数字图像处理实验指导书
张伶
北方民族大学电气信息工程学院
2010年8月
目录
实验一 图像的输入输出、表示及评价 实验二 图像的频域变换处理 实验三 图像增强 实验四 图像的复原 实验五 图像分割
实验一：图像的输入输出、表示及评价（2学时）
实验目的：
1、
学习数字图像的计算机描述和存储格式，熟悉MATALAB环境下图像的类型及其转换，熟练掌握图像输入输出的基本技术。
2、 3、
学习图像统计指标的计算、熟悉各项指标在图像处理中的意义 研究图像采样、量化分辨率对图像质量的影响。
实验内容：
1. 熟悉MATLAB图像处理环境，应用MATLAB图像处理环境完成图像的输入输出。
（1） 输入一幅彩色图像，将其变换成索引图像、灰度图像、二值图像，并在同一画
面输出四幅图像。
A=imread('xx.jpg'); C=rgb2gray(A); B=im2bw(A,0.2); [x,map]=rgb2ind(A,0.1); figure
subplot(2,2,1),imshow(A) title('原图')
subplot(2,2,2),imshow(C) title('原图灰度图像') subplot(2,2,3),imshow(B) title('原图二值图像') subplot(2,2,4),imshow(x,map) title('原图索引图像')
（2） 输入一幅灰度图像，变成索引图像、彩色图像、输出。
2. 计算彩色图像、索引图像、灰度图像、二值图像的大小，计算存储空间、灰度平均值、
相关系数。
A=imread('pp.jpg'); B=rgb2gray(A); imshow(B) title('目标图像') B=double(B); [m,n]=size(B); sumg=0.0; for i=1:m; for j=1:n;
sumg=sumg+B(i,j); end end
avg=sumg/(m*n) maxg=max(max(B)) ming=min(min(B)) whos;
3. 选定一幅灰度图像，设计不同的采样标准，分析采样标准对图像质量的影响。例如一幅
M*N的图像，分别以1/2M*N、1/4M*N、等采样。 I=imread('pp.jpg'); figure subplot(2,2,1) imshow(I); title('原图') A=imresize(I,0.5); subplot(2,2,2) imshow(A);
title('二分之一采样图像') B=imresize(I,0.25); subplot(2,2,3) imshow(B)
title('四分之一采样图像') C=imresize(I,0.125);
subplot(2,2,4) imshow(C)
title('八分之一采样图像')
4. 选定一幅图像，设计不同的量化标准，比较不同量化标准对图像质量的影响。例如，分
别采用256、128、32、16等灰度级量化一幅图像。 A=imread('pp.jpg'); A=rgb2gray(A); subplot(2,2,1) imshow(A); title('原图') subplot(2,2,2) imagesc(A,[0,128]); title('128灰度级量化') subplot(2,2,3) imagesc(A,[0,64]); title('64灰度级量化') subplot(2,2,4) imagesc(A,[0,32]); title('32灰度级量化')
实验原理：
1、图像的表示：数字图像分为彩色图像、索引图像、灰度图像、二值图像。 彩色图像使用红、绿、蓝三种颜色表示。每种颜色分为256级，每级使用8位表示，共用24位表示一个像素，可以描述1677万种色彩。
索引图像能表示256种颜色，每种色彩其使用24位表示，以索引矩阵的方式存储，占用256*24的空间，图像以8位表示一个像素。
灰度图像只含亮度信息，每个像素用8位二进制数表示；二值图像只含两种信息，黑和白，只用一位二进制数表示一个像素。 2、不同类型图像之间的转换：
彩色图像可以转换为索引图像，按照索引矩阵，以最接近颜色替换完成。
彩色图像、索引图像转换为灰度图像，只保留亮度信息。彩色、索引、灰度图像转换为二值图像采用阈值分割的方法，即选定一个阈值，大于此阈值的像素取1，小于此阈值的像素取0。灰度图像转换成彩色图像，采用索引的方式。
3、采样、量化原理：对于连续图像f(x,y)进行采样量化变成数字图像，分两步进：首先，在空间上对图像进行采样，将空间连续的图像转换成离散的像素集合；第二步，对每一个像素的亮度进行量化处理，使得像素函数成为可以用二进制数表示的整数。采样、量化的过程会产生误差，影响图像质量。 4、描述图像的统计参数
图像的大小：M*N，M表示图像的宽度，N表示图像的高度。 图像的灰度平均值：
灰度标准差
实验方法：
设计matlab程序，在计算机中处理图像，输出结果。
1． 设计程序从文档文件夹中读取图像，查看图像的存储形式，显示图像的分辨率。 2． 设计程序将图像分别以灰度图像，索引图像，二值图像，RGB图像的形式输出，
比较它们所占的存储空间大小，计算它们的统计指标。 3． 设计不同采样、量化标准的程序，运行，记录结果。
M1N1i0j0f(i,j)MNfM1N1i0j0[f(i,j)f]MNs实验要求：
1、进实验室前必须设计好程序。 2、认真调试，记录结果。
3、实验报告必须有实验结论分析。 实验设备：
MATLAB实验环境，图像输入输出设备，图像处理设备。
附录：常matlab函数语句。
1. 将任意一幅图像存储为( ‘name’.fig),或属性定义打开方式为matalab，则可以在
matalab环境下进行处理
2. 将目标图像在matalab环境下打开，可以用command window对话框直接键入命
令。用I=imread(‘name’)可以看到原始矩阵，用[m,n]=size(‘name’)可以求出图像大小，即M*N。
3. 灰度图像显示：imagesc(I,[0,256]);colormap(gray). 4. 索引图像的显示：image(I);colormap(map)
5. 灰度图像转化为索引图像使用：[x,map]=gray2ind(I,n) 6. 索引图像转化为灰度图像使用：I=ind2gray(x,map) 7. 彩色图像的显示：image(rgb).
8. RGB图像转化为灰度图像使用: I=rgb2gray(RGB)
9. RGB图像转化为索引图像使用: （1）[x,map]=rgb2ind(RGB,n); (用最小方差量
化将RGB转换为索引图像x,map中至少包含n个颜色。(2) I=rgb2ind (RGB,map)（将RGB中的颜色与map中最相近的颜色匹配。（3）[ ]=rgb2ind (…,dither_option)利用dither_option来设置是否抖动。（4）I=rgb2ind (RGB)； 10. 索引图像转化为RGB图像使用RGB=ind2rgb(x,map) 11. B=im2bw[I,map,level] 索引转换为二值； 12. B=im2bw[I, level] 灰度转换为二值 13. B=im2bw[RGB, level]彩色转换为二值
14. 图像的读取用：I=imread(‘name’)；图像的显示用imshow（），subimage和subplot
结合可以显示多幅图。例如：subplot（1,2,1）；subimage(rgb);title(‘lily.tif’);subplot(1,2,2);subimage(x,map);title(‘women.mat’); 15. 图像的保存，用file-save as.或直接存取。
16. Toolbox中的读图像I/O的Imfinfo函数了解图像信息；impixel确定图像大小，
mean2计算灰度平均值，std2计算标准差。
实验二 图像的频域变换处理
一、实验目的：
1、掌握Fourier，DCT和Radon变换、反变换的算法实现，并初步理解Fourier、Radon和DCT变换的物理意义。
2、利用傅里叶变换、离散余弦变换处理图像。 二、实验要求：
1．用Fourier、Radon和DCT变换算法对图像作二维Fourier
I=imread('1.jpg'); subplot(1,3,1); imshow(I) title('原图'); fftI=fft2(I); subplot(1,3,2); imshow(fftI) title('FFT变换'); sfftI=fftshift(fftI); subplot(1,3,3); imshow(sfftI) title('中心化')
原图
、Radon
I=imread('1.jpg'); A=rgb2gray(I); subplot(2,2,1) imshow(I) title('原图'); subplot(2,2,2) imshow(A)
title('灰度图像');
[R,xp]=radon(A,[0 45]);
FFT变换中心化
subplot(2,2,3) plot(xp,R(:,1));
title('0度上Radon变换'); subplot(2,2,4) plot(xp,R(:,2));
title('60度上Radon变换');
原图x 1040度上Radon变换105-4000-2000200400
和DCT
A=imread('1.jpg'); A=rgb2gray(A); subplot(1,2,1) imshow(A) title('原图'); B=dct2(A); subplot(1,2,2)
imshow(log(abs(B)),[0 5]) title('二维离散余弦变换') 变换
灰度图像Radon变换10x 10460度上5-4000-2000200400
原图二维离散余弦变换
，并输出变换结果，分析图像频域和空域之间的关系。
2．用Fourier、Radon和DCT反变换算法对图像作二维Fourier ; I=imread('1.jpg'); subplot(1,3,1); imshow(I); title('原图'); fftI=fft2(I); subplot(1,3,2); imshow(fftI); title('FFT变换'); F=ifft2(I); subplot(1,3,3); imshow(F);
title('傅里叶反变换');
原图FFT变换、Radon
P=phantom(256); imshow(P);
theta1=0:10:170;[R1,xp]=radon(P,theta1); theta2=0:5:175;[R2,xp]=radon(P,theta2); theta3=0:2:178;[R3,xp]=radon(P,theta3); figure,imagesc(theta3,xp,R3); colormap(hot); colorbar
xlabel('\heta'); ylabel('x\\prime'); I1=iradon(R1,10); I2=iradon(R2,5); I3=iradon(R3,2); imshow(I1)
figure,imshow(I2); figure,imshow(I3);
傅里叶反变换
和DCT
I=imread('1.jpg'); A=rgb2gray(I); subplot(1,3,1); imshow(A); title('原图'); B=dct2(A); subplot(1,3,2);
imshow(log(abs(B)),[0 5]); title('二维离散变换'); I=idct2(B)/200; subplot(1,3,3); imshow(I); title('反变换')
原图二维离散变换反变换
反变换;
3．分别选择频域低通 I=imread('1.jpg');
[f1,f2]=freqspace(size(I),'meshgrid');生成频率序列矩阵 Hd=ones(size(I));构造低通滤波器大小
r=sqrt(f1.^2+f2.^2);构造低通滤波器决策函数 Hd(r>0.1)=0; 构造低通滤波器
Y=fft2(double(I));对I进行傅里叶变换 Y=fftshift(Y);频谱平移 Ya=Y.*Hd;低通滤波器 Ya=ifftshift(Ya);反变换 Ia=ifft2(Ya); subplot(121) imshow(I); subplot(122)
imshow(uint8(Ia)); 、高通滤波器
l=imread('1.jpg'); f=double(l); g=fft2(f); [M,N]=size(g); d0=80; m=fix(M/2); n=fix(N/2); for i=1:M for j=1:M
d=sqrt((i-m)^2+(j-n)^2);
if(d>=d0); h=1; else h=0; end
result(i,j)=h*g(i,j); end end
result=ifftshift(result); J1=ifft2(result); J2=uint8(real(J1)); imshow(J2)
title('理想高通滤波器');
原图二维离散变换理想高通滤波器
对同一幅图像进行滤波，观察分析滤波后的图像变化特征。 三、实验步骤：
1．用Fourier、Radon和DCT变换算法，对图像作二维Fourier、Radon和DCT变换和反变换 (考虑图像为256*256，可以采用快速Fourier变换方法），并比较反变换后的图像与原图像的视觉效果； 2．用DCT变换实现图像的压缩，计算压缩比。 3．利用高斯滤波器对图像进行滤波处理后输出。
实验方法：
设计matlab程序，在计算机中处理图像，输出结果。
1． 设计程序生成一幅图像图像，利用函数F=fft2(‘name’,m,n)对图像进行傅里叶变换。
利用函数imshow(log(abs(F),[ ] )输出图像的幅频特性， 2． 利用函数F=ifft2(‘name’)完成傅里叶反变换。
3． 利用函数B=dct2(‘name’,[m,n])对图像进行离散余弦变换。利用函数
imshow(log(abs(B),[ ] )输出图像的幅频特性， 4． 利用函数B=idct2(‘name’)完成傅里叶反变换。
5． 利用dct变换对图像进行压缩处理，计算压缩前后的图像大小。
实验要求：
1、进实验室前必须设计好程序。 2、认真调试，记录结果。 3、实验报告必须有实验结论分析。
实验设备：
MATLAB实验环境，图像输入输出设备，图像处理设备
实验总结：
调试该程序的时候出了不少错，subplot(1,2,2),imshow(log(abs(B)),[0 5]);在这一句中由于的我粗心把subplot写成了subpolt,结果程序运行出错，经过我的查找找到错误并改正后程序运行正确，并得出我目标图。由于课前的准备，在课堂上调试程序中并没有遇到太大的恐难。
通过本次实验我学会了掌握Fourier，DCT和Radon变换、反变换的算法实现，并初步理解Fourier、Radon和DCT变换的物理意义；利用傅里叶变换、离散余弦变换处理图像。
实验三：图像增强（4学时）
实验目的：
1. 熟练掌握图像的灰度变换增强，二维滤波增强，锐化处理的原理。 2. 自如的应用MATLAB环境对图像进行灰度变换、直方图处理，平滑处
理，锐化处理。
实验内容：
1. 对已知图像作灰度变换增强，分析不同变换函数对同一图像处理的
结果。
A=imread('pp.jpg'); B=rgb2gray(A);
subplot(221) imshow(B)
title('原图灰度图'); subplot(222) imhist(B)
title('原图灰度图直方图') C=imadjust(B,[0.3 0.7],[]); subplot(223) imshow(C)
title('增强图像'); subplot(224) imhist(C)
title('增强图像直方图');
2. 作出已知图像的直方图，对图像进行直方图修正，分析修正结果 A=imread('pp.jpg'); B=rgb2gray(A); J=histeq(B); subplot(221) imshow(B) title('原图灰度图'); subplot(222) imhist(B)
title('原图灰度图直方图') subplot(223) imshow(J) title('均衡化图像'); subplot(224) imhist(J)
title('均衡化图像直方图');
3. 分别对图像进行均匀滤波和中值滤波。
A=imread('pp.jpg'); B=rgb2gray(A); subplot(221) imshow(B) title('原图灰度图');
J=imnoise(B,'salt & pepper',0.04); subplot(222) imshow(J)
title('加椒盐噪声后的图像'); K=medfilt2(J); subplot(223) imshow(K)
title('中值滤波后图像'); h=ones(3,3)/9; D=conv2(J,h)/255; subplot(224) imshow(D)
title('均值滤波后图像');
4. 分别用几种不同方式对已知图像进行锐化处理。 A=imread('pp.jpg'); B=rgb2gray(A); subplot(221) imshow(B) title('原图灰度图'); J=edge(B,'roberts',0.1); subplot(222) imshow(J)
title('罗伯茨梯度锐化图'); K=edge(B,'prewitt',0.1); subplot(223) imshow(K) title('梯度锐化图'); D=edge(B,'sobel',0.05); subplot(224) imshow(D) title('梯度锐化图'); 实验原理：
1、灰度变换
灰度变换是直接对像素进行处理，常用三种基本函数，线性函数、对数函数、幂函数。可以完成图像的反转、拉伸、γ校正等，改变图像对比度、增加灰度宽度。
2、直方图校正
直方图是图像的灰度概率统计图，修改直方图可以改变图像灰度分布状态，从而改变图像对比度。
3、图像滤波器
图像滤波器实质上是一种离散卷积处理，也叫掩膜操作。通过使用不同模板获得不同结果。平滑模板使图像模糊但可消除噪声，锐化模板可以提高线、点的立体效果从而实现图像分割的功能。 实验方法：使用matlab处理 实验基本要求：
1.设计程序求出已知图像的直方图，将原图像亮度提高20后再作直方图，在同一画面输出。
2.设计程序将已知图像添加椒盐噪声，分别用均匀滤波，和中值滤波处理，与原图像在同一画面输出。
3.设计程序将求出已知图像中目标物的轮廓与原图像在同一画面输出。
实验设备：
MATLAB实验环境，图像输入输出设备，图像处理设备。
参考资料
1、 灰度线性变换增强使用：J=imadjust(I,[low high],[bottom top],gamma); [low high]原图像要
变换的灰度范围，[bottom top]指定的变换后的灰度范围，gamma为校正量，gamma＝1线性校正，gamma>1抛物线校正，gamma<1三次曲线校正。newmap=imadjust(map,[low high],[bottom top],gamma)调整索引图像的调色板。
2、 直方图显示使用imhist(A),直方图均衡化使用J=histeq(I,n) n表示输出图像的灰度级数
目，默认64；[J,T]=histeq(I,„)表示I的直方图变成J的直方图T。直方图规定化使用J=histeq(I,n,hgram) hgram指定直方图向量。
3、 建立滤波算子：h=fspecial (type); h=fspecial (type,para),其中type指定算子的类型，有：
‘average’均值滤波，参数hsize代表模板尺寸，默认为[3,3]；‘disk’圆形区域的均值滤波，参数为radius代表区域半径,默认为5；‘gaussian’为低通高斯滤波，参数hsize代表模板尺寸，默认为[3,3]，sigma是滤波的标准差/象素，默认为0.5；’laplacian’为拉普拉斯算子，参数alpha用于控制算子形状，取值[0,1]，默认为0.2；‘log’为 拉普拉斯－高斯算子，参数hsize代表模板尺寸，默认为[3,3]，sigma是滤波的标准差/象素，默认为0.5；‘motion’运动模糊算子，表示摄像物体逆时针方向以thera角度运动了hen个象素，len默认为9，thera默认为0；‘prewitt’边缘增强,大小[3,3]；‘sobel’边缘提取；‘unsharp’对比度增强滤波，参数alpha用于控制滤波器的形状，取值[0,1]，默认为0.2。 例如：用prewitt算子对图像滤波 I=imread(‘saturn.tif’); Subplot(1,2,1); imshow(I); H=fspecial(‘prewitt’); blurred=imfilter(I,H);
Subplot(1,2,2); imshow(blurred);
4、 filter2是基于卷积的图像滤波函数，J=filter2(h,I); J=filter2(h,I,shape); shape指定滤波器的
卷积运算范围，shape＝’full’,边界补零；shape＝’same’，返回矩阵大小与I相同；shape＝’valid’，不考虑边界补零，返回矩阵小于I。
5、 加噪声使用J=imnoise(I,type,para), 其中type确定噪声的类型和参数。’guassian’高斯噪
声，参数M代表均值，默认为0，V代表方差，默认为0.01;‘localvar’均值为零、方差为V的高斯白噪声；‘poisson’泊松噪声；’salt&pepper’椒盐噪声，D为噪声强度，默认值为0.05；’speckle’ 均值为零、方差为V的均匀随机分布噪声，V为0.04。
6、 线形滤波，h=ones(3,3)/9;线性滤波模板，J=conv2(I,h)；卷积。
7、 中值滤波j＝medfilt2（I,[m,n]）,[m,n]）滤波器窗口的大小。J= medfilt2（I,[m,n]）,[m,n] ,
PADOPT), PADOPT边界处理方法，”symmetric”在边界处滤波器进行对称延拓，“indexed”图像为double型，用1填充边界，其它型用0填充边界。 8、 自适应滤波，J=wiener2(I,[m,n]) ;[m,n]滤波器窗口大小。 9、 J=edge(I,’roberts’)
实验四 图像的复原（2学时）
实验目的：
熟练掌握图像的几何操作原理，图像几何变换的程序设计技术，可以按要求完成对任意图像几何变换。
实验原理： 实验内容：
1． 对已知图像进行旋转处理； 2． 对给定图像进行剪切处理； 3． 对已知图像进行缩放处理； 4． 对已知图像进行镜像处理。
实验方法：MATLAB处理
实验设备：MATLAB实验环境，图像输入输出设备，图像处理设备。 实验要求：
1. 设计程序将已知图像旋转40度后与原图像在同一画面输出。 2. 设计程序将已知图像缩小到1/3后与原图像在同一画面输出。 A=imread('pp.jpg'); B=imrotate(A,40,'nearest'); subplot(221) imshow(A)
title('原图'); subplot(222) imshow(B)
title('旋转40度后图像'); K=imresize(A,1/3); subplot(223) imshow(K)
title('缩小1/3后图像'); D=imresize(A,3); subplot(224) imshow(D)
title('放大3倍后图像');
3. 设计程序将已知图像放大3倍后与原图像在同一画面输出。
4. 设计程序从已知图像中剪切出[60 90 100 90]的部分后与原图像在同一画面输出。 I=imread('pp.jpg');
J=imcrop(I,[60 90 100 90]); Subplot(1,2,1); imshow(I); Title('原图'); Subplot(1,2,2); imshow(J);
Title('剪切后图像'); 参考资料
1． 图像旋转使用B=imrotate(A,angle,method); angle是旋转的角度(单位是“度”)；method
是插补的方法，可以是nearest（最邻近插补）,bilinear（双线性插补）,bicubic（双立方插补）。还可使用B= B=imrotate(A,angle,method,’crop’); crop表示剪切。
2． 图像剪切使用：x2=imcrop(x,map),对索引图像进行交互式剪切；I2=imcrop(I), 对灰度图
像进行交互式剪切；RGB2＝imcrop(rgb)，对彩色图像进行交互式剪切；x2=imcrop(x,map，RECT)，对索引图像进行非交互式剪切；I2=imcrop(I，RECT), 对灰度图像进行非交互式剪切；rgb2＝imcrop(rgb，RECT)，对彩色图像进行非交互式剪切；RECT是四元素向量[xmin ymin width height] 例如：rgb2＝imcrop(rgb，[100 100 80 10])，
3． 图像缩放使用B=imresize(A,m,method) 返回为A的m倍]大小的图像；
b=imresize(A,[mrows ncols],method),返回为mrows× ncols]大小的图像。
实验五 图像分割
实验目的：
1. 熟悉图像的分割的概念、原理、方法。
2. 应用MATLAB环境对图像进行阈值分割、边缘检测 实验内容：
1. 对已知图像作阈值分割，选择不同的阈值进行分割，分析不同阈值
对同一图像处理的结果，研究阈值选择的方法。 I=imread('pp.jpg'); I=rgb2gray(I); f0=I; f1=I; f2=I; f3=I; subplot(3,2,1); imshow(I) title('原图'); subplot(3,2,2); imhist(I)
title('原图直方图') T=110; s=size(f0);
[maxI,maxP]=max(I(:,:)) [minI,minP]=min(I(:,:)) for i=1:s(1) for j=1:s(2)
if f0(i,j)>=T f0(i,j)=255; else f0(i,j)=0;
end end end
subplot(3,2,3); imshow(f0); title('T=110') T=90; s=size(f1);
[maxI,maxP]=max(I(:,:)) [minI,minP]=min(I(:,:)) for i=1:s(1) for j=1:s(2)
if f1(i,j)>=T f1(i,j)=255; else f1(i,j)=0; end end end
subplot(3,2,4); imshow(f1); title('T=90') T=150; s=size(f2);
[maxI,maxP]=max(I(:,:)) [minI,minP]=min(I(:,:)) for i=1:s(1) for j=1:s(2)
if f2(i,j)>=T f2(i,j)=255; else f2(i,j)=0;
end end end
subplot(3,2,5); imshow(f2); title('T=150') T=70; s=size(f3);
[maxI,maxP]=max(I(:,:)) [minI,minP]=min(I(:,:)) for i=1:s(1) for j=1:s(2)
if f3(i,j)>=T f3(i,j)=255; else f3(i,j)=0; end end end
subplot(3,2,6); imshow(f3); title('T=70')
2. 对已知图像利用不同算子进行边缘检测，分析比较检测结果。 I=imread('pp.jpg'); I=rgb2gray(I) ;灰度转换 subplot(2,3,1) imshow(I) title('原图像')
f0=edge(I,'roberts');Roberts算子 f1=edge(I,'prewitt');Prewitt算子
f2=edge(I,'sobel'); Sobel算子 f3=edge(I,'log');LoG算子 f4=edge(I,'canny'); Canny算子 subplot(2,3,2) imshow(f0)
title('roberts算子检测'); subplot(2,3,3) imshow(f1)
title('prewitt算子检测'); subplot(2,3,4) imshow(f2)
title('sobel算子检测') ; subplot(2,3,5) imshow(f3) title('log算子检测') ; subplot(2,3,6) imshow(f4)
title('canny算子检测') ;
3. 设计区域生长程序，利用区域生长方法进行图像分割。 f1=imread('pp.jpg'); f1=rgb2gray(f1);灰度转换 f=double(f1); s=128; t=65;
if numel(s)==1 si=f==s; s1=s;
else
si=bwmorph(s,'strink',Inf); j=find(si); s1=f(j); end
ti=false(size(f)); for k=1:length(s1) sv=s1(k); s=abs(f-sv)<=t; ti=ti|s; end
[g nr]=bwlabel(imreconstruct(si,ti)); figure, subplot(2,3,1), imshow(f1); title('原图'); subplot(1,2,2), imshow(g); title('切割的图像');
实验原理：
图像分割就是将图像分成互不重叠的区域,提取感兴趣的目标.图像分割的方法常用的有:
阈值分割、边缘检测、区域生长。
因篇幅问题不能全部显示，请点此查看更多更全内容