基于Matlab的数字图像分割课件

1、基于Matlab的数字图像分割黄山自动化工程学院总述 在一幅图像中，人们常常只对其中的部分目标感兴趣，这些目标通常占据一定的区域，并且在某些特性（如灰度、轮廓、颜色和纹理等）上和临近的图像有差别。这些特性差别可能非常明显，也可能很细微，以至肉眼察觉不出来。随着计算机图像处理技术的发展，使得人们可以通过计算机来获取和处理图像信息。图像识别的基础是图像分割，其作用是把反映物体真实情况的、占据不同区域的、具有不同特性的目标区分开来，并形成数字特征。图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，图像分割的作用是至关重要的。分割定义和方法

2、分类 图像分割是将图像中有意义或有用的特征提取出来，也可以说，将图像分成各具特点的区域并提取出感兴趣目标的技术和过程。图像分割是由图像处理到图像分析的关键步骤。图像读入（光电转换）图像处理（增强，编码）图像分析（分割，描述）图像理解（解释，理解）光图像数字图像处理过的图像特征数据解释判断图像分割算法 根据相邻象素在象素值方面的相似性和不连续性可分为区域法和边界法；根据处理策略不同分为串行算法和并行算法。边缘检测Roberts 算子 Roberts算子是一种利用局部差分算子寻找边缘的算子，对具有陡峭的低噪声的图像效果好。卷积核分别为：采用范数1衡量梯度的幅度：Prewitt 算子 Prewitt

3、算子对灰度渐变和噪声较多的图像处理得较好。卷积核分别为：采用范数衡量梯度的幅度：拉普拉斯（ Laplacian ） 算子 拉普拉斯算子对噪声有极高的敏感性，而且对于双边缘带不易检测出边缘的方向。0000-1-1-1-140000-1-1-1-18拉普拉斯-高斯算子（LoG：Laplacian of Gaussian；Mar算子） 基本思想：先用高斯函数对图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 缺点：产生虚假轮廓；定位精度不高。阈值（threshold）分割 取阈值是最常见的并行的直接检测区域的分割方法，假设图像由具有单峰灰度分布的目标和背景组成，在目标或

4、背景内部的相邻像素间的灰度值是高度相关的，但在目标和背景交界处两边的像素在灰度值上有很大的差别。此时图像的直方图应是双峰的。对这类图像常可用取阈值方法来较好地分割。 对一幅灰度取值在0，L-1的图像确定一个灰度阈值T，其中（0TL-1），然后每个像素的灰度值与T比较，根据结果分为两类：像素的灰度值大于阈值T为一类，像素的灰度值小于阈值T为另一类，像素的灰度值等于阈值T可归为两类之一。确定阈值是关键。实验分别用sobel、Laplacian-Gaussian方法对一幅灰度图像进行边缘提取。 给出对比结果对一幅灰度图像进行灰度分割处理 比较提取边缘的效果可以看出，sober算子是一种微分算子，对边缘的定位较精确，但是会漏去一些边缘细节。而Laplacian-Gaussian算子是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘的细节比较丰富。通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整，效果更好。 根据原图像的直