数字图像处理实验记录十（图像分割实验）

泉绮2024-02-09 8:55

一、基础知识

1、什么是图像分割

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，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。

2、图像分割是怎么实现的

图像分割算法基于像素值的不连续性和相似性，不连续性是图像的边缘，再根据制定的准则将图像分割为相似的区域，如阈值处理、区域生长、区域分离和聚合。

二、实验要求

三、实验记录(具体任务只展示对图片1的处理）

总代码：

matlab 复制代码 
clear all;
close all;
clc;
% 实验11 图像分割
H1 = [1,2,1;
      0,0,0;
      -1,-2,-1];
H2 = [1,0,-1;
      2,0,-2;
      1,0,-1];
H3 = [0,1,2;
      -1,0,1;
      -2,-1,0 ];
H4 = [2,1,0;
      1,0,-1;
      0,-1,-2 ];
I = imread('01.png');
I = rgb2gray(I);
% 1.分别使用sobel和sobel对角线算子处理图像。并计算图像梯度图。
figure('NumberTitle','off','Name','分割图片1_sobel');

I1 = imfilter(I,H1);
I2 = imfilter(I,H2);
I3 = imfilter(I,H3);
I4 = imfilter(I,H4);

I_sobel = I1+I2;
I_sobel2 = I3+I4;

subplot(2,1,1);imshow(I);title('原图');
subplot(2,2,3);imshow(I_sobel);title('sobel梯度图');
subplot(2,2,4);imshow(I_sobel2);title('sobel对角线梯度图');
figure('NumberTitle','off','Name','分割图片1_LoG');

% 使用 LoG (拉普拉斯高斯) 算子进行边缘检测
log_operator = fspecial('log', [5, 5], 1);  % 5x5 LoG 算子，标准差为 1
edge_image_log = abs(imfilter(double(I), log_operator, 'replicate'));

% 使用阈值保留大响应区域
threshold = 0.5;  % 设置阈值
res1 = edge_image_log > threshold;

% 显示原始图像和边缘检测结果
subplot(1, 2, 1);imshow(I);title('原始图像');

subplot(1, 2, 2);imshow(res1);title('LoG 边缘检测结果');
figure('NumberTitle','off','Name','分割图片1_局部阈值法');
% 使用局部阈值法进行图像分割
threshold = adaptthresh(I, 0.7);  % 设置阈值
res2 = imbinarize(I, threshold);

% 显示原始图像和局部阈值法分割结果
subplot(1, 2, 1);imshow(I);title('原始图像');
subplot(1, 2, 2);imshow(res2);title('局部阈值法分割结果');

I = imread('02.png');
I = rgb2gray(I);
figure('NumberTitle','off','Name','分割图片2_sobel');

I1 = imfilter(I,H1);
I2 = imfilter(I,H2);
I3 = imfilter(I,H3);
I4 = imfilter(I,H4);

I_sobel = I1+I2;
I_sobel2 = I3+I4;

subplot(2,1,1);imshow(I);title('原图');
subplot(2,2,3);imshow(I_sobel);title('sobel梯度图');
subplot(2,2,4);imshow(I_sobel2);title('sobel对角线梯度图');
figure('NumberTitle','off','Name','分割图片2_LoG');

% 使用 LoG (拉普拉斯高斯) 算子进行边缘检测
log_operator = fspecial('log', [5, 5], 1);  % 5x5 LoG 算子，标准差为 1
edge_image_log = abs(imfilter(double(I), log_operator, 'replicate'));

% 使用阈值保留大响应区域
threshold = 0.5;  % 设置阈值
res1 = edge_image_log > threshold;

% 显示原始图像和边缘检测结果
subplot(1, 2, 1);imshow(I);title('原始图像');

subplot(1, 2, 2);imshow(res1);title('LoG 边缘检测结果');
figure('NumberTitle','off','Name','分割图片2_局部阈值法');
% 使用局部阈值法进行图像分割
threshold = adaptthresh(I, 0.7);  % 设置阈值
res2 = imbinarize(I, threshold);

% 显示原始图像和局部阈值法分割结果
subplot(1, 2, 1);
imshow(I);
title('原始图像');

subplot(1, 2, 2);
imshow(res2);
title('局部阈值法分割结果');
I = imread('Acat.png');
I = rgb2gray(I);
figure('NumberTitle','off','Name','分割图片3_sobel');

I1 = imfilter(I,H1);
I2 = imfilter(I,H2);
I3 = imfilter(I,H3);
I4 = imfilter(I,H4);

I_sobel = I1+I2;
I_sobel2 = I3+I4;

subplot(2,1,1);imshow(I);title('原图');
subplot(2,2,3);imshow(I_sobel);title('sobel梯度图');
subplot(2,2,4);imshow(I_sobel2);title('sobel对角线梯度图');
figure('NumberTitle','off','Name','分割图片3_LoG');

% 使用 LoG (拉普拉斯高斯) 算子进行边缘检测
log_operator = fspecial('log', [5, 5], 1);  % 5x5 LoG 算子，标准差为 1
edge_image_log = abs(imfilter(double(I), log_operator, 'replicate'));

% 使用阈值保留大响应区域
threshold = 0.5;  % 设置阈值
res1 = edge_image_log > threshold;

% 显示原始图像和边缘检测结果
subplot(1, 2, 1);imshow(I);title('原始图像');

subplot(1, 2, 2);imshow(res1);title('LoG 边缘检测结果');
figure('NumberTitle','off','Name','分割图片3_局部阈值法');
% 使用局部阈值法进行图像分割
threshold = adaptthresh(I, 0.7);  % 设置阈值
res2 = imbinarize(I, threshold);

% 显示原始图像和局部阈值法分割结果
subplot(1, 2, 1);
imshow(I);
title('原始图像');

subplot(1, 2, 2);
imshow(res2);
title('局部阈值法分割结果');

任务1：

分别使用sobel和sobel对角线算子处理图像。并计算图像梯度图。

matlab 复制代码 
H1 = [1,2,1;
      0,0,0;
      -1,-2,-1];
H2 = [1,0,-1;
      2,0,-2;
      1,0,-1];
H3 = [0,1,2;
      -1,0,1;
      -2,-1,0 ];
H4 = [2,1,0;
      1,0,-1;
      0,-1,-2 ];
I = imread('01.png');
I = rgb2gray(I);
% 1.分别使用sobel和sobel对角线算子处理图像。并计算图像梯度图。
figure('NumberTitle','off','Name','分割图片1_sobel');

I1 = imfilter(I,H1);
I2 = imfilter(I,H2);
I3 = imfilter(I,H3);
I4 = imfilter(I,H4);

I_sobel = I1+I2;
I_sobel2 = I3+I4;

subplot(2,1,1);imshow(I);title('原图');
subplot(2,2,3);imshow(I_sobel);title('sobel梯度图');
subplot(2,2,4);imshow(I_sobel2);title('sobel对角线梯度图');

任务2：

使用拉普拉斯高斯算子对图像进行边缘检测。（使用LoG算子处理图像，通过阈值保留大响应区域，求出二值图像中位于边缘的像素完成边缘检测）。

matlab 复制代码 
figure('NumberTitle','off','Name','分割图片1_LoG');

% 使用 LoG (拉普拉斯高斯) 算子进行边缘检测
log_operator = fspecial('log', [5, 5], 1);  % 5x5 LoG 算子，标准差为 1
edge_image_log = abs(imfilter(double(I), log_operator, 'replicate'));

% 使用阈值保留大响应区域
threshold = 0.5;  % 设置阈值
res1 = edge_image_log > threshold;

% 显示原始图像和边缘检测结果
subplot(1, 2, 1);imshow(I);title('原始图像');

subplot(1, 2, 2);imshow(res1);title('LoG 边缘检测结果');

任务3：

采用阈值法实现图像分割，尝试采取局部阈值法，得到更佳的效果。

matlab 复制代码 
figure('NumberTitle','off','Name','分割图片1_局部阈值法');
% 使用局部阈值法进行图像分割
threshold = adaptthresh(I, 0.7);  % 设置阈值
res2 = imbinarize(I, threshold);

% 显示原始图像和局部阈值法分割结果
subplot(1, 2, 1);imshow(I);title('原始图像');
subplot(1, 2, 2);imshow(res2);title('局部阈值法分割结果');

四、实验结果

任务1：

分别使用sobel和sobel对角线算子处理图像。并计算图像梯度图。


任务2：

使用拉普拉斯高斯算子对图像进行边缘检测。（使用LoG算子处理图像，通过阈值保留大响应区域，求出二值图像中位于边缘的像素完成边缘检测）。


任务3：

采用阈值法实现图像分割，尝试采取局部阈值法，得到更佳的效果。


相关推荐
柳鲲鹏34 分钟前
OpenCV: 光流法python代码
人工智能·python·opencv
AI technophile3 小时前
OpenCV计算机视觉实战（31）——人脸识别详解
人工智能·opencv·计算机视觉
盼小辉丶7 小时前
视觉Transformer实战 | Token-to-Token Vision Transformer（T2T-ViT）详解与实现
pytorch·深度学习·计算机视觉·transformer
Mrliu__7 小时前
Opencv(十五) : 图像梯度处理
人工智能·opencv·计算机视觉
百锦再9 小时前
第21章 构建命令行工具
android·java·图像处理·python·计算机视觉·rust·django
sali-tec21 小时前
C# 基于halcon的视觉工作流-章62 点云采样
开发语言·图像处理·人工智能·算法·计算机视觉
gorgeous(๑>؂<๑）21 小时前
【ICLR26匿名投稿】Context-Aware ViT：让目标检测真正“看清上下文”的增强策略
人工智能·目标检测·机器学习·计算机视觉·目标跟踪
张人玉1 天前
OCR 字符识别助手详解（含 Halcon 示例）
人工智能·机器学习·计算机视觉·halcon
AI浩1 天前
Cambrian-S：迈向视频中的空间超感知
人工智能·目标检测·计算机视觉·音视频
胖墩会武术1 天前
【OpenCV图像处理】深度学习：cv2.dnn() —— 图像分类、人脸检测、目标检测
图像处理·pytorch·python·opencv
热门推荐
01GitHub 镜像站点02BongoCat - 跨平台键盘猫动画工具03【保姆级教程】免费使用Gemini3的5种方法！免翻墙/国内直连04Google Antigravity：无法登录？早期错误、登录修复和用户反馈指南05UV安装并设置国内源06今天 Cloudflare 全球事故，连 GPT 和你的网站都一起“掉线”了07安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）08Linux下V2Ray安装配置指南09全球最强模型Grok4，国内已可免费使用！（附教程）1046个Nano-banana 精选提示词，持续更新中