计算机科学与工程学院学生实验报告 学号 专业 计算机科学 班级 姓名 课程名称 数字图像处理 课程类型 选修课 与技术 实验名称 图像的边缘检测与分割 实验目的： 掌握边缘检测和图像分割的基本原理及常用方法。 实验要求： 1、编程实现图像阈值分割（阈值可以指定 3 个，分析分割结果，要理解阈值确定 的基本方法）； 2、Matlab 中边缘提取函数的应用。 实验步骤： 1、 阈值分割： （1）原理：阈值分割是一种最常用，同时也是最简单的图像分割方法，它 特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据 量，而且大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特 征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰 度级，对像素集合进行一个划分，得到每个子集形成一个与现实景物相对应的区 域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划 分可以通过从灰度级出发选取一个或多个阈值来实现。阈值分割是一种基于区域 的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像像素点分为 若干类。常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或 彩色值变换得到的特征。设原始图像为fx,y ,按照一定的准则在fx,y 中找到特 

征值T，将图像分割成为两个部分，分割后的图像为： 若取：b0=0（黑），b1=1（白），即为我们通常所说的图像二值化。 gx,y = 0 1 , < , > （2）实验代码如下： clc clear all I=imread('B1.jpg'); I=rgb2gray(I); subplot(2,3,1),imshow(I); title('原图'); I1=im2bw(I,60/255); subplot(2,3,2),imshow(I1); title('T=60时阈值分割后的图像'); I1=im2bw(I,100/255); subplot(2,3,3),imshow(I1); title('T=100时阈值分割后的图像'); I1=im2bw(I,130/255); subplot(2,3,4),imshow(I1); title('T=130时阈值分割后的图像'); I1=im2bw(I,160/255); subplot(2,3,5),imshow(I1); title('T=160时阈值分割后的图像'); I1=im2bw(I,200/255); subplot(2,3,6),imshow(I1); title('T=200时阈值分割后的图像'); （3）实验结果： 

原 图 T=60时 阈 值 分 割 后 的 图 像 T=100时 阈 值 分 割 后 的 图 像 T=130时 阈 值 分 割 后 的 图 像 T=160时 阈 值 分 割 后 的 图 像 T=200时 阈 值 分 割 后 的 图 像 2、 边缘提取函数的应用： （1）原理：边缘提取，指数字图像处理中，对于图片轮廓的一个处理。对 于边界处，灰度值变化比较剧烈的地方，就定义为边缘。也就是拐点，拐点是指 函数发生凹凸性变化的点。二阶导数为零的地方。并不是一阶导数，因为一阶导 数为零，表示是极值点。 边缘定义：图像灰度变化率最大的地方（图像灰度值变化最剧烈的地方）。 图像灰度在表面法向变化的不连续造成的边缘。一般认为边缘提取是要保留图像 的灰度变化剧烈的区域，这从数学上看，最直观的方法就是微分(对于数字图像来 说就是差分)，在信号处理的角度来看，也可以说是用高通滤波器，即保留高频信 号。 边缘信息包含两个方面：1.像素的坐标 2.边缘的方向 （2）实验代码如下： I=imread('A1.jpg'); I=rgb2gray(I); BW1=edge(I,'sobel'); BW2=edge(I,'canny'); 

BW3=edge(I,'roberts'); BW4=edge(I,'log'); BW5=edge(I,'prewitt'); subplot(2,3,1),imshow(I);title('原始图像'); subplot(2,3,2),imshow(BW1);title('sobel算子'); subplot(2,3,3),imshow(BW2);title('canny算子'); subplot(2,3,4),imshow(BW3);title('roberts算子'); subplot(2,3,5),imshow(BW4);title('log算子'); subplot(2,3,6),imshow(BW5);title('prewitt算子'); （3）实验结果： 原 始 图 像 sobel算 子 canny算 子 roberts算 子 log算 子 prewitt算 子 

实验总结： 通过本次实验，我了解到阈值分割是一种传统的图像分割方法，因其实现简 单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若 干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而 在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景 中分离出来，以便于进一步处理。 边缘是图像的最重要的特征。边缘是指周围像素灰度有阶跃变化或屋顶变化 的那些像素的集合。边缘检测主要是灰度变化的度量、检测和定位。有很多种不 同的边缘检测算法，同一种方法使用的滤波器也不尽相同。 实验评语： 实验成绩 教师签名