文档介绍：该【图像分割实验报告 】是由【青山代下】上传分享，文档一共【8】页，该文档可以免费在线阅读，需要了解更多关于【图像分割实验报告 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..图像分割实验报告医学图像处理实验报告实验名称:图像分割设计实验姓名:gaojunqiang学号:20105405班级:生医1001指导教师:……2013年6月5日一、实验目的1、编程实现下列功能:读出存储的黑白灰度图象并显示,用拉普拉斯算子对图象进行边缘检测,显示处理后图象,存储处理后图象。2、编程实现下列功能:读出存储的黑白灰度图象并显示,用鼠标点击图象上某一点,以灰度相近原则进行区域生长,显示处理后图象,存储处理后图象。二、实验原理1、拉普拉斯边缘检测二维函数f(x,y)的拉普拉斯是一个二阶的微分定义为:,2f=[,2f/,x2,,2f/,y2]一般情况下可以用一个拉普拉斯模板算子。模板算子分为4邻域和8邻域,如下,2f=4z5–(z2+z4+z6+z8)0101-41010:..4邻域模板算子,2f=8z5–(z1+z2+z3+z4+z5+z6+z7+z8)1111-811118邻域模板算子2、区域增长区域增长是通过一个起始点作为种子点对他周围的点进行选择。它采取的是一种迭代的思想。区域增长也分为四邻域和八邻域两种方式。通过像素的集合进行区域增长的算法如下:1)根据图像的不同应用选择一个或一组种子,它或者是最亮或最暗的点,或者是位于点簇中心的点。2)选择一个描述符(条件)3)从该种子开始向外扩张,首先把种子像素加入集合,然后不断将与集合中各个像素连通、且满足描述符的像素加入集合4)上一过程进行到不再有满足条件的新结点加入集合为止。三、实验代码及结果1、拉普拉斯边缘检测代码如下:%主函数如下:clc;closeall;clearall;Imag=imread('');ImagGray=rgb2gray(Imag);%将彩色图片转换成灰度图片figure():..imshow(ImagGray),title('灰度图像');%T=graythresh(ImagGray);%用大津法自动确定阈值%I=edge(ImagGray,'log',);%figure(),imshow(I),title('laplace边缘图像');ImagGray=double(ImagGray);T=60;%设置阈值LapModType=8;%设置laplace模板方式ImagLapEdge=LaplaceEdge(ImagGray,LapModType,T);%laplace边缘检测ImagLapEdge=uint8(ImagLapEdge);figure()imshow(ImagLapEdge),title('laplace边缘图像');%拉普拉斯边缘检测函数如下:functionImagLapEdge=LaplaceEdge(ImagGray,MoldType,Thresh)%-----------------参数介绍--------------------%输入参数:%ImagGray:输入的灰度图像%MoldType:摸板类型,包括四邻域和八邻域%Thresh:边缘检测阈值%输出参数:%ImagEdge:边缘像素点,存储的是二值化图像[r,c]=size(ImagGray);ImagLapEdge=zeros(r,c);%四邻域拉普拉斯边缘检测算子if4==MoldTypefori=2:r-1forj=2:c-1Temp=:..-4*ImagGray(i,j)+ImagGray(i-1,j)+ImagGray(i+1,j)+ImagGray(i,j-1)+ImagGray(i,j+1);ifTemp>ThreshImagLapEdge(i,j)=255;elseImagLapEdge(i,j)=0;endendendend%八邻域拉普拉斯边缘检测算子if8==MoldTypefori=2:r-1forj=2:c-1Temp=-8*ImagGray(i,j)+ImagGray(i-1,j)+ImagGray(i+1,j)+ImagGray(i,j-1)+ImagGray(i,j+1)+ImagGray(i-1,j-1)+ImagGray(i+1,j+1)+ImagGray(i+1,j-1)+ImagGray(i-1,j+1);ifTemp>ThreshImagLapEdge(i,j)=255;elseImagLapEdge(i,j)=0;endendendend拉普拉斯边缘检测实验结果如下::..图1原灰度图像图2拉普拉斯8邻域模板边缘检测图像图3拉普拉斯4邻域模板边缘检测图像2、区域增长实验代码::..主函数如下:clc;closeall;clearall;Imag=imread('');figure()imshow(Imag),title('原灰度图片');n=4;%设置区域增长的种子点数[x,y]=ginput(n);%在图像上取点V=[y,x];V=uint16(V);thresh=33;%区域增长的阈值growingtype=8;%增长方式[regionGet,imout,regionsize]=regiongrowing(V,Imag,thresh,growingtype);%区域增长函数figure()imshow(imout),title('区域分割后的图片');holdonplot(x,y,'+');由于区域增长代码老师已给这里就不在写出。实验结果::..图1原图像选取如图所示的四个种子点后所得到的的区域增长图形如下:图28邻域增长法的区域增长图34邻域增长法的区域增长四、实验思考拉普拉斯模板算子分为4邻域和8邻域。通过实验结果可以看出两种模板算子都无法有效地去除噪声。在使用不同的阈值的时候,图片的噪声和边缘无法有效的检验出来。所以这种模板算子在去噪能力比较差。通常,我们在拉普拉斯模板算子上加入高斯去噪,这种效果比较理想,且可以有效地抑制噪声。带有高斯去噪的拉普拉斯模板如下::..它采用5×5的模板,在用matlab的高斯-拉普拉斯函数edge(Imag,’log’,)进行边缘检测,图片效果相当好,且抑制噪声能力相当的强。结果如下:在用拉普拉斯算子进行边缘检测时,在相同的阈值条件下,用8邻域法和4邻域法邻域法得到的边缘更加的明显。检测边缘效果有很大差异。从实验效果上看,8如果用4邻域法得到明显的边缘时要增加阈值条件,这就必然会使噪声增加,影响实验结果。所以8邻域法比4邻域法在级边缘检测时的效果会更好。在用灰度相近原则进行区域增长是时,种子点的选择相当重要,且不同的区域在选取相应的阈值进行区域增长时的效果比较好。并且用区域增长的4邻域法和8邻域法得到的结果差异不是很大。