实验四数字图像滤波及边缘检测讲稿.ppt

《实验四数字图像滤波及边缘检测讲稿.ppt》由会员分享，可在线阅读，更多相关《实验四数字图像滤波及边缘检测讲稿.ppt（29页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、实验四数字图像滤波及边缘检测第一页，讲稿共二十九页哦了解图像复原的基本方法。了解图像复原的基本方法。了解图像边缘检测。了解图像边缘检测。利用利用MATLABMATLAB提供的函数实现对图像处理。提供的函数实现对图像处理。一、实验目的一、实验目的第二页，讲稿共二十九页哦二、实验原理二、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。或退化原因，进行模型处理。图像

2、分割是图像检索、识别和图像理解的基本前提图像分割是图像检索、识别和图像理解的基本前提。第三页，讲稿共二十九页哦1、图像中值滤波、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。器无法胜任的数字图像处理

3、的应用场合。第四页，讲稿共二十九页哦中值滤波的基本原理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。用该点邻域中各点值的中值替代。例如：有一个序列为例如：有一个序列为(2 2,3 3,4 4,5 5,6 6),),这个序列的中值为这个序列的中值为4 4。中值滤波器用于图像处理中是这样进行的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，设置一个滤波窗口，将其移遍图像将其移遍图像(序列序列)上的点，且用窗口内各原始值的中值代替窗上的点，且用窗口内各原始值的中值代替窗口中心点的值。口中心点

4、的值。第五页，讲稿共二十九页哦利用利用MatlabMatlab实现数字图像中值滤波实现数字图像中值滤波应用应用Matlab Matlab 软件中图像处理工具箱的函数。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二维中值滤波器的函数格式如下:B=Medfilt2(A,m n)B=Medfilt2(A,m n)；B=Medfilt2(A)B=Medfilt2(A)。(缺省窗口大小为缺省窗口大小为3 3)3 3)第六页，讲稿共二十九页哦函数：函数：imnoise()imnoise()格式：格式：J=imnoise(I,type,)type:gaussian Gauss白噪声白噪声 sal

5、t&pepper 椒盐噪声椒盐噪声 speckle 乘法噪声乘法噪声 图像中添加噪声图像中添加噪声第七页，讲稿共二十九页哦gaussiangaussian Gauss Gauss白噪声参数设置白噪声参数设置:M M、V V：在图像中加入均值为：在图像中加入均值为M M、方差为、方差为V V的高斯白的高斯白噪声。噪声。(缺省缺省M=0,V=0.01)M=0,V=0.01)J=imnoise(I,J=imnoise(I,gaussiangaussian,M,V),M,V)salt&peppersalt&pepper 椒盐噪声参数设置椒盐噪声参数设置:D:D:在图像在图像I I中加入强度为中加入强度

6、为D D的的“椒盐椒盐”黑白像素点黑白像素点.(缺省为缺省为0.05)0.05)J=imnoise(I,J=imnoise(I,salt&pepper,D),D)specklespeckle 乘法噪声参数设置乘法噪声参数设置:J=imnoise(I,J=imnoise(I,speckle,V),V),使用公式使用公式J=I+nJ=I+n*I,I,向图向图像像I I中加入乘法噪声中加入乘法噪声,其中其中n n是均值为是均值为0,0,方差为方差为V V均匀分布的均匀分布的随机噪声随机噪声.(V.(V的缺省值为的缺省值为0.04)0.04)第八页，讲稿共二十九页哦x=imread(x=imread(

7、dog.jpg,jpg);dog.jpg,jpg);i=rgb2gray(x);i=rgb2gray(x);subplot(2,2,1);subplot(2,2,1);subimage(i);subimage(i);j1=imnoise(i,gaussian,0,0.04);j1=imnoise(i,gaussian,0,0.04);subplot(2,2,2);subplot(2,2,2);subimage(j1);subimage(j1);j2=imnoise(i,salt&pepper,0.04);j2=imnoise(i,salt&pepper,0.04);subplot(2,2,3)

8、;subplot(2,2,3);subimage(j2);subimage(j2);j3=imnoise(i,speckle,0.08);j3=imnoise(i,speckle,0.08);subplot(2,2,4);subplot(2,2,4);subimage(j3);subimage(j3);第九页，讲稿共二十九页哦第十页，讲稿共二十九页哦a=imread(dog.jpg,jpg);a=imread(dog.jpg,jpg);i=rgb2gray(x);i=rgb2gray(x);subplot(2,2,1);subimage(i);subplot(2,2,1);subimage(i

9、);j=imnoise(i,salt&pepper,0.04);j=imnoise(i,salt&pepper,0.04);subplot(2,2,2);subimage(j);subplot(2,2,2);subimage(j);c=medfilt2(j,2 2);c=medfilt2(j,2 2);subplot(2,2,3);subimage(c);subplot(2,2,3);subimage(c);d=medfilt2(j,5 5);d=medfilt2(j,5 5);subplot(2,2,4);subimage(d);subplot(2,2,4);subimage(d);对加噪的

10、图像进行二维中值滤波对加噪的图像进行二维中值滤波第十一页，讲稿共二十九页哦第十二页，讲稿共二十九页哦2 2、边缘检测、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。上对相关目标作进一步的处理。分割算法分割算法 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。区域内部的像素一般具有灰度相似性，

11、而在区域之间的边界上一般具有灰度不连续性。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。利用区域内灰度相似性的基于区域的算法。第十三页，讲稿共二十九页哦根据分割过程中处理策略的不同根据分割过程中处理策略的不同并行算法并行算法 所有判断和决定都可独立和同时地做出。所有判断和决定都可独立和同时地做出。串行算法串行算法 前期处理的结果可被其后的处理过程所利用。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串行算法所用时间要长与并

12、行算法，但其抗噪声能力则强于并行算法。并行算法。第十四页，讲稿共二十九页哦分割算法分类表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。在提出的分割算法大都是针对具体问题的。分类分类边界（不连续性边界（不连续性）区域（相似性）区域（相似性）并行处理并行处理PBPR串行处理串行处理SBSR第十五页，讲稿共二十九页哦边缘检测边缘检测采用并行边界技术。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

13、常可利用求导的方法检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。测到。一般常用一阶和二阶导数来检测边缘。微分算子微分算子 边缘检测可借助空域微分算子通过卷积完成。边缘检测可借助空域微分算子通过卷积完成。梯度算子；梯度算子；拉普拉斯算子；拉普拉斯算子；综合正交算子。综合正交算子。第十六页，讲稿共二十九页哦边界闭合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。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。像素连接起来。哈夫变

14、换哈夫变换 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。法。第十七页，讲稿共二十九页哦MATLABMATLAB实例实例提取二进制图像的轮廓。提取二进制图像的轮廓。语法：语法：BW2=bwmorph(BW1,operation)BW2=bwmorph(BW1,operation)operationoperation取值：取值：bridge;clean;close;fill;majority;remove;shrink;skel等。等。第十八页，讲稿共二十九页哦BW1=imread(BW1=imread(circles.p

15、ngcircles.png););subplot(2,2,1);subplot(2,2,1);subimage(BW1);subimage(BW1);BW2=bwmorph(BW1,BW2=bwmorph(BW1,removeremove););subplot(2,2,2);subplot(2,2,2);subimage(BW2)subimage(BW2)第十九页，讲稿共二十九页哦检测灰度图像的边缘检测灰度图像的边缘格式：格式：BW=edge(I,method)BW=edge(I,method)I=imread(rice.png);I=imread(rice.png);imshow(I);im

16、show(I);BW1=edge(I,prewitt);BW1=edge(I,prewitt);figure;figure;imshow(BW1);imshow(BW1);BW2=edge(I,canny);BW2=edge(I,canny);figure;figure;imshow(BW2);imshow(BW2);第二十页，讲稿共二十九页哦第二十一页，讲稿共二十九页哦区域生长法分割图像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，逐步生成具个像素点作为种子

17、，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（有某种均匀性的空间区域，将相邻（4 4邻域或邻域或8 8邻域）的具有相似邻域）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。平均灰度值、纹理或颜色等信息。第二十二页，讲稿共二十九页哦区域生长由区域生长由3 3个主要步骤组成个主要步骤组成选择合适的种子点。选择合适的种子点。确定生长准则。确定生长准则。确定生长停止条件。确定生

18、长停止条件。第二十三页，讲稿共二十九页哦工具函数工具函数imreconstrct()imreconstrct()语法格式：语法格式：outim=imreconstruct(markerim,maskim)outim=imreconstruct(markerim,maskim)其中：其中：markerim markerim 标记图像标记图像 maskim maskim 模板图像模板图像 工具函数的工作过程是一个迭代过程。工具函数的工作过程是一个迭代过程。第二十四页，讲稿共二十九页哦对一幅灰度图像用区域生长法进行分割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首

19、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。像素点和种子点具有相似性。第二十五页，讲稿共二十九页哦MATLABMATLAB参考程序参考程序a=imread(dog1.jpg);a=imread(dog1.jpg);I=rgb2gray(a);I=rgb2gray(a);subplot(1,2,1);imshow(I);subplot(1,2,1);imshow(I);seedx=256,

20、128,64;seedx=256,128,64;seedy=128,256,128;seedy=128,256,128;hold onhold onplot(seedx,seedy,gs,linewidth,1);plot(seedx,seedy,gs,linewidth,1);title(title(原始图像及种子位置原始图像及种子位置););I=double(I);I=double(I);markerim=I=I(seedy(1),seedx(1);markerim=I=I(seedy(1),seedx(1);for i=2:length(seedx)for i=2:length(seed

21、x)markerim=markerim|(I=I(seedy(i),seedx(i);markerim=markerim|(I=I(seedy(i),seedx(i);endendthresh=15,10,15;thresh=15,10,15;maskim=zeros(size(I);maskim=zeros(size(I);for i=1:length(seedx)for i=1:length(seedx)g=abs(I-I(seedy(i),seedx(i)=thresh(i);g=abs(I-I(seedy(i),seedx(i)=thresh(i);maskim=maskim|g;ma

22、skim=maskim|g;endendg,nr=bwlabel(imreconstruct(markerim,maskim),8);g,nr=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);g=mat2gray(g);subplot(1,2,2);imshow(g);subplot(1,2,2);imshow(g);title(title(三个种子点区域生长结果三个种子点区域生长结果););第二十六页，讲稿共二十九页哦三、实验内容三、实验内容任选一幅图像，对其添加某种噪声，选取一种滤波方法，对任选一幅图像，对其添加某种噪声，选取一种滤波方法，对该图像进行处理，比较图像处理前后的差别。该图像进行处理，比较图像处理前后的差别。任选一幅图像，提取其灰度图像的边缘并比较图像处理前后的效果任选一幅图像，提取其灰度图像的边缘并比较图像处理前后的效果。第二十七页，讲稿共二十九页哦四、实验报告要求四、实验报告要求简述实验目的；简述实验目的；简述你所采用的图像处理的方法、原理；简述你所采用的图像处理的方法、原理；图像处理前后图像的变化；图像处理前后图像的变化；分析你采用的这种方法的优点；分析你采用的这种方法的优点；附程序清单和处理前后图像。附程序清单和处理前后图像。第二十八页，讲稿共二十九页哦第二十九页，讲稿共二十九页哦