这一章中主要是用数字图像处理技术对图像进行分割。因为图像分割是个比较难的课题。这里练习的是比较基本的。包过点、线和边缘的检测，hough变换的应用，阈值处理，基于区域的分割以及基于分水岭方法的分割。

   其练习代码和结果如下：

1 %% 图像分割   2   3 %% 点检测   4 clc   5 clear   6 f=imread('.\images\dipum_images_ch10\Fig1002(a)(test_pattern_with_single_pixel).tif');   7 subplot(121),imshow(f),title('点检测原图');   8   9 w=[-1,-1,-1;  10    -1,8,-1;  11    -1,-1,-1]  12 g=abs(imfilter(double(f),w));  13 subplot(122),imshow(g),title('点检测结果');  14%点检测图结果如下：

15  16 %% 非线性滤波点检测  17 clc  18 clear  19 f=imread('.\images\dipum_images_ch10\Fig1002(a)(test_pattern_with_single_pixel).tif');  20 subplot(121),imshow(f),title('非线性滤波点检测原图');  21  22 m=3;  23 n=3;  24 %ordfilt2(f,order,domin)表示的是用矩阵domin中为1的地方进行排序，然后选择地order个位置的值代替f中的值，属于非线性滤波  25 g=imsubtract(ordfilt2(f,m*n,ones(m,n)),ordfilt2(f,1,ones(m,n)));%滤波邻域的最大值减去最小值  26 T=max(g(:));  27 g2=g>=T;  28 subplot(122),imshow(g2);  29 title('非线性滤波点检测后图');  30%运行结果如下：

31  32 %% 检测指定方向的线  33 clc  34 clear  35 f=imread('.\images\dipum_images_ch10\Fig1004(a)(wirebond_mask).tif');  36 subplot(321),imshow(f);  37 title('检测指定方向线的原始图像');  38  39 w=[2 -1 -1;  40    -1 2 -1;  41    -1 -1 2];%矩阵用逗号或者空格隔开的效果是一样的  42 g=imfilter(double(f),w);  43 subplot(322),imshow(g,[]);  44 title('使用-45度检测器处理后的图像');  45  46 gtop=g(1:120,1:120);%取g的左上角图  47 gtop=pixeldup(gtop,4);%扩大4*4倍的图  48 subplot(323),imshow(gtop,[]);  49 title('-45度检测后左上角放大图');  50  51 gbot=g(end-119:end,end-119:end);%取右下角图  52 gbot=pixeldup(gbot,4);%扩大16倍的图  53 subplot(324),imshow(gbot,[]);  54 title('-45度检测后右下角后放大图');  55  56 g=abs(g);  57 subplot(325),imshow(g,[]);  58 title('-45度检测后的绝对值图');  59  60 T=max(g(:));  61 g=g>=T;  62 subplot(326),imshow(g);  63 title('-45度检测后取绝对值最大的图')  64%检测指定方向的线过程如下：

65  66 %% sobel检测器检测边缘  67 clc  68 clear  69 f=imread('.\images\dipum_images_ch10\Fig1006(a)(building).tif');  70 subplot(321),imshow(f);  71 title('sobel检测的原始图像');  72  73 [gv,t]=edge(f,'sobel','vertical');%斜线因为具有垂直分量，所以也能够被检测出来  74 subplot(322),imshow(gv);  75 title('sobel垂直方向检测后图像');  76  77 gv=edge(f,'sobel',0.15,'vertical');  78 subplot(323),imshow(gv);  79 title('sobel垂直检测0.15阈值后图像');  80  81 gboth=edge(f,'sobel',0.15);  82 subplot(324),imshow(gboth);  83 title('sobel水平垂直方向阈值0.15后图像');  84  85 w45=[-2 -1  0  86      -1  0  1  87      0   1  2];%相当于45度的sobel检测算子  88  g45=imfilter(double(f),w45,'replicate');  89  T=0.3*max(abs(g45(:)));  90  g45=g45>=T;  91  subplot(325),imshow(g45);  92  title('sobel正45度方向上检测图');  93   94  w_45=[0 -1 -2  95        1  0 -1  96        2  1 0];  97    g_45=imfilter(double(f),w_45,'replicate');  98    T=0.3*max(abs(g_45(:)));  99    g_45=g_45>=T; 100    subplot(326),imshow(g_45); 101    title('sobel负45度方向上检测图'); 102%sobel检测过程如下：

103   104   %% sobel,log,canny边缘检测器的比较 105 clc 106 clear 107 f=imread('.\images\dipum_images_ch10\Fig1006(a)(building).tif'); 108 109 [g_sobel_default,ts]=edge(f,'sobel');% 110 subplot(231),imshow(g_sobel_default); 111 title('g sobel default'); 112 113 [g_log_default,tlog]=edge(f,'log'); 114 subplot(233),imshow(g_log_default); 115 title('g log default'); 116 117 [g_canny_default,tc]=edge(f,'canny'); 118 subplot(235),imshow(g_canny_default); 119 title('g canny default'); 120 121 g_sobel_best=edge(f,'sobel',0.05); 122 subplot(232),imshow(g_sobel_best); 123 title('g sobel best'); 124 125 g_log_best=edge(f,'log',0.003,2.25); 126 subplot(234),imshow(g_log_best); 127 title('g log best'); 128 129 g_canny_best=edge(f,'canny',[0.04 0.10],1.5); 130 subplot(236),imshow(g_canny_best); 131 title('g canny best'); 132%3者比较的结果如下：

133  134 %% hough变换说明 135 clc 136 clear 137 f=zeros(101,101); 138 f(1,1)=1; 139 f(101,1)=1; 140 f(1,101)=1; 141 f(51,51)=1; 142 f(101,101)=1; 143 imshow(f);title('带有5个点的二值图像'); 144%显示如下：

145 146 H=hough(f); 147 figure,imshow(H,[]); 148 title('不带标度的hough变换'); 149%不带标度的hough变换结果如下：

150 151 [H,theta,rho]=hough(f); 152 figure,imshow(theta,rho,H,[],'notruesize');%为什么显示不出来呢 153 axis on,axis normal; 154 xlabel('\theta'),ylabel('\rho'); 155 156 %% 计算全局阈值 157 clc 158 clear 159 f = imread('.\images\dipum_images_ch10\Fig1013(a)(scanned-text-grayscale).tif'); 160 imshow(f); 161 title('全局阈值原始图像') 162%其图片显示结果如下：

163 164 T=0.5*(double(min(f(:)))+double(max(f(:)))); 165 done=false; 166 while ~done 167     g=f>=T; 168     Tnext=0.5*(mean(f(g))+mean(f(~g))); 169     done=abs(T-Tnext)<0.5 170     T=Tnext; 171 end 172 g=f<=T;%因为前景是黑色的字，所以要分离出来的话这里就要用<=. 173 figure,subplot(121),imshow(g); 174 title('使用迭代方法得到的阈值处理图像'); 175 176 177 T2=graythresh(f);%得到的是0~1的小数？ 178 g=f<=T2*255; 179 subplot(122),imshow(g); 180 title('使用函数graythresh得到的阈值处理图像'); 181%阈值处理后结果如下：

182 183 %% 焊接空隙区域生长 184 clc 185 clear 186 f = imread('.\images\dipum_images_ch10\Fig1014(a)(defective_weld).tif'); 187 subplot(221),imshow(f); 188 title('焊接空隙原始图像'); 189 190 %函数regiongrow返回的NR为是不同区域的数目，参数SI是一副含有种子点的图像 191 %TI是包含在经过连通前通过阈值测试的像素 192 [g,NR,SI,TI]=regiongrow(f,255,65);%种子的像素值为255，65为阈值 193 194 subplot(222),imshow(SI); 195 title('焊接空隙种子点的图像'); 196 197 subplot(223),imshow(TI); 198 title('焊接空隙所有通过阈值测试的像素'); 199 200 subplot(224),imshow(g); 201 title('对种子点进行8连通分析后的结果'); 202%焊接空隙区域生长图如下：

203 204 %% 使用区域分离和合并的图像分割 205 clc 206 clear 207 f = imread('.\images\dipum_images_ch10\Fig1017(a)(cygnusloop_Xray_original).tif'); 208 subplot(231),imshow(f); 209 title('区域分割原始图像'); 210 211 g32=splitmerge(f,32,@predicate);%32代表分割中允许最小的块 212 subplot(232),imshow(g32); 213 title('mindim为32时的分割图像'); 214 215 g16=splitmerge(f,16,@predicate);%32代表分割中允许最小的块 216 subplot(233),imshow(g16); 217 title('mindim为32时的分割图像'); 218 219 g8=splitmerge(f,8,@predicate);%32代表分割中允许最小的块 220 subplot(234),imshow(g8); 221 title('mindim为32时的分割图像'); 222 223 g4=splitmerge(f,4,@predicate);%32代表分割中允许最小的块 224 subplot(235),imshow(g4); 225 title('mindim为32时的分割图像'); 226 227 g2=splitmerge(f,2,@predict);%32代表分割中允许最小的块 228 subplot(236),imshow(g2); 229 title('mindim为32时的分割图像'); 230 231 %% 使用距离和分水岭变换分割灰度图像 232 clc 233 clear 234 f = imread('.\images\dipum_images_ch10\Fig0925(a)(dowels).tif'); 235 subplot(231),imshow(f);title('使用距离和分水岭分割原图'); 236 237 g=im2bw(f,graythresh(f)); 238 subplot(232),imshow(g),title('原图像阈值处理后的图像'); 239 240 gc=~g; 241 subplot(233),imshow(gc),title('阈值处理后取反图像'); 242 243 D=bwdist(gc); 244 subplot(234),imshow(D),title('使用距离变换后的图像'); 245 246 L=watershed(-D); 247 w=L==0; 248 subplot(235),imshow(w),title('距离变换后的负分水岭图像'); 249 250 g2=g & ~w; 251 subplot(236),imshow(g2),title('阈值图像与分水岭图像相与图像'); 252%使用距离分水岭图像如下：

253 254 %% 使用梯度和分水岭变换分割灰度图像 255 clc 256 clear 257 f = imread('.\images\dipum_images_ch10\Fig1021(a)(small-blobs).tif'); 258 subplot(221),imshow(f); 259 title('使用梯度和分水岭变换分割灰度图像'); 260 261 h=fspecial('sobel'); 262 fd=double(f); 263 g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2); 264 subplot(222),imshow(g,[]); 265 title('使用梯度和分水岭分割幅度图像'); 266 267 L=watershed(g); 268 wr=L==0; 269 subplot(223),imshow(wr); 270 title('对梯度复制图像进行二值分水岭后图像'); 271 272 g2=imclose(imopen(g,ones(3,3)),ones(3,3)); 273 L2=watershed(g2); 274 wr2=L2==0; 275 f2=f; 276 f2(wr2)=255; 277 subplot(224),imshow(f2); 278 title('平滑梯度图像后的分水岭变换'); 279%使用梯度和分水岭变换分割灰度图像结果如下：

280 281 %% 控制标记符的分水岭分割 282 clc 283 clear 284 f = imread('.\images\dipum_images_ch10\Fig1022(a)(gel-image).tif'); 285 imshow(f); 286 title('控制标记符的分水岭分割原图像');

287 288 h=fspecial('sobel'); 289 fd=double(f); 290 g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2); 291 L=watershed(g); 292 wr=L==0; 293 figure,subplot(231),imshow(wr,[]); 294 title('控制标记符的分水岭分割幅度图像'); 295 296 rm=imregionalmin(g);%梯度图像有很多较浅的坑，造成的原因是原图像不均匀背景中灰度细小的变化 297 subplot(232),imshow(rm,[]); 298 title('对梯度幅度图像的局部最小区域'); 299 300 im=imextendedmin(f,2);%得到内部标记符 301 fim=f; 302 fim(im)=175; 303 subplot(233),imshow(f,[]); 304 title('内部标记符'); 305 306 Lim=watershed(bwdist(im)); 307 em=Lim==0; 308 subplot(234),imshow(em,[]); 309 title('外部标记符'); 310 311 g2=imimposemin(g,im | em); 312 subplot(235),imshow(g2,[]); 313 title('修改后的梯度幅度值'); 314 315 L2=watershed(g2); 316 f2=f; 317 f2(L2==0)=255; 318 subplot(236),imshow(f2),title('最后分割的结果'); 319%控制标记符的分水岭分割过程如下：

 

   图像分割中处理涉及到很多参数都需要自己根据具体问题不断调试，直到选出最好的参数组合为止。