实验五 图像分割 (2).doc

实验5 图像分割实验目的：1. 了解图像分割的基本理论和方法；2. 掌握对图像进行点、线和边缘检测的方法；3. 掌握阈值分割的方法和阈值的选择；4. 熟悉区域生长法和分水岭分割算法实验内容：1. 对图片lung2.bmp和加噪声的lung3.bmp分别用3*3的sobel算子、prewitt算子、log算子、canny算子进行处理，根据处理结果分析上述算子，分别是什么类型的？有何作用？思考一下如何设计算子。lung3.bmp为g = imnoise(f,”salt & pepper”,0.02)(0.02表示发生概率)答：lung2.bmp: f=imread(lung2.bmp); fs,ts=edge(f,sobel); fp,tp=edge(f,prewitt); fl,tl=edge(f,log); fc,tc=edge(f,canny); subplot(2,3,1),imshow(f),title 原图,subplot(2,3,2),imshow(fs),title sobel,subplot(2,3,3),imshow(fp),title prewitt,subplot(2,3,4),imshow(fl),title log,subplot(2,3,5),imshow(fc),title canny;lung3.bmp: g=imnoise(f,salt & pepper,0.02); gs,tgs=edge(g,sobel); gp,tgp=edge(g,prewitt); gl,tgl=edge(g,log); gc,tgc=edge(g,canny); subplot(2,3,1),imshow(g),title 噪音图,subplot(2,3,2),imshow(gs),title sobel,subplot(2,3,3),imshow(gp),title prewitt,subplot(2,3,4),imshow(gl),title log,subplot(2,3,5),imshow(gc),title canny;Prewitt算子和Sobel算子提取边缘的结果差不多。Sobel算子在提取边缘的同时它对噪声具有平滑作用，能够抑制一定的噪声，sobel算子要比prewitt算子更能准确检测图像边缘。LOG算子是个二阶算子，在对图像进行差分运算之前，先对图像使用高斯低通滤波器进行平滑处理，以减少噪声，因此缓解了一般差分对噪声响应很敏感的问题，但它对噪声过于敏感，使其使用大为受限。Canny算子提取的边缘最为完整，而且边缘的连续性很好，定位比较精确。但在实际工作应用中编程较为复杂且运算较慢。 总的来说就是：Sobel算子、Prewitt算子的处理结果连续性不好，LOG算子的处理结果不精确，而Canny算子的处理结果更多更精确地保留了图像的边缘特征，具有较好的连续性2、（1）对图片lung.bmp用im2bw进行处理，其分割的阈值分别设为0.05,0.15和0.7，分析哪个效果好（结合图像的直方图）。 f=imread(lung.bmp); g=im2bw(f,0.05); g1=im2bw(f,0.15); g2=im2bw(f,0.7); subplot(4,2,1),imshow(f),title 原图,subplot(4,2,2),imhist(f),title 直方图,subplot(4,2,3),imshow(g),title 阈值0.05,subplot(4,2,4),imhist(g),title 直方图,subplot(4,2,5),imshow(g1),title 阈值0.15,subplot(4,2,6),imhist(g1),title 直方图,subplot(4,2,7),imshow(g2),title 阈值0.7,subplot(4,2,8),imhist(g2),title 直方图;（2） 用全局阈值法或Otsu算法计算出合适的阈值。 T=graythresh(f)T = 0.1647 T*255ans = 42（3）对分割出来的二值图像运用所学的形态学知识，得到肺部图像。提示：如f为原图像，fillhole为处理后的二值图像（其中肺部为白色，其他为黑色），则以下语句可以得到原图中的肺部图像。f(fillhole=0)=255; %或f(fillhole=0)=0也可以 f=imread(lung.bmp); fillhole=im2bw(f,0.1647); fillhole=fillhole; imshow(fillhole) f(fillhole=0)=0; figure,imshow(f) f(fillhole=0)=255; figure,imshow(f); 2、编写m文件globalthreshold.m，完成对输入图片全局阈值的计算（参见课本305页的算法），输入参数为图片f,初始阈值T（默认为min+max/2），还有差值范围T0（默认5）（T0表示这一次计算得到的T与上一次的T值之差 f=imread(lung.bmp); a=0.5*(max(f(:)+min(f(:); i=globalthreshold(f,a,5)i = 43.2790 g=im2bw(f,i/255); imshow(g);3、区域生长法利用图像像素间的相似性进行分割，调用regiongrow函数对图像weld.tif进行处理，注意参数中S（种子值），T（阈值）的选择对分割效果的影响。S=255，T65和S255 T150和S150，T65三组值进行处理，理解在区域生长法的原理。同时对liver.bmp，自己选择合适的S和T，以较好的分割出肝脏。参考书本P309例10.8 f=imread(weld.tif); qyszf(