实验四 图像分割

1. 编写MATLAB程序，用Sobel、Prewitt、Roberts、Log等算子对标准图像（pout.tif）进行边缘提取, 实验结果如图2所示：

代码如下：

I=imread('pout.tif'); %读取图像

subplot(2,3,1); imshow(I) %显示原图像

title('原始图像') %给原图像加标题名

I0=edge(I,'Sobel '); %自动选择阈值的 Sobel 算法

subplot(2,3,2); imshow(I0)
title('Sobel') %给图像加标题名

I1=edge(I,'Prewitt',0.04); %0.04为梯度阈值

subplot(2,3,3),

imshow(I1); %显示 Prewitt 算子检测边缘的结果

title('Prewitt ') %给图像加标题

I2=edge(I,'Roberts',0.04); %以阈值 0.04 对图像进行 Roberts 算子检测边缘
subplot(2,3,4) ;
imshow(I2); %显示使用 Roberts 算子进行图像分割得到的结果
title('Roberts ') %给图像分割结果加标题名

I3=edge(I,'log',0.003, 2); %第 3 个参数表示敏感度阈值, 
sigma=2
subplot(2, 3, 5);
imshow(I3); %显示 LOG 算子边缘检测的结果
title(' LOG') %给图像加标题名

2.对图像cameraman.tif进行四叉树分解，实验结果如图3所示：

代码如下：

I=imread('cameraman.tif'); %直接读取Matlab中的图像

imggray=imresize(I,[256,256]);  %图像大小高宽需相等

s=qtdecomp(imggray,0.2);  %四叉树分解，阙值自定

s1=full(s);  

subplot(1,2,1);

imshow(I);title('原图像');  %显示原图像，给原图像加标题名

subplot(1,2,2);imshow(s1);title('处理后的图像'); %显示处理后的图像，给其加标题名

 实验心得

图像分割是数字图像处理中的重要部分，可以用于目标检测、图像识别等领域。在进行图像分割实验的过程中，我总结了以下几点心得体会。

首先，需要了解图像分割的基本概念。图像分割是指将图像按照某种特征进行划分，例如边界、颜色等，以实现目标检测或者提取特定的图像信息。在实验过程中，需要先了解基本的图像分割方法，例如阈值分割、边缘检测等，并了解各方法的优缺点和适用场景。

其次，需要掌握MATLAB中实现图像分割的方法和函数。MATLAB提供了丰富的数字图像处理函数库，包括二值化函数、边缘检测函数等。在实验过程中，需要熟练掌握这些函数的用法和注意事项，以便更好地进行实验和实现图像分割。

第三，需要注意实验数据的选择和处理。在进行图像分割实验时，需要选择适当的图像数据作为实验数据。同时还需要针对不同的图像数据进行预处理，例如去噪、平滑等，以消除干扰影响，并保证实验结果的正确性和可信度。

最后，需要进行实验数据的分析和结果的验证。在实验数据处理和实验结果输出后，需要对实验结果进行分析和验证，比较不同方法的效果和优缺点，从而得出结论和改进意见。

总之，图像分割实验需要了解基本概念、掌握相应函数、注意实验数据处理和结果分析，通过实验来加深对数字图像处理方法的理解和掌握。在实验过程中，需要注重数据的准确性和结果的可靠性，不断改进方法，以达到更好的实验效果。