信 息 工 程 学 院 数字图像处理实验报告三 姓名： 舒 清 学号： 030941108 专业： 电子信息科学与技术 实验时间： 指导老师： 廖老师 实验三..数字图像分割处理的试验。 一、实验目的 1.了解图像分割的目的及其应用。 2..通过边缘检测对图像进行分割处理。 3.了解图像分割处理中的区域分割和Hough的原理。 二、实验原理 1.图像的边缘检测： 边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息, 它不仅在分析图像时大幅度地减少了要处理的信息量, 而且还保护了目标的边界结构. 因此, 边缘检测可以看做是处理许多复杂问题的关键. 图像的边缘是指图像局部亮度变化最显著的部分, 即在灰度级上发生急剧变化的区域. 从空域角度看, 二维图像上的边缘相邻像素灰度从某一个值跳变到另一个差异较大的值; 其灰度变化曲线呈现奇异信号波形: 阶跃信号或屋脊形脉冲信号. 阶跃型边缘两侧的灰度值有明显变化; 屋脊型边缘中间的灰度与边缘两侧的灰度有明显差异. 在数学上常利用灰度变化曲线及其导数来描述边缘的变化. 2.灰度直方图 灰度直方图是表示一幅图像灰度分布情况的统计图表。直方图的横坐标是灰度等级，纵坐标是具有该灰度等级的像素个数或出现这个灰度等级的概率。在数字图像处理中，灰度直方图是最简单且最有用的工具，可以说，对图像的分析与处理乃至到形成一个有效的处理方法，都离不开直方图。 3.加白噪声 在图像处理时，我们可以对原始图像添加白噪声从而对其进行研究。不同参数的白噪声（均值、方差）可能会产生不一样的效果。 4.加椒盐噪声 加椒盐噪声的原理与白噪声基本相同。 三、实验结果及分析 1.图像的边缘检测： 对于1图中我的脸部和头部，头部全部是黑色这区域内像素值变化不大，脸部很亮这区域内的变化值也不大，因此这两个区域的灰度值较小趋于0.因此是黑色的。对于图3中我的上衣和脸部的区域，这两个区域的像素值变化不大，即梯度值接近0，为黑色。 2.DCT压缩图像： 缩其数据。 3.灰度图像增强： 图像的相关性明显下降，信号的能量主要集中在少数几个变换系数上，采用量化和熵编码可有效地压 对我的图像做了对比度增强、亮度增强，轮廓增强。 4.直方图： 图像的像素灰度变化是随机的，直方图的图形高低不齐，直方图均衡化就是用一定的算法使直方图大致平和。 5.滤波： 对图像滤除脉冲干扰噪声。 四、实验总结 均衡化处理后的图象只能是近似均匀分布。均衡化图象的动态范围扩大了，但其本质是扩大了量化间隔，而量化级别反而减少了，因此，原来灰度不同的象素经处理后可能变的相同，形成了一片的相同灰度的区域，各区域之间有明显的边界，从而出现了伪轮廓。 本文来源：https://www.wddqw.com/doc/521fb259312b3169a451a4d5.html