数字图像处理 图像分割（部分）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Cold__Winter/article/details/80441079

图像分割

点，线和边缘检测　

点检测

>> w = [-1 -1 -1; -1 8 -1; -1 -1 -1];
>> f = imread('Fig1002(a)(test_pattern_with_single_pixel).tif');
>> g = abs(imfilter(double(f),w));
>> T = max(g(:));
>> g = g >= T;
>> imshow(f);figure,imshow(g);

（我看不清成果…）

线检测

>> w = [2 -1 -1; -1 2 -1;-1 -1 2];
>> f = imread('Fig1004(a)(wirebond_mask).tif');
>> imshow(f);
>> g = imfilter(double(f),w);
>> figure,imshow(g,[]);
>> gtop = g(1:120, 1:120);
>> gtop = pixeldup(gtop, 4);
>> figure,imshow(gtop,[]);
>> gbot = g(end-119:end, end-119:end);
>> gbot = pixeldup(gbot, 4);
>> figure,imshow(gbot,[]);
>> g = abs(g);
>> figure,imshow(g,[]);
>> T = max(g(:));
>> g = g >= T;
>> figure,imshow(g);

1. 原图
2. 使用-45°检测器处理后的结果
3. 2图左上角的放大图
4. 2图右下角的放大图
5. 2图的绝对值
6. 值满足 g >= T的所有点（白色）

　使用edge函数的边缘检测

使用Sobel检测器提取边缘

>> f = imread('Fig1006(a)(building).tif');
>> [gv, t] = edge(f,'sobel','vertical');
>> imshow(gv);
>> imshow(f);
>> figure,imshow(gv);
>> t

t =

    0.0516


>> gv = edge(f,'sobel',0.15,'vertical');
>> figure,imshow(gv);
>> gboth = edge(f,'sobel',0.15);
>> figure,imshow(gv);

1. 原图
2. 使用带有自动确定的阈值的一个垂直Sobel掩模后，函数edge导致的结果
3. 使用指定阈值后的结果
4. 使用指定阈值来决定绘制边缘和水平边缘的结果

使用Hough变换的线检测

从稀疏矩阵S获得完整矩阵用函数full:

A = full(s);

Hough 变换的说明

用一幅简单的二值图像来说明hough函数的用法

>> f = zeros(101,101);
>> f(1,1) = 1;f(101,1)=1;f(1,101) = 1;
>> f(101,101)=1;f(51,51)=1;
>> imshow(f);
>> H = hough(f);
>> imshow(H,[]);
>> imshow(f);
>> figure,imshow(H,[]);
>> [H, theta, rho] = hough(f);
>> imshow(H, [], 'XData', theta, 'YData', rho, 'InitialMagnification', 'fit');
>> axis on, axis normal
>> xlabel('\theta'), ylabel('\rho')

（用了书上的方法会报错，

>> imshow(theta ,rho, H, [], 'notruesize');
错误使用 images.internal.imageDisplayParsePVPairs (line 71)
imageDisplayParsePVPairs 无法识别参数 notruesize

出错 images.internal.imageDisplayParseInputs (line 69)
[common_args,specific_args] = images.internal.imageDisplayParsePVPairs(varargin{:});

出错 imshow (line 241)
      images.internal.imageDisplayParseInputs({'Parent','Border','Reduce'},preparsed_varargin{:});

很难受）

1. 原图
2. hough变换后
3. 带有标度轴的hough变换

阈值处理

全局阈值处理

>> f = imread('Fig1013(a)(scanned-text-grayscale).tif');
>> T = 0.5*(double(min(f(:))) + double(max(f(:))));
>> done = false;
>> while ~done
g = f >= T;
Tnext = 0.5*(mean(f(g)) + mean(f(~g)))
done = abs(T - Tnext) < 0.5;
T = Tnext;
end

Tnext =

   98.5539


Tnext =

  100.4909


Tnext =

  101.1440


Tnext =

  101.4717

>> imshow(f);figure,imshow(g);

用T处理经行阈值处理的结果