实验四数字图像滤波及边缘检测58848.ppt

二、实验原理 图像恢复和图像增强一样，都是为了改善图像的视觉效果，以便后续处理。只是图像增强方法更偏重于主观判断，而图像恢复则是根据图像畸变或退化原因，进行模型处理。 图像分割是图像检索、识别和图像理解的基本前提。 中值滤波的基本原理 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点邻域中各点值的中值替代。 例如：有一个序列为(2 ,3 ,4 ,5 ,6) ,这个序列的中值为4。 中值滤波器用于图像处理中是这样进行的:设置一个滤波窗口，将其移遍图像(序列)上的点，且用窗口内各原始值的中值代替窗口中心点的值。 利用Matlab实现数字图像中值滤波 应用Matlab 软件中图像处理工具箱的函数。 二维中值滤波器的函数格式如下: B = Medfilt2(A,[m n])； B = Medfilt2(A)。(缺省窗口大小为[3 3]) 对加噪的图像进行二维中值滤波 a=imread(dog.jpg,jpg); i=rgb2gray(x); subplot(2,2,1); subimage(i); j=imnoise(i,salt pepper,0.04); subplot(2,2,2); subimage(j); c=medfilt2(j,[2 2]); subplot(2,2,3); subimage(c); d=medfilt2 (j ,[5 5]); subplot(2,2,4); subimage(d); 2、边缘检测 在对图像的研究和应用中，人们往往仅对各幅图像中的某些部分感兴趣，需要将这些有关区域分离提取出来，在此基础上对相关目标作进一步的处理。 分割算法 借助灰度图像中像素灰度值的两个性质：不连续性和相似性。区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性。 利用区域间灰度不连续性的基于边界的算法； 利用区域内灰度相似性的基于区域的算法。 根据分割过程中处理策略的不同 并行算法 所有判断和决定都可独立和同时地做出。 串行算法 前期处理的结果可被其后的处理过程所利用。 两种算法的对比 串行算法所用时间要长与并行算法，但其抗噪声能力则强于并行算法。 分割算法分类表 注意：现在尚无一种适合于所有图像的通用分割算法，现在提出的分割算法大都是针对具体问题的。 边缘检测 采用并行边界技术。 两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果，这种不连续常可利用求导的方法检测到。一般常用一阶和二阶导数来检测边缘。 微分算子 边缘检测可借助空域微分算子通过卷积完成。 梯度算子； 拉普拉斯算子； 综合正交算子。 边界闭合 利用各种算子得到的边缘像素常常是孤立或分小段连续的。为组成区域的封闭边界将不同的区域分开，需要将边缘像素连接起来。 哈夫变换 是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的方法。 MATLAB实例 提取二进制图像的轮廓。 语法： BW2 = bwmorph(BW1,operation) operation取值：bridge;clean;close; fill; ‘majority’; ‘remove’; ‘shrink’;‘skel’等。 检测灰度图像的边缘 格式： BW = edge(I,method) 区域生长法分割图像 主要考虑像素及其空间邻域像素之间的关系，开始时确定一个或多个像素点作为种子，然后按照某种相似准则增长区域，逐步生成具有某种均匀性的空间区域，将相邻（4邻域或8邻域）的具有相似性质的像素或区域归并从而逐步增长区域，直到没有可以归并的点或其他小区域为止。区域内像素的相似性度量可以是平均灰度值、纹理或颜色等信息。 区域生长由3个主要步骤组成 选择合适的种子点。 确定生长准则。 确定生长停止条件。 工具函数imreconstrct( ) 语法格式： outim=imreconstruct(markerim,maskim) 其中： markerim 标记图像 maskim 模板图像 工具函数的工作过程是一个迭代过程。 对一幅灰度图像用区域生长法进行分割 首先指定几个种子点，其次把图像中灰度值等于种子点的像素点作为种子点，然后以种子点为中心，各像素点与种子点的灰度值的差不超过某个值。则认为该像素点和种子点具有相似性。 MATLAB参考程序 a=imread(dog1.jpg); I=rgb2gray(a); subplot(1,2,1); imshow(I); seedx=[256,128