Matlab(五)图像分割(一).ppt

Matlab图像处理知识（五）点检测、线检测、边缘检测、边缘连接阈值处理点检测原理：用点检测模板处理图像，若|R|=T，则说明在掩模的中心位置找到了孤立点。基本步骤：（1）选用点检测模板，计算出已滤波的图像（2）确定阈值T（3）将已滤波的图像上大于T的点找出来。相关函数g=imfilter(f,w,filtering_mode,boundary_options,size_options)其中：f为输入图像，w为滤波掩模。其他参数见说明。点检测例：检测一幅图像中的孤立点。w=[-1-1-1-18-1-1-1-1]g=abs(imfilter(double(f),w));T=max(g(:))g=g=T;线检测原理：若检测某个角度的线，则用这个角度的掩模。若不指定方向，则对几个掩模都做运算，得到相应最强值。再进行阈值处理。基本步骤：（1）选用线检测模板，计算出已滤波的图像（2）确定阈值T（3）将已滤波的图像上大于T的点找出来。相关函数同上线检测例1：对图像mask.tif分别用水平、＋45度、垂直和－45度线检测算子进行处理，观察效果图，理解不同方向的模板对图像处理不同部分的作用。例2：编程实现检测图像中响应最大的线。边缘检测原理：边缘是位于两个区域的边界线上的连续像素集合。通过1阶或二阶微分来检测边缘。常用边缘检测算子：Prewitte,Roberts,Sobel,Log,Canny,Laplas,KirschKirsch算子Kirsch算子从八个方向对边缘信息进行提取，能提取出较好的图像边缘。图像中的每个点都用8个掩模进行卷积，所有8个方向中的最大值作为边缘幅度图像输出。Kirsch边缘检测算子Kirsch边缘检测算子的滤波模板(a)(b)(c)(d)Kirsch边缘检测的结果图中，(a)原始医学图像(b)是阈值为180的边缘检测结果(c)是阈值为500的边缘检测结果(d)是阈值为1000的边缘检测结果阈值越小获得的边缘图像，边缘连续性越好，获得的图像细节越多，但噪声较多，阈值越大获得的边缘图像，边缘连续性越差，获得的图像细节越少，但噪声较少，只有选择合适的阈值才能得到较好的边缘图像。不同的图像具有不同的边缘检测最佳阈值。Kirsch算子(a)(b)(c)(d)相关函数可以用imfilter函数也可以用edge函数[g,t]=edge(f,method’,parameters)method指明用哪个算子parameters指定阈值和方向等边缘检测例1：掌握图像处理Sobel、Prewitt和Roberts模板，然后分别调用edge函数对图片bld.tif进行处理，分析处理效果图和模板之间的关系。例2:利用canny算子对图片bld.tif进行处理，深刻理解该算子的作用，并和题1比较。例3：编写m文件kirsch.m，完成用8方向的算子对图像进行边缘检测。考虑取检测结果的8个值中最大的2个值的平均值为当前点的灰度值会不会效果更好?边缘连接原理：将图像从图像空间变换为参数空间，通过对参数分布情况的分析，对已知形状的曲线进行检测。相关函数hough函数function[h,theta,rho]=hough(f,dtheta,drho)对f进行hough变换houghpeaks函数识别hough变换矩阵中的峰值，即共线点最多的单元houghlines函数查找并链接线段边缘连接例1：5个点的边缘连接。例2：用Hough变换对经过边缘检测后的图像进行边缘连接。阈值处理原理：找到合适的T值，将“目标”和“背景”分开。相关函数im2bw(f,T)将图像变成二值图像，T为阈值。注意：T在0-1之间。T=graythresh(f)使用Otsu方法计算阈值。阈值处理例1：多次试验，估计阈值（一般结合直方图）用im2bw函数对图片lung.bmp进行处理，选择阈值0.05、0.2和0.5，比较哪个分割效果好？用imhist显示出图像的直方图，想想选择什么阈值会好些？使用graythresh产生的全局阈值进行分割，比较分割效果。例2：用迭代法对图像进行全局阈值处理。