Matlab(五)圖像分割(一)課件

1、Matlab圖像處理知識(shí)（五）點(diǎn)檢測(cè)、線檢測(cè)、邊緣檢測(cè)、邊緣連接閾值處理點(diǎn)檢測(cè)原理：用點(diǎn)檢測(cè)模板處理圖像，若|R| = T，則說(shuō)明在掩模的中心位置找到了孤立點(diǎn)?；静襟E： （1）選用點(diǎn)檢測(cè)模板，計(jì)算出已濾波的圖像 （2）確定閾值T （3）將已濾波的圖像上大于T的點(diǎn)找出來(lái)。相關(guān)函數(shù)g=imfilter(f,w,filtering_mode,boundary_options,size_options) 其中：f為輸入圖像，w為濾波掩模。 其他參數(shù)見(jiàn)說(shuō)明。點(diǎn)檢測(cè)例：檢測(cè)一幅圖像中的孤立點(diǎn)。w=-1 -1 -1-1 8 -1-1 -1 -1g=abs(imfilter(double(f),w);T=m

2、ax(g(:)g=g=T;線檢測(cè) 原理：若檢測(cè)某個(gè)角度的線，則用這個(gè)角度的掩模。若不指定方向，則對(duì)幾個(gè)掩模都做運(yùn)算，得到相應(yīng)最強(qiáng)值。再進(jìn)行閾值處理?；静襟E： （1）選用線檢測(cè)模板，計(jì)算出已濾波的圖像 （2）確定閾值T （3）將已濾波的圖像上大于T的點(diǎn)找出來(lái)。線檢測(cè)例1：對(duì)圖像mask.tif分別用水平、45度、垂直和45度線檢測(cè)算子進(jìn)行處理，觀察效果圖，理解不同方向的模板對(duì)圖像處理不同部分的作用。例2：編程實(shí)現(xiàn)檢測(cè)圖像中響應(yīng)最大的線。邊緣檢測(cè) 原理：邊緣是位于兩個(gè)區(qū)域的邊界線上的連續(xù)像素集合。通過(guò)1階或二階微分來(lái)檢測(cè)邊緣。 常用邊緣檢測(cè)算子： Prewitte,Roberts,Sobel,L

3、og,Canny,Laplas, KirschKirsch邊緣檢測(cè)算子Kirsch邊緣檢測(cè)算子的濾波模板 (a) (b) (c) (d)Kirsch邊緣檢測(cè)的結(jié)果 圖中，(a)原始醫(yī)學(xué)圖像(b)是閾值為180的邊緣檢測(cè)結(jié)果(c)是閾值為500的邊緣檢測(cè)結(jié)果(d)是閾值為1000的邊緣檢測(cè)結(jié)果 閾值越小獲得的邊緣圖像，邊緣連續(xù)性越好，獲得的圖像細(xì)節(jié)越多，但噪聲較多，閾值越大獲得的邊緣圖像，邊緣連續(xù)性越差，獲得的圖像細(xì)節(jié)越少，但噪聲較少，只有選擇合適的閾值才能得到較好的邊緣圖像。不同的圖像具有不同的邊緣檢測(cè)最佳閾值。 Kirsch算子 (a) (b) (c) (d)邊緣檢測(cè)例1：掌握?qǐng)D像處理Sob

4、el、Prewitt和Roberts模板，然后分別調(diào)用edge函數(shù)對(duì)圖片bld.tif進(jìn)行處理，分析處理效果圖和模板之間的關(guān)系。例2:利用canny算子對(duì)圖片bld.tif進(jìn)行處理，深刻理解該算子的作用，并和題1比較。例3：編寫(xiě)m文件kirsch.m，完成用8方向的算子對(duì)圖像進(jìn)行邊緣檢測(cè)?？紤]取檢測(cè)結(jié)果的8個(gè)值中最大的2個(gè)值的平均值為當(dāng)前點(diǎn)的灰度值會(huì)不會(huì)效果更好?邊緣連接 原理：將圖像從圖像空間變換為參數(shù)空間，通過(guò)對(duì)參數(shù)分布情況的分析，對(duì)已知形狀的曲線進(jìn)行檢測(cè)。邊緣連接例1：5個(gè)點(diǎn)的邊緣連接。例2：用Hough變換對(duì)經(jīng)過(guò)邊緣檢測(cè)后的圖像進(jìn)行邊緣連接。閾值處理 原理： 找到合適的T值，將“目標(biāo)”和“背景”分開(kāi)。相關(guān)函數(shù)im2bw(f,T) 將圖像變成二值圖像，T為閾值。注意：T在0-1之間。T=graythresh(f) 使用Otsu方法計(jì)算閾值。閾值處理例1：多次試驗(yàn)，估計(jì)閾值（一般結(jié)合直方圖） 用im2bw函數(shù)對(duì)圖片lung.bmp進(jìn)行處理，選擇閾值0.05、 0.2和0.5，比較哪個(gè)分割效果好？用imhist顯