Matlab图像分割

第一部分.图像分割的含义

图像分割是根据图像的灰度、颜色、几何形状、空间纹理等特征把图像分割为若干个互不相交的区域；实际上就是将自己在图片中的目标给提取出来，与背景分离；

第二部分.Matlab的图像分割的种类

1.边缘检测法（利用目标与背景之间交界处的差别，提取边缘）

2.阈值分割法（设定一个阈值，低于该阈值的地方为0黑，高于该阈值的地方为1白）

3.区域分割法（）

第三部分.边缘检测法

主要的检测方式：微分算子（Roberts算子、Sobel算子、Prewit算子），LOG算子，Canny算子；

1.图像中线段的检测：

和滤波一样，要有模板，总共四种最基本的模板：

[-1 -1 -1; 2 2 2; -1 -1 -1] 水平检测

[-1 -1 2; -1 2 -1; 2 -1 -1] +45度检测

[-1 2 -1; -1 2 -1; -1 2 -1] 竖直检测

[2 -1 -1; -1 2 -1; -1 -1 2] -45度检测

然后将模板和图像进行结合滤波，用imfilter函数

2.微分算子

<1>Roberts算子：

clc
clear all
I = imread('dream.jpg');
I=rgb2gray(I);
[J, thresh] = edge(I, 'Roberts', 30/255); %进行边缘检测 ,Roberts算子, 分割阈值为30/255
figure;
subplot(121),imshow(I);
subplot(122),imshow(J);

里面的30/255是分割阈值，实际的阈值为thresh*256,这里的thresh为归一化后的值；

<2>Sobel算子：用法和Roberts算子的用法一样，只需将edge中的参数改成Sobel

<3>Prewit算子：用法和Roberts算子的用法一样，只需将edge中的参数改成Prewit

3.LOG算子：

在edge函数应用中，log和canny都对应着sigma参数，其是对应滤波器的标准差；Canny对应的是高斯滤波器（默认为sqrt（2）），LOG对应的是高斯拉普拉斯滤波器（默认为2）

4.Canny算子：

其特别的地方是他的阈值包括两个，一个低阈值，一个高阈值；忽略低于低阈值的边缘部分，保留高于高阈值的部分；

第四部分.阈值分割法

1.可以借助直方图来设置阈值，我们首先读取灰度图片，然后用imhist函数去显示直方图；

%图像分割（全局阈值，借助直方图）
clc
clear all
I=rgb2gray(imread('dream.jpg'));
figure (1)
imhist(I);
R=I>125;%大于125的地方为白（1），小于为黑（0）
figure(2);
imshow(R);

可以看出我们可以从直方图中找出一个阈值，根据这个阈值来判断；

2.Otsu阈值分割，可以借助函数graythresh来自动获取阈值，然后根据这个阈值进行分割；

%Otsu阈值分割
clc
clear all
I=rgb2gray(imread('dream.jpg'));
M=graythresh(I);%自动获取阈值
J=im2bw(I,M);%根据M的大小来进行分割
figure;
imshow(J);

3.迭代阈值分割，其原理很简单，首先是读取灰度图片，设置一个精度值（这里设的是S），在设置一个初值变量S1等于灰度图最大值和最小值之和的二分之一，再设置两个变量r1和r2，r1是所有大于初值变量S1的元素和，r2是所有小于等于S1的元素和；在设置变量S2等于（r1的平均数+r2的平均数）/2；在进入while循环，经过转换，让S1等于S2，再重复进行前几步，直到精度小于设定的精度S1；这时得到的S2为阈值，再通过im2bw来显示二值图；

%迭代式阈值分隔法
clc
clear all
I=rgb2gray(imread('dream.jpg'));
I=im2double(I);
S=0.1;
S1=(max(I(:))+min(I(:)))/2;
r1=find(I>S1);
r2=find(I<=S1);
S2=(mean(I(r1))+mean(I(r2)))/2;
while abs(S2-S1)>SS1=S2;r1=find(I>S1);r2=find(I<=S1);S2=(mean(I(r1))+mean(I(r2)))/2;
end
J=im2bw(I,S2);
figure;
imshow(J);

第五部分.区域分割法

1. 区域生长法：
区域生长是将一个种子（即点）不断地与周身的点进行比较然后融合行程大的区域，融合的条件是与周身邻域的点的相似度要小于一定的精度；然后不断地向外扩张融合，直到所以相似的点都被融合之后停止，这里我们用灰度值来进行测量；

区域生长一般分为以下几步：

1.确定种子点

2.确定是使用8邻域还是4邻域作为融合对象

3.灰度值之差与阈值之比（也可加上其他的判断条件，根据实际情况来设定）

4.直到停止生长，即再也没有满足生长的点

举例：

clc
clear all
I=rgb2gray(imread('dream.jpg'));
if isinteger(I)%判断是否为整数数组，若不为整数数组I的值过大，这样设置的精度就得改变，不能太小，否则无法得到想要的图片I=im2double(I);
end
figure
imshow(I)
[M,N]=size(I);
[y,x]=getpts; %单击取点后，按enter结束
x1=round(x);%获得整数x
y1=round(y);%获得整数y
seed=I(x1,y1); %获取中心像素灰度值grow1=zeros(M,N);%要绘制二值图，就可以先设置为0数组
grow1(x1,y1)=1;%种子点设为1，满足条件的点在后续判断中也会设为一growcount=1; %待处理点个数
threshold=0.15;%与isinteger相互结合起来理解，如果没有isinteger，该值应该变得很大while growcount>0growcount=0;for i=1:M %让种子去融合图片中满足的所有点for j=1:Nif grow1(i,j)==1 %点在"栈"内，即一开始先检测到种子点，然后根据判断条件去判断种子点邻域的点是否满足条件，若满足为1，然后进行下一轮循环进行判断，直到循环时没有点可以满足添加进行融合了if (i-1)>1&(i+1)<M&(j-1)>1&(j+1)<N %确保可以将8邻域完全放置for u=-1:1 %8邻域生长for v=-1:1if (grow1(i+u,j+v)==0&abs(I(i+u,j+v)-seed)<=threshold)%只有在点为0的时候才进行，否则gowtcount会计算错误grow1(i+u,j+v)=1;%种子合并其他点，只要满足条件的点都会和种子点一样置1growcount=growcount+1;  %记录此次新生长的点个数endendendendendendend
endsubplot(1,2,1),imshow(I);
title("original image")
subplot(1,2,2),imshow(grow1);
title("growed image")

可以参考基于matlab的区域生长算法实现_minisal的博客-CSDN博客_matlab区域生长代码，内容都在里面注释了，只要把区域生长的步骤弄明白，代码自然就会看懂；

2.分水岭分割法：

分水岭转换法一般包括以下几个步骤：

1.读取灰度图

2.设置前景标记（通过重建开和重建闭来清理图像），腐蚀+重建开

3.膨胀+重建闭

4.形态学重建+图像取反

5.求局部最大值+将灰度图和局部最大值进行结合

6.对局部最大值消除周边杂乱的点（先闭操作，再腐蚀）

7.将修改后的局部最大值与灰度图结合

8.计算背景标记，用清理完的图像（即经过重建开与重建闭的图像）进行二值化

9.但理想情况下，我们不希望背景标记离我们要分割的对象的边缘太近，所以我们可以通过计算bw距离变换的分水岭变换，然后寻找结果的分水岭脊线来完成

10.用imimposemin函数修改梯度幅度图像，让区域最小值显示在前景和背景标记的像素上；

11.对修改的梯度幅度图像进行分水岭分割（分割物体的边界）

12.最后进行可视化的显示，可以将原灰度图与前景标记、背景标记、分割物体的结合到一个图片上，前景和背景标记缩放到不同的整数值，以便为它们分配不同的标签。

举例：

clc
clear all
I=rgb2gray(imread('apple.jpg'));
tidu=imgradient(I);
% figure;
% imshow(tidu,[]);
se=strel('disk',20);
fs=imerode(I,se);
fscj=imreconstruct(fs,I);
pz=imdilate(fscj,se);
pzcj=imcomplement(imreconstruct(imcomplement(pz),imcomplement(fscj)));
figure;
imshow(pzcj);
dgm=imregionalmax(pzcj);
figure;
imshow(dgm);
I2=labeloverlay(I,dgm);
figure;
imshow(I2);
se2 = strel(ones(5,5));
fgm2 = imclose(dgm,se2);
fgm3 = imerode(dgm,se2);
figure;
imshow(fgm3);
fgm4=bwareaopen(fgm3,15);
%I3=labeloverlay(I,fgm4);
I(fgm4)=255;
figure
imshow(I);
bw1=imbinarize(pzcj);
D = bwdist(bw1);
DL = watershed(D);
bgm = DL == 0;
figure;
imshow(bgm);
gmag2 = imimposemin(tidu, bgm|fgm4);
L=watershed(gmag2);
labels = imdilate(L==0,ones(3,3)) + 2*bgm + 3*fgm4;
I4 = labeloverlay(I,labels);
figure;
imshow(I4);

Matlab图像分割相关推荐

matlab 图像分割
matlab图像分割什么是图像分割固定阈值分割自适应阈值分割分割效果增强平滑处理什么是图像分割将数字图像划分成不相交,不重合的区域的过程就叫图像分割. 这很像PhotoShop里面的快速 ...
MATLAB图像分割和形态学处理
MATLAB图像分割和形态学处理一.实验目的掌握图像分割的基本方法. 掌握形态学处理的基本方法. 学会使用MATLAB编程实现上述方法. 二.实验任务 (1)编程实现基于阈值的图像分割方法和边缘检 ...
matlab 图像分割提取人像_几种典型的图像处理技术（分类目标提取目标跟踪语义分割实例分割）...
目前,在处理海上无人艇的感知系统的开发.其中,比较核心的一个部分就是基于光电的目标识别(Object Detection). 任务目标如图所示,从包含舰艇的图片中,标识舰艇的位置本文的学习笔记,主 ...
Matlab图像分割---使用dice相似系数方法进行图像分割精度验证
实例1:计算二值分割图像的dice相似系数实例2:计算多区域分割图像的dice相似系数本例程的配套完整源码和图片素材下载描述: similarity = dice(BW1,BW2) 计算二进制图 ...
matlab 图像分割库,图像分割Matlab代码
图像分割Matlab代码图像分割 Matlab 代码(一)图像边缘检测不同方法比较将 Roberts.Sobel.Prewitt.LOG.Canny 算子等经典图像分割算法对灰度图像分割的结果进行比 ...
Matlab 图像分割 (阈值处理)
图像分割图像处理中很重要的概念就是图像分割,在很多应用都需要图像分割的处理,例如产品检测,目标识别,匹配等.图像分割的概念,我之前在其他博客中描述过,分割:就是在一幅图像中,提取出感 ...
【MATLAB教程案例23】基于MATLAB图像分割算法仿真——阈值分割法、Otsu阈值分割法、K均值聚类分割法等
FPGA教程目录 MATLAB教程目录目录 1.软件版本 2.通过二值图实现图像分割 3.通过Otsu阈值分割实现图像分割
matlab 图像分割提取人像_数字图像处理实验合集（含代码、报告）
数字图像处理(MATLAB) 实验一一.实验名称图像的采样与量化二.实验目的 1.熟悉MATLAB软件的使用. 2.掌握采样与量化的原理及数学运算. 3.于MATLAB环境下编程实现对图片的不同 ...
MATLAB实战系列（三十八）-基于K-means聚类算法的MATLAB图像分割
前言以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断更新的动力哟! MATLAB-30天带你从入门到精通 MATLAB深入理解高级教程(附源码) tableau可视化数据 ...
svm matlab 图像分割,勇哥的视觉实验：SVM分类器（二）支持向量机的应用例子，图片分割...
前言: ========================================================== 分类器相对于深度学习来讲是一种古老传统的图片处理技术.halcon中常见的 ...

Matlab图像分割

Matlab图像分割相关推荐

最新文章

热门文章