图像分割基础算法及实现实例

于 2017-05-25 14:51:03 发布
阅读量1.6k 收藏 9
点赞数 3
分类专栏： 图像处理 文章标签： 图像处理 算法 图像分割

转自：http://blog.csdn.net/renyp8799/article/details/51191692，感谢博主，作为笔记~

最近的项目涉及到了图像处理领域，小小研究了一番，同时收集资料实现了几个基础功能。

一、图像反转

[plain] view plain copy
  1. I=imread('input_image.jpg');  
  2. J=double(I);  
  3. J=-J+(256-1); %图像反转线性变换  
  4. H=uint8(J);  
  5. subplot(3,3,4),imshow(H);  
  6. title('图像反转线性变换');  
  7. axis([50,250,50,200]);  
  8. axis on;  

二、 灰度线性变换

[plain] view plain copy
  1. I=imread('input_image.jpg');  
  2. subplot(3,3,1),imshow(I);  
  3. title('原始图像');  
  4. axis([50,250,50,200]);  
  5. axis on;  
  6.   
  7. I1 = rgb2gray(I);  
  8. subplot(3,3,2),imshow(I1)  
  9. title('灰度图像')  
  10. axis([50,250,50,200]);  
  11. grid on;  
  12. axis on;  
  13. K=imadjust(I1,[0.3 0.7],[]);  
  14. subplot(3,3,3),imshow(K);  
  15. title('线性变换图像[0.3 0.7]');  
  16. axis([50,250,20,200]);  
  17. grid on;  
  18. axis on;  
三、 非线性变换
[plain] view plain copy
  1. I=imread('input_image.jpg');  
  2. I1 = rgb2gray(I);  
  3. subplot(3,3,5),imshow(I1);  
  4. title('灰度图像');  
  5. axis([50,250,50,200]);  
  6. grid on; %显示网格线  
  7. axis on; %显示坐标系  
  8. J=double(I1);  
  9. J=40*(log(J+1));  
  10. H=uint8(J);  
  11. subplot(3,3,6),imshow(H);  
  12. title('对数变换图像');  
  13. axis([50,250,50,200]);  
  14. grid on; %显示网格线  
  15. axis on; %显示坐标系  

上述代码结果：


四、直方图均衡化
[plain] view plain copy
  1. I=imread('input_image.jpg');  
  2. figure;  
  3. I=rgb2gray(I);  
  4. subplot(2,2,1);  
  5. imshow(I);  
  6.    
  7. subplot(2,2,2);  
  8. imhist(I);  
  9. title('直方图均衡化图像');  
  10.    
  11. I1 = histeq(I);  
  12. subplot(2,2,3);  
  13. imshow(I1);  
  14. subplot(2,2,4);  
  15. imhist(I1);  

上述代码结果：


五、线性平滑滤波器
[plain] view plain copy
  1. I=imread('input_image.jpg');  
  2. figure;  
  3. subplot(231)  
  4. imshow(I)  
  5. title('原始图像')  
  6. I=rgb2gray(I);  
  7. I1=imnoise(I,'salt & pepper',0.02);  
  8. subplot(232)  
  9. imshow(I1)  
  10. title('添加椒盐噪声的图像')  
  11.    
  12. k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波  
  13. k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波  
  14. k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波  
  15. k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波  
  16. subplot(233),imshow(k1);title('3*3模板平滑滤波');  
  17. subplot(234),imshow(k2);title('5*5模板平滑滤波');  
  18. subplot(235),imshow(k3);title('7*7模板平滑滤波');  
  19. subplot(236),imshow(k4);title('9*9模板平滑滤波');  

上述代码结果：


六、中值滤波器
[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. I=rgb2gray(I);  
  4. subplot(231),imshow(I);  
  5. title('原图像');  
  6.    
  7. J=imnoise(I,'salt & pepper',0.02);  
  8. subplot(232),imshow(J);  
  9. title('添加椒盐噪声图像');  
  10.    
  11. k1=medfilt2(J); %进行3*3模板中值滤波  
  12. k2=medfilt2(J,[5,5]); %进行5*5模板中值滤波  
  13. k3=medfilt2(J,[7,7]); %进行7*7模板中值滤波  
  14. k4=medfilt2(J,[9,9]); %进行9*9模板中值滤波  
  15. subplot(233),imshow(k1);title('3*3模板中值滤波');  
  16. subplot(234),imshow(k2);title('5*5模板中值滤波');  
  17. subplot(235),imshow(k3);title('7*7模板中值滤波');  
  18. subplot(236),imshow(k4);title('9*9模板中值滤波');  

上述代码结果：


七、用 Sobel 算子和拉普拉斯对图像锐化

[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. subplot(2,2,1),imshow(I);  
  4. title('原始图像');  
  5. axis([50,250,50,200]);  
  6. grid on; %显示网格线  
  7. axis on; %显示坐标系  
  8. I1=im2bw(I);  
  9. subplot(2,2,2),imshow(I1);  
  10. title('二值图像');  
  11. axis([50,250,50,200]);  
  12. grid on; %显示网格线  
  13. axis on; %显示坐标系  
  14. H=fspecial('sobel'); %选择sobel算子  
  15. J=filter2(H,I1); %卷积运算  
  16. subplot(2,2,3),imshow(J);  
  17. title('sobel算子锐化图像');  
  18. axis([50,250,50,200]);  
  19. grid on; %显示网格线  
  20. axis on; %显示坐标系  
  21.    
  22. I1 = double(I1);  
  23. h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子  
  24. J1=conv2(I1,h,'same'); %卷积运算  
  25. subplot(2,2,4),imshow(J1);  
  26. title('拉普拉斯算子锐化图像');  
  27. axis([50,250,50,200]);  
  28. grid on; %显示网格线  
  29. axis on; %显示坐标系  

上述代码结果：


八、 梯度算子检测边缘

[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. subplot(2,3,1);  
  4. imshow(I);  
  5. title('原始图像');  
  6. axis([50,250,50,200]);  
  7. grid on; %显示网格线  
  8. axis on; %显示坐标系  
  9. I1=im2bw(I);  
  10. subplot(2,3,2);  
  11. imshow(I1);  
  12. title('二值图像');  
  13. axis([50,250,50,200]);  
  14. grid on; %显示网格线  
  15. axis on; %显示坐标系  
  16. I2=edge(I1,'roberts');  
  17.    
  18. subplot(2,3,3);  
  19. imshow(I2);  
  20. title('roberts算子分割结果');  
  21. axis([50,250,50,200]);  
  22. grid on; %显示网格线  
  23. axis on; %显示坐标系  
  24. I3=edge(I1,'sobel');  
  25. subplot(2,3,4);  
  26. imshow(I3);  
  27. title('sobel算子分割结果');  
  28. axis([50,250,50,200]);  
  29. grid on; %显示网格线  
  30. axis on; %显示坐标系  
  31. I4=edge(I1,'Prewitt');  
  32. subplot(2,3,5);  
  33. imshow(I4);  
  34. title('Prewitt算子分割结果');  
  35. axis([50,250,50,200]);  
  36. grid on; %显示网格线  
  37. axis on; %显示坐标系  
九、 LOG 算子检测边缘
[plain] view plain copy
  1. I1=rgb2gray(I);  
  2. I2=edge(I1,'log');  
  3. subplot(2,3,6);  
  4. imshow(I2);  
  5. title('log算子分割结果');  

上述代码结果：


十、 Canny 算子检测边缘
[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. subplot(2,2,1);  
  4. imshow(I);  
  5. title('原始图像')  
  6. I1=rgb2gray(I);  
  7. subplot(2,2,2);  
  8. imshow(I1);  
  9. title('灰度图像');  
  10. I2=edge(I1,'canny');  
  11. subplot(2,2,3);  
  12. imshow(I2);  
  13. title('canny算子分割结果');  

上述代码结果：


十一、 边界跟踪（ bwtraceboundary 函数）

[plain] view plain copy
  1. I=imread('input_image.jpg');  
  2. figure  
  3. subplot(2,2,1);  
  4. imshow(I);  
  5. title('原始图像');  
  6.    
  7. I1=rgb2gray(I); %将彩色图像转化灰度图像  
  8. threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限  
  9. BW=im2bw(I1, threshold); %将灰度图像转化为二值图像  
  10. subplot(2,2,2);  
  11. imshow(BW);  
  12. title('二值图像');  
  13.    
  14. dim=size(BW);  
  15. col=round(dim(2)/2)-90; %计算起始点列坐标  
  16. row=find(BW(:,col),1); %计算起始点行坐标  
  17. connectivity=8;  
  18. num_points=180;  
  19. contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);  
  20. %提取边界  
  21. subplot(2,2,3);  
  22. imshow(I1);  
  23. hold on;  
  24. plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);  
  25. title('边界跟踪图像');  

上述代码结果：


十二、 Hough 变换

[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. rotI=rgb2gray(I);  
  4. subplot(2,2,1);  
  5. imshow(rotI);  
  6. title('灰度图像');  
  7. axis([50,250,50,200]);  
  8. grid on;  
  9. axis on;  
  10. BW=edge(rotI,'prewitt');  
  11. subplot(2,2,2);  
  12. imshow(BW);  
  13. title('prewitt算子边缘检测后图像');  
  14. axis([50,250,50,200]);  
  15. grid on;  
  16. axis on;  
  17. [H,T,R]=hough(BW);  
  18. subplot(2,2,3);  
  19. imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');  
  20. title('霍夫变换图');  
  21. xlabel('\theta'),ylabel('\rho');  
  22. axis on , axis normal, hold on;  
  23. P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));  
  24. x=T(P(:,2));y=R(P(:,1));  
  25. plot(x,y,'s','color','white');  
  26. lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);  
  27. subplot(2,2,4);imshow(rotI);  
  28. title('霍夫变换图像检测');  
  29. axis([50,250,50,200]);  
  30. grid on;  
  31. axis on;  
  32. hold on;  
  33. max_len=0;  
  34. for k=1:length(lines)  
  35. xy=[lines(k).point1;lines(k).point2];  
  36. plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');  
  37. plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');  
  38. plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');  
  39. len=norm(lines(k).point1-lines(k).point2);  
  40. if(len>max_len)  
  41. max_len=len;  
  42. xy_long=xy;  
  43. end  
  44. end  
  45. plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');  

上述代码结果：


十三、 直方图阈值法

[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. I1=rgb2gray(I);  
  4. subplot(2,2,1);  
  5. imshow(I1);  
  6. title('灰度图像')  
  7. axis([50,250,50,200]);  
  8. grid on; %显示网格线  
  9. axis on; %显示坐标系  
  10. [m,n]=size(I1); %测量图像尺寸参数  
  11. GP=zeros(1,256); %预创建存放灰度出现概率的向量  
  12. for k=0:255  
  13. GP(k+1)=length(find(I1==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置  
  14. end  
  15. subplot(2,2,2),bar(0:255,GP,'g') %绘制直方图  
  16. title('灰度直方图')  
  17. xlabel('灰度值')  
  18. ylabel('出现概率')  
  19. I2=im2bw(I,150/255);  
  20. subplot(2,2,3),imshow(I2);  
  21. title('阈值150的分割图像')  
  22. axis([50,250,50,200]);  
  23. grid on; %显示网格线  
  24. axis on; %显示坐标系  
  25. I3=im2bw(I,200/255); %  
  26. subplot(2,2,4),imshow(I3);  
  27. title('阈值200的分割图像')  
  28. axis([50,250,50,200]);  
  29. grid on; %显示网格线  
  30. axis on; %显示坐标系  

上述代码结果：


十四、 自动阈值法： Otsu 法

[plain] view plain copy
  1. clc  
  2. clear all  
  3. figure;  
  4. I=imread('input_image.jpg');  
  5. subplot(1,2,1),imshow(I);  
  6. title('原始图像')  
  7. axis([50,250,50,200]);  
  8. grid on; %显示网格线  
  9. axis on; %显示坐标系  
  10. level=graythresh(I); %确定灰度阈值  
  11. BW=im2bw(I,level);  
  12. subplot(1,2,2),imshow(BW);  
  13. title('Otsu法阈值分割图像')  
  14. axis([50,250,50,200]);  
  15. grid on; %显示网格线  
  16. axis on; %显示坐标系  

上述代码结果：


十五、 膨胀 操作

[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. I1=rgb2gray(I);  
  4. subplot(1,2,1);  
  5. imshow(I1);  
  6. title('灰度图像')  
  7. axis([50,250,50,200]);  
  8. grid on; %显示网格线  
  9. axis on; %显示坐标系  
  10. se=strel('disk',1); %生成圆形结构元素  
  11. I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀  
  12. subplot(1,2,2);  
  13. imshow(I2);  
  14. title('膨胀后图像');  
  15. axis([50,250,50,200]);  
  16. grid on; %显示网格线  
  17. axis on; %显示坐标系  

上述代码结果：


十六、 腐蚀操作

[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. I1=rgb2gray(I);  
  4. subplot(1,2,1);  
  5. imshow(I1);  
  6. title('灰度图像')  
  7. axis([50,250,50,200]);  
  8. grid on; %显示网格线  
  9. axis on; %显示坐标系  
  10. se=strel('disk',1); %生成圆形结构元素  
  11. I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀  
  12. subplot(1,2,2);  
  13. imshow(I2);  
  14. title('腐蚀后图像');  
  15. axis([50,250,50,200]);  
  16. grid on; %显示网格线  
  17. axis on; %显示坐标系  

上述代码结果：


十七、 开启和闭合操作

[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. subplot(2,2,1),imshow(I);  
  4. title('原始图像');  
  5. axis([50,250,50,200]);  
  6. axis on; %显示坐标系  
  7. I1=rgb2gray(I);  
  8. subplot(2,2,2),imshow(I1);  
  9. title('灰度图像');  
  10. axis([50,250,50,200]);  
  11. axis on; %显示坐标系  
  12. se=strel('disk',1); %采用半径为1的圆作为结构元素  
  13. I2=imopen(I1,se); %开启操作  
  14. I3=imclose(I1,se); %闭合操作  
  15. subplot(2,2,3),imshow(I2);  
  16. title('开启运算后图像');  
  17. axis([50,250,50,200]);  
  18. axis on; %显示坐标系  
  19. subplot(2,2,4),imshow(I3);  
  20. title('闭合运算后图像');  
  21. axis([50,250,50,200]);  
  22. axis on; %显示坐标系  

上述代码结果：


十八、 开启和闭合组合操作
[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. subplot(3,2,1),imshow(I);  
  4. title('原始图像');  
  5. axis([50,250,50,200]);  
  6. axis on; %显示坐标系  
  7. I1=rgb2gray(I);  
  8. subplot(3,2,2),imshow(I1);  
  9. title('灰度图像');  
  10. axis([50,250,50,200]);  
  11. axis on; %显示坐标系  
  12. se=strel('disk',1);  
  13. I2=imopen(I1,se); %开启操作  
  14. I3=imclose(I1,se); %闭合操作  
  15. subplot(3,2,3),imshow(I2);  
  16. title('开启运算后图像');  
  17. axis([50,250,50,200]);  
  18. axis on; %显示坐标系  
  19. subplot(3,2,4),imshow(I3);  
  20. title('闭合运算后图像');  
  21. axis([50,250,50,200]);  
  22. axis on; %显示坐标系  
  23. se=strel('disk',1);  
  24. I4=imopen(I1,se);  
  25. I5=imclose(I4,se);  
  26. subplot(3,2,5),imshow(I5); %开—闭运算图像  
  27. title('开—闭运算图像');  
  28. axis([50,250,50,200]);  
  29. axis on; %显示坐标系  
  30. I6=imclose(I1,se);  
  31. I7=imopen(I6,se);  
  32. subplot(3,2,6),imshow(I7); %闭—开运算图像  
  33. title('闭—开运算图像');  
  34. axis([50,250,50,200]);  
  35. axis on; %显示坐标系  

上述代码结果：


十九、 形态学边界提取
[plain] view plain copy
  1. figure;  
  2. I=imread('input_image.jpg');  
  3. subplot(2,3,1),imshow(I);  
  4. title('原始图像');  
  5. axis([50,250,50,200]);  
  6. grid on; %显示网格线  
  7. axis on; %显示坐标系  
  8. I1=im2bw(I);  
  9. subplot(2,3,2),imshow(I1);  
  10. title('二值化图像');  
  11. axis([50,250,50,200]);  
  12. grid on; %显示网格线  
  13. axis on; %显示坐标系  
  14.    
  15. I2=bwperim(I1); %获取区域的周长  
  16. subplot(2,3,3),imshow(I2);  
  17. title('边界周长的二值图像');  
  18. axis([50,250,50,200]);  
  19. grid on;  
  20. axis on;  
  21.    
  22. I3=bwmorph(I1,'skel',1);  
  23. subplot(2,3,4),imshow(I3);  
  24. title('1次骨架提取');  
  25. axis([50,250,50,200]);  
  26. axis on;  
  27.    
  28. I4=bwmorph(I1,'skel',2);  
  29. subplot(2,3,5),imshow(I4);  
  30. title('2次骨架提取');  
  31. axis([50,250,50,200]);  
  32. axis on;  

上述代码结果：

我拿buff
关注
专栏目录
Matlab图像处理预处理
严47的博客
01-06 3236
图像格式转换在图像处理中，读入的图片通常是uint8格式，一是由于unit8的精读问题，二是由于有的函数不支持uint8类型，所以通常要转换成为double格式。 转换通常要用im2double()函数，而不用double()或mat2gray()函数 他们的区别如下 im2double()：将0-255的uint8类型转换为0-1的double类型 double()：直接将0-255的ui
图像分割算法
最新发布
LS_Ai的博客
08-11 561
阈值分割是一种简单而有效的图像分割方法，通过设置一个或多个阈值，将图像分割为前景和背景区域。常见的阈值分割方法包括全局阈值、自适应阈值和Otsu阈值。阈值分割通过设定阈值，将图像分割为前景和背景，是一种简单而有效的图像分割方法，适用于对比度高的图像。K-means聚类是一种无监督学习算法，用于将图像像素分为K个簇。通过迭代优化，每个像素被分配到最接近的簇。K-means聚类通过迭代优化，将图像像素分为K个簇，有效实现图像分割，适用于颜色和纹理明显的图像。
Matlab 图像预处理
weixin_34090562的博客
05-31 303
%%%%%%%%%%%%%%%%% %%降采样 clear all im={}; %创建字典保存读取的图片 dis=dir('F:\kaggle_data_zip\Sample\*.jpeg');%%找到所有需要进行预处理的图像 for i=1:length(dis) path=strcat('F:\kaggle_data_zip\Sample\',dis(i)...
基于matlab的图像预处理
04-08
对图像进行去除毛刺和空洞，对图像进行细化，得出归一化后的图像
基于matlab实现图像预处理
06-15
其中的预处理包括图像灰度化、去噪、滤波、锐化、边缘检测。
基于YOLO目标检测算法实现图像语义分割实例分割（源码+图片数据集+说明文档）.rar
04-11
1、资源内容：基于YOLO目标检测算法实现图像语义分割实例分割（源码+图片数据集+说明文档）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3...
图像分割算法-基于Pytorch实现Deeplabv3图像分割算法-附项目源码-优质项目实战.zip
05-27
《基于Pytorch实现Deeplabv3图像分割算法详解》 图像分割是计算机视觉领域中的核心任务之一，它旨在将图像划分为多个具有不同语义含义的区域或对象。在医疗影像分析、自动驾驶、遥感图像处理等领域有着广泛的应用。...
MATLAB图像语义分割实例（道路语义分割）
04-30
在“公路分割”这个场景下，我们需要收集包含公路的图像，并手动或自动地对每张图片的每个像素进行标记，将其分为道路和其他类别。这些标记信息会作为监督信号指导模型的学习过程。 在MATLAB中，我们可以使用`...
图像分割算法实例.pdf
07-02
本文档主要介绍了两种常见的图像分割算法：基于边缘检测法的图像分割和基于阈值法的图像分割。这两种方法都是在图像处理和计算机视觉领域中重要的技术，用于将图像中的目标对象从背景中分离出来。 首先，边缘检测法...
MATLAB图像预处理
04-17
图像预处理中，最大信息熵阈值分割算法在二值化图像中阈值的自动选定代码，
matlab图像预处理
02-22
（反色+骨架提取+去尖刺） [r,c]=find(bw_170==0); bw_clean=bwselect(~bw_210,c,r,8);imshow(bw_clean) bw_skel=bwmorph(bw_clean,’skel’,6);imshow(bw_skel) bw_pruned=bwmorph(bw_skel,’spur’,8);imshow(bw_pruned)
图像增强、图像形态学变换等matlab图像预处理代码
04-11
这是一系列通过灰度映射、伽马调整、形态学变换、灰度直方图标准化等等方法来对图像细节进行增强的图像预处理matlab代码
Matlab图像预处理总结
08-31
(1)数字图像矩阵傅立叶变换(2)图像压缩(3)增强图像对比度(4)直方图均匀化(5)图像样本增强(6)图像滤波(7)图像均值滤波(8)图像自适应魏纳滤波(9)5种梯度增强法图像锐化(10)图像的高通滤波和掩模处理(11)图像平滑处理(12)图像锐化处理(13)通过白化对图像进行预处理
数字图像处理
jelly_hu的专栏
02-20 3456
此文是转载----http://blog.csdn.net/begtostudy/archive/2006/10/10/1329368.aspx 数字图像处理发展概况 数字图像处理（Digital ImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已
MATLAB图像分割算法研究：实例与应用
随着信息技术的飞速发展，图像已成为承载海量信息的重要载体，图像分割作为图像分析的基础，其应用广泛，如目标检测、医学影像分析、遥感图像处理等。 论文首先阐述了图像分割的重要性，指出它是连接图像处理和图像...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值