数字图像处理实验图
像分割
实验报告
实验名称实验四图像分割
课程名称数字图像处理A
姓名成绩
班级学号
日期地点
1.实验目的
（1）了解并掌握图像分割的基本原理；
（2）编写程序使用Hough变换处理图像，进行线检测；
（3）编写程序使用阈值处理方法进行图像分割，根据实验结果分析效果；
（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。
2.实验环境（软件条件）
Windws2000/XP
MATLAB 7.0
3.实验方法
对256级灰度的数字图像camera.bmp（如图4.1所示）和car.bmp（如图4.2所示）进行如下处理：
（1）对图像camera.bmp进行Hough变换进行线检测，显示处理前、后图像：
思考如何利用Hough变换进行圆检测；
（2）对图像car.bmp分别利用不同的阈值处理方法进行图像中汽车及车牌的分割，显示处理前、后图像；思考不同的阈值处理算法对分割效果的影响？
4.实验分析
实验原理
Hough变换是最常用的直线提取方法，它的基本思想是：将直线上每一个数据点变换为参数平面中的一条直线或曲线，利用共线的数据点对应的参数曲线相交于参数空间中一点的关系，使直线的提取问题转化为计数问题。Hough变换提取直线的主要优点是受直线中的间隙和噪声影响较小。
思考：
Hough变换对圆的检测：
Hough变换的基本原理在于，利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测给定图像是否存在给定性质的曲线。
圆的方程为：222
()()
x a y b r
-+-=，通过Hough变换，将图像空间(,)
x y对应到参数空图4.1 实验图像camera.bmp 图4.2 实验图像car.bmp
间(,,)a b r 。
第一题结果图
\T \R -500
50
-300-200
-100
第二题
实验原理：基于灰度的分割最简单的处理思想是，高于某一灰度的像素划分到一个区域中，低于某灰度的像素划分到另一区域中，这种基于灰度阈值的分割方法称为灰度门限法。最简单的灰度分割方法—灰度门限法，他是基于灰度阈值的分割方法，也是基于区域的分割方法。主要将高于某一灰度的像素划分到一个区域中，低于某灰度的像素划分到另一区域中。
结果图
思考：
直方图阈值法：理论分析和实验结果表明,该方法分割效果好,运算速度快,具有较高的实用价值。
Otsu 法：该方法选取出来的阈值非常理想，对各种情况的表现都较为良
好。虽然它在很多情况下都不是最佳的分割，但分割质量通常都有一定的保障，可以说是最稳定的分割。
直方图阈值法
原图像
01002000
直方图
分割后的图像
Otsu 法
原图像
分割后的图像
5.实验结论
Matlab提供了三个与Hough变换有关的函数：Hough函数，Houghpeaks函数和Houghlines函数。在算法实现中，考虑到噪声的影响和参数空间离散化得需要，求交点的问题成为一个累加器问题。
直方图阈值法：利用灰度直方图求双峰或多峰，选择两峰之间的谷底作为阈值。
自动阈值法：Otsu法。Otsu法是使类间方差最大而推导出的一种能自动确定阈值的方法，具有简单，处理速度快的特点。在Matlab工具箱中，Graythresh 函数基于Otsu算法求取灰度阈值。Graythresh函数的语法格式为：
level=fraythresh(I).
附件
第一题源程序
clear all;
RGB = imread('C:\Documents and Settings\Administrator\桌面
\camera.bmp');
I=RGB;
%I = rgb2gray(RGB);
BW = edge(I,'canny'); % 利用Canny算子提取图像边缘
[H,T,R] =
hough(BW,'RhoResolution',0.5,'ThetaResolution',0.5); subplot(121)
imshow(T,R,H,[],'notruesize'), axis on, axis normal
xlabel('\T'), ylabel('\R')
p = houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));
%找到5个较明显的Hough变换峰值
hold on
plot(T(p(:,2)),R(p(:,1)),'s','color','white');
lines = houghlines(BW,T,R,p,'FillGap',10,'MinLength',10);
%查找并链接线段
figure, imshow(BW), hold on%在二值图中叠加显示这些线段
for k = 1:length(lines)
xy = [lines(k).point1; lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green'); end
第二题源程序
%用直方图阈值法
I=imread('C:\Documents and Settings\Administrator\桌面\car.bmp');
subplot(2,2,1);
imshow(I);
title('原图像');
I1=rgb2gray(I);
subplot(2,2,2);
imhist(I1);
title('直方图');
subplot(2,2,3);
I2=im2bw(I1,165/415);
imshow(I2);
title('分割后的图像');
%用Otsu算法
I=imread('C:\Documents and Settings\Administrator\桌面\car.bmp');
subplot(2,1,1);
imshow(I);
title('原图像');
subplot(2,1,2);
level=graythresh(I);
BW=im2bw(I,level);
imshow(BW);
title('分割后的图像');
