电信 062 班 200604135036 实验三 图像分割 章薇 一、实验目的 1．理解图像与灰度直方图之间的关系，掌握对图像进行直方图均衡化处理 的方法； 2．掌握基本的图像分割方法：对具有双峰分布直方图的图像进行阈值分割； 二、实验内容 1． 直方图均衡化； 2． 阈值分割； 三、实验要求 1．要求用 matlab 语言进行仿真实验； 2．递交实验报告，给出实验原理、实验步骤、源程序、实验结果及分析。 四、实验图像 rice.tif 五、实验步骤 1．直方图均衡化 1 读入原图像 huafen.jpg，并显示图像及其直方图； 2 对图像进行直方图均衡化处理，并显示结果图像及其直方图； 3 比较直方图均衡化前后的图像及其直方图。 %读入原图像 rice.tif %显示原输入图像 步骤一： 源程序 1：用几种不同的方法绘制图像 rice.tif 的直方图 I=imread('E:\images\rice.tif'); subplot(2,3,1),imshow(I) title('(a) 输入图象') subplot(2,3,2),imhist(I) title('(b) 输入图象的直方图') axis([0 255 0 1000]) h=imhist(I); h1=h(1:10:256); x=0:10:255; %显示原输入图像的直方图 %设置图形的横纵坐标 

subplot(2,3,3),bar(x,h1,'b') title('(c) 直方图的条形图') axis([0 255 0 1000]) subplot(2,3,4),stem(x,h1,'.') title('(d) 直方图的杆状图') axis([0 255 0 1000]) subplot(2,3,5),plot(x,h1) title('(e) 直方图由点连成的图') axis([0 255 0 1000]) %以条形图的方式显示直方图 %设置图形的横纵坐标 %以杆状图的方式显示直方图 %设置图形的横纵坐标 %将一组点用曲线连接起来显示直方图 %设置图形的横纵坐标 结果如下： (a) 输 入 图 象 (b) 输 入 图 象 的 直 方 图 (c) 直 方 图 的 条 形 图 1000 1000 500 0 0 100 200 800 600 400 200 0 0 100 200 (d) 直 方 图 的 杆 状 图 1000 (e) 直 方 图 由 点 连 成 的 图 1000 500 500 0 0 100 200 0 0 100 200 %读入原图像 rice.tif %显示原输入图像 步骤二： 源程序 2：对图像 rice.tif 进行直方图均衡化，并显示结果图像及其直方图 I=imread('E:\images\rice.tif'); subplot(2,2,1),imshow(I) title('(a) 输入图像') subplot(2,2,2),imhist(I) title('(b) 输入图像的直方图') J=histeq(I,256) subplot(2,2,3),imshow(J) title('(c) 直方图均衡化后的图像') subplot(2,2,4),imhist(J) title('(d) 图像均衡化后的直方图') %显示图像均衡化后的直方图 %显示输入图像的直方图 %其中 I 为输入图像，J 为直方图均衡化后的图像 

结果如下： (a) 输 入 图 像 (b) 输 入 图 像 的 直 方 图 1000 500 0 0 100 200 (c) 直 方 图 均 衡 化 后 的 图 像 (d) 图 像 均 衡 化 后 的 直 方 图 1000 500 0 0 100 200 步骤三： 分析：图(a)为输入图像，该图像的特点是较暗且动态范围较低，这也可以从 其直方图(b)中看出，直方图偏向于灰度级的较暗端，且直方图的“宽度”相对 于整个灰度范围来说非常狭窄。 图(c)所示的图像是直方图均衡化后的结果，平均亮度及对比度的增强非常明 显，其对应的直方图如图(d)所示，各灰度级的比例更加平衡，直方 图的动态范围显著扩展。 2．阈值分割 1 读入原图像 eight.tif，并显示图像及其直方图（双峰分布）； 2 选择直方图中两峰之间的谷对应的灰度作为阈值，对图像进行分割， 并显示分割结果。 源程序：读入原图像 eight.tif，并显示图像及其直方图（双峰分布）；选择不同的 阈值分别对图像进行分割并显示结果。 I=imread('E:\images\rice.tif'); subplot(2,2,1),imshow(I) title('(a) 输入图像') subplot(2,2,2),imhist(I) title('(b) 输入图像的直方图') %读入原图像 rice.tif %显示原输入图像 %显示输入图像的直方图 

%两种方法对图像进行阈值分割 I1=[I>130]; % I1=im2bw(I,100/255); subplot(2,2,3),imshow(I1) title('(c) 阈值为 130 分割结果') %显示对输入图像进行阈值为 130 的分割的结果 I2=[I>100]; % I1=im2bw(I,150/255); subplot(2,2,4),imshow(I2) title('(d) 阈值为100 分割结果') %显示对输入图像进行阈值为100 的分割的结果 结果如下： (a) 输 入 图 像 (b) 输 入 图 像 的 直 方 图 1000 500 0 0 100 200 (c) 阈 值 为 130分 割 结 果 (d) 阈 值 为 100分 割 结 果 六、源程序、实验结果及分析 见步骤五 七、实验小结 通过本次实验，我更加深刻地理解了图像与灰度直方图之间的关系，基本掌 握了对图像进行直方图均衡化处理的方法。通过对实验结果的分析，能比较直方 图均衡化前后的图像及其直方图并作分析。还掌握基本的图像分割方法，能够对 具有双峰分布直方图的图像进行阈值分割，对阈值分割有了更深刻的理解。 通过本次实验，对一些基本的图像处理方法有了更深刻的理解，并能进行应 用。总之，收获颇多。