Matlab DIP(瓦)ch10图像分割练习

    这一章中主要是用数字图像处理技术对图像进行分割。因为图像分割是个比较难的课题。这里练习的是比较基本的。包过点、线和边缘的检测，hough变换的应用，阈值处理，基于区域的分割以及基于分水岭方法的分割。

   其练习代码和结果如下：

  1 %% 图像分割
  2 
  3 %% 点检测
  4 clc
  5 clear
  6 f=imread('.\images\dipum_images_ch10\Fig1002(a)(test_pattern_with_single_pixel).tif');
  7 subplot(121),imshow(f),title('点检测原图');
  8 
  9 w=[-1,-1,-1;
 10    -1,8,-1;
 11    -1,-1,-1]
 12 g=abs(imfilter(double(f),w));
 13 subplot(122),imshow(g),title('点检测结果');
 14%点检测图结果如下：

 15 
 16 %% 非线性滤波点检测
 17 clc
 18 clear
 19 f=imread('.\images\dipum_images_ch10\Fig1002(a)(test_pattern_with_single_pixel).tif');
 20 subplot(121),imshow(f),title('非线性滤波点检测原图');
 21 
 22 m=3;
 23 n=3;
 24 %ordfilt2(f,order,domin)表示的是用矩阵domin中为1的地方进行排序，然后选择地order个位置的值代替f中的值，属于非线性滤波
 25 g=imsubtract(ordfilt2(f,m*n,ones(m,n)),ordfilt2(f,1,ones(m,n)));%滤波邻域的最大值减去最小值
 26 T=max(g(:));
 27 g2=g>=T;
 28 subplot(122),imshow(g2);
 29 title('非线性滤波点检测后图');
 30%运行结果如下：

 31 
 32 %% 检测指定方向的线
 33 clc
 34 clear
 35 f=imread('.\images\dipum_images_ch10\Fig1004(a)(wirebond_mask).tif');
 36 subplot(321),imshow(f);
 37 title('检测指定方向线的原始图像');
 38 
 39 w=[2 -1 -1;
 40    -1 2 -1;
 41    -1 -1 2];%矩阵用逗号或者空格隔开的效果是一样的
 42 g=imfilter(double(f),w);
 43 subplot(322),imshow(g,[]);
 44 title('使用-45度检测器处理后的图像');
 45 
 46 gtop=g(1:120,1:120);%取g的左上角图
 47 gtop=pixeldup(gtop,4);%扩大4*4倍的图
 48 subplot(323),imshow(gtop,[]);
 49 title('-45度检测后左上角放大图');
 50 
 51 gbot=g(end-119:end,end-119:end);%取右下角图
 52 gbot=pixeldup(gbot,4);%扩大16倍的图
 53 subplot(324),imshow(gbot,[]);
 54 title('-45度检测后右下角后放大图');
 55 
 56 g=abs(g);
 57 subplot(325),imshow(g,[]);
 58 title('-45度检测后的绝对值图');
 59 
 60 T=max(g(:));
 61 g=g>=T;
 62 subplot(326),imshow(g);
 63 title('-45度检测后取绝对值最大的图')
 64%检测指定方向的线过程如下：

 65 
 66 %% sobel检测器检测边缘
 67 clc
 68 clear
 69 f=imread('.\images\dipum_images_ch10\Fig1006(a)(building).tif');
 70 subplot(321),imshow(f);
 71 title('sobel检测的原始图像');
 72 
 73 [gv,t]=edge(f,'sobel','vertical');%斜线因为具有垂直分量，所以也能够被检测出来
 74 subplot(322),imshow(gv);
 75 title('sobel垂直方向检测后图像');
 76 
 77 gv=edge(f,'sobel',0.15,'vertical');
 78 subplot(323),imshow(gv);
 79 title('sobel垂直检测0.15阈值后图像');
 80 
 81 gboth=edge(f,'sobel',0.15);
 82 subplot(324),imshow(gboth);
 83 title('sobel水平垂直方向阈值0.15后图像');
 84 
 85 w45=[-2 -1  0
 86      -1  0  1
 87      0   1  2];%相当于45度的sobel检测算子
 88  g45=imfilter(double(f),w45,'replicate');
 89  T=0.3*max(abs(g45(:)));
 90  g45=g45>=T;
 91  subplot(325),imshow(g45);
 92  title('sobel正45度方向上检测图');
 93  
 94  w_45=[0 -1 -2
 95        1  0 -1
 96        2  1 0];
 97    g_45=imfilter(double(f),w_45,'replicate');
 98    T=0.3*max(abs(g_45(:)));
 99    g_45=g_45>=T;
100    subplot(326),imshow(g_45);
101    title('sobel负45度方向上检测图');
102%sobel检测过程如下：

103   
104   %% sobel,log,canny边缘检测器的比较
105 clc
106 clear
107 f=imread('.\images\dipum_images_ch10\Fig1006(a)(building).tif');
108 
109 [g_sobel_default,ts]=edge(f,'sobel');%
110 subplot(231),imshow(g_sobel_default);
111 title('g sobel default');
112 
113 [g_log_default,tlog]=edge(f,'log');
114 subplot(233),imshow(g_log_default);
115 title('g log default');
116 
117 [g_canny_default,tc]=edge(f,'canny');
118 subplot(235),imshow(g_canny_default);
119 title('g canny default');
120 
121 g_sobel_best=edge(f,'sobel',0.05);
122 subplot(232),imshow(g_sobel_best);
123 title('g sobel best');
124 
125 g_log_best=edge(f,'log',0.003,2.25);
126 subplot(234),imshow(g_log_best);
127 title('g log best');
128 
129 g_canny_best=edge(f,'canny',[0.04 0.10],1.5);
130 subplot(236),imshow(g_canny_best);
131 title('g canny best');
132%3者比较的结果如下：

133  
134 %% hough变换说明
135 clc
136 clear
137 f=zeros(101,101);
138 f(1,1)=1;
139 f(101,1)=1;
140 f(1,101)=1;
141 f(51,51)=1;
142 f(101,101)=1;
143 imshow(f);title('带有5个点的二值图像');
144%显示如下：

145 
146 H=hough(f);
147 figure,imshow(H,[]);
148 title('不带标度的hough变换');
149%不带标度的hough变换结果如下：

150 
151 [H,theta,rho]=hough(f);
152 figure,imshow(theta,rho,H,[],'notruesize');%为什么显示不出来呢
153 axis on,axis normal;
154 xlabel('\theta'),ylabel('\rho');
155 
156 %% 计算全局阈值
157 clc
158 clear
159 f = imread('.\images\dipum_images_ch10\Fig1013(a)(scanned-text-grayscale).tif');
160 imshow(f);
161 title('全局阈值原始图像')
162%其图片显示结果如下：

163 
164 T=0.5*(double(min(f(:)))+double(max(f(:))));
165 done=false;
166 while ~done
167     g=f>=T;
168     Tnext=0.5*(mean(f(g))+mean(f(~g)));
169     done=abs(T-Tnext)<0.5
170     T=Tnext;
171 end
172 g=f<=T;%因为前景是黑色的字，所以要分离出来的话这里就要用<=.
173 figure,subplot(121),imshow(g);
174 title('使用迭代方法得到的阈值处理图像');
175 
176 
177 T2=graythresh(f);%得到的是0~1的小数？
178 g=f<=T2*255;
179 subplot(122),imshow(g);
180 title('使用函数graythresh得到的阈值处理图像');
181%阈值处理后结果如下：

182 
183 %% 焊接空隙区域生长
184 clc
185 clear
186 f = imread('.\images\dipum_images_ch10\Fig1014(a)(defective_weld).tif');
187 subplot(221),imshow(f);
188 title('焊接空隙原始图像');
189 
190 %函数regiongrow返回的NR为是不同区域的数目，参数SI是一副含有种子点的图像
191 %TI是包含在经过连通前通过阈值测试的像素
192 [g,NR,SI,TI]=regiongrow(f,255,65);%种子的像素值为255，65为阈值
193 
194 subplot(222),imshow(SI);
195 title('焊接空隙种子点的图像');
196 
197 subplot(223),imshow(TI);
198 title('焊接空隙所有通过阈值测试的像素');
199 
200 subplot(224),imshow(g);
201 title('对种子点进行8连通分析后的结果');
202%焊接空隙区域生长图如下：

203 
204 %% 使用区域分离和合并的图像分割
205 clc
206 clear
207 f = imread('.\images\dipum_images_ch10\Fig1017(a)(cygnusloop_Xray_original).tif');
208 subplot(231),imshow(f);
209 title('区域分割原始图像');
210 
211 g32=splitmerge(f,32,@predicate);%32代表分割中允许最小的块
212 subplot(232),imshow(g32);
213 title('mindim为32时的分割图像');
214 
215 g16=splitmerge(f,16,@predicate);%32代表分割中允许最小的块
216 subplot(233),imshow(g16);
217 title('mindim为32时的分割图像');
218 
219 g8=splitmerge(f,8,@predicate);%32代表分割中允许最小的块
220 subplot(234),imshow(g8);
221 title('mindim为32时的分割图像');
222 
223 g4=splitmerge(f,4,@predicate);%32代表分割中允许最小的块
224 subplot(235),imshow(g4);
225 title('mindim为32时的分割图像');
226 
227 g2=splitmerge(f,2,@predict);%32代表分割中允许最小的块
228 subplot(236),imshow(g2);
229 title('mindim为32时的分割图像');
230 
231 %% 使用距离和分水岭变换分割灰度图像
232 clc
233 clear
234 f = imread('.\images\dipum_images_ch10\Fig0925(a)(dowels).tif');
235 subplot(231),imshow(f);title('使用距离和分水岭分割原图');
236 
237 g=im2bw(f,graythresh(f));
238 subplot(232),imshow(g),title('原图像阈值处理后的图像');
239 
240 gc=~g;
241 subplot(233),imshow(gc),title('阈值处理后取反图像');
242 
243 D=bwdist(gc);
244 subplot(234),imshow(D),title('使用距离变换后的图像');
245 
246 L=watershed(-D);
247 w=L==0;
248 subplot(235),imshow(w),title('距离变换后的负分水岭图像');
249 
250 g2=g & ~w;
251 subplot(236),imshow(g2),title('阈值图像与分水岭图像相与图像');
252%使用距离分水岭图像如下：

253 
254 %% 使用梯度和分水岭变换分割灰度图像
255 clc
256 clear
257 f = imread('.\images\dipum_images_ch10\Fig1021(a)(small-blobs).tif');
258 subplot(221),imshow(f);
259 title('使用梯度和分水岭变换分割灰度图像');
260 
261 h=fspecial('sobel');
262 fd=double(f);
263 g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2);
264 subplot(222),imshow(g,[]);
265 title('使用梯度和分水岭分割幅度图像');
266 
267 L=watershed(g);
268 wr=L==0;
269 subplot(223),imshow(wr);
270 title('对梯度复制图像进行二值分水岭后图像');
271 
272 g2=imclose(imopen(g,ones(3,3)),ones(3,3));
273 L2=watershed(g2);
274 wr2=L2==0;
275 f2=f;
276 f2(wr2)=255;
277 subplot(224),imshow(f2);
278 title('平滑梯度图像后的分水岭变换');
279%使用梯度和分水岭变换分割灰度图像结果如下：

280 
281 %% 控制标记符的分水岭分割
282 clc
283 clear
284 f = imread('.\images\dipum_images_ch10\Fig1022(a)(gel-image).tif');
285 imshow(f);
286 title('控制标记符的分水岭分割原图像');

287 
288 h=fspecial('sobel');
289 fd=double(f);
290 g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2);
291 L=watershed(g);
292 wr=L==0;
293 figure,subplot(231),imshow(wr,[]);
294 title('控制标记符的分水岭分割幅度图像');
295 
296 rm=imregionalmin(g);%梯度图像有很多较浅的坑，造成的原因是原图像不均匀背景中灰度细小的变化
297 subplot(232),imshow(rm,[]);
298 title('对梯度幅度图像的局部最小区域');
299 
300 im=imextendedmin(f,2);%得到内部标记符
301 fim=f;
302 fim(im)=175;
303 subplot(233),imshow(f,[]);
304 title('内部标记符');
305 
306 Lim=watershed(bwdist(im));
307 em=Lim==0;
308 subplot(234),imshow(em,[]);
309 title('外部标记符');
310 
311 g2=imimposemin(g,im | em);
312 subplot(235),imshow(g2,[]);
313 title('修改后的梯度幅度值');
314 
315 L2=watershed(g2);
316 f2=f;
317 f2(L2==0)=255;
318 subplot(236),imshow(f2),title('最后分割的结果');
319%控制标记符的分水岭分割过程如下：

 

   图像分割中处理涉及到很多参数都需要自己根据具体问题不断调试，直到选出最好的参数组合为止。