图像分割实验报告
数字图像处理实验报告——图像分割实验
实验报告课程名称数字图像处理导论专业班级_＿____＿＿_＿___＿_姓名 __＿___＿_____＿__学号___＿＿_____＿____电气与信息学院与谐勤奋求就是创新一．实验目得1.理解图像分割得基本概念;2.理解图像边缘提取得基本概念；3.掌握进行边缘提取得基本方法；4.掌握用阈值法进行图像分割得基本方法.二。
实验内容1.分别用Roｂerｔs，Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明。
3.任选一种阈值法进行图像分割、图1 图２三．实验具体实现1.分别用Robｅrts,Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；I=ｉｍreａｄ(’ｍｒi、ｔｉｆ');imshｏw（Ｉ)BW1=edgｅ（I，’ｒoｂerｔs’）;ｆigure ，ｉｍshow（BＷ1）,titlｅ(’用Robeｒｔs算子’)ＢW2=edgｅ(Ｉ，’sｏbel’);ｆigure,imshoｗ（BW2），ｔitle（’用Sｏbｅl算子 ')BW３＝ｅdge(I，’log’);figure，iｍshｏw（BW３)，titlｅ(’用拉普拉斯高斯算子’）比较提取边缘得效果可以瞧出,sｏbｅr算子就是一种微分算子,对边缘得定位较精确,但就是会漏去一些边缘细节.而Ｌaplaｃｉan—Gaussiaｎ算子就是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘得细节比较丰富。
通过比较可以瞧出Ｌａplaciaｎ-Gauｓsｉan算子比sobeｒ算子边缘更完整，效果更好。
2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明.i=ｉmread（＇m８3、ｔif’）;subplｏｔ（１，2,1）；ｉmｈｉst（i）;ｔitle（'原始图像直方图'）;thread＝1３０/２5５；subplot（1，２，2);ｉ3=ｉｍ2bｗ(i，thrｅaｄ）；imsｈow（i3)；titlｅ('分割结果’);3.任选一种阈值法进行图像分割、i=iｍread（'tｒｅes、tif’）;subploｔ（１,2,1）；imｈist（i)；ｔitle（＇原始图像直方图’)；threａd=10０/２5５；sｕｂploｔ（１，2,2）;i3=iｍ2bｗ(i,thread）;imｓhow（i３）;titlｅ('分割结果’)1、分别用Robｅrts，Sobel与拉普拉斯高斯算子对图像进行边缘检测。
图像分割处理实验报告
图像分割处理实验报告1. 引言图像分割是计算机视觉中的重要任务之一，其目标是将图像划分成具有相似特征的子区域。
图像分割在很多应用领域中都有着广泛的应用，比如医学影像分析、目标检测和图像编辑等。
本实验旨在探索不同的图像分割算法，并比较它们在不同场景下的效果和性能。
2. 实验方法2.1 实验数据本实验选取了一组包含不同场景的图像作为实验数据集，包括自然景观、人物肖像和城市街景等。
每张图像的分辨率为500x500像素。
2.2 实验算法本实验使用了两种经典的图像分割算法进行比较，分别是基于阈值的分割和基于边缘的分割。
2.2.1 基于阈值的分割基于阈值的分割算法是一种简单而直观的方法，其原理是根据像素值的亮度信息将图像分割成不同的区域。
在本实验中，我们将图像的灰度值与一个事先设定的阈值进行比较，如果大于阈值则设为白色，否则设为黑色，从而得到分割后的图像。
2.2.2 基于边缘的分割基于边缘的分割算法利用图像中的边缘信息进行分割，其原理是检测图像中的边缘并将其作为分割的依据。
在本实验中，我们使用了Canny边缘检测算法来提取图像中的边缘信息，然后根据边缘的位置进行分割。
2.3 实验流程本实验的流程如下：1. 加载图像数据集；2. 对每张图像分别应用基于阈值的分割算法和基于边缘的分割算法；3. 计算分割结果和原始图像之间的相似度，使用结构相似性指标（SSIM）进行评估；4. 分析并比较两种算法在不同场景下的分割效果和性能。
3. 实验结果3.1 分割效果实验结果表明，基于阈值的分割算法在处理简单场景的图像时效果较好，可以比较准确地将图像分割为目标区域和背景。
然而，当图像的复杂度增加时，基于阈值的分割算法的效果明显下降，往往会产生较多的误分割。
相比之下，基于边缘的分割算法在处理复杂场景的图像时表现良好。
通过提取图像的边缘信息，该算法能够较准确地分割出图像中的目标区域，相比于基于阈值的分割算法，其产生的误分割较少。
3.2 性能评估通过计算分割结果和原始图像之间的SSIM指标，我们可以得到两种算法在不同场景下的性能评估。
图像分割 实验报告
图像分割实验报告图像分割实验报告一、引言图像分割是计算机视觉领域中的一个重要研究方向，它旨在将一幅图像分割成具有语义意义的不同区域。
图像分割在许多应用中发挥着关键作用，如目标检测、场景理解和医学图像处理等。
本实验旨在探索不同的图像分割方法，并对其进行比较和评估。
二、实验方法本实验选择了两种常用的图像分割方法：基于阈值的分割和基于边缘的分割。
首先，我们使用Python编程语言和OpenCV库加载图像，并对图像进行预处理，如灰度化和平滑处理。
接下来，我们将详细介绍这两种分割方法的实现步骤。
1. 基于阈值的分割基于阈值的分割是一种简单而常用的分割方法。
它通过将图像像素的灰度值与预先设定的阈值进行比较，将像素分为前景和背景两类。
具体步骤如下：（1）将彩色图像转换为灰度图像。
（2）选择一个适当的阈值，将图像中的像素分为两类。
（3）根据阈值将图像分割，并得到分割结果。
2. 基于边缘的分割基于边缘的分割方法是通过检测图像中的边缘来实现分割的。
边缘是图像中灰度变化剧烈的区域，通常表示物体的边界。
具体步骤如下：（1）将彩色图像转换为灰度图像。
（2）使用边缘检测算法（如Canny算法）检测图像中的边缘。
（3）根据边缘信息将图像分割，并得到分割结果。
三、实验结果与讨论我们选择了一张包含多个物体的彩色图像进行实验。
首先，我们使用基于阈值的分割方法对图像进行分割，选择了适当的阈值进行实验。
实验结果显示，基于阈值的分割方法能够将图像中的物体与背景分离，并得到较好的分割效果。
接下来，我们使用基于边缘的分割方法对同一张图像进行分割。
实验结果显示，基于边缘的分割方法能够准确地检测出图像中的边缘，并将图像分割成多个具有边界的区域。
与基于阈值的分割方法相比，基于边缘的分割方法能够更好地捕捉到物体的形状和边界信息。
通过对比两种分割方法的实验结果，我们发现基于边缘的分割方法相对于基于阈值的分割方法具有更好的效果。
基于边缘的分割方法能够提供更准确的物体边界信息，但也更加复杂和耗时。
图像分割 实验报告
图像分割实验报告《图像分割实验报告》摘要：图像分割是计算机视觉领域的重要研究方向，它在许多领域都有着重要的应用价值。
本实验旨在探究图像分割算法在不同场景下的表现，并对比不同算法的优缺点，为图像分割技术的进一步发展提供参考。
一、实验背景图像分割是指将图像划分成若干个具有独立语义的区域的过程。
图像分割技术在医学影像分析、自动驾驶、图像识别等领域都有着广泛的应用。
因此，对图像分割算法的研究和优化具有重要意义。
二、实验目的本实验旨在通过对比不同图像分割算法在不同场景下的表现，探究其优劣，并为图像分割技术的进一步发展提供参考。
三、实验内容1. 数据准备：收集不同场景下的图像数据，包括自然景观、医学影像、交通场景等。
2. 算法选择：选择常用的图像分割算法，如基于阈值的分割、边缘检测、区域生长等。
3. 实验设计：将不同算法应用于不同场景的图像数据上，对比它们的分割效果和计算速度。
4. 结果分析：对比不同算法的优缺点，并分析其适用场景和改进空间。
四、实验结果通过实验我们发现，在自然景观图像中，基于阈值的分割算法表现较好，能够有效地将图像分割成不同的颜色区域；而在医学影像中，边缘检测算法表现更为出色，能够准确地识别出器官的边缘；在交通场景中，区域生长算法表现较好，能够有效地区分不同的交通标志和车辆。
五、结论不同的图像分割算法在不同场景下有着不同的表现，没有一种算法能够适用于所有场景。
因此，我们需要根据具体的应用场景选择合适的图像分割算法，或者结合多种算法进行优化，以达到更好的分割效果。
六、展望未来，我们将继续探究图像分割算法的优化和改进，以适应不同场景下的需求。
同时，我们还将研究图像分割算法在深度学习和人工智能领域的应用，为图像分割技术的发展贡献力量。
通过本次实验，我们对图像分割算法有了更深入的了解，也为其在实际应用中的选择提供了一定的指导。
希望我们的研究能够为图像分割技术的发展做出一定的贡献。
实验2图像分割
实验2图像分割实验⼆、图像分割⼀、实验⽬的1、使学⽣通过实验体会⼀些主要的分割算⼦对图像处理的效果，以及各种因素对分割效果的影响；2、使⽤MatLab 软件进⾏图像的分割；3、能够⾃⾏评价各主要算⼦在⽆噪声条件下和噪声条件下的分割性能；4、能够掌握分割条件(阈值等)的选择；5、完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。
⼆、实验原理1、边缘检测(1)使⽤Roberts 算⼦的图像分割实验，调⼊并显⽰⼀幅图像*.gif或*.tif；使⽤Roberts 算⼦对图像进⾏边缘检测处理；Roberts 算⼦为⼀对模板，相应的矩阵为：rh = [0 1;-1 0]; rv = [1 0;0 -1];这⾥的rh 为⽔平Roberts 算⼦，rv为垂直Roberts 算⼦。
可以显⽰处理后的⽔平边界和垂直边界检测结果；⽤“欧⼏⾥德距离”⽅式计算梯度的模，显⽰检测结果；对于检测结果进⾏⼆值化处理，并显⽰处理结果。
(2)使⽤Prewitt 算⼦的图像分割实验使⽤Prewitt 算⼦进⾏内容(1)中的全部步骤。
(3)使⽤Sobel 算⼦的图像分割实验使⽤Sobel 算⼦进⾏内容(1)中的全部步骤。
(4)使⽤Canny算⼦进⾏图像分割实验。
(5) 使⽤拉普拉斯算⼦进⾏图像分割实验。
I=imread('D:\blood.bmp');Imshow(I);BW1=edge(I,'roberts');BW2=edge(I,'prewitt');BW3=edge(I,'sobel');BW4=edge(I,'log');BW5=edge(I,'canny');figure(1),imshow(I),title('Original Image'); figure(2),imshow(BW1),title('roberts'); figure(3),imshow(BW2),title('prewitt'); figure(4),imshow(BW3),title('sobel'); figure(5),imshow(BW4),title('log'); figure(6),imshow(BW5),title('canny');2、灰度阀值分割(1)单阈值分割图像先将⼀幅彩⾊图像转换为灰度图像，显⽰其直⽅图，参考直⽅图中灰度的分布，尝试确定阈值；应反复调节阈值的⼤⼩，直⾄⼆值化的效果最为满意为⽌。
实验六-图像分割
信息工程学院实验报告课程名称：数字图像处理实验项目名称：实验六图像分割实验时间：2016.12.16班级：姓名：学号：一、实验目的1. 使用MatLab 软件进行图像的分割。
使学生通过实验体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响。
2. 要求学生能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能。
能够掌握分割条件(阈值等)的选择。
完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。
二、实验内容与步骤1.边缘检测(1)使用Roberts 算子的图像分割实验调入并显示图像room.tif图像；使用Roberts 算子对图像进行边缘检测处理；Roberts 算子为一对模板：（a）450方向模板（b）1350方向模板图 1 matlab 2010的Roberts算子模板相应的矩阵为：rh = [0 1；-1 0]；rv = [1 0；0 -1]；这里的rh 为45度Roberts 算子，rv为135度Roberts 算子。
分别显示处理后的45度方向和135方向的边界检测结果；用“欧几里德距离”和“街区距离”方式计算梯度的模，并显示检测结果；对于检测结果进行二值化处理，并显示处理结果。
提示：先做检测结果的直方图，参考直方图中灰度的分布尝试确定阈值；应反复调节阈值的大小，直至二值化的效果最为满意为止。
(2)使用Prewitt 算子的图像分割实验（a）水平模型（b）垂直模板图2. Prewitt算子模板使用Prewitt 算子进行内容(1)中的全部步骤。
(3)使用Sobel 算子的图像分割实验使用Sobel（a）水平模型（b）垂直模板图3. Sobel算子模板(4)使用LoG (拉普拉斯-高斯)算子的图像分割实验使用LoG (拉普拉斯-高斯)算子进行内容(1)中的全部步骤。
提示1：处理后可以直接显示处理结果，无须另外计算梯度的模。
提示2：注意调节噪声的强度以及LoG (拉普拉斯-高斯)算子的参数，观察处理结果。
图像分割处理实验报告
一、实验目的：1.学会对图像进行二值化处理和直方图均衡化处理2.进一步了解数字图像处理的知识以及matlab软件的使用3.掌握基本的查资料方法二、实验内容把这幅图像分成同样大小的10幅人脸图片然后分别对第一行5幅人脸图像的第3 第4 第5 第二行5幅人脸图像的第1 第5 进行如下处理：1.进行大津法阈值分割的二值化处理2.进行直方图均衡化处理三、实验具体代码以及结果1.实验代码%clcclearsrc_path='D:\histogram matching.bmp'; %原始图片路径dst_path='D:\picture\'; %分割图片后保存路径mkdir(dst_path);A = imread(src_path); %读入原始图片[m,n,l] = size(A); %获得尺寸for i = 1:2for j = 1:5m_start=1+(i-1)*fix(m/2);m_end=i*fix(m/2);n_start=1+(j-1)*fix(n/5);n_end=j*fix(n/5);AA=A(m_start:m_end,n_start:n_end,:); %将每块读入矩阵imwrite(AA,[dst_path num2str(i) '-' num2str(j) '.jpg'],'jpg'); %保存每块图片endendcd 'D:\pic'x1=imread('1-3.jpg');%%%%%%%%%目标读取图像x2=imread('1-4.jpg');x3=imread('1-5.jpg');x4=imread('2-1.jpg');x5=imread('2-5.jpg');% matlab 自带的自动确定阈值的方法level1=graythresh(x1);level2=graythresh(x2);level3=graythresh(x3);level4=graythresh(x4);level5=graythresh(x5);%用得到的阈值直接对图像进行二值化处理并显示BW1=im2bw(x1,level1);BW2=im2bw(x2,level2);BW3=im2bw(x3,level3);BW4=im2bw(x4,level4);BW5=im2bw(x5,level5);figure(1),imshow(BW1);figure(2),imshow(BW2);figure(3),imshow(BW3);figure(4),imshow(BW4);figure(5),imshow(BW5);%直方图均衡化处理%%%%%%%%%%调用直方图均衡化函数 histeq（）%%%%%均衡化处理后的灰度级直方图分布figure(6),imhist(histeq(rgb2gray(x1))); figure(7),imhist(histeq(rgb2gray(x2))); figure(8),imhist(histeq(rgb2gray(x3))); figure(9),imhist(histeq(rgb2gray(x4))); figure(10),imhist(histeq(rgb2gray(x5)));%%%均衡化处理后的图像%%%%%%figure(11),imshow(histeq(rgb2gray(x1))); figure(12),imshow(histeq(rgb2gray(x2))); figure(13),imshow(histeq(rgb2gray(x3))); figure(14),imshow(histeq(rgb2gray(x4))); figure(15),imshow(histeq(rgb2gray(x5)));。
医学图像处理实验报告 ----图像分割
医学图像处理实验报告 ----图像分割医学图像处理实验报告----图像分割一.实验目的：掌握基本的图像分割方法，观察图像分割的结果，加深对边缘检测、模板匹配、区域生长的理解。
二.实验内容：边缘检测、模板匹配、区域生长。
三.实验方法：1.边缘检测：图象Blood边缘检测方法Sobel打开Toolboxes\Image Processing项选Edge Detection并运行选图象Blood边缘检测方法Sobel如图1所示按Apply键观察检测到的边界从上面四幅图像的对比来看，阈值逐渐变大，而满足要求的像素点也逐渐变少，使得图像的边缘提取的效果也越来越差，图像轮廓变得不清楚了。
以下为采用Prewitt方法的边缘提取效果：以下为Roberts方法边缘提取的效果：以下为Laplacian of Gaussian方法边缘提取的效果：以上的各种方法的理论算法有所不同，但总体效果基本一致。
以下是选其他图像重做上面的实验（适当简化）2.模板匹配：在Photoshop中打开一黑白灰度图象文件在滤镜菜单其他子菜单中选自定项在自定界面中输入点模板按好键观察处理后图象。
原始图像：点模板滤镜后的图像：0 0 00 1 00 0 0点模板： -1 -1 -1 -1 8 -1-1 -1 -1线模板： -1 -1 -1 2 2 2-1 -1 -1线模板： -1 2 -1 -1 2 -1-1 2 -1线模板： 2 -1 -1 -1 2 -1-1 -1 2线模板： -1 -1 2 -1 2 -12 -1 -1从上面的四种线模板得比较中可以发现：第一种对检测横向图像更为有效，第二种为竖向，后两种为135和45度。
这是与模板的构成有关的。
方向模板：-1 1 1-1 -2 1-1 1 1可以看出这个方向模板较多地体现出东方向的像素。
方向模板：1 1 -11 -2 -11 1 -1可以看出这个模板较多地体现出西方向的情况。
方向模板：-1 -1 -11 -2 11 1 1这个模板较多地体现了南向的情况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验七图像分割
一、实验目的
利用光谱特征进行遥感图像的分割和分割后处理。
二、实验要求
1. 能够根据图像的特征，综合使用不同的方法分割出地物对象。
2. 熟练掌握图像直方图的应用。
3. 掌握彩色图像分割的基本方法
4. 掌握利用波段组合进行图像分割的工作流程
5. 熟悉数学形态学基本方法的应用。
三、实验准备
●软件准备：ENVI软件
●数据：兰花.jpg
文字测原始图像.bmp
IKNOSm14 nj Hroad
●基本知识：
➢图像分割的原则：（1）依据像素灰度值的不连续性进行分割。
假定不同区域像素的灰度值具有不连续性，因而可以对其进行分割。
（2）依据同一区域内部
像素的灰度值具有相似性进行分割。
这种方法一般从一个点（种子）出发，将
其邻域中满足相似性测量准则的像素进行合并从而达到分割的目的。
依据像素
的不连续性进行分割的方法只要是区域增长法。
➢图像分割的工作流程：（1）确定待分割的对象；（2）选择对分割对象敏感的波段；（3）选择分割方法进行分割；（4）将分割后的结果图像转为矢量图。
➢图像分割：（1）图像分割是指把图像分成各具特性的区域并提取出感兴趣的目标的技术和过程。
从数学角度来看，图像分割是将数字图像划分成互不相交的
区域的过程。
图像分割的过程也是一个标记的过程，即将属于同一个区域的像
素赋予相同的编号的过程。
（2）目的：将一幅图像分为几个区域，这几个区域
之间具有不同的属性，同一区域中各像素具有某些相同的性质。
➢图像分割的方法：（1）灰度阀值法，它在目标与背景之间存在强对比时特别有效（直方图方法）；（2）数学形态学方法，腐蚀、膨胀、开运算和闭运算；
➢波段运算：ENVI Band Math是一个灵活的图像处理工具，其中许多功能是无法在任何其它的图像处理系统中获得的。
由于每个用户都有独特的需求，利用
此工具用户自己定义处理算法，应用到在ENVI打开的波段或整个图像中，用
户可以根据需要自定义简单或复杂的处理程序。
例如：可以对图像进行简单加、
减、乘、除运算，或使用IDL编写更复杂的处理运算功能。
➢波段运算实质是对每个像素点对应的像素值进行数学运算。
➢波段运算条件：（1) 必须符合IDL语言书写波段运算表达式；（2) 所有输入波段必须具有相同的空间大小，因此输入波段在行列数和像元大小必须相同。
对于有地理坐标的数据，如果覆盖区域一样，但是由于像元大小不一样使得行
列数不一致，在进行波段运算前，可以使用Basic Tools →Layer Stacking
功能对图像进行调整。
3)表达式中的所有变量都必须用Bn（或bn）命名。
4) 结果波段必须与输入波段的空间大小相同，波段运算表达式所生成的结
果必须在行列数方面与输入波段相同。
➢波段运算函数
四、实验内容及步骤
●问题一.2（提取非兰花部分）
➢打开ENVI，加载“兰花.jpg”
➢因为兰花呈现蓝色，则兰花花朵部分表达式为（B gt G）*(B gt R),非兰花部分为（1-（B gt G）*(B gt R)）
➢点击【Basic Tools】-【Band Math】，弹出“Band Math”对话框，在【Enter an expression】处输入式子“b4*(1-(b1 gt b2)*(b1 gt b3))”，点击【Add to
List】,选择【OK】
➢在弹出的对话框“Variables to Bands Pairings”中，选择B1对应B波段，B2对应G波段，B3对应R波段，B4对应File：兰花，点击【OK】。
➢加载生成图片。
➢得到非兰花部分的图片。
●练习2.1
➢加载“文字测原始图像.bmp”，点击【Enhance】-【Interactive Stretching】,查看各通道噪声和直方图。
➢可以看出各通道在灰度值为177的时候峰值最大。
➢点击【Basic Tools】-【Band Math】，弹出“Band Math”对话框，在【Enter an expression】处输入式子“255*(1-(b1 lt 177)* (b2 lt 177)* (b3 lt
177))”，点击【Add to List】,选择【OK】
➢在弹出的对话框“Variables to Bands Pairings”中，选择B1对应R波段，B2对应G波段，B3对应B波段，点击【OK】。
➢得到了去除了背景噪声的文字“测”。
●练习2.2
➢首先利用高斯低通滤波器和拉普拉斯滤波器对图像进行锐化处理，使线状地物的轮廓更加明显。
滤波工具在主菜单下的【Filter】-
【convolution】；由于高斯低通滤波器和拉普拉斯滤波器具有很多
不同的窗口，要找到最适合的窗口要进行多次的操作和比较。
流程高斯低通拉普拉斯算子锐化结果图像直方图0——无
13*33*3A
25*53*3B
37*73*3C
45*55*5D
57*75*5E
67*77*7F
➢由于拉普拉斯算子对图像的噪声很敏感，所以我们选用流程2，也就是7*7的高斯低通滤波和3*3的拉普拉斯算子。
设置灰度阀值为370，输入算法“b1 gt 370”，b1选为图像的band1.
➢得到道路信息图像
.。