實(shí)驗(yàn)六圖像分割

1、信息工程學(xué)院實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)時(shí)成績(jī)：指導(dǎo)老師（簽名）：課程名稱：數(shù)字圖像處理實(shí)驗(yàn)項(xiàng)目名稱：實(shí)驗(yàn)六圖像分割間：班級(jí)：姓名： 學(xué)號(hào):一、實(shí)驗(yàn)?zāi)康? .使用MatLab軟件進(jìn)行圖像的分割。使學(xué)生通過實(shí)驗(yàn)體會(huì)一些主要的分割算子對(duì) 圖像處理的效果，以及各種因素對(duì)分割效果的影響。2 .要求學(xué)生能夠自行評(píng)價(jià)各主要算子在無噪聲條件下和噪聲條件下的分割性能。能夠掌握分割條件（閾值等）的選擇。完成規(guī)定圖像的處理并要求正確評(píng)價(jià)處理結(jié)果，能夠 從理論上作出合理的解釋。、實(shí)驗(yàn)內(nèi)容與步驟1.邊緣檢測(cè) 使用Roberts算子的圖像分割實(shí)驗(yàn)1350方向模板調(diào)入并顯示圖像圖像；使用Roberts算子對(duì)圖像進(jìn)行邊緣檢測(cè)處理；Robe

2、rts算子 為一對(duì)模板：(b)圖1 matlab 2010 的Roberts算子模板相應(yīng)的矩陣為：rh = 0 1； -1 0； rv = 1 0； 0 -1；這里的 rh 為 45度 Roberts 算子，rv為135度Roberts算子。分別顯示處理后的45度方向和135方向的邊界檢測(cè) 結(jié)果；用“歐幾里德距離”和“街區(qū)距離”方式計(jì)算梯度的模，并顯示檢測(cè)結(jié)果；對(duì)于 檢測(cè)結(jié)果進(jìn)行二值化處理，并顯示處理結(jié)果。提示：先做檢測(cè)結(jié)果的直方圖，參考直方圖中灰度的分布嘗試確定閾值；應(yīng)反復(fù)調(diào)節(jié)閾值的大小，直至二值化的效果最為滿意為止0圖2. Prewitt算子模板(2)使用(b)垂直模板圖3. Sobel算

3、子模板使用Prewitt算子進(jìn)行內(nèi)容(1)中的全部步驟。(b)垂直模板(4)使用LoG (拉普拉斯-高斯)算子的圖像分割實(shí)驗(yàn)使用LoG(拉普拉斯-高斯)算子進(jìn)行內(nèi)容(1)中的全部步驟。提示1:處理后可以直 接顯示處理結(jié)果，無須另外計(jì)算梯度的模。提示 2:注意調(diào)節(jié)噪聲的強(qiáng)度以及LoG(拉普 拉斯-高斯)算子的參數(shù)，觀察處理結(jié)果。(5)打印全部結(jié)果并進(jìn)行討論。下面是使用sobel算子對(duì)圖像進(jìn)行分割的MATLA程序f=imread('');gv,t1=edge(f,'sobel','vertical');%使用 edge 函數(shù)對(duì)圖像 f 提取垂直邊緣i

4、mshow(gv)gb,t2=edge(f,'sobel','horizontal');%使用 edge 函數(shù)對(duì)圖像 f 提取水平邊緣figure,imshow(gb)w45=-2 -1 0;-1 0 1;0 1 2;% 指定模版使用imfilter 計(jì)算45度方向的邊緣g45=imfilter(double(f),w45,'replicate');T=*max(abs(g45(:); % 設(shè)定閾值g45=g45>=T;% 進(jìn)行閾值處理figure,imshow(g45);在函數(shù)中使用prewitt'和'roberts

5、9;的過程，類似于使用sobel邊緣檢測(cè)器的過程。三、實(shí)驗(yàn)結(jié)果及結(jié)果分析1 .邊緣檢測(cè)(1) 使用 Roberts 算子的圖像分割實(shí)驗(yàn)實(shí)驗(yàn)結(jié)果：圖 4. Roberts 算子的圖像分割實(shí)驗(yàn)結(jié)果分析：Roberts 算子利用局部差分算子尋找邊緣，邊緣定位精度比較高，但容易丟失一部分邊緣，同時(shí)由于圖像沒經(jīng)過平滑處理，因此不具備抑制噪聲能力。該算子對(duì)具有陡峭邊緣且噪聲少的圖像效果較好。(2) 使用 Prewitt 算子的圖像分割實(shí)驗(yàn)實(shí)驗(yàn)結(jié)果：圖 5 .Prewitt 算子的圖像分割實(shí)驗(yàn)結(jié)果分析：Prewitt 算子先對(duì)圖像做加權(quán)平滑處理，然后再做微分運(yùn)算，所不同的是平滑部分的權(quán)值有些差異，因此它們對(duì)

6、噪聲有一定的抑制能力。(3) 使用 Sobel 算子的圖像分割實(shí)驗(yàn)實(shí)驗(yàn)結(jié)果：圖 6. Sobel 算子的圖像分割實(shí)驗(yàn)結(jié)果分析：Sobel 算子和 Prewitt 算子一樣，都是先對(duì)圖像做加權(quán)平滑處理，然后再做微分運(yùn)算， 因此它們對(duì)噪聲有一定的抑制能力。 比較實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)， Sobel 算子比 Prewitt 算子在噪聲抑制方面略勝一籌，但不能排除檢測(cè)結(jié)果中出現(xiàn)的虛假邊緣。雖然這兩個(gè)算子邊緣定位效果不錯(cuò)，但檢測(cè)出的邊緣容易出現(xiàn)多像素的寬度。(4) 使用 LoG (拉普拉斯 - 高斯 )算子的圖像分割實(shí)驗(yàn)實(shí)驗(yàn)結(jié)果：圖 7. LoG ( 拉普拉斯 - 高斯 ) 算子的圖像分割實(shí)驗(yàn)結(jié)果分析：拉普拉

7、斯算子，它是無方向的二階微分算子，對(duì)圖像中的階躍型邊緣定位準(zhǔn)確，該算子對(duì)噪聲非常敏感，它使噪聲成分得到加強(qiáng)。這兩個(gè)特性使得該算子容易丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測(cè)邊緣。LoG算子，該算子克服了拉普拉斯算子抗噪聲性能比較差的缺點(diǎn)， 但是在抑制噪聲的 同時(shí)也可能將原有的比較尖銳的邊緣平滑掉了。(5) 打印全部結(jié)果并進(jìn)行討論。使用 sobel 、 prewitt 和 roberts 算子對(duì)圖像進(jìn)行分割實(shí)驗(yàn)。圖 8. 全部結(jié)果 四、實(shí)驗(yàn)中遇到問題及解決方法1. 評(píng)價(jià)一下 Roberts 算子、 Prewitt 算子、 Sobel 算子對(duì)于噪聲條件下邊界檢測(cè)的 性能。答： Roberts

8、 算子采用對(duì)角線方向相鄰兩像素之差近似梯度幅值檢測(cè)邊緣。檢測(cè)水平和垂直邊緣的效果好于斜向邊緣，定位精度高，對(duì)噪聲敏感。Sobel 算子根據(jù)像素點(diǎn)上下、左右鄰點(diǎn)灰度加權(quán)差，在邊緣處達(dá)到極值這一現(xiàn)象檢測(cè)邊緣。對(duì)噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位精度不夠高。當(dāng)對(duì)精度要求不是很高時(shí)，是一種較為常用的邊緣檢測(cè)方法。Prewitt 算子利用像素點(diǎn)上下、左右鄰點(diǎn)灰度差，在邊緣處達(dá)到極值檢測(cè)邊緣。對(duì)噪聲具有平滑作用，定位精度不夠高。2. 實(shí)驗(yàn)中所使用的四種算子所得到的邊界有什么異同？答： 算子的存在就是對(duì)這種導(dǎo)數(shù)分割原理進(jìn)行的實(shí)例化計(jì)算， 是為了在計(jì)算過程中直 接使用的一種計(jì)算單位。Rob

9、erts 算子：邊緣定位準(zhǔn)，但是對(duì)噪聲敏感。適用于邊緣明顯且噪聲較少的圖像分割。 Roberts 邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算子,Robert 算子圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析，由于 Robert 算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是 很高。Prewitt 算子：對(duì)噪聲有抑制作用，抑制噪聲的原理是通過像素平均，但是像素平均相當(dāng)于對(duì)圖像的低通濾波，所以 Prewitt 算子對(duì)邊緣的定位不如 Roberts 算子。Sobel 算子： Sobel 算子和 Prewitt 算子都是加權(quán)平均，但是 Sob

10、el 算子認(rèn)為，鄰域的像素對(duì)當(dāng)前像素產(chǎn)生的影響不是等價(jià)的，所以距離不同的像素具有不同的權(quán)值，對(duì)算子結(jié)果產(chǎn)生的影響也不同。一般來說，距離越遠(yuǎn)，產(chǎn)生的影響越小。Isotropic Sobel 算子：加權(quán)平均算子，權(quán)值反比于鄰點(diǎn)與中心點(diǎn)的距離，當(dāng)沿不同方向檢測(cè)邊緣時(shí)梯度幅度一致，就是通常所說的各向同性。Laplacian 算子：這是二階微分算子。其具有各向同性，即與坐標(biāo)軸方向無關(guān)，坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。但是，其對(duì)噪聲比較敏感，所以，圖像一般先經(jīng)過平滑處理，因?yàn)槠交幚硪彩怯媚０暹M(jìn)行的，所以，通常的分割算法都是把Laplacian 算子和平滑算子結(jié)合起來生成一個(gè)新的模板。Laplacian 算子一

11、般不以其原始形式用于邊緣檢測(cè)，因?yàn)槠渥鳛橐粋€(gè)二階導(dǎo)數(shù)，Laplacian 算子對(duì)噪聲具有無法接受的敏感性； 同時(shí)其幅值產(chǎn)生算邊緣， 這是復(fù)雜的分割不希望有的結(jié)果；最后Laplacian 算子不能檢測(cè)邊緣的方向；所以 Laplacian 在分割中所起的作用包括：( 1)利用它的零交叉性質(zhì)進(jìn)行邊緣定位；(2)確定一個(gè)像素是在一條邊緣暗的一面還是亮的一面；一般使用的是高斯型拉普拉斯算子( Laplacian of aGaussian,LoG),由于二階導(dǎo)數(shù)是線性運(yùn)算，利用LoG卷積一幅圖像與首先使用高斯型平 滑函數(shù)卷積改圖像，然后計(jì)算所得結(jié)果的拉普拉斯是一樣的。所以在LoG公式中使用高斯函數(shù)的目的就

12、是對(duì)圖像進(jìn)行平滑處理，使用 Laplacian 算子的目的是提供一幅用零交 叉確定邊緣位置的圖像；圖像的平滑處理減少了噪聲的影響并且它的主要作用還是抵消 由 Laplacian 算子的二階導(dǎo)數(shù)引起的逐漸增加的噪聲影響。五、實(shí)驗(yàn)心得體會(huì)通過這個(gè)實(shí)驗(yàn)， 我熟練學(xué)會(huì)了利用 MatLab 軟件進(jìn)行圖像的分割。 在通過實(shí)驗(yàn)體會(huì)到 了一些主要的分割算子對(duì)圖像處理的效果，以及各種因素對(duì)分割效果的影響。在評(píng)價(jià)各主要算子在無噪聲條件下和噪聲條件下的分割性能下，掌握分割條件( 閾值等 ) 的選擇。完成規(guī)定圖像的處理并評(píng)價(jià)處理結(jié)果。六、源程序清單 % %1.使用 Roberts 算子的圖像分割實(shí)驗(yàn) I=imread

13、( '' );rh=-1 0; 0 1; rv=0 -1; 1 0; g45=imfilter(double(I),rh, 'replicate' );g135=imfilter(double(I),rv, 'replicate' );subplot(3,2,1);imshow(g45,); title( 'g45' ); subplot(322); imshow(g135,); title( 'g135' ); %計(jì)算梯度模 %(1) 歐幾里得距離計(jì)算梯度模OD=sqrt(g45 A2+g135 A2);subp

14、lot(323); imshow(OD,);title( '(1) 歐幾里得距離計(jì)算梯度模 ' );T=*max(OD(:);BWOD=OD>T;subplot(324); imshow(BWOD);title( '(1) 歐幾里得距離計(jì)算梯度模二值化 ' );%(2) 街區(qū)距離計(jì)算梯度摸JD=abs(g45)+abs(g135);subplot(325);imshow(JD,);title( '(2) 街區(qū)距離計(jì)算梯度模 ' );T=*max(JD(:);BWOD=OD>T;subplot(326);imshow(BWOD);tit

15、le( '(2) 街區(qū)距離計(jì)算梯度模二值化 ' );%2.使用Prewitt 算子的圖像分割實(shí)驗(yàn)I=imread( '' );rh=-1 -1 -1;0 0 0;1 1 1;rv=-1 0 1 ;-1 0 1;-1 0 1;g45=imfilter(double(I),rh, 'replicate' );g135=imfilter(double(I),rv, 'replicate' );subplot(3,2,1);imshow(g45,);title( 'g45' );subplot(322);imshow(g1

16、35,);title( 'g135' );%計(jì)算梯度模%( 1)歐幾里得距離計(jì)算梯度模OD=sqrt(g45 A2+g135 A2);subplot(323);imshow(OD,);title( '(1) 歐幾里得距離計(jì)算梯度模 ' );T=*max(OD(:);BWOD=OD>T;subplot(324);imshow(BWOD);title( '(1) 歐幾里得距離計(jì)算梯度模二值化 ' );%(2) 街區(qū)距離計(jì)算梯度模JD=abs(g45)+abs(g135);subplot(325);imshow(JD,);title( '

17、(2) 街區(qū)距離計(jì)算梯度模 ' );T=*max(JD(:);BWOD=OD>T;subplot(326);imshow(BWOD);title( '(2) 街區(qū)距離計(jì)算梯度模二值化 ' );%3.使用 Sobel 算子的圖像分割實(shí)驗(yàn)I=imread( '' );rh=-1 -2 -1;0 0 0;1 2 1;rv=-1 0 1 ;-2 0 2;-1 0 1;g45=imfilter(double(I),rh, 'replicate' );g135=imfilter(double(I),rv, 'replicate'

18、 );subplot(3,2,1);imshow(g45,);title( 'g45' );subplot(322);imshow(g135,);title( 'g135' );%計(jì)算梯度模%(1) 歐幾里得距離計(jì)算梯度模OD=sqrt(g45 A2+g135 A2);subplot(323);imshow(OD,);title( '(1) 歐幾里得距離計(jì)算梯度模 ' );T=*max(OD(:);BWOD=OD>T;subplot(324);imshow(BWOD);title( '(1) 歐幾里得距離計(jì)算梯度模二值化 '

19、 );%(2) 街區(qū)距離計(jì)算梯度摸JD=abs(g45)+abs(g135);subplot(325);imshow(JD,);title( '(2) 街區(qū)距離計(jì)算梯度模 ' );T=*max(JD(:);BWOD=OD>T;subplot(326);imshow(BWOD);title( '(2) 街區(qū)距離計(jì)算梯度模二值化 ' );%4.使用 LoG ( 拉普拉斯 -高斯 ) 算子的圖像分割實(shí)驗(yàn)f=imread( '' );gv,t1=edge(f,'log' , 'vertical'subplot(1,3

20、,1);imshow(gv);title(gb,t2=edge(f,'log' , 'horizontal'); %使用edge 函數(shù)對(duì)圖像f 提取垂直邊緣'gv' );); %使用edge 函數(shù)對(duì)圖像 f 提取水平邊緣subplot(1,3,2);imshow(gb);title( w45=-2 -1 0;-1 0 1;0 1 2;g45=imfilter(double(f),w45,'gb' );%指定模版使用imfilter 計(jì)算 45 度方向的邊緣T=*max(abs(g45(:);g45=g45>=T;'r

21、eplicate' );%設(shè)定閾值%進(jìn)行閾值處理subplot(1,3,3);imshow(g45);title('g45' );%5打印全部結(jié)果并進(jìn)行討論。%使用sobel 、 prewitt 和 roberts 算子對(duì)圖像進(jìn)行分割實(shí)驗(yàn)。f=imread( '' );gv,t1=edge(f, 'sobel' , 'vertical' ); %使用edge 函數(shù)對(duì)圖像 f 提取垂直邊緣subplot(1,3,1);imshow(gv);title('sobel(gv)');gb,t2=edge(f, &#

22、39;sobel' , 'horizontal' ); %使用edge 函數(shù)對(duì)圖像 f 提取水平邊緣subplot(1,3,2);imshow(gb);title('sobel(gb)');w45=-2 -1 0;-1 0 1;0 1 2;%指定模版使用imfilter 計(jì)算 45 度方向的邊緣g45=imfilter(double(f),w45, 'replicate' );T=*max(abs(g45(:);%設(shè)定閾值g45=g45>=T;%進(jìn)行閾值處理subplot(1,3,3);imshow(g45);title('

23、sobel(g45)' );%使用prewitt 算子對(duì)圖像進(jìn)行分割實(shí)驗(yàn)。f=imread( '' );gv2,t3=edge(f, 'prewitt' , 'vertical' ); %使用edge 函數(shù)對(duì)圖像 f 提取垂直邊緣subplot(1,3,1);imshow(gv2);title('prewitt(gv)');gb2,t4=edge(f, 'prewitt' , 'horizontal' ); %使用edge 函數(shù)對(duì)圖像 f 提取水平邊緣subplot(1,3,2);imshow(gb2);title('prewitt(gb)');w45=-2 -1 0;-1 0 1;0 1 2;%指定模版使用imfilter 計(jì)算 45 度方向的邊緣g45=imfilter(double(f),w45, 'replicate' );T=*max(abs(g45(:);%設(shè)定閾值g45=g45>=T;%進(jìn)行閾值處理subplot(1,3,3);imshow(g45);title('prew