【数字图像处理】实验四图像分割

水深无声 2022-10-15 12:58 328阅读 0赞

### 实验四 图像分割 ###

*  1 实验目的
 *  2 实验环境
 *  3 实验内容
 *  4 实验心得

# 1 实验目的 #

1.  理解图像分割的基本概念。
2.  理解图像边缘提取的基本概念。
3.  掌握用阈值法和边缘提取方法进行图像分割。

# 2 实验环境 #

matlab

# 3 实验内容 #

> 1、采用阈值法实现图像分割，分别采用两种阈值选取方法实现。

%（1）lab41.m
    close all;
    clear;
    clc;
    
    I=imread('lab4.jpg');
    I=rgb2gray(I);
    I1=double(I);
    
    figure('NumberTitle','off','name','直方图');
    %显示各图像
    subplot(1,2,1);     imshow(I);     title('原始图像','FontName','宋体');
    subplot(1,2,2);     imhist(I);     title('直方图','FontName','宋体');   ylim('auto');
    
    J1=histSeg(I,0,120,0);
    % J1=im2bw(I,120/255); 
    
    figure('NumberTitle','off','name','直方图门限选择');
    %显示各图像
    subplot(1,2,1);     imshow(I);     title('原始图像','FontName','宋体');
    subplot(1,2,2);     imshow(J1);     title('直方图门限选择','FontName','宋体');
    
    J2=iterationSeg(I,0.1,0);
    figure('NumberTitle','off','name','迭代阈值分割');
    %显示各图像
    subplot(1,2,1);     imshow(I);     title('原始图像','FontName','宋体');
    subplot(1,2,2);     imshow(J2);     title('迭代阈值分割','FontName','宋体');
    
    %Otsu阈值进行分割
    T=graythresh(I);
    J3=im2bw(I,T);
    
    figure('NumberTitle','off','name','Otsu分割');
    subplot(1,2,1);     imshow(I);     title('原始图像','FontName','宋体');
    subplot(1,2,2);     imshow(J3);     title('Otsu分割——系统函数实现','FontName','宋体');

%（2）直方图门限选择histSeg.m
    function j=histSeg(i,T1,T2,n)
    
    [width,height]=size(i);
    
    for x=1:width
        for y=1:height
            if(i(x,y)>=T1&&i(x,y)<=T2)
                j(x,y)=n;
            else 
                j(x,y)=abs(n-1);
            end
        end
    end

%（3）迭代阈值分割iterationSeg.m
    function j=iterationSeg(i,val,n)
    
    [width,height]=size(i);
    j=zeros(width,height);
    
    T1=(min(i(:))+max(i(:)))/2;%计算输入图像灰度中值
    %基于T1将图像分为left和right两部分
    left=i<=T1;
    right=i>T1;
    
    %计算两部分灰度均值的灰度中值
    T2=(mean(i(right))+mean(i(left)))/2;
    
    while abs(T2-T1)<val%判断有无满足精度要求
        T1=T2;
        right=i>T1;
        left=i<=T1;
        T2=(mean(i(right))+mean(i(left)))/2;
    end
    
    %基于T2进行阈值分割
    for row=1:width
        for col=1:height
            if(i(row,col)<T2)
                j(row,col)=n;
            else 
                j(row,col)=abs(n-1);
            end
        end
    end

原始图像的灰度直方图  
![原始图像的灰度直方图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70]  
直方图门限选择  
![直方图门限选择][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 1]  
迭代阈值分割  
![迭代阈值分割][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 2]  
Otsu分割系统函数实现  
![Otsu分割系统函数实现][Otsu]

> 2、分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测，比较三种算子处理的不同之处。

%（1）主函数lab42.m
    close all;
    clear;
    clc;
    
    I=imread('lab4.jpg');%输入图像
    I=rgb2gray(I);
    
    I1=im2bw(I);
    J1=Roberts(I1);%用Roberts算子进行边缘检测
    J2=Sobel(I1);%用Sobel算子进行边缘检测
    J3=LOG(I1);%用Log算子进行边缘检测
    
    % J1=edge(I,'roberts');%用Roberts算子进行边缘检测
    % J2=edge(I,'sobel'); %用Sobel算子进行边缘检测
    % J3=edge(I,'log'); %用Log算子进行边缘检测
    
    figure('NumberTitle','off','name','边缘检测'),
    subplot(2,2,1);imshow(I);title('原始图像','FontName','宋体');
    subplot(2,2,2);imshow(J1);title('Roberts算子','FontName','宋体');
    subplot(2,2,3);imshow(J2);title('Sobel算子','FontName','宋体');
    subplot(2,2,4);imshow(J3);title('LOG算子','FontName','宋体');

%（2）自定义Roberts算子Roberts.m
    function j=Roberts(i)
    
    [width,height]=size(i);%得到图像的长和宽
    j=i;
    
    %Roberts算子
    Tx=[-1 0;0 1];  
    Ty=Tx';
    
    [n,n]=size(Tx);
    
    for row=1:width-(n-1)
        for col=1:height-(n-1)%height
            mark=i(row:row+(n-1),col:col+(n-1));
            temp=Tx.*mark;
            tempX=temp(:);
            temp=Ty.*mark;
            tempY=temp(:);
            pointX=0;
            pointY=0;
            for loc=1:n*n
                pointX=pointX+tempX(loc);
                pointY=pointY+tempY(loc);
            end
            j(row,col)=abs(pointX)+abs(pointY);
        end
    end

%（3）自定义Sobel算子Sobel.m
    function j=Sobel(i)
    
    [width,height]=size(i);%得到图像的长和宽
    j=i;
    
    %Sobel算子
    Tx=[-1 -2 -1;0 0 0;1 2 1];
    Ty=Tx';
    [n,n]=size(Tx);
    
    for row=1:width-(n-1)
        for col=1:height-(n-1)
            mark=i(row:row+(n-1),col:col+(n-1));
            temp=Tx.*mark;
            tempX=temp(:);
            temp=Ty.*mark;
            tempY=temp(:);
            pointX=0;
            pointY=0;
            for loc=1:n*n
                pointX=pointX+tempX(loc);
                pointY=pointY+tempY(loc);
            end
            j(row+(n-1)/2,col+(n-1)/2)=sqrt(pointX^2+pointY^2);
        end
    end

%（4）自定义LOG算子LOG.m
    function j=LOG(i)
    
    [width,height]=size(i);%得到图像的长和宽
    j=i;
    
    %LOG算子
    T=[-2 -4 -4 -4 -2;-4 0 8 0 -4;-4 8 24 8 -4;-4 0 8 0 -4;-2 -4 -4 -4 -2];
    [n,n]=size(T);
    
    for row=1:width-(n-1)
        for col=1:height-(n-1)
            mark=i(row:row+(n-1),col:col+(n-1));
            temp=T.*mark;
            temp=temp(:);
            point=0;
            for loc=1:n*n
                point=point+temp(loc);
            end
            point=point/(n*n);
            j(row:row+(n-1),col:col+(n-1))=point;
        end
    end

自定义算子边缘检测  
![自定义算子边缘检测][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 3]  
系统函数edge边缘检测  
![系统函数edge边缘检测][edge]

> 3、实现肺的分割，结果包括两部分：肺（白色显示）和背景（黑色显示）。

% lab43.m
    close all;
    clear;
    clc;
    
    I=imread('lab4.tif');
    I=rgb2gray(I);
    I1=double(I);
    
    J1=iterationSeg(I,0.1,0);
    J2=imcomplement(J1); %图像二值反转
    
    L=bwlabel(J2,8);%连通标记
    s = regionprops(L,'Area');%将连通标记结果对应连通区域计算面积
    J2=ismember(L,find([s.Area]>=400&[s.Area]<=16000));%去除面积过大的（为背景）和面积过小的（为气管），得到肺实质初始区域
    
    imwrite(J2,'lab52.tif');
    
    figure('NumberTitle','off','name','迭代阈值分割');
    %显示各图像
    subplot(2,2,1);     imshow(I);     title('原始图像','FontName','宋体');
    subplot(2,2,3);     imshow(J1);     title('迭代阈值分割','FontName','宋体');
    subplot(2,2,4);     imshow(J2);     title('分割肺','FontName','宋体');

肺（白）和背景（黑）  
![肺（白）和背景（黑）][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 4]

# 4 实验心得 #

进一步理解了图像分割和边缘检测。edge函数进行边缘检测的边缘并不连续。  
关于肺的分割，其核心是将肺实质分割出来，而诸如躯干、气管等如果不加处理，后续计算量将增加。  
![肺部CT图像][CT]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70]: /images/20221014/9c566a3f1e134447b6b15f610237ae2d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 1]: /images/20221014/6616904eccd54f6dadff3eb8cf987bcb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 2]: /images/20221014/ce9bd53576284da6987dcb548623e28f.png
[Otsu]: /images/20221014/0e025742b24149b5a5ab35ade124389a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 3]: /images/20221014/7891eb0b9fba43858f7986ee034f7c5d.png
[edge]: /images/20221014/0787c90ab8624e3e973df7b7f66f32c6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzE0NTIx_size_16_color_FFFFFF_t_70 4]: /images/20221014/50308ed3a89b4ec0b3cff84651e35335.png
[CT]: /images/20221014/9dd37b6ab6a34889aa56b243d60189c9.png