国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

利用Matlab進行圖像分割和邊緣檢測

這篇具有很好參考價值的文章主要介紹了利用Matlab進行圖像分割和邊緣檢測。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

本文章包含以下內(nèi)容:????????

1、灰度閥值分割

(1)單閾值分割圖像

先將一幅彩色圖像轉(zhuǎn)換為灰度圖像,顯示其直方圖,參考直方圖中灰度的分布,嘗試確定閾值;應(yīng)反復(fù)調(diào)節(jié)閾值的大小,直至二值化的效果最為滿意為止。給圖像加上零均值的高斯噪聲重復(fù)上述過程,注意閾值的選擇。

(2)多閾值分割圖像

自選圖像,對圖進行多閾值分割,注意閾值的選擇。

2.邊緣檢測

(1)使用Roberts 算子的圖像分割實驗,調(diào)入并顯示一幅圖像*.gif或*.tif;

使用Roberts 算子對圖像進行邊緣檢測處理;Roberts 算子為一對模板,相應(yīng)的矩陣為:

rh = [0 1;-1 0]; rv = [1 0;0 -1];?

這里的rh 為水平Roberts 算子,rv為垂直Roberts 算子。可以顯示處理后

的水平邊界和垂直邊界檢測結(jié)果;

用“歐幾里德距離”方式計算梯度的模,顯示檢測結(jié)果;對于檢測結(jié)果進行二值化處理,并顯示處理結(jié)果。

(2)使用Prewitt 算子的圖像分割實驗使用Prewitt 算子進行內(nèi)容(1)中的全部步驟。

(3)使用Sobel 算子的圖像分割實驗使用Sobel 算子進行內(nèi)容(1)中的全部步驟。

(4)使用Canny算子進行圖像分割實驗。

(5) 使用拉普拉斯算子進行圖像分割實驗。

代碼如下:

function U()
    clear;
    clc;
    Single_threshold_segmentation()
    Multi_threshold_segmentation()
    edge_detection()
end

% 單閾值分割
% 先將一幅彩色圖像轉(zhuǎn)換為灰度圖像,顯示其直方圖,
% 參考直方圖中灰度的分布,嘗試確定閾值
% 給圖像加上零均值的高斯噪聲重復(fù)上述過程
function Single_threshold_segmentation()
    img = imread('gantrycrane.png');    % 讀取圖像
    figure('Name','單閾值分割');  % 開一個叫單閾值分割的窗口
    subplot(2,4,1);imshow(img);title('gantrycrane.png原圖');   % 顯示原圖
    img = rgb2gray(img);    % 彩色圖像轉(zhuǎn)為灰度圖像
    subplot(2,4,2);imshow(img);title('gantrycrane.png灰度圖');   % 顯示灰度圖
    subplot(2,4,3);imhist(img);title('gantrycrane.png直方圖');   % 顯示直方圖
    % x = 95; % 分割閾值
    % img1 = uint8((0*(img<=x)+255.*(img>x))); % 圖像分割
    x = graythresh(img);    % 分割閾值
    img1 = im2bw(img,x);    % 圖像分割
    subplot(2,4,4);imshow(img1);title('gantrycrane.png二值圖');   % 顯示二值圖
    img = imnoise(img,'gaussian');        % 添加高斯噪聲
    subplot(2,4,6);imshow(img);title('gantrycrane.png噪聲灰度圖');   % 顯示噪聲灰度圖
    subplot(2,4,7);imhist(img);title('gantrycrane.png噪聲直方圖');   % 顯示噪聲直方圖
    % x = 95; % 分割閾值
    % img1 = uint8((0*(img<=x)+255.*(img>x))); % 圖像分割
    x = graythresh(img);    % 分割閾值
    img1 = im2bw(img,x);    % 圖像分割
    subplot(2,4,8);imshow(img1);title('gantrycrane.png噪聲二值圖');   % 顯示噪聲二值圖
end
% 多閾值分割
function Multi_threshold_segmentation()
    img = imread('cameraman.tif');    % 讀取圖像
    figure('Name','多閾值分割');  % 開一個叫多閾值分割的窗口
    subplot(2,2,1);imshow(img);title('cameraman.tif原圖');   % 顯示原圖
    subplot(2,2,2);imhist(img);title('cameraman.tif直方圖');   % 顯示直方圖
    x_1 = 77; % 分割閾值
    x_2 = 139;
    img1 = uint8(0*(img<=x_1)+round((x_1+x_2)/2)*((img>x_1)&(img<=x_2))+255*(img>x_2)); % 圖像分割
    subplot(2,2,3);imshow(img1);title('gantrycrane.png分割圖');   % 顯示分割圖
end

% 邊緣檢測
% 使用Roberts,Prewitt,Sobel,Canny,拉普拉斯算子
function edge_detection()
    img = imread('cameraman.tif');  % 讀取圖像
    figure('Name','邊緣檢測');  % 開一個叫邊緣檢測的窗口
    subplot(2,3,1);imshow(img);title('cameraman.tif原圖');   % 顯示原圖
    img1 = ed(img,[[0 1;-1 0];[1 0;0 -1]]);    % 使用 Roberts 算子
    subplot(2,3,2);imshow(img1);title('Roberts 算子');   % Roberts 算子處理圖像
    img1 = ed(img,[[-1 -1 -1;0 0 0;1 1 1];[-1 0 1;-1 0 1;-1 0 1]]);    % 使用 Prewitt 算子
    subplot(2,3,3);imshow(img1);title('Prewitt 算子');   % Prewitt 算子處理圖像
    img1 = ed(img,[[-1 -2 -1;0 0 0;1 2 1];[-1 0 1;-2 0 2;-1 0 1;]]);    % 使用 Sobel 算子
    subplot(2,3,4);imshow(img1);title('Sobel 算子');   % Sobel 算子處理圖像
    img1 = ed(img,[[-1 1;-1 1];[-1 -1;1 1]]);    % 使用 Canny算子
    subplot(2,3,5);imshow(img1);title('Canny算子');   % Canny算子處理圖像
    img1 = ed(img,[[0 -1 0;-1 4 -1;0 -1 0];[-1 -1 -1;-1 8 -1;-1 -1 -1]]);    % 使用 Laplace算子
    subplot(2,3,5);imshow(img1);title('Laplace算子');   % Laplace算子處理圖像
end

% 進行卷積和二值化
function img2 = ed(img,x)
    s = size(x);
    img1 = zeros(size(img));
    for i = 1:s(1)/s(2)
        img1 = img1 + abs(conv2(img,x(1+s(2)*(i-1):s(2)*i,1:s(2)),'same'));
    end
    img1 = uint8(img1);
    img2 = im2bw(img1,graythresh(img1));
end

結(jié)果如下:

在邊緣檢測中加入閾值分割,matlab,計算機視覺,人工智能

在邊緣檢測中加入閾值分割,matlab,計算機視覺,人工智能

在邊緣檢測中加入閾值分割,matlab,計算機視覺,人工智能文章來源地址http://www.zghlxwxcb.cn/news/detail-795761.html

到了這里,關(guān)于利用Matlab進行圖像分割和邊緣檢測的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • Matlab圖像處理-多閾值分割

    Matlab圖像處理-多閾值分割

    多閾值分割 在某些時候圖像使用單獨的閾值不能夠?qū)ζ鋵崿F(xiàn)有效地分割,例如在灰度直方圖中有明顯的三個峰時候,我們需要提取中間峰,這時我們使用雙閾值分割會得到較好的分割效果。如下例子中生成灰度直方圖中有兩個峰,選擇合適的兩個閾值進行多閾值分割后可生成

    2024年02月09日
    瀏覽(19)
  • (數(shù)字圖像處理MATLAB+Python)第十章圖像分割-第一、二節(jié):閾值分割和邊界分割

    (數(shù)字圖像處理MATLAB+Python)第十章圖像分割-第一、二節(jié):閾值分割和邊界分割

    圖像分割 :在對圖像的研究和應(yīng)用中,人們往往僅對圖像中的某些目標(biāo)感興趣,這些目標(biāo)通常對應(yīng)圖像中具有特定性質(zhì)的區(qū)域。圖像分割是指把一幅圖像分成不同的具有特定性質(zhì)區(qū)域的圖像處理技術(shù),將這些區(qū)域分離提取出來,以便進一步提取特征和理解 圖像分割方法多種

    2024年02月16日
    瀏覽(99)
  • Matlab遺傳算法道路圖像閾值分割(附上完整源碼)

    圖像閾值分割是圖像處理中常用的一種方法,用于將圖像分割為不同的區(qū)域。本文介紹了遺傳算法在道路圖像閾值分割中的應(yīng)用。首先,對圖像進行預(yù)處理,包括圖像的灰度化和噪聲去除。然后,通過遺傳算法優(yōu)化閾值的選擇,以得到最佳的分割結(jié)果。實驗結(jié)果表明,遺傳算

    2024年02月12日
    瀏覽(21)
  • 圖像處理之canny邊緣檢測(非極大值抑制和高低閾值)

    圖像處理之canny邊緣檢測(非極大值抑制和高低閾值)

    Canny算子是John F.Canny 大佬在1986年在其發(fā)表的論文 《Canny J. A computational approach to edge detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986 (6): 679-698.》提出來的。 低錯誤率。所有邊緣都應(yīng)該被找到,并且應(yīng)該沒有偽響應(yīng)。也就是檢測到的邊緣必須盡可能時真實的邊緣

    2024年02月16日
    瀏覽(18)
  • 圖像處理技術(shù):數(shù)字圖像分割 ------ 圖像分割、邊界分割(邊緣檢測)、區(qū)域分割

    圖像處理技術(shù):數(shù)字圖像分割 ------ 圖像分割、邊界分割(邊緣檢測)、區(qū)域分割

    是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分 成若干個互不相交的區(qū)域,使得這些特征在同一區(qū)域內(nèi)表現(xiàn)出一致 性或相似性,而在不同區(qū)域間表現(xiàn)出明顯的不同 分割出來的區(qū)域應(yīng)該同時滿足: ?(1)分割出來的圖像區(qū)域的均勻性和連通性。 ??均勻性是指該

    2024年02月04日
    瀏覽(33)
  • 數(shù)字圖像處理:圖像分割——邊緣檢測與區(qū)域分割

    數(shù)字圖像處理:圖像分割——邊緣檢測與區(qū)域分割

    1.圖像分割:根據(jù)圖像的某些局部特征(灰度級、紋理、彩色或統(tǒng)計特征等)的相似性和互斥性,將圖像分割成若干子區(qū)域,在每個子區(qū)域內(nèi)部具有相似(相同或相近)特性,而相鄰子區(qū)域的特性互斥。所以圖像分割是利用圖像局部特征的相似性和互斥性。 2.圖像分割方法分

    2024年02月05日
    瀏覽(23)
  • 【圖像分割】基于浣熊優(yōu)化算法COA的Otsu(大津法)多閾值電表數(shù)字圖像分割 電表數(shù)字識別【Matlab代碼#52】

    【圖像分割】基于浣熊優(yōu)化算法COA的Otsu(大津法)多閾值電表數(shù)字圖像分割 電表數(shù)字識別【Matlab代碼#52】

    長鼻浣熊優(yōu)化算法(Cоati Optimization Algorithm,COA)是一種啟發(fā)式優(yōu)化算法,靈感來源于長鼻浣熊(Coati)的行為策略。長鼻浣熊優(yōu)化算法基于長鼻浣熊在覓食過程中的特性和行為模式。長鼻浣熊是一種樹棲動物,具有長而靈活的鼻子,用于覓食和捕食。它們通過嗅覺感知周圍環(huán)

    2024年02月16日
    瀏覽(23)
  • 圖像分割--點、線和邊緣檢測

    圖像分割是指將圖像細(xì)分為構(gòu)成它的子區(qū)域或物體 本章算法基于灰度值的兩個基本性質(zhì)之一:不連續(xù)性和相似性 就像局部平均平滑一幅圖像那樣,假設(shè)平均處理類似于積分,對于灰度的突變,局部變化可以用微分來檢測 使用空間濾波器來計算圖像中每個像素位置處的一階導(dǎo)

    2024年02月09日
    瀏覽(18)
  • matlab中圖像分割技術(shù)之一邊緣檢測

    matlab中圖像分割技術(shù)之一邊緣檢測

    1.邊緣檢測 (1)Roberts邊緣算子 (2)Sobel算子 (3)Prewitt算子 (4)拉普拉斯(Laplacian)算子 (5)LOG(Laplacian-Gauss)算子 (6)坎尼(Canny)算子 (7)利用霍夫(Hough)變換 圖像分割技術(shù)圖像分割是把圖像分割成若干個特定的、具有獨特性質(zhì)的區(qū)域并提取出感興趣的目標(biāo)的技術(shù)和過程。在

    2024年02月06日
    瀏覽(22)
  • python數(shù)字圖像處理基礎(chǔ)(五)——Canny邊緣檢測、圖像金字塔、圖像分割

    python數(shù)字圖像處理基礎(chǔ)(五)——Canny邊緣檢測、圖像金字塔、圖像分割

    梯度是什么? 梯度就是變化的最快的那個方向 edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]]) 第一個參數(shù)是需要處理的原圖像,該圖像必須為單通道的灰度圖; 第二個參數(shù)是閾值1; 第三個參數(shù)是閾值2。 原理步驟 1)使用高斯濾波器,以平滑圖像,濾除噪

    2024年01月18日
    瀏覽(28)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包