图像处理实验图像增强和图像分割.docx
《图像处理实验图像增强和图像分割.docx》由会员分享，可在线阅读，更多相关《图像处理实验图像增强和图像分割.docx（12页珍藏版）》请在冰豆网上搜索。
图像处理实验图像增强和图像分割
图像处理实验
图像增强和图像分割
一、实验目的：
掌握用空间滤波进行图像增强的基本方法，掌握图像分割的基本方法。
二、实验要求：
1、测试图像1中同时含有均值为零的均匀分布噪声和椒盐噪声。
用大小为5×5的算术均值滤波器和中值滤波器对图像进行处理，在不同窗口中显示原图像及各处理结果图像，并分析哪一种滤波器去噪效果好？
2、对测试图像2进行图像分割，求出分割测试图像2的最佳阈值。
分别显示原图、原图的直方图（标出阈值）、和分割后的二值图。
实验内容：
1.实验原理
1）
图像增强：
流程图：
图像增强可以通过滤波的方式来完成，即消除一部分的噪声。
滤波又可以分为均值滤波和中值滤波。
1.中值滤波原理：
中值滤波就是选用一个含有奇数个像素的滑动窗口，将该窗口在图像上扫描，把其中所含像素点按灰度级的升（或降）序排列，取位于中间的灰度值来代替窗口中心点的灰度值。
对于一维序列{
}：
对于二维序列{
}：
2.均值滤波原理：
对于含噪声的原始图像g（s,t）的每一个像素点去一个领域N，用N中所包含的相速的灰度平均值，作为领域平均处理后的图像f（x,y）的像素值，即：
2）图像分割：
图像分割：
依据图像的灰度、颜色等特征，将一幅图像分为若干个互不重叠的、具有某种同质特征的区域。
本实验中我们是根据灰度值，将灰度值大于阈值T的像素统一置为255，小于的则置为0。
如何求出最合适的分割阈值，则需要用到迭代算法。
迭代法算法步骤：
（1）初始化阈值T（一般为原图像所有像素平均值）。
（2）用T分割图像成两个集合：
G1和G2，其中G1包含所有灰度值小于T的像素，G2包含所有灰度值大于T的像素。
（3）计算G1中像素的平均值m1及G2中像素的平均值m2。
（4）计算新的阈值：
T＝（m1＋m2）/2。
（5）如果新阈值跟原阈值之间的差值小于一个预先设定的范围，停止循环，否则继续
（2）－（4）步。
2.程序代码与分析：
1）图像增强：
clearall;clc;
%读入图像
I1=imread（'Fig5.12（b）.jpg'）;
%均值滤波模板
h1=ones（5,'uint8'）;
%获取分辨率
[a,b]=size（I1）;
%创建变量
I2=zeros（a+4,b+4,'uint8'）;
I3=zeros（a+4,b+4,'uint8'）;
%复制原始图像
forn=3:
a+2
form=3:
b+2
I2（n,m）=I1（n-2,m-2）;
I3（n,m）=I1（n-2,m-2）;
end
end
%边界值设定
forn=1:
a+4
form=1:
b+4
%左上角设定
ifn<3&&m<3
I2（n,m）=I2（6-n,6-m）;
I3（n,m）=I3（6-n,6-m）;
%右下角设定
elseifn>a+2&&m>b+2
I2（n,m）=I2（2*a+4-n,2*b+4-m）;
I3（n,m）=I3（2*a+4-n,2*b+4-m）;
%右上角设定
elseifn<3&&m>b+2
I2（n,m）=I2（6-n,2*b+4-m）;
I3（n,m）=I3（6-n,2*b+4-m）;
%左下角设定
elseifm<3&&n>a+2
I2（n,m）=I2（2*a+4-n,6-m）;
I3（n,m）=I3（2*a+4-n,6-m）;
%上两行设定
elseifn<3
I2（n,m）=I2（6-n,m）;
I3（n,m）=I3（6-n,m）;
%下两行设定
elseifn>a+2
I2（n,m）=I2（2*a+4-n,m）;
I3（n,m）=I3（2*a+4-n,m）;
%左两列设定
elseifm<3
I2（n,m）=I2（n,6-m）;
I3（n,m）=I3（n,6-m）;
%右两列设定
elseifm>b+2
I2（n,m）=I2（n,2*b+4-m）;
I3（n,m）=I3（n,2*b+4-m）;
end
end
end
end
end
end
end
end
end
end
%图像处理
forn=3:
a+2
form=3:
b+2
%均值滤波
temp0=I2（n-2:
n+2,m-2:
m+2）;
temp0=temp0.*h1;
temp1=mean（temp0（:
））;
temp1=uint8（floor（temp1））;
I2（n,m）=temp1;
%中值滤波
temp2=I3（n-2:
n+2,m-2:
m+2）;
temp3=median（double（temp2（:
）））;
temp3=uint8（floor（temp3））;
I3（n,m）=temp3;
end
end
%保持分辨率
I4=I2（3:
a+2,3:
b+2）;
I5=I3（3:
a+2,3:
b+2）;
%显示图像
figure
（1）;imshow（I1）;
title（'原始图像'）;
figure
（2）;imshow（I4）;
title（'算数均值滤波输出'）;
figure（3）;imshow（I5）;
title（'中值滤波输出'）;
图像分割：
clearall;clc;
%读取图像
I=imread（'Fig10.29（a）.jpg'）;
%创建变量
[a,b]=size（I）;
J=zeros（a,b）;
%设定迭代阈值
T0=1;
%初始化
T1=mean（I（:
））;
r1=find（I>T1）;
r2=find（I<=T1）;
T2=（mean（I（r1））+mean（I（r2）））/2;
%迭代求解图像分割阈值
whileabs（T2-T1）>=T0
T1=T2;
r1=find（I>T1）;
r2=find（I<=T1）;
T2=（mean（I（r1））+mean（I（r2）））/2;
end
T2=ceil（T2）;
%输出二值图像
fori=1:
a*b
J（i）=255*（I（i）>T2）+0*（I（i）<=T2）;
end
%显示图像
figure
（1）;imshow（I）;
title（'原始图像'）;
figure
（2）;imhist（I）;
title（'灰度直方图'）;
holdon;
plot（[T2,T2],[0,6000],'r'）;%画分割线
str1=num2str（T2）;
text（T2+5,2000,'分割阈值'）;%标注分割阈值
text（T2+5,1800,str1）;
holdoff;
figure（3）;imshow（J）;
title（'迭代法分割输出'）;
3.实验结果
1）图像增强结果：
图像分割结果：
2）图像分割结果：
图6直方图
4.实验分析和总结
1）图像增强：
对比均值滤波和中值滤波的结果可知：
算术均值滤波和中值滤波对含噪声的图像都有去噪的效果。
对于均值滤波，算法简单，但在降低噪声的同时容易模糊图像边沿和细节。
对于中值滤波，去除图像中的椒盐噪声，消除孤立的噪声点，平滑效果优于均值滤波，在抑制噪声同时还能保持图像边缘清晰。
2）图像分割：
迭代法适用于图像灰度直方图中双峰明显的图像，从灰度直方图中我们可以看到该图像满足这一要求。
通过本次实验，了解了matlab中几个实用的子函数，更直接地了解均值滤波、中值滤波以及用迭代法求阈值的算法，通过实验观察到了图像增强和分割对图像的影响，了解到了用均值滤波和中值滤波两种方法进行图像增强的优缺点，使我对图像处理有了更进一步的理解。
在进行图像处理时，根据目标图像的特定情况选择正确的算法以及处理方法很重要，进行处理所采用的模板大小也同样重要。
升级会员 