实验五 图像分割matlab

图像分割是将一幅图像分割成多个子区域，每个子区域具有一定的相似性，而且不同子区域间有明显的差异性。MATLAB提供了许多图像分割的函数，如K均值聚类、区域生长、分水岭算法等。

以下是一些MATLAB中常用的图像分割函数：

1. K均值聚类

K均值聚类是一种简单而有效的图像分割方法。该方法通过对图像像素进行聚类来实现图像分割。在MATLAB中，可以使用kmeans函数实现K均值聚类。

示例代码：

% 读取图像
I = imread('lena.jpg');
% 将图像转换为二维数组
I2 = double(reshape(I, [], 3));
% 对图像进行K均值聚类
[idx, C] = kmeans(I2, 2);
% 将聚类结果转换为图像
I3 = reshape(idx, size(I, 1), size(I, 2));
% 显示聚类结果
imshow(I3, []);

2. 区域生长

区域生长是基于邻域像素相似性的图像分割方法。该方法从一个种子像素开始，逐步将与该像素相邻的像素加入到同一区域中。在MATLAB中，可以使用regiongrowing函数实现区域生长。

示例代码：

% 读取图像
I = imread('lena.jpg');
% 对图像进行区域生长
J = regiongrowing(I, 100, 100, 20);
% 显示生长结果
imshow(J);

3. 分水岭算法

分水岭算法是一种基于图像梯度的图像分割方法。该方法将图像看作是一个地形图，通过将图像分割成多个区域来实现图像分割。在MATLAB中，可以使用watershed函数实现分水岭算法。

示例代码：

% 读取图像
I = imread('lena.jpg');
% 对图像进行梯度计算
I2 = imgradient(I);
% 对梯度图像进行分水岭算法
L = watershed(I2);
% 显示分割结果
imshow(label2rgb(L, 'jet', 'w'));

以上是MATLAB中常用的图像分割函数，可以根据实际需求选择合适的函数进行图像分割。