图像处理实验图像增强和图像分割剖析

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：
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{N f }：
21,},...,,...,{-=∈=+-m u N i f f f Med y u i i u i i 对于二维序列{ij F }：为滤波窗口W y ij F Med W
ij }{=
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：G 1 和G 2，其中G 1包含所有灰度值小于T 的像素，G 2包含所有灰度值大于T 的像素。

(3) 计算G 1中像素的平均值m 1及G 2中像素的平均值m 2。

(4) 计算新的阈值：T ＝ （m 1＋m 2）/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：
clear all;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
for n=3:a+2
for m=3:b+2
I2(n,m)=I1(n-2,m-2);
I3(n,m)=I1(n-2,m-2);
end
end
for n=1:a+4
for m=1:b+4
%左上角设定
if n<3&&m<3
I2(n,m)=I2(6-n,6-m);
I3(n,m)=I3(6-n,6-m);
%右下角设定
else if n>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
else if n<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
else if m<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
else if n<3
I2(n,m)=I2(6-n,m);
I3(n,m)=I3(6-n,m);
else if n>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
else if m<3
I2(n,m)=I2(n,6-m);
I3(n,m)=I3(n,6-m);
%右两列设定
else if m>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
for n=3:a+2
for m=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：
clear all;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while abs(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
for i=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');
hold on;
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);
hold off;
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。