基于Matlab的图像分割和边缘检测教学的研究

王玲

摘要：现代教学媒体具有直观、形象、信息量大的优势，在图像分割和边缘检测的教学中，如果能将视觉媒体和交互媒体应用于此教学过程中，就能创造出良好的教学效果。图像处理的教学过程需要学生丰富的想象力和创造力对老师和学生都是一个挑战。使用Matlab丰富的函数和图形用户界面（GUI）就可以轻松的理解图像处理的概念。本文提出了利用Matlab处理图像的教学方法，实现了Matlab对图像分割和边缘检测的仿真，仿真结果表明，直接调用Matlab丰富的内置函数即可得到仿真结果，程序编写简单，能很好的激发学生的研究兴趣。Matlab 的图形用户界面，能让学生对实验结果有一个直观的了解。Matlab是一个适用于数字图像处理的高效的教学仿真工具。

关键词：图像处理；Matlab；图像分割；边缘检测；视觉媒体

中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2015）08-0184-03

Abstract： The modern teaching media intuitive advantages image， informative， and in the teaching of image segmentation and edge detection， if the visual media and interactive media can be applied to this teaching process， we can create a good teaching effect. Image processing requires teaching students a rich imagination and creativity of teachers and students is a challenge. Using Matlab functions and rich graphical user interface （GUI） can easily understand the concept of image processing. This paper presents an image processing using Matlab teaching methods to achieve the Matlab simulation image segmentation and edge detection， simulation results show that direct calls Matlab rich built-in functions can be obtained by the simulation results， write a simple program that can well inspire students research interests. Matlab graphical user interface that allows students to experiment results have an intuitive understanding. Matlab is an efficient teaching simulation tool for digital image processing.

Key words： image processing； Matlab； image segmentation； edge detection； visual media

现代教学媒體根据人接受信息的感官不同，可以分为视觉媒体、听觉媒体、视听媒体和交互媒体等[1]。高校教师利用现代教学媒体教学就是一个新的挑战。

数字图像处理是利用图像复原、去噪、分割、边缘检测等技术对图像进行处理的过程，现今，数字图像处理在日常生活中发挥着至关重要的作用，包括医疗诊断、天气预报、模式匹配和识别（车牌识别、指纹识别）、工业工程[2] 、电子商务[3]、通信技术[4]、交通运输[5]、遥感和卫星图像处理。中国伟大的哲学家孔子说：“我听，我忘记了，我看到，我记住了，我做，我理解了”。所以说，结合视觉媒体和交互媒体方法比单纯的理论教学对学生的影响更深刻。数字图像处理的概念如果使用视觉媒体和交互媒体的方式教学就很容易理解。Matlab（矩阵实验室）是美国Mathworks公司推出的集成计算和开发环境[6]，具备完善的矩阵和科学计算功能，允许用数学形式的语言来编写程序，有相应的函数支持，一行Matlab代码通常可以取代几行C或C++代码。Matlab还提供了传统编程语言的流量控制、错误和面向对象编程。自带有图像处理工具箱，其强大的矩阵处理与三维显示功能，特别适合数字图像处理的仿真实验[7]。Matlab为用户设计图形界面提供了一个高效、方便的集成环境。这个交互式的图形用户界面可以帮助老师让学生更好地理解图像处理技术的概念。本文介绍的图像分割和边缘检测是图像处理教学中的基础环节，图像处理的首要任务是对目标区域进行识别，其次是提取图像的形状区域，在此基础上对图像理解分析。数字图像的分割和边缘检测是目前机器视觉领域广泛研究的的课题之一。本文中使用Matlab软件对图像分割和图像边缘检测做了仿真，仿真实验的成功能很好的激发学生学习图像处理的兴趣。

1 图像分割概念的教学

图像分割是将图像中的像素灰度值、轮廓、纹理等原始特性进行提取，图像分割是图像理解的基础，也是进行图像分析的关键，正确的图像分割使更高层的图像理解和图像分析成为了可能。图像分割技术成功的应用于交通路口的电子警察、光学字符识别、指纹识别、机动车牌号识别等领域。图像分割方法分类[6]见表1。

区域并行技术分类中的阈值分割法是通过设置阈值，把像素点按灰度级分若干类来实现图像分割的一种方法。根据分割得到的结果有二元阈值和多元阈值分割[8]（图1和图2）。二元阈值图像分割将图像分为两个区域即提取的对象和背景区域，本文图1显示了二阈值分割的结果，在二阈值分割中将灰度值小于100的区域定义为提取的目标，灰度值大于100的区域定义为背景区域。图2显示了多阈值图像分割，将图像分为三个区域：像素的灰度强度小于100对应0（黑色），像素的灰度强度大于200对应255（白色），其余的像素灰度值对应150（浅色的灰色），这样老师讲解基于阈值的图像分割概念时很清晰，学生也比较容易理解和掌握。利用Matlab实现二阈值分割的代码如下：

图1显示了二阈值分割的结果，图2显示了多阈值分割的结果，利用Matlab实现图像分割代码简单，学生易于理解并掌握，图像分割结果中可以看到多阈值分割结果比单阈值分割结果更接近于原始图像，学生可以很容易对分割结果进行对比分析。

2 图像边缘检测的教学

边缘检测是利用物体和背景的灰度、颜色或纹理特征的差异完成的，边缘是一个区域的结束，同时也是另一个区域的开始，同一区域内的特征一致，不同区域内的特征不同。边缘检测的基本思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置阈值的方法提取边缘点集[9]。边缘检测时可将一阶导数的局部极大值和二阶导数的过零点作为相应点的边界强度，通过设置门限的方法，提取边界点集。边缘检测是实现图像分割的基础，是图像处理中的重要环节。

图3中（1）显示了hua.jpg的灰度原始图像，图3（2-7）分别显示了Soble算子、Robherts算子、Prewitt算子、LoG算子、Canny算子和零交叉算子边缘提取的结果。从仿真结果可以看到LoG算子、Canny算子和零交叉算子提取到的边缘结果较之其他算子提取到的边缘结果更逼真，更多的反映出了花瓣的边缘细节。利用Matlab简单的代码和直观逼真的图像显示结果，学生很容易理解边缘检测的概念和思想。

3 结论

本文提出了一种利用Matlab处理数字图像概念的有效学习方法，因其编程简单，结果直观，可以让学生有更多的经历学习更多的知识，可以让学生拓展思维、独立思考、创造性学习，可以提高学生自主编程的能力[10]。Matlab提供了丰富的内置函数，比如在进行图像边缘检测时，学生不必花費大量的时间编写复杂的程序，直接调用函数即可得到仿真结果，对仿真结果进行对比分析即可得出结论，学生可以轻松理解和掌握知识。Matlab软件图文并茂的处理方法，比如图像分割的实验，可以直接得到分割结果，有助于学生直观地观察实验结果。这种方法也适用于其它图像处理过程的教学，有待下一步的研究。

参考文献：

[1] Asir，A.G.D，Jebamalar，L.E.Competency-Based Calisthenics of Learning Outcomes for Engineering Education. International Journal of Education and Learning，2013，2（1），25-34.

[2] Manian V，Vasquez R，Katiyar P.Texture classification using logical operators[J].Ieee Trans Image Process，2000，9（10）：1693-1703.

[3] Totok A，Karamchenth V.Rdrp：Reward-Driven Request Prioritization for e-Commerce web sites[J].Electronic Commerce Research and Applications，2010（6）；549-561.

[4] 张煜东，王水话，陈书文.基于Matlab的数字图像处理教学[J].教育文化论坛，2014（3）：89-91.

[5] 韦耿，夏领梯，张煜东.模式匹配和神经网络法用于车牌识别的比较研究[J].微型电脑应用，2013（9）：6-8.

[6] 陈超.MATLAB应用实例精讲[M].北京：电子工业出版社，211：1-32.

[7] Choy R，Edelman A.Parallel Matlab：Doing it Righ[J].Proceedings of the Ieee，2005（2）：331-341.

[8] 张德丰.数字图像处理（MATLAB版）[M].北京：人民邮电出版社，2009：258-270.

[9] 李捷，周石娴.网络视频编码中的分层技术[J].计算机工程与应用，2003，35（8）：81-83.

[10] 秦怡，巩琼，李根全等.基于Matlab的光学信息安全教学实践[J].实验室研究与探索，2013（5）：134-136，163.