Matlab实现图像分割-matlab图像处理第24期(附完整代码)

Matlab实现图像分割

目的

图像分割是数字图像处理中的一个重要课题，主要用于将图像分成不同的区域或物体，以便后续处理和分析。Matlab提供了强大的工具箱支持图像分割的实现。本文介绍了几种常见的图像分割方法，包括线检测、边缘检测、使用梯度的分水岭分割以及控制标记符的分水岭分割。

具体目标如下：

1. 掌握线检测方法。
2. 掌握常见的边缘检测方法。
3. 学习如何使用梯度进行分水岭分割。
4. 学习如何利用控制标记符优化分水岭分割。

内容

线检测

线检测是图像分割中的一个基本操作，通常用于提取图像中的线条或边缘。Matlab通过不同的滤波器来实现线检测，以下代码展示了如何利用自定义的滤波器进行线检测。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function B = pixeldup(A, m, n)
    if nargin < 2
        error('At least two inputs are required');
    end
    if nargin == 2
        n = m;
    end
    u = 1:size(A, 1);
    m = round(m);
    u = u(ones(1, m), :);
    u = u(:);

    v = 1:size(A, 1);
    n = round(n);
    v = v(ones(1, n), :);
    v = v(:);
    B = A(u, v);
end

此函数 pixeldup 用于通过重复像素位置来放大图像，常用于增强图像细节。接下来的代码展示了如何通过自定义滤波器 w 对图像进行卷积，以检测线条。

clear all
clc
f = imread('D:\pic\DIP3E_CH10\Fig1005(a)(wirebond_mask).tif');
figure, imshow(f);

w = [2 -1 -1; -1 2 -1; -1 -1 2];
g = imfilter(double(f), w);
figure, imshow(g, []) % Figure 2

gtop = g(1:120, 1:120);
gtop = pixeldup(gtop, 4);
figure, imshow(gtop, []) % Figure 3

gbot = g(end-119:end, end-119:end);
gbot = pixeldup(gbot, 4);
figure, imshow(gbot, []) % Figure 4

g = abs(g);
figure, imshow(g, []) % Figure 5

T = max(g(:));
g = g >= T;
figure, imshow(g) % Figure 6

通过此代码，首先对图像进行线性滤波，之后进行图像放大、绝对值处理和阈值化操作，最后提取出图像中的线条区域。

边缘检测

边缘检测是图像分割的核心操作之一，它通过检测图像中像素值变化较大的部分来找到物体的边界。Matlab提供了多种边缘检测算法，其中 Sobel、LoG 和 Canny 是最常用的算法。以下展示了如何使用这些方法进行边缘检测。

clear all
clc
f = imread('D:\pic\DIP3E_CH10\Fig1016(a)(building_original).tif');
figure, imshow(f);

[gv, t] = edge(f, 'sobel', 'vertical');
figure, imshow(gv);
t

gv = edge(f, 'sobel', 0.15, 'vertical');
figure, imshow(gv);
gboth = edge(f, 'sobel', 0.15);
figure, imshow(gboth);

w45 = [-2 -1 0; -1 0 1; 0 1 2];
g45 = imfilter(double(f), w45, 'replicate');
T = 0.3 * max(abs(g45(:)));
g45 = g45 >= T;
figure, imshow(g45);

此代码展示了使用 Sobel 算子进行垂直边缘检测，并通过设置阈值来控制边缘的检测精度。我们还可以使用其他算子（如 LoG 和 Canny）对图像进行不同类型的边缘检测。

接下来的代码展示了不同边缘检测方法的比较：

clear all
clc
f = imread('D:\pic\DIP3E_CH10\Fig1016(a)(building_original).tif');
figure, imshow(f);

[g_sobel_default, ts] = edge(f, 'sobel');
figure, imshow(g_sobel_default);

[g_log_default, tlog] = edge(f, 'log');
figure, imshow(g_log_default);

[g_canny_default, tc] = edge(f, 'canny');
figure, imshow(g_canny_default);

[g_sobel_best, ts] = edge(f, 'sobel', 0.05);
figure, imshow(g_sobel_best);

[g_log_best, tlog] = edge(f, 'log', 0.003, 2.25);
figure, imshow(g_log_best);

[g_canny_best, tc] = edge(f, 'canny', [0.04 0.10], 1.5);
figure, imshow(g_canny_best);

通过上述代码，可以比较不同边缘检测方法在同一图像上的效果，并通过调整参数优化检测结果。

使用梯度的分水岭分割

分水岭算法是一种基于梯度的图像分割方法。它通过寻找图像的梯度信息，将图像分成不同的区域。以下是如何使用梯度进行分水岭分割的实现。

clear all
clc
f = imread('D:\pic\DIP3E_CH10\Fig1057(a)(small_blobs-original).tif');
figure, imshow(f);

h = fspecial('sobel');
fd = double(f);
g = sqrt(imfilter(fd, h, 'replicate').^2 + ...
    imfilter(fd, h', 'replicate').^2);
figure, imshow(g);

L = watershed(g);
figure, imshow(L);
wr = L == 0;

g2 = imclose(imopen(g, ones(3, 3)), ones(3, 3));
figure, imshow(g2);
L2 = watershed(g2);
figure, imshow(L2);
wr2 = L2 == 0;
f2 = f;
f2(wr2) = 255;
figure, imshow(f2);

在这个例子中，首先计算图像的梯度值，接着应用分水岭算法进行图像分割。通过调整结构元素的大小（如 ones(3, 3)）来优化分水岭分割的结果。

控制标记符的分水岭分割

分水岭算法通常容易受到噪声的影响，而通过控制标记符（markers）可以改进分水岭分割的效果。以下是如何使用标记符优化分水岭分割的实现。

clear all
clc
f = imread('D:\pic\DIP3E_CH10\Fig1057(a)(small_blobs-original).tif');
figure, imshow(f);

h = fspecial('sobel');
fd = double(f);
g = sqrt(imfilter(fd, h, 'replicate').^2 + imfilter(fd, h', 'replicate').^2);
L = watershed(g);
wr = L == 0;

rm = imregionalmin(g);
figure, imshow(rm);
im = imextendedmin(f, 2);
figure, imshow(im);
fim = f;
fim(im) = 175;
figure, imshow(fim);

Lim = watershed(bwdist(im));
figure, imshow(Lim);
em = Lim == 0;

g2 = imimposemin(g, im | em);
figure, imshow(g2);

L2 = watershed(g2);
figure, imshow(L2);
f2 = f;
f2(L2 == 0) = 255;
figure, imshow(f2);

在这个例子中，我们首先计算图像的梯度并应用分水岭算法，然后通过标记符来控制分水岭分割的过程，优化分割结果。

参考文献：

1. [Rafael C. Gonzalez, Richard E. Woods, and Steven L. Eddins. 2003. Digital Image Processing Using MATLAB. Prentice-Hall, Inc., USA.]
2. [阮秋琦. *数字图像处理（MATLAB版）[M]. 北京：电子工业出版社, 2014.]
3. [冈萨雷斯. *数字图像处理（第三版）[M]. 北京：电子