【数字图像处理】期末理论考试复习——图像分割与检测

图像分割概述

• 图像分割是按照某些特性（如灰度值、频谱、纹理等）将图像划分成一些区域，在这些区域内其特性是相同或者均匀的，两个相邻区域彼此特性是不同的，存在着边缘或边界。

阈值化

像素信息

• 需要计算并绘制图像中一条或多条线段上的所有像素的灰度值，可用improfile函数实现该功能。

阈值化处理

• 许多情况，图像是由具有不同灰度值的两类区域组成。直方图具有两个峰，分别与两个灰度值范围相对应，可选择一个阈值，将其分开。
• 阈值化示例：

l = imread('blood.tif');
imshow(l);
figure,imhist(l); %显示图像l的灰度直方图，可见灰度值118为谷值，选阈值T=118
axis([0 255 0 2000]); %指定显示的坐标轴尺寸
l1 = im2bw(l, 118/255); %im2bw需要灰度值范围在【0,1】内
figure,imshow(l1);

• 去除背景：实际上是利用图像的灰度级调整技术来实现的。
  语法是
  l1=imadjust(l, [low high], [bottom top])
  即将原始图像中灰度值小于low的像素灰度值转换为bottom，而将灰度值大于high的像素灰度值转换为top。

imshow('blood1.tif');
l = getimage;
figure,imhist(l); %图像灰度118处为谷值，选T=118
axis([0 255 0 2000]);
l1 = imadjust(l, [0 118/255], []); %大于18/255的像素为1，其它像素保持为相应的灰度值
figure,imshow(l1);
l2 = imcomplement(l1); %获取l1的补图像
figure,imshow(l2);

阈值确定

• 灰度直方图表示灰度值i的像素在画面中有多少个或者所占的比例。
• 确定：
  方法一：去两个峰之间的谷值。
  
  方法二：p参数法。
  
  方法三：自动阈值法。
  
  方法四：最大类间方差法。
  
• 程序实现：

#迭代法进行自动阈值化处理：
l0 = imread('fruits,bmp');
l0 = rgb2gray(l0);
imshow(l0); I = double(l0);
T=(min(I(:)+max(())/2; %选择灰度中值作为初始阈值T 
done=false; 
while ~done
l1=I>=T; %利用阈值T把图像分割成两个区域
T1=(mean(I(I1)+mean(I(~I1)/2;%计算均值作为新阈值 
done=abs(T-T1)<0.5;T=T1;%与上个阈值差小于给定值 
end
figure，imshow(I1);%显示分割后的图像

#最大类间方差法
l=imread('fruits.bmp'）;%读入一幅图像 I=rgb2gray();
imshow();%显示所输入的灰度图像
level= graythresh(I);%采用最大类间方差法自动求取阈值 
I1=im2bw(l,level);%利用所得到的阈值分割图像 figure,imshow(I1);%显示分割后的二值图像 figure,imhist();%显示原始图像的灰度直方图 axis([0 255 0 1000]);

区域生长法

• 算法步骤：
  

边缘检测

边缘性质

基于微分的边缘检测

• LoG算子：

x = -2: 0.05: 2;
y = -2: 0.05: 2;
[X,Y] = meshgrid(x,y); %把行向量转换成二维数组
sigma = 0.5;
r = 1/(2* pi* sigma^ 4) * ((X.^2 + Y.^2)/(sigma^2)-2).*exp(-(X.^2 + Y.^2)/(2*sigma^2)); %计算LoG算子
mesh(X,Y,r); %显示

• 
• 程序实现：