没有合适的资源?快使用搜索试试~ 我知道了~
昆明理工大学数字图像处理图像分割.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 160 浏览量
2022-11-08
08:51:13
上传
评论
收藏 938KB PDF 举报
温馨提示
试读
11页
。。。
资源推荐
资源详情
资源评论
昆明理工大学信息工程与自动化学院学生实验报告
( 2019 — 2020 学年 第 1 学期 )
课程名称:数字图像基础 开课实验室:呈贡校区信自楼 340
年级、专业、
班
实验项目名称 图像分割
教
师
评
语
学号 姓名 成绩
指导教师 张 云
该同学是否了解实验原理: A.了解□ B.基本了解□ C.不了解□
该同学的实验能力: A.强 □ B.中等 □ C.差 □
该同学的实验是否达到要求: A.达到□ B.基本达到□ C.未达到□
实验报告是否规范: A.规范□ B.基本规范□ C.不规范□
实验过程是否详细记录: A.详细□ B.一般 □ C.没有 □
注:5 个 A 为优 4 个 A 为良 3 个 A 为及格 其余为不及格。
教师签名:
年 月 日
实验三、图像分割
一、 实验目的
1、 理解图像分割的概念;
2、 掌握用全局阈值及局部阈值实现灰度图像分割的方法及基本应用;
3、 掌握用 Sobel 算子和 Canny 算子分别对图像进行边缘检测,以及用
Hough 变换来检测图像中直线段的方法及基本应用。
二、 实验原理及基本技术路线图(方框原理图)
图像分析是图像处理的一个重要分支,其目的是从图像中提取有用的信息,
并利用这些信息来理解图像,以执行某项任务。图像分割通常是图像分析的第一
步,它试图将图像中的像素分割为多个区域,而这些区域与图像中的目标相对应。
图像分割通过检测图像灰度的非连续状况来实现。通常使用模板和相关操作
进行非连续状况检测。
图像分割一般是基于图像灰度的两个基本特征:灰度值在区域边界的不连续
性以及在区域内的相似性。第一类分割方法主要通过检测有图像灰度值突变的区
域边缘来分割图像,而第二类方法则是将图像中像素与设定的特征阈值进行比
较,以其相似性来分割图像。因此,这些方法也分别称为边缘检测法及阈值法。
1、 阈值法
阈值处理通常是图像分割的第一步。单值阈值分割图像可用下式描述:
1, f
x, y
T
g
x, y
0, f
x, y
T
,
式中,f 为原图像,g 为分割图像,T 为分割图像用的灰度阈值。
不同的阈值会导致不同的图像分割结果。针对不同的图像,应采用适合的阈
值选择方法,以取得理想的分割结果。双峰法是一种简单的阈值选择方案。它先
第1页
在灰度直方图中寻找频数峰,再以两峰之间的谷底作为阈值。进一步,最大类间
方差法(Otsu 法)可以用于选择最佳阈值。该方法在用灰度级阈值 k 来分割一
2
帧图像时,考察由下式计算的类间方差
B
k
:
2
B
2
m
G
P
1
k
m
k
k
,
P
1
k
1 P
1
k
式中,
P
1
k
i0
p
i
为聚类 C
1
的概率,
m
k
i0
ip
i
为聚类 C
1
的灰度均值,
k k
m
G
i0
ip
i
为整幅图像的灰度均值,p
i
为图像直方图中分组 i 的频数。按照类间
L1
方差越大聚类越正确的图像分割思想,采用下面计算步骤来选择阈值。对于灰度
2
k
,选择给出最大方差级范围[0,L1]中的每个可选 k 值,按上式计算方差
B
2
k
的 k*值为阈值,它也是最佳阈值。另外,图像的可分性可由类间方差
B
2
k
B
2 2 2
k
G
与图像灰度方差
G
的比值
k
B
来衡量。在选取最佳阈值 k*时,
k
对
定值图像达到最小值 0,而对二值图像达到最大值 1,值范围为
0
k
1
。
全局单阈值分割只适用于部分图像。换句话说,对于光照不均匀或有多个主
体灰度区域的图像,全域阈值处理通常会失效;而用局部阈值法产生的效果就较
好。局域方法通常根据一个像素(x,y)的邻域的某种特征来为该像素选择自适应的
阈值。特别地,可变阈值选择的局域统计法就是用邻域的灰度标准差
xy
和灰度
均值
m
xy
这样的局域灰度特性来计算局域阈值
T
xy
。据此分割后的图像可计算如下:
1, f
x, y
a
xy
与 f
x, y
bm
g
x, y
,
0,其它
式中,a 与 b 为非负常数,m 可为局域均值 m
xy
或为全域均值 m
G
。
2、 边缘检测法
当看一个有边缘的物体时,首先感觉到的便是边缘。在边缘处,灰度和结构
等信息的产生突变。边缘是一个区域的结束,也是另一个区域的开始,利用该特
征可以分割图像。图像的边缘有方向和幅度两个属性,沿边缘方向像素灰度变化
平缓,垂直于边缘方向像素变化剧烈。边缘检测就是检测这种图像特征发生变化
的位置。由于噪声和模糊的存在,检测到的边界可能会变宽或在某些点处发生间
断。因此,边缘检测必须满足两个条件:一是能有效地抑制噪声,二是必须尽量
精确地确定边缘的位置。相应地,边界检测包括两个基本内容:首先抽取出反映
灰度变化的边缘点,然后剔除某些边界点或填补边界间断点,并将这些边缘连接
成完整的轮廓线。传统的边缘检测方法多以方向梯度掩模求卷积来实现。梯度算
子具有突出灰度变化的作用,对图像运用梯度算子,灰度变化较大的像素点处的
梯度值较高。可将这些梯度幅值作为边界强度,通过设定阈值来提取边界点集。
在求边缘的梯度时,需要对每个像素位置计算。在实际中常用小区域模板卷
第2页
积来近似快速计算,简单有效,即梯度算子一般采用滤波算子的形式来完成,因
此应用很广泛。Sobel 算子就是一款经典的梯度算子模板。它先对图像做加权平
滑处理,然后再做微分运算,对噪声具有一定的抑制能力。虽然这该算子边缘定
位效果不错,但容易检测出多像素宽度的边缘。因此不能完全排除检测结果中出
现的虚假边缘。Canny 算子进一步修正了这种不足。它将边缘点定义为梯度方向
上的局域最大点(也称为非最大值抑制),并用大小两个阈值(T
2
>T
1
)将边缘点分
为强弱边缘点。最终的边缘点确定为强边缘点,以及与其 8 向相连的弱边缘点。
该方法的优点是不易受噪声干扰,能在噪声和边缘间取得较好的平衡,对边缘能
精确地定位,以及检测到真正的弱边缘。
3、 霍夫(Hough)变换
实际图像中存在噪声及光照不均匀。因此,检测出的边缘点通常并不能完整
(或连续)地表征对象的实际边缘,需进一步使用连接方法把检测出的边缘点链
接成有意义的边缘。霍夫(Hough)变换就是一种可用于检测图像中直线的方法。
其基本思想是将输入空间的(鲁棒、多个)回归问题转换为参数空间的定位问题。
然后,参数空间的每个“众数”对应着输入空间的一个模型实例。噪声和曲线间
断对霍夫变换的影响小。
在图像空间(x,y)中,经过像素点(x,y)的直线可用其法线表示为:
x cos
y sin
0
,
式中,
(0
2
)为直线的法向角,
(0
max
)为直线在其通过原点的法线
上的截距。
在霍夫空间(,)中,通过特定像素点(x
i
,y
i
)的直线族可表示为:
x
i
cos
y
i
sin
。
霍夫变换的计算过程如下所述:先把霍夫空间 (,)离散化为霍夫变换矩阵
(
i
,
i
),然后在每个边缘点(x
i
,y
i
)处,按上面公式计算与每个
i
相对应的
i
,并对
由该下标(
i
,
i
)指定的霍夫矩阵元素加 1,最后寻找霍夫矩阵中的峰值元素,同时
也提取原图像空间中的霍夫线段,该线段参数为 (
i
,
i
),线段的两端点为该元素
中所含边缘点中的最小边缘点 min(x
i
,y
i
)与最大边缘点 max(x
i
,y
i
)),并用该线段来
连接相应的边缘点。
三、 所用仪器、材料(设备名称、型号、规格等)
微型计算机一台、Matlab 软件。
四、 实验方法、步骤(程序流程图等)
第3页
剩余10页未读,继续阅读
资源评论
G11176593
- 粉丝: 6669
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功