小白学习图像处理——图像分割（MATLAB）

最新推荐文章于 2025-03-27 22:18:47 发布

Ella_le

最新推荐文章于 2025-03-27 22:18:47 发布

阅读量8.7k

点赞数 2

分类专栏：图像处理文章标签：图像分割 hough matlab

本文链接：https://blog.youkuaiyun.com/qq_15262755/article/details/80232058

版权

本文主要介绍了小白在学习图像处理过程中对图像分割的理解，特别是通过MATLAB实现的霍夫变换技术。霍夫变换是一种从图像像素到参数空间的映射，用于识别特定曲线。该方法包括枚举曲线解析式参数、构建计数器、遍历图像像素以及应用阈值来识别曲线。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

主要参考《数字图像处理原理与实践（matlab版）》一书

图像分割就是把图像划分成若干个特定的、具有独特性质的取悦，并提取其中感兴趣目标的技术和过程。

1、霍夫（Hough）变换

霍夫变换提供了一种将图像像素信息按照坐标映射到参数空间的方法。在网上可以搜到很多很详细的解释，小白就不讲了。

其核心思想书上的概括是：

1）确定要识别的曲线解析式集，即在一定精度上枚举带参数的解析式中所有参数的可能取值。

2）为解析式集合中的每个元素构造计数器。

3）遍历图像中的有效像素，并将没有有效像素的坐标一次代入解析式集中的每个元素，若解析式成立，则将改解析式对应的计数器加1.

4）设定阈值t，对于计数器值大于t的解析式，可认为其对应的曲线被识别。

clear
i=imread('D:\Documents\Desktop\example1.jpg');
ig=rgb2gray(i);
bw=edge(ig,'canny');%进行canny边缘检测

[H,T,R]=hough(bw,'RhoResolution',0.5,'ThetaResolution',0.5);%对进行边缘检测后的二值图进行霍夫变换
figure(1),imshow(imadjust(mat2gray(H)),'XData',T,'YData',R,'InitialMagnification','fit');%显示霍夫变换后的边缘图
xlabel('\theta'),ylabel('\rho');
axis on; axis normal;hold on;
colormap(h

最低0.47元/天解锁文章