图像处理分水岭算法实验报告.doc

分水岭算法实验报告一;实验目的：1.通过matlab实验的具体操作来掌握空间图像处理算法；2.通过实验来验证所学知识，达到学以致用；3.通过实验来了解分水岭算法的优缺点。二;实验原理：分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。对于分水岭变换，目前存在着几种定义，我们这里所采用的定义是基于沉浸的离散图像的分水岭变换。令f：D是一幅灰度图像，它的最大和最小灰度值为h_max和h_min。定义一个从h_min到h_max的水位h不断递增的递归过程。在这个过程中每个与不同的局部最小相关的汇水盆地都不断扩展，定义X(h)记作在水位h时候汇水盆地的集合的并。在h+1层，一个连通分量T（h+1）或者是一个新的局部最小，或者是一个已经存在的X(h)中的一个盆地的扩展。对于后者，按邻接关系计算高度为h+1的每一个点与各汇水盆地的距离。如果一个点与两个以上的盆地等距离，则它不属于任何盆地，否则它属于与它距离最近的盆地。这样从而产生新的X(h+1)。把在高度h出现的局部最小记作MIN（h）。把Y（h+1,X(h)）记作高度为h+1同时属于X(h)的点的集合。分水岭变换Watershed(f)就是X(h_max)的补集：分水岭变换由于它以下优点被用在图像处理的许多领域：直观，快速并且可以并行计算，总是产生完整的边界，这样就避免了边界连接的后处理。而且不少研究人员把分水岭嵌入到多尺度框架中。三：实验内容：分水岭具体算法rgb = imread (apple.jpg) ;i = rgb2gray( rgb) ;imshow ( i) ; title (灰度图) ;se = strel (disk, 20) ;itop = imtophat ( i, se) ;ibot = imbothat ( i, se) ;figure, imshow ( itop, ) ; title (梯度变换) ;figure, imshow ( ibot, ) ; title (3) ;ienhance = imsubtract ( imadd ( itop, i) , ibot) ;figure, imshow ( ienhance) , title (4) ; iec = imcomplement ( ienhance) ;figure, imshow ( iec ) , title (5) ;iemin = imextendedmin ( iec, 50) ;iimpose = imimposemin ( iec, iemin) ;figure, imshow ( iemin) ; title (6) ;figure, imshow ( iimpose) ; title (7) ;wat =watershed ( iimpose) ;j = label2rgb (wat) ;figure, imshow ( j) ; title (分水岭) ;四：实验结果: 五：实验讨论： 由实验可知，分水岭算法还是有一些比较大的缺点。过度分割。由于大部分图像的梯度图都有许许多多的局部最小，所以分水岭变换的结果是无数的小区域边界，这样的结果毫无意义。通常的解决办法是使用标记的图片来减少局部最小的数量，即使用带标记的分水岭变换。对噪声的敏感。局部的一些改变会引起分割结果的明显改变，强烈的噪声有时候使得分水岭变换无法找出真正的