matlab中，常用的边缘锐化算法包括Sobel算子、Prewitt算子、Roberts算子和Canny算子等。

我们来介绍Sobel算子。Sobel算子是一种基于梯度的边缘检测算法，它通过计算图像中每个像素点的梯度值来检测边缘。Sobel算子分为水平和垂直两个方向，分别计算图像在x和y方向上的梯度值，然后将两个梯度值合并得到最终的边缘图像。

Prewitt算子与Sobel算子类似，也是一种基于梯度的边缘检测算法。Prewitt算子将图像分为水平和垂直两个方向，分别计算图像在x和y方向上的梯度值，然后将两个梯度值合并得到最终的边缘图像。

Roberts算子是一种简单而有效的边缘检测算法。它通过计算图像中每个像素点与其相邻像素点的差值来检测边缘。Roberts算子分为两个方向，分别计算图像在x和y方向上的差值，然后将两个差值合并得到最终的边缘图像。

Canny算子是一种较为复杂的边缘检测算法，它综合考虑了图像的梯度和灰度信息，并利用阈值和非极大值抑制等技术来提取边缘。Canny算子在边缘检测中具有较好的性能，常被用于实际应用中。

在Matlab中，我们可以使用imfilter函数来实现边缘锐化算法。该函数可以对图像进行卷积操作，通过设置不同的卷积核来实现不同的边缘锐化效果。例如，可以使用fspecial函数生成Sobel、Prewitt、Roberts等算子的卷积核，然后将卷积核作用于图像上，即可得到相应的边缘图像。

用matlab数字图像处理四个实验

用matlab数字图像处理四个实验

数字图像处理

实验指导书

目录

实验一 MATLAB数字图像处理初步

实验二 图像的代数运算

实验三 图像增强-空间滤波

实验四 图像分割

3

实验一 MATLAB数字图像处理初步

一、实验目的与要求

1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。

5．图像间如何转化。

二、实验原理及知识点

1、数字图像的表示和类别

一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化

根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类：

➢ 亮度图像(Intensity images)

➢ 二值图像(Binary images)

➢ 索引图像(Indexed images)

➢ RGB图像(RGB images)

(1) 亮度图像

一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。若图像是double类，则像素取值就是浮点数。规定双精度型归一化亮度图像的取值范围是[0，1]