实验-图像增强和图像分割实验
遥感图像增强实验报告
遥感图像增强实验报告1. 实验目的和内容实验目的：（1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。
（2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
（3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。
实验内容：（1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。
（2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。
（3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。
2. 图像处理方法和流程A.遥感图像的空间域增强1.直方图均衡化(1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。
(3)Display窗口>enhance>equalization2.灰度拉伸(1)Display窗口>enhance>interactive stretching(2)弹出的对话框>stretch_type>linear(3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸（1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束（2）点击apply，结果如图所示4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
图像处理实验报告
图像处理实验报告图像处理实验报告一、引言图像处理是计算机科学与工程领域的一个重要研究方向，它涉及到对数字图像进行获取、处理、分析和显示等一系列操作。
本实验旨在通过使用图像处理技术，对一幅给定的数字图像进行处理和分析，以探索图像处理的原理和应用。
二、实验目的本实验有以下几个目的：1. 理解图像处理的基本概念和原理；2. 掌握图像处理的常用技术和方法；3. 熟悉图像处理软件的使用。
三、实验步骤1. 图像获取在本实验中，我们选择了一张风景图作为实验对象。
该图像是通过数码相机拍摄得到的，保存在计算机中的文件格式为JPEG。
我们使用图像处理软件将该图像导入到程序中，以便进行后续的处理和分析。
2. 图像预处理在进行图像处理之前，我们需要对图像进行预处理。
预处理的目的是去除图像中的噪声、平滑图像的边缘等。
我们使用了均值滤波和中值滤波两种常用的图像平滑方法。
通过对比两种方法的效果，我们可以选择合适的方法来进行图像预处理。
3. 图像增强图像增强是指通过一系列的操作，使得图像在视觉上更加鲜明、清晰、易于观察。
在本实验中，我们使用了直方图均衡化和灰度拉伸两种图像增强方法。
直方图均衡化通过对图像的像素值进行变换，使得图像的直方图更加均匀，从而增强图像的对比度。
灰度拉伸则是通过对图像的像素值进行线性变换，将图像的灰度范围拉伸到更广的范围内，从而增强图像的细节。
4. 图像分割图像分割是将图像分成若干个互不重叠的区域，每个区域具有一定的意义和特征。
在本实验中，我们使用了阈值分割和边缘检测两种图像分割方法。
阈值分割是指通过设置一个合适的阈值，将图像中的像素分为两个类别。
边缘检测则是通过检测图像中的边缘信息，将图像分割为不同的区域。
5. 图像特征提取图像特征提取是指从图像中提取出具有一定意义和特征的信息。
在本实验中，我们选择了纹理特征和颜色特征两种常用的图像特征提取方法。
纹理特征提取通过对图像的纹理进行分析，提取出图像的纹理特征。
遥感实验三(图像分割)2010
卷积滤波
卷积（Convolutions）滤波是通过消除特定的空间频率来使图像增强，根据增强类型（低频、中频和高频）不同可分为低通滤波、带通滤波和高通滤波。此外还可以增强图像某些方向特征的方向滤波等。它们的核心部分是卷积核。ENVI提供很多卷积核，包括高通滤波（High Pass）、低通滤波（Low Pass）、拉普拉斯算子（Laplacian）、方向滤波（Directional）、高斯高通滤波（Gaussian High Pass）、高斯低通滤波（Gaussian Low Pass）、中值滤波（Median）、Sobel、Roberts，还可以自定义卷积核。具体操作如下：
下面对ENVI中各种滤波作一个简单的说明，如表5.1。
表5.1 各种滤波说明
滤波
说明
高通滤波器（High Pass）
高通滤波在保持图像高频信息的同时，消除了图像中的低频成分。它可以用来增强纹理、边缘等信息。高通滤波通过运用一个具有高中心值的变换核来完成（周围通常是负值权重）。ENVI默认的高通滤波器使用3×3的变换核（中心值为“8”，周围像元值为“-1”），高通滤波卷积核的维数必须是奇数。
二、实验内容
（1）利用直方图进行图像分割
实验步骤：1、打开实验图像（地物与直方图DSCF0153.JPG）并显示图像直方图
2、在直方图窗口，移动RGB拉伸的最小值分别为150,160,150，并分别应用，查看拉伸后的图像。
原图：
最小值150的拉伸：
最小值160的拉伸：
去除天空的操作：（菜单—basictools—bandmath）
3)Editable Kernel
卷积核中各项的值。在文本框中双击鼠标可以进行编辑，选择File->Save Kernel或者Restore Kernel，可以把卷积核保存为文件（.ker）或者打开一个卷积核文件。
matlab数字图像处理实验报告
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。
物理实验技术中的数据可视化与图像处理方法
物理实验技术中的数据可视化与图像处理方法引言：在物理实验中，收集和分析数据是非常重要的，而数据可视化和图像处理技术则为我们提供了更好地理解和解释这些数据的方法。
通过数据可视化和图像处理，我们可以直观地展示实验结果，并提取有用的信息。
本文将探讨在物理实验中常用的数据可视化和图像处理方法。
一、数据可视化方法1. 直方图直方图是一种常用的数据可视化方法。
它通过将数据分成一系列连续的区间，并统计每个区间内的数据出现的频率，然后绘制成柱状图的方式显示。
直方图可以有效地展示数据的分布情况，帮助我们发现数据的规律和异常点。
2. 折线图折线图是一种通过连接数据点来展示数据变化趋势的方法。
它常用于展示随时间变化的数据。
在物理实验中，我们可以将实验过程中的数据绘制成折线图，以帮助分析实验结果。
3. 散点图散点图是一种用点表示数据，并以坐标轴表示变量之间关系的可视化方法。
在物理实验中，我们可以用散点图来展示两个变量的关系，例如实验探测到的电压和电流之间的关系。
二、图像处理方法1. 图像增强图像增强是指通过一系列的处理步骤，改善图像质量的方法。
在物理实验中，图像增强可以提高图像的对比度、亮度等属性，从而更清晰地显示实验结果。
2. 图像去噪在物理实验中，由于各种因素的影响，图像常常会受到噪声的干扰。
图像去噪是一种通过处理方法将噪声从图像中消除的技术。
常见的图像去噪方法有中值滤波、均值滤波等。
3. 图像分割图像分割是将图像分成多个区域的过程，它可以帮助我们提取感兴趣的目标或边缘。
在物理实验中，图像分割可以用于分析实验结果中的不同区域的特性。
4. 特征提取特征提取是从图像中提取出具有代表性的信息的过程。
在物理实验中，我们常常需要从实验结果的图像中提取出与实验参数相关的特征，例如颜色、形状等。
结论：数据可视化和图像处理在物理实验中起到了非常重要的作用。
通过合理地运用这些技术，我们可以更好地展现实验结果，并从中获得有用的信息。
希望本文的介绍对读者在物理实验中的数据可视化和图像处理方面有所启发。
DIP课程实验
Digital Image Processing Homework课程实验实验题目（任选其中两个完成，欢迎多选）：∙实验1: 图像增强∙实验2: 图像分割与边缘检测∙实验3: 图像几何变换∙实验4: 图像特征与理解∙实验5: 图像压缩与编码∙实验6: 图像复原∙实验7: 图像频域处理∙实验8: 图像数学形态学处理实验1：图像增强一、实验目的：学会常用图像增强与平滑的算法。
二、实验要求：1．直方图计算与显示，直方图拉伸与均衡；2．灰度变换算法；3．燥声去除算法；4．图象锐化算法。
三、实验步骤：1．利用工具（如ACDSee、PhotoShop）将JPG图像文件转换为BMP图像文件；2．根据BMP格式，将图像内容读入内存数组；3．调用各种算法处理读入的图像；4．注意不同处理方法对边缘的影响。
四、实验图像：Sample1-1.jpg（原始图像）Sample1-2.jpg（加噪声后的图像）实验2：图像分割与边缘检测一、实验目的：学会常用图像分割与边缘检测算法。
二、实验要求：1．用灰度阈值法、区域生长与聚合算法实现图象分割；2．用梯度算子检测图像中的边缘；3．用Sobel算子检测图像中的边缘；4．实现投影法和差影算法。
三、实验步骤：1．利用工具（如ACDSee、PhotoShop）将JPG图像文件转换为BMP图像文件；2．根据BMP格式，将图像内容读入内存数组；3．调用算法；4．比较处理结果。
四、实验图像：Sample2-1.jpg Sample2-2.jpg实验3：图像几何变换1、Image Printing Program Based on Halftoning (Pattern 半影调法，图案法)The following figure shows ten shades of gray approximated by dot patterns. Each gray level is represented by a 3 x 3 pattern of black and white dots. A 3 x 3 area full of black dots is the approximation to gray-level black, or 0. Similarly, a 3 x 3 area of white dotsrepresents gray level 9, or white. The other dot patterns are approximations to gray levels in between these two extremes. A gray-level printing scheme based on dots patterns such as these is called "halftoning" Note that each pixel in an input image will correspond to 3 x 3 pixels on the printed image, so spatial resolution will be reduced to 33% of the original in both the vertical and horizontal direction. Size scaling as required in (a) may furtherreduce resolution, depending on the size of the input image.(a) Write a halftoning computer program for printing gray-scale images based on the dotpatterns just discussed. Your program must be able to scale the size of an input image so that it does not exceed the area available in a sheet of size A4 (21.6 x 27.9 cm). Yourprogram must also scale the gray levels of the input image to span the full halftoning range.(b) Write a program to generate a test pattern image consisting of a gray scale wedge ofsize 256 x 256, whose first column is all 0's, the next column is all 1's, and so on, with the last column being 255's. Print this image using your gray-scale printing program.(c) Print iamges Sample4-1.jpg, Sample4-2.jpg and Sample4-3.jpg using your gray-scaleprinting program.2、Reducing the Number of Gray Levels in an Image （二值化）(a) Write a computer program capable of reducing the number of gray levels in a image from 256 to 2, in integer powers of 2. The desired number of gray levels needs to be a variable input to your program.(b) Download the image Sample4-4.jpg and run your program.3、Zooming and Shrinking Images by Pixel Replication （基于像素插补的放大缩小） (a) Write a computer program capable of zooming and shrinking an image by pixelreplication （插补）. Assume that the desired zoom/shrink factors are integers. You may ignore aliasing effects.(b) Download the image Sample4-5.jpg and use your program to shrink the image from 1024 x 1024 to 256 x 256 pixels.(c) Use your program to zoom the image in (b) back to 1024 x 1024. Explain the reasons for their differences.4、Zooming and Shrinking Images by Bilinear Interpolation （基于双线性插值的放大缩小）(a) Write a computer program capable of zooming and shrinking an image by bilinear interpolation. The input to your program is the desired size of the resulting image in the horizontal and vertical direction. You may ignore aliasing effects.(b) Download the image Sample4-5.jpg and use your program to shrink this image from 1024 x 1024 to 256 x 256 pixels.(c) Use your program to zoom the image in (b) back to 1024 x 1024. Explain the reasonsfor their differencesSample4-1.jpgSample4-2.jpgSample4-3.jpgSample4-4.jpgSample4-5.jpg实验4：图像特征与理解实验5：图像压缩与编码一、实验目的：掌握数字图像的基本压缩与编码技术。
图像处理
医学图像处理实验喻罡实验一图像增强实验实验目的：掌握图像增强的算法实验内容：(1)图像的点操作、邻域操作算法(2)图像的直方图处理算法实验工具：Matlab7.1实验步骤：(1)读入图像用Matlab函数实现图像读入(2)实现图像点操作运算(如gamma校正，对数校正等)(3)实现图像的邻域处理(均值滤波，拉普拉斯滤波)(4)实现直方图均衡处理实验过程及分析：(1)、读入，Matlab读入图像只需imread(‘image.jpg/bmp…’)语句，显示部分用到imshow(image)即可。
(2)、伽马变换代码如下RGB=imread('赫本_3.jpg');f=rgb2gray(RGB); %彩图转灰度图c=1;p=2;s=c*f.^p; %伽马变换表达式imshow(s);title('伽马校正')因为所用的p>1其效果是压缩暗像素值，扩展亮像素值，与原图相比，可见图像亮的更亮，暗的变得稀薄了。
对数校正代码如下：RGB=imread('赫本_3.jpg');f=rgb2gray(RGB);f=im2double(f); %uint8图像转为double型c=2;s=c.*log(1+f); %对数计算表达式imshow(b);title('对数图像');对数变换增强低灰度级、抑制高灰度级，两图相比，亮处更亮，暗处变淡。
因为低灰度级被扩展了，相当于被平滑了，高灰度级被抑制，相当于被浓缩了。
(3)均值滤波代码如下RGB=imread('赫本_3.jpg');f=rgb2gray(RGB);f=im2double(f);[m,n]=size(s); %将阵列s的行数返回到m中，列数返回到n中for i=2:m-1for j=2:n-1h(i,j)=f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)+f(i,j-1)+f(i,j)+f(i,j+1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1 );g(i,j)=h(i,j)/9; %滤波函数表达式endendimshow(g);title('均值滤波')均值滤波所用的滤波器是3x3的矩阵且，阵元都等于1。
matlab图像处理综合实验实验报告
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验内容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')0100200几何运算：I=imread('E:\cs.jpg');%subplot(1,2,1),imshow(I); theta = 30;K = imrotate(I,theta); subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像') J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后') 指数运算:I=imread('E:\dog.jpg'); f=double(I); g=(2^2*(f-1))-1 f=uint8(f); g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')加法运算：clc;clear all;close all; i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02);subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308); for p=1:100j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; end k=k/100;subplot(1,3,3),imshow(k),title('图三')变换一200400600100200300400500变换二200400600100200300400500实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
- 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)。
实验一图像增强和图像分割实验（1）分别用图中给出的直线和曲线作为增强函数进行增强，比较它们的效果并讨论其特点。
线性变换对指数变换图片1 图片2实验步骤：1.在MATLAB中编写灰度图像的线性变换点运算程序图片1处理程序I=imread('图片1.png');%读入原图像I=im2double(I);%转换数据类型为double[M,N]=size(I);figure(1);imshow(I);%显示原图像title('原图像');figure(2);I=rgb2gray(I);L-1%转化为灰度图像[H,x]=imhist(I,64); stem(x,(H/M/N),'.'); title('原图像');%tan=30`a=sqrt(3)/3;b=0;y=a.*I+b;figure(3);imshow(y);title('tan=30'); figure(4);[H,x]=imhist(y,64); stem(x,(H/M/N),'.'); title('tan=30');%tan=45`a=1;b=0;y=a.*I+b; figure(5);imshow(y);title('tan=45'); figure(6);[H,x]=imhist(y,64); stem(x,(H/M/N),'.'); title('tan=45');%tan=60`a=sqrt(3);b=0;y=a.*I+b;figure(7);imshow(y);title('tan=60'); figure(8);[H,x]=imhist(y,64); stem(x,(H/M/N),'.'); title('tan=60');实验结果如下图所示：原图像图片1的原图像tan=30图片1的30度线性变换图像tan=45图片1的45度线性变换图像tan=60图片1的60度线性变换图像原图像tan=30原图像的直方图 30度变换后直方图tan=4545度变换后的直方图 60度变换后直方图图片2处理程序参考图片1处理程序。
图片2实验结果如图所示：原图像图片2原图像tan=3030度变换后图像tan=4545度变换后图像tan=6060度变换后图像2. 实验结果分析由实验结果可以看出，当按照30度线性变换后图像变暗，按照45度变换后图像没有任何改变，按照60度变换后图像变亮，由变换后的直方图可以确认像素点的变化。
由以上分析可以得出，当线性变换函数的斜率大于1时，图像的对比度将增大；当线性变换的斜率小于时，图像的对比度将减小；当线性变换函数的斜率等于1时，图像的对比度不变，只是像素点整体的移动。
虽然线性变换可以改变对比度，但是对图像的细节部分增强有限。
1. 在MATLAB 中编写灰度图像的对指数点运算程序 图片1对数处理程序：I=imread('图片1.png'); %读入原图像I=im2double(I); %转换数据类型为double I=rgb2gray(I); figure(1);imshow(I); %显示原图像title('原图像'); figure(3);[H,x]=imhist(I,64);stem(x,(H/M/N),'.'); title('原图像'); figure(2); y=log(I+1); imshow(I);title('对数变换'); figure(4);[H,x]=imhist(y,64); stem(x,(H/M/N),'.'); title('对数变换');实验结果如下图所示：原图像对数变换图片1直方图 图片1对数变换直方图对数变换对数变换后图像图片1指数处理程序：I=imread('图片1.png'); %读入原图像I=im2double(I); %转换数据类型为double I=rgb2gray(I); [M,N]=size(I); figure(1);imshow(I); %显示原图像 title('原图像');figure(3);[H,x]=imhist(I,64); stem(x,(H/M/N),'.'); title('原图像'); figure(2);imshow(imadjust(I,[],[],3)); figure(4);[H,x]=imhist(imadjust(I,[],[],4),64); stem(x,(H/M/N),'.'); title('指数变换');实验结果如下图所示：原图像指数变换图片1直方图 指数变换后直方图图片1指数变换后图像图片2对指数处理程序参考图片1处理程序。
对指数处理结果如图所示：指数变换图片2指数变换后图像原图像指数变换图片2直方图 指数变换后直方图对数变换对数变换后直方图对数变换图片2对数变换后图像2.实验结果分析A、对数变换采用对数变换，当函数自变量为低值时，曲线斜率很高；自变量为高值时，曲线斜率变小。
由变换后图像和直方图可以得出，对数变换是增强图像中较暗的细节，从而可用来扩展被压缩的高值图像中较暗的像素。
B、指数变换对数变换采用的是伽玛变换（γ>1），同理图像的高灰度区域对比度得到增加。
因为伽玛变换变换不是线性变换，不仅可以改变图像的对比度，还能够增强细节，从而带来整体图像效果的增强和改善。
（2）分别用Roberts算子、Sobel算子、LoG算子和Canny算子进行边缘检测，比较它们的效果并讨论其特点；图片3 图片4实验步骤：1.在MATLAB中编写检测程序I=imread('图片3.png');bw1=edge(I,'roberts');bw2=edge(I,'sobel');bw3=edge(I,'log');bw4=edge(I,'canny');figure(1);imshow(I);title('原图像');figure(2);imshow(bw1);title('roberts');figure(3);imshow(bw2);title('sobel');figure(4);imshow(bw3);title('log');figure(5);imshow(bw4);title('canny');实验结果如图所示：roberts图片3经过roberts算子检测的图像sobel图片3经过sobel算子检测的图像log图片3经过LoG算子检测的图像canny图片3经过canny算子检测的图像图片4处理程序参考图片3处理程序。
实验结果如下图所示：roberts sobelroberts处理后图像 sobel处理后图像logcannyLoG处理后图像 canny处理后图像2.实验结果分析由实验结果可以看出：Roberts利用局部差分算子寻找边缘，边缘定位精度较高，但是容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备抑制噪声的能力，所以对含噪声少的图像的处理效果较好；Sobel算子考虑了邻域信息，相当于对图像先做加权平滑处理，然后再做微分运算，虽然能够对噪声有抑制效果，但不能完全排除检测结果中出现的虚假边缘。
对边缘定位准确，但检测出的边缘容易出现多像素宽度；LoG算子即高斯-拉普拉斯算子，克服了拉普拉斯抗噪声比较差的缺点，但在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉，造成这些尖锐的边缘无法被检测到，但是相对于Roberts算子和Sobel算子处理结果稍好;Canny算子：在图像边缘检测中，抑制噪声和边缘精确定位是无法同时瞒足的，Canny算子在力图在抗干扰和精确定位之间寻求最佳的折中方案。
由图像处理结果可以看出，效果较前三者边缘更细腻、清楚。
从边缘定位的精度看：Roberts算子和LoG算子定位精度更高。
从对不同方向边缘的敏感性而言：Sobel算子检测斜向阶跃边缘效果较好；Roberts算子检测水平和垂直边缘效果较好；LoG算子不具备边缘方向检测能力；Soberl算子可以提供最精确的边缘方向估计。
从去噪能力看：Roberts算子和LoG算子虽然定位精度较高，但受噪声影响大。
从总体效果来衡量，Canny算子给出了一种边缘定位精确性和抗噪声干扰性的较好折中。
（3）采用不同阈值化方法（固定阈值、迭代阈值、Otsu 阈值等）对图像进行分割，比较它们的效果并讨论其特点；图片5 图片6实验步骤： 1. 固定阈值：I=imread('图片5.png');figure(1);imshow(I);title('原图像'); figure(2);imhist(I);title('直方图'); i=1;j=1; for i=1:1:256 for j=1:1:256 if (I(i,j)<=129)I(i,j)=0; else I(i,j)=255; end end endfigure(3);imshow(I);title('129阈值');直方图50100150200250129阈值图片5直方图 取129阈值分割图片6处理过程参考图片5。
实验结果如图所示：直方图05010015020025083图片6直方图取83阈值分割2.迭代阈值：I=imread('图片5.png');ZMAX=max(max(I)); %取出最大灰度值ZMIN=min(min(I)); %取出最小灰度值TK=(ZMAX+ZMIN)/2;bcal=1;ISIZE=size(I); %读出图像大小while(bcal)iForeground=0; %定义前景和背景数 iBackground=0;ForegroundSum=0;%定义前景和背景灰度总和BackgroundSum=0;for i=1:ISIZE(1)for j=1:ISIZE(2)tmp=I(i,j);if(tmp>=TK)iForeground=iForeground+1;ForegroundSum=ForegroundSum+double(tmp); %前景灰度值elseiBackground=iBackground+1; BackgroundSum=BackgroundSum+double(tmp);endendendZO=ForegroundSum/iForeground;%计算前景和背景的平均值ZB=BackgroundSum/iBackground;TKTmp=uint8(ZO+ZB)/2;if(TKTmp==TK )bcal=0;elseTK=TKTmp;end%当阈值不再变化的时候，说明迭代结束enddisp(strcat('迭代后的阀值：',num2str(double(TK))));%显示最终阈值newI=im2bw(I,double(TK)/255);figure(1);imshow(I);title('原始图像');figure(2);imshow(newI);title('迭代法分割')实验结果：迭代后的阀值：128迭代法分割图片5迭代分割图片6处理过程同上，实验结果如图所示：迭代后的阀值：104迭代法分割图片6迭代分割3. Otsu 阈值：I = imread('图片5.png'); level = graythresh(I); BW = im2bw(I,level);figure(1);imshow(I);title('原图像'); figure(2); imshow(BW);title('otsu');实验结果：Level=0.5137otsuOtsu 阈值分割图片6处理过程同上，实验结果如下： Level=0.4039；otsuOtsu 阈值分割4.实验结果分析固定阈值：由图片5和图片6的处理结果看出，固定阈值适合具有明显双峰的图像，但是当两个峰值相差很远时不适用，而且容易受到噪声的干扰，进而导致阈值的选取误差。