计算机科学与通信工程学院实验报告课程图像解决实 验 题 目图像分割 1. 引言图像分割是一种重要的图像分析技术。在对图像的研究和应用中，人们往往只对图像中的特定某一部分感爱好，他们普通对应着图像中某些特定的区域。为了识别它们，能够把他们从图像中分离提取出来。2. 基本知识 典型的图像分割办法能够分为基于阈值的办法、基于边沿的办法和基于区域的分割办法。 灰度阈值法将图片灰度划分为不同等级，用设立灰度阈值的办法拟定故意义的区域。它是一种最惯用的并行区域技术，它是图像分割中应用数量最多的一类。阈值分割办法事实上是输入图像 f 到输出图像 g 的以下变换：其中，T 为阈值，对于物体的图像元素 g(i,j)=1，对于背景的图像元素 g(i,j)=0。由此可见，阈值分割算法的核心是拟定阈值，如果能拟定一种适宜的阈值就可精确地将图像分割开来。阈值拟定后，将阈值与像素点的灰度值逐个进行比较，并且像素分割可对各像素并行地进行，分割的成果直接给出图像区域。 图像边沿是图像识别中抽取图像特性的重要属性。是由于相邻像素间灰度值激烈变化引发的。图像中边沿处像素的灰度值不持续，这种不持续性可通过求导数来检测到。对于阶跃状边沿，其位置对应一阶导数的极值点，对应二阶导数的过零点(零交叉点)。因此惯用微分算子进行边沿检测。惯用的一阶微分算子有 Roberts 算子、Prewitt 算子和 Sobel 算子，二阶微分算子有 Laplace 算子和 Kirsh 算子等。在实际中多个微分算子惯用社区域模板来表达，微分运算是运用模板和图像卷积来实现。这些算子对噪声敏感，只适合于噪声较小不太复杂的图像。 水域分割是借鉴了形态学理论的分割办法，其本质是运用了图像的区域特性进行分割图像。将边沿检测与区域生长的优点相结合。3. 功效分析及设计用全局阈值、OTSU 及迭代法求阈值。成果如图 2,3 所示I=imread('');[width,height]=size(I);%otsu algorithmlevel=graythresh(I);BW=im2bw(I,level);figureimshow(BW)%global thresholdfor i=1:width for j=1:height if(I(i,j) < 80) BW1(i,j)=0; else BW1(i,j)=1; end endendfigureimshow(BW1)%迭代求阈值I=double(I);T=(min(I(:))+max(I(:)))/2;done=false;i=0;while ~done r1=find(I<=T); r2=find(I>T); Tnew=(mean(I(r1))+mean(I(r2)))/2; done=abs(Tnew -T)<1; T=Tnew; i=i+1;endI(r1)=0;I(r2)=1;Figure;imshow(I)用分水岭算法分割图像：center1=-...
