图像处理实验
图像增强和图像分割
一、实验目的：
掌握用空间滤波进行图像增强的基本方法，掌握图像分割的基本方法。
二、 实验要求：
1、测试图像1中同时含有均值为零的均匀分布噪声和椒盐噪声。用大小为5×5的
算术均值滤波器和中值滤波器对图像进行处理，在不同窗口中显示原图像及各处理结果图像，并分析哪一种滤波器去噪效果好？
2、对测试图像2进行图像分割，求出分割测试图像2的最佳阈值。分别显示原图、原图的直方图（标出阈值）、和分割后的二值图。
实验内容：
1. 实验原理
1) 图像增强：流程图：
结束 滤波处理 构建滤波函数 读取图像 开始 图像增强可以通过滤波的方式来完成，即消除一部分的噪声。滤波又可以分为均值滤波和中值滤波。
1. 中值滤波原理：中值滤波就是选用一个含有奇数个像素的滑动窗口，将该窗口
在图像上扫描，把其中所含像素点按灰度级的升（或降）序排列，取位于中间的灰度值来代替窗口中心点的灰度值。
对于一维序列{
fN}：
m?1 y?Med{f,...f,,...f,}i?N,u?2ii?uii?u对于二维序列{
F}：y?Med{Fij}W为滤波窗口
ijijW2. 均值滤波原理：对于含噪声的原始图像g(s,t)的每一个像素点去一个领域N，用N中所包含的相速的灰度平均值，作为领域平均处理后的图像f(x,y)的像素值，即：
1?f(x,y)?g(s,t) ?mn(s,t)?Sxy2) 图像分割：
设置阈值容差T0 计算平均值T1 由T1分割成G1，G2 分别计算出G1，G2的平均值m1，m2 T2=（m1+m2）/2 |T2-T1|>T0 是 否 255*(I>T2)+0*(I<=T2) 图像分割：依据图像的灰度、颜色等特征，将一幅图像分为若干个互不重叠的、具有某种同质特征的区域。
本实验中我们是根据灰度值，将灰度值大于阈值T的像素统一置为255，小于的则置为0。如何求出最合适的分割阈值，则需要用到迭代算法。
迭代法算法步骤：
(1) 初始化阈值T (一般为原图像所有像素平均值)。
(2) 用T分割图像成两个集合：G1 和G2，其中G1包含所有灰度值小于T的像素，G2包含所有灰度值大于T的像素。
(3) 计算G1中像素的平均值m1及G2中像素的平均值m2。 (4) 计算新的阈值：T ＝ （m1＋m2）/2 。
(5） 如果新阈值跟原阈值之间的差值小于一个预先设定的范围，停止循环，否则继续（2）－（4）步。
2. 程序代码与分析：
1) 图像增强： clear all;clc; %读入图像
I1=imread('Fig5.12(b).jpg'); %均值滤波模板 h1=ones(5,'uint8'); %获取分辨率 [a,b]=size(I1); %创建变量
I2=zeros(a+4,b+4,'uint8'); I3=zeros(a+4,b+4,'uint8'); %复制原始图像 for n=3:a+2 for m=3:b+2 I2(n,m)=I1(n-2,m-2); I3(n,m)=I1(n-2,m-2); end end