實驗（1）以chair.jpg圖像為例，分別采用sobel、prewitt、roberts和log對該圖像及其加上噪聲后的圖像進行邊緣檢測。

close all clear all I=imread('D:/chair.jpg'); I_noise=imnoise(I,'gaussian',0.06); bw1=edge(I_noise,'sobel'); bw2=edge(I_noise,'prewitt'); bw3=edge(I_noise,'roberts'); bw4=edge(I_noise,'log',[],4); subplot(2,3,1);imshow(I);xlabel('原圖'); subplot(2,3,2);imshow(I_noise,[]);xlabel('加入高斯噪聲后的圖像'); subplot(2,3,3);imshow(bw1);xlabel('Sober算子'); subplot(2,3,4);imshow(bw2);xlabel('Prewitt算子'); subplot(2,3,5);imshow(bw3);xlabel('Robrtts算子'); subplot(2,3,5);imshow(bw4);xlabel('LoG算子');

實驗（2）以cell.jpg圖像為例，分別迭代式閾值選擇法和最大類間方差閾值選擇法對該圖像進行分割。

clc close all clear all I=imread('D:/cell.jpg'); I=im2double(I); [width.heoght]=size(I) T1=graythresh(I); BW1=im2bw(I,T1); f=double(I); T=(min(f(:))+max(f(:)))/2; done=false; i=0; while~doner1=find(f<=T);r2=find(f>T);Tnew=(mean(f(r1))+mean(f(r2)))/2done=abs(Tnew-T)<1T=Tnew;i=i+1; end f(r1)=0; f(r2)=1; subplot(1,3,1);imshow(I);xlabel('原圖'); subplot(1,3,2);imshow(f);xlabel('迭代式閾值選擇法'); subplot(1,3,3);imshow(BW1);xlabel('Otsu算法');

參考：https://blog.csdn.net/uchihalyn/article/details/104593878

總結(jié)

以上是生活随笔為你收集整理的MatLab 数字图像处理实验 图像分割的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。