實驗5圖像分割

1、實驗名稱：圖像分割及目標(biāo)檢測一 實驗?zāi)康? 了解圖像邊緣檢測及圖像區(qū)域分割的目的、意義和手段。2 熟悉各種經(jīng)典的邊緣檢測算子、圖像分割方法及其基本原理。3 熟悉各種圖像特征表示與描述的方法及基本原理。4 熟練掌握利用 MATLAB 工具實現(xiàn)各種邊緣檢測的代碼實現(xiàn)。5 熟練掌握利用 MATLAB 工具實現(xiàn)基本閾值分割的代碼實現(xiàn)。6 通過編程和仿真實驗，進(jìn)一步理解圖像邊緣檢測、圖像分割及其在目標(biāo)檢測、目標(biāo)識別及跟蹤測量應(yīng)用中的重要性。二 實驗原理1. 利用Sobel 算子進(jìn)行圖像的邊緣檢測邊緣是圖像的最基本特征。所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背

2、景之間、物體與物體之間、基元與基元之間。因此，它是圖像分割所依賴的重要特征。在Matlab中圖像的邊緣檢測通常用一階/二階差分算子進(jìn)行檢測,而本次試驗采用的是Sobel算子： 2. 數(shù)字圖像中目標(biāo)區(qū)域測量及計算設(shè)圖像已被分割，目標(biāo)區(qū)域的像素的值為1（黑），背景區(qū)域的像素為0（白），則目標(biāo)區(qū)域的面積為： 矩心也叫質(zhì)心或重心，是物體對某軸的靜力矩作用中心。如果把目標(biāo)圖像看成是一塊質(zhì)量密度不均勻的薄板，以圖像上各像素點(diǎn)的灰度作為各點(diǎn)的質(zhì)量密度。這樣就可以借用矩心的定義式來計算目標(biāo)圖像的位置。如果針對已二值化的圖像則稱為“形心”！三 實驗步驟1. 利用Sobel 算子進(jìn)行圖像的邊緣檢測1) 實驗原理與

3、步驟數(shù)字圖像的邊緣一般利用一階/二階差分算子進(jìn)行檢測。常用的差分算子包括：Roberts 算子（對角算子），Prewitt 算子（一階），Sobel 算子（一階），Laplacian 算子（二階），LoG 算子（二階）及 Canny 邊緣檢測算法等。其中，Sobel 算子為常見的一類梯度算子（一階梯度算子） 。如圖 1 所示，一幅數(shù)字圖像與和分別做濾波（相關(guān)）運(yùn)算后（可選用多種方式，如conv2，filter2 及 imfilter 等 MATLAB 函數(shù)） ，可以求得 x, y 兩個方向的梯度圖像Dx, Dy，然后，可以計算得到原圖像的梯度幅度，即 2) 進(jìn)一步執(zhí)行梯度圖像 D 的二值化處理

4、（建議采用 Otsu 閾值，也可考慮其他閾值分割），檢測圖像的二值化邊緣。3) 對于與步驟同樣的輸入圖像 I，利用 MATLAB 工具的 edge(I,sobel)函數(shù)進(jìn)行處理。試比較處理結(jié)果與步驟（2）的得到的結(jié)果的差異，并分析檢測結(jié)果存在一定差異的原因。4) 畫出原圖像、原圖像的 Dx，Dy，D 圖，及最終的邊緣檢測結(jié)果圖（即二值化邊緣）。2. 數(shù)字圖像中目標(biāo)區(qū)域測量及計算實驗原理、內(nèi)容及步驟如下：1) 對上圖中的黑色形狀目標(biāo)進(jìn)行閾值分割，得到二值化的圖像；2) 計算目標(biāo)形狀的面積（以像素單位表示）；3) 計算圖中黑色形狀目標(biāo)的形心位置，并在原圖上進(jìn)行位置標(biāo)記（可以計算位置為圓心，以一定半

5、徑 r 畫一個紅色小圓圈）。其中為圖像尺寸。為像素圖像平面上的坐標(biāo)。四 實驗結(jié)果及分析1. 利用Sobel 算子進(jìn)行圖像的邊緣檢測分析：從實驗結(jié)果可以看出無論是二值化邊緣檢測還是edge函數(shù)的處理都能實現(xiàn)對圖像的邊緣，但是在精細(xì)度方面顯然是前者更勝一籌，原因是前者進(jìn)行了Otsu二值化處理，使得圖像缺失的信息減少，所以前者相比于沒有做二值化處理的后者邊緣更精細(xì)。2. 數(shù)字圖像中目標(biāo)區(qū)域測量及計算 分析：利用for循環(huán)算出了圖中黑色區(qū)域的面積： 之后利用式（3）計算出該黑色區(qū)域的形心坐標(biāo)： 并在圖中用紅點(diǎn)進(jìn)行了標(biāo)記，并以半徑r做圓。五 實驗心得體會和建議l 心得體會：熟悉圖像分割方法及其基本原理和

6、圖像特征表示與描述的方法學(xué)會利用 MATLAB 工具實現(xiàn)各種邊緣檢測的代碼實現(xiàn)以及基本閾值分割的代碼實現(xiàn)。l 建議：可以讓同學(xué)用其他算子進(jìn)行邊緣檢測，對這些結(jié)果進(jìn)行比較，分析差異。六 程序源代碼一 利用Sobel 算子進(jìn)行圖像的邊緣檢測clc,clear,close allI=imread('lena256.jpg');I=rgb2gray(I);I=double(I);Sx=-1 0 1;-2 0 2;-1 0 1;Sy=-1 -2 -1;0 0 0;1 2 1;Dx=imfilter(I,Sx);Dy=imfilter(I,Sy);D=sqrt(Dx.2+Dy.2);D=m

7、at2gray(D);% OTSU 自動閾值分割level=graythresh(D);%OSTU自動閾值分割D1=im2bw(D,level);%利用MATLAB的edge函數(shù)進(jìn)行處理D2=edge(I,'sobel');figure,subplot(221),imshow(mat2gray(I),title('原圖');subplot(222),imshow(mat2gray(Dx),title('Dx圖');subplot(223),imshow(mat2gray(Dy),title('Dy圖');subplot(224),

8、imshow(mat2gray(D),title('D圖');figure,subplot(121),imshow(D1),title('二值化邊緣檢測圖');subplot(122),imshow(D2),title('edge_sobel處理圖');二 數(shù)字圖像中目標(biāo)區(qū)域測量及計算clc,clear,close allI=imread('starshape.jpg');% OTSU 自動閾值分割level=graythresh(I);%OSTU自動閾值分割I(lǐng)1=im2bw(I,level);m,n=size(I1); z=0;

9、 x=0; y=0;for i=1:m for j=1:n if I1(i,j)=0; x=x+j; y=y+i; z=z+1; else z=z; end endendz=zx_c=x/z;y_c=y/z;figure,imshow(I1),hold onplot(x_c,y_c,'.red');r=sqrt(z/pi);rectangle('position',x_c-r,y_c-r,2*r,2*r,'curvature',1,1,'edgecolor','r');title('標(biāo)記后的圖像')七 思考題1. 利用梯度算子與圖像進(jìn)行濾波（相關(guān)）運(yùn)算后，為什么還需要給定閾值進(jìn)行二值化處理?答：簡化后期的處理，提高處理的速度。2. Laplacian算子檢測邊緣為什么會產(chǎn)生雙邊效果？為什么不能檢測出邊的方向。答：Laplacian算子是二階算子，其在灰度斜坡和灰度臺階過渡處產(chǎn)生雙邊效果，與此同時