实验四数字图像滤波及边缘检测

实验四数字图像滤波及边缘检测第一页，共二十九页，2022年，8月28日了解图像复原的基本方法。了解图像边缘检测。利用MATLAB提供的函数实现对图像处理。一、实验目的第二页，共二十九页，2022年，8月28日二、实验原理图像恢复和图像增强一样，都是为了改善图像的视觉效果，以便后续处理。只是图像增强方法更偏重于主观判断，而图像恢复则是根据图像畸变或退化原因，进行模型处理。图像分割是图像检索、识别和图像理解的基本前提。第三页，共二十九页，2022年，8月28日1、图像中值滤波中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。中值滤波的优点是运算简单且速度较快，在某些条件下，中值滤波方法可以去除噪声，保护图像边缘，使图像较好地复原。它非常适用于一些线性滤波器无法胜任的数字图像处理的应用场合。第四页，共二十九页，2022年，8月28日中值滤波的基本原理中值滤波的基本原理是把数字图像或数字序列中一点的值用该点邻域中各点值的中值替代。例如：有一个序列为(2,3,4,5,6),这个序列的中值为4。中值滤波器用于图像处理中是这样进行的:设置一个滤波窗口，将其移遍图像(序列)上的点，且用窗口内各原始值的中值代替窗口中心点的值。第五页，共二十九页，2022年，8月28日利用Matlab实现数字图像中值滤波应用Matlab软件中图像处理工具箱的函数。二维中值滤波器的函数格式如下:B=Medfilt2(A,[mn])；

B=Medfilt2(A)。(缺省窗口大小为[33])

第六页，共二十九页，2022年，8月28日函数：imnoise()

格式：

J=imnoise(I,type,……)type:‘gaussian’Gauss白噪声‘salt&pepper’椒盐噪声‘speckle’乘法噪声图像中添加噪声第七页，共二十九页，2022年，8月28日‘gaussian’Gauss白噪声参数设置:M、V：在图像中加入均值为M、方差为V的高斯白噪声。(缺省M=0,V=0.01)J=imnoise(I,’gaussian’,M,V)‘salt&pepper’

椒盐噪声参数设置:D:在图像I中加入强度为D的“椒盐”黑白像素点.(缺省为0.05)J=imnoise(I,’

salt&pepper’,D)‘speckle’

乘法噪声参数设置:J=imnoise(I,’

speckle’,V),使用公式J=I+n*I,向图像I中加入乘法噪声,其中n是均值为0,方差为V均匀分布的随机噪声.(V的缺省值为0.04)第八页，共二十九页，2022年，8月28日x=imread(‘dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j1=imnoise(i,'gaussian',0,0.04);subplot(2,2,2);subimage(j1);j2=imnoise(i,'salt&pepper',0.04);subplot(2,2,3);subimage(j2);j3=imnoise(i,'speckle',0.08);subplot(2,2,4);subimage(j3);第九页，共二十九页，2022年，8月28日第十页，共二十九页，2022年，8月28日a=imread('dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j=imnoise(i,'salt&pepper',0.04);subplot(2,2,2);subimage(j);c=medfilt2(j,[22]);subplot(2,2,3);subimage(c);d=medfilt2(j,[55]);subplot(2,2,4);subimage(d);对加噪的图像进行二维中值滤波第十一页，共二十九页，2022年，8月28日第十二页，共二十九页，2022年，8月28日2、边缘检测在对图像的研究和应用中，人们往往仅对各幅图像中的某些部分感兴趣，需要将这些有关区域分离提取出来，在此基础上对相关目标作进一步的处理。分割算法借助灰度图像中像素灰度值的两个性质：不连续性和相似性。区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性。利用区域间灰度不连续性的基于边界的算法；利用区域内灰度相似性的基于区域的算法。第十三页，共二十九页，2022年，8月28日根据分割过程中处理策略的不同并行算法所有判断和决定都可独立和同时地做出。串行算法前期处理的结果可被其后的处理过程所利用。两种算法的对比串行算法所用时间要长与并行算法，但其抗噪声能力则强于并行算法。第十四页，共二十九页，2022年，8月28日分割算法分类表注意：现在尚无一种适合于所有图像的通用分割算法，现在提出的分割算法大都是针对具体问题的。分类边界（不连续性）区域（相似性）并行处理PBPR串行处理SBSR第十五页，共二十九页，2022年，8月28日边缘检测采用并行边界技术。两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果，这种不连续常可利用求导的方法检测到。一般常用一阶和二阶导数来检测边缘。微分算子边缘检测可借助空域微分算子通过卷积完成。梯度算子；拉普拉斯算子；综合正交算子。第十六页，共二十九页，2022年，8月28日边界闭合利用各种算子得到的边缘像素常常是孤立或分小段连续的。为组成区域的封闭边界将不同的区域分开，需要将边缘像素连接起来。哈夫变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的方法。

第十七页，共二十九页，2022年，8月28日MATLAB实例提取二进制图像的轮廓。语法：BW2=bwmorph(BW1,operation)operation取值：'bridge';'clean';'close';'fill';‘majority’;‘remove’;‘shrink’;‘skel’等。第十八页，共二十九页，2022年，8月28日BW1=imread('circles.png');subplot(2,2,1);subimage(BW1);BW2=bwmorph(BW1,'remove');subplot(2,2,2);subimage(BW2)第十九页，共二十九页，2022年，8月28日检测灰度图像的边缘格式：

BW=edge(I,method)I=imread('rice.png');imshow(I);BW1=edge(I,'prewitt');figure;imshow(BW1);BW2=edge(I,'canny');figure;imshow(BW2);第二十页，共二十九页，2022年，8月28日第二十一页，共二十九页，2022年，8月28日区域生长法分割图像主要考虑像素及其空间邻域像素之间的关系，开始时确定一个或多个像素点作为种子，然后按照某种相似准则增长区域，逐步生成具有某种均匀性的空间区域，将相邻（4邻域或8邻域）的具有相似性质的像素或区域归并从而逐步增长区域，直到没有可以归并的点或其他小区域为止。区域内像素的相似性度量可以是平均灰度值、纹理或颜色等信息。第二十二页，共二十九页，2022年，8月28日区域生长由3个主要步骤组成选择合适的种子点。确定生长准则。确定生长停止条件。第二十三页，共二十九页，2022年，8月28日工具函数imreconstrct()语法格式：

outim=imreconstruct(markerim,maskim)其中：

markerim标记图像

maskim模板图像工具函数的工作过程是一个迭代过程。第二十四页，共二十九页，2022年，8月28日对一幅灰度图像用区域生长法进行分割首先指定几个种子点，其次把图像中灰度值等于种子点的像素点作为种子点，然后以种子点为中心，各像素点与种子点的灰度值的差不超过某个值。则认为该像素点和种子点具有相似性。第二十五页，共二十九页，2022年，8月28日MATLAB参考程序a=imread('dog1.jpg');I=rgb2gray(a);subplot(1,2,1);imshow(I);seedx=[256,128,64];seedy=[128,256,128];holdonplot(seedx,seedy,'gs','linewidth',1);title('原始图像及种子位置');I=double(I);markerim=I==I(seedy(1),seedx(1));fori=2:length(seedx)markerim=markerim|(I==I(seedy(i),seedx(i)));endthresh=[15,10,15];maskim=zeros(size(I));fori=1:length(seedx)g=abs(I-I(seedy(i),seedx(i)))<=thresh(i);maskim=maskim|g;end[g,nr]=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(1,2,2);imshow(g);title('三个种子点区域生长结果');第二十六页，共二十九页，2022年，8月28