数字图像处理——图像分割

数字图像处理—图像分割
（一）点、线和边缘检测
1.1 点检测
1.2 线检测
1.3 使用函数edge的边缘检测
（二）使用霍夫变换的线检测
2.1 函数hough
2.2 函数houghpeaks
2.3 函数houghlines
（三）阈值处理
3.1 基本全局阈值处理
3.2 使用 Otsu’s 方法的最佳全局阈值处理
3.3 使用图像平滑改进全局阈值处理
3.4 使用边缘改进全局阈值处理
3.5 基于局部统计的可变阈值处理
3.7 使用移动平均的图像阈值处理
（四）基于区域的分割
4.1 区域生长
4.2 区域分离和聚合
（五）使用分水岭变换的分割
5.1 使用距离变换的分水岭分割
5.2 使用梯度的分水岭分割
5.3 控制标记符的分水岭分割
数字图像处理—图像分割
概述：

1、在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分一般称为目标或前景。
2、为了辨识和分析目标，需要将有关区域分离提取出来，在此基础上对目标进一步利用，如进行特征提取和测量。
3、图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。
4、特性可以是灰度、颜色、纹理等，目标可以对应单个区域，也可以对应多个区域。
5、图像分割是图像识别和图像理解的基本前提步骤。
（一）点、线和边缘检测
1.1 点检测
使用如下图所示的模板，如果:
在这里插入图片描述
|R|>=T
则在模板中心位置检测到一个点。其中，T是阈值，R是模板计算值。

基本思想： 如果一个孤立点与它周围的点不 同，则可以使用上述模板进行检测。

注意： 如果模板响应为0，则表示在灰度级为常数的区域。

函数：
g = abs(imfilter(tofloat(f), w)) >= T;

f = imread("C:\matlabTuPian\photo\DIP3E_CH05_Original_Images\Fig0524(b)(blurred-impulse).tif");
w = [-1 -1 -1;-1 8 -1;-1 -1 -1];                    % 点Fig0524(b)(blurred-impulse)检测掩模
g = abs(imfilter(double(f),w));
T = max(g(:));
g = g>=T;
subplot(1,2,1);imshow(f);title('(a)原图像');
subplot(1,2,2);imshow(g);title('(b)点检测');

f = imread("C:\matlabTuPian\photo\DIP3E_Original_Images_CH09\Fig0905(a)(wirebond-mask).tif");     % 图像大小：486×486
w = [2 -1 -1;-1 2 -1;-1 -1 2];          % +45°方向检测线
g = imfilter(double(f),w);
gtop = g(1:120,1:120);                  % 左上角区域
gtop = pixeldup(gtop,4,4);                % 通过复制像素将图像扩大gtop*4倍
gbot = g(end-119:end,end-119:end);      % 右下角区域
gbot = pixeldup(gbot,4,4);
g1 = abs(g);                             % 检测图的绝对值
T = max(g1(:));
g2 = g1>=T;

subplot(3,2,1);imshow(f);title('(a)连线模板图像');
subplot(3,2,2);imshow(g,[]);title('(b)+45°线处理后的结果');
subplot(3,2,3);imshow(gtop,[]);title('(c)(b)中左上角的放大效果');
subplot(3,2,4);imshow(gbot,[]);title('(d)(b)中右下角的放大效果');
subplot(3,2,5);imshow(g1,[]);title('(e)(b)的绝对值');
subplot(3,2,6);imshow(g2);title('(f)满足g>=T的所有点');

f = imread("C:\matlabTuPian\photo\DIP3E_Original_Images_CH04\Fig0438(a)(bld_600by600).tif");     % 图像大小：486×486
subplot(3,2,1),imshow(f),title('(a)原始图像');
[gv, t] = edge(f,'sob