实验5图像分割精要.docx

实验名称：图像分割及目标检测实验目的了解图像边缘检测及图像区域分割的目的、意义和手段。熟悉各种经典的边缘检测算子、图像分割方法及其基本原理。熟悉各种图像特征表示与描述的方法及基本原理。熟练掌握利用 MATLAB 工具实现各种边缘检测的代码实现。熟练掌握利用 MATLAB 工具实现基本阈值分割的代码实现。通过编程和仿真实验，进一步理解图像边缘检测、图像分割及其在目标检测、目标识别及跟踪测量应用中的重要性。实验原理利用Sobel 算子进行图像的边缘检测边缘是图像的最基本特征。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此，它是图像分割所依赖的重要特征。在Matlab中图像的边缘检测通常用一阶/二阶差分算子进行检测,而本次试验采用的是Sobel算子：数字图像中目标区域测量及计算设图像已被分割，目标区域的像素的值为1（黑），背景区域的像素为0（白），则目标区域的面积为：矩心也叫质心或重心，是物体对某轴的静力矩作用中心。如果把目标图像看成是一块质量密度不均匀的薄板，以图像上各像素点的灰度作为各点的质量密度。这样就可以借用矩心的定义式来计算目标图像的位置。如果针对已二值化的图像则称为“形心”！实验步骤利用Sobel 算子进行图像的边缘检测实验原理与步骤数字图像的边缘一般利用一阶/二阶差分算子进行检测。常用的差分算子包括：Roberts 算子（对角算子），Prewitt 算子（一阶），Sobel 算子（一阶），Laplacian 算子（二阶），LoG 算子（二阶）及 Canny 边缘检测算法等。其中，Sobel 算子为常见的一类梯度算子（一阶梯度算子） 。如图 1 所示，一幅数字图像与和分别做滤波（相关）运算后（可选用多种方式，如conv2，filter2 及 imfilter 等 MATLAB 函数） ，可以求得 x, y 两个方向的梯度图像Dx, Dy，然后，可以计算得到原图像的梯度幅度，即进一步执行梯度图像 D 的二值化处理（建议采用 Otsu 阈值，也可考虑其他阈值分割），检测图像的二值化边缘。对于与步骤同样的输入图像 I，利用 MATLAB 工具的 edge(I,’sobel’)函数进行处理。试比较处理结果与步骤（2）的得到的结果的差异，并分析检测结果存在一定差异的原因。画出原图像、原图像的 Dx，Dy，D 图，及最终的边缘检测结果图（即二值化边缘）。数字图像中目标区域测量及计算实验原理、内容及步骤如下：对上图中的黑色形状目标进行阈值分割，得到二值化的图像；计算目标形状的面积（以像素单位表示）；计算图中黑色形状目标的形心位置，并在原图上进行位置标记（可以计算位置为圆心，以一定半径 r 画一个红色小圆圈）。其中为图像尺寸。为像素图像平面上的坐标。实验结果及分析利用Sobel 算子进行图像的边缘检测分析：从实验结果可以看出无论是二值化边缘检测还是edge函数的处理都能实现对图像的边缘，但是在精细度方面显然是前者更胜一筹，原因是前者进行了Otsu二值化处理，使得图像缺失的信息减少，所以前者相比于没有做二值化处理的后者边缘更精细。数字图像中目标区域测量及计算分析：利用for循环算出了图中黑色区域的面积： 之后利用式（3）计算出该黑色区域的形心坐标：并在图中用红点进行了标记，并以半径r做圆。实验心得体会和建议心得体会：熟悉图像分割方法及其基本原理和图像特征表示与描述的方法学会利用 MATLAB 工具实现各种边缘检测的代码实现以及基本阈值分割的代码实现。建议：可以让同学用其他算子进行边缘检测，对这些结果进行比较，分析差异。程序源代码利用Sobel 算子进行图像的边缘检测clc,clear,close allI=imread(lena256.jpg);I=rgb2gray(I);I=double(I);Sx=[-1 0 1;-2 0 2;-1 0 1];Sy=[-1 -2 -1;0 0 0;1 2 1];Dx=imfilter(I,Sx);Dy=imfilter(I,Sy);D=sqrt(Dx.^2+Dy.^2);D=mat2gray(D);% OTSU 自动阈值分割level=graythresh(D);%OSTU自动阈值分割D1=im2bw(D,level);%利用MATLAB的edge函数进行处理D2=edge(I,sobel);figure,subplot(221),imshow(mat2gray(I)),title(原图);subplot(222),imshow(mat2gray(Dx)),title(Dx图);subplot(223),imshow(mat2gray(Dy)),title(Dy图);subplot(224),imshow(mat2