数字图像处理实验报告实验三Word下载.docx
《数字图像处理实验报告实验三Word下载.docx》由会员分享,可在线阅读,更多相关《数字图像处理实验报告实验三Word下载.docx(11页珍藏版)》请在冰豆网上搜索。
![数字图像处理实验报告实验三Word下载.docx](https://file1.bdocx.com/fileroot1/2022-10/22/4c03d20d-a8a4-410a-bd5b-2226d08c116e/4c03d20d-a8a4-410a-bd5b-2226d08c116e1.gif)
2.膨胀Dilation:
补两边补左下
图5-2添上一层(漆)
3.开运算open:
4.闭close:
5.HMT(Hit-MissTransform:
击中——击不中变换)
条件严格的模板匹配
模板由两部分组成。
:
物体,:
背景。
图5-3击不中变换示意图
性质:
(1)时,
(2)
6.细化/粗化
(1)细化(Thin)
去掉满足匹配条件的点。
图5-4细化示意图
系统细化, 是旋转的结果(90°
,180°
,270°
)共8种情况
适于细化的结构元素
(2)粗化(Thick)
用时,
故要选择合适的结构元素,如,
对偶性:
(验证一下)
where when
7.Morphology小结
A.通过物体(对象)和结构元素的相互作用,得到更本质的形态(shape)
(1)图像滤波
(2)平滑区域的边界
(3)将一定形状施加于区域边界
(4)描述和定义图像的各种几何参数和特征(区域数、面积、周长、连通度、颗粒度、骨架、边界)
B.形态运算是并行运算
C.细化
区域或边界变为1个象素的宽度,但它不破坏连通性
四方向细化算法:
逻辑运算(可删除条件)
形态运算是否可用于细化?
(1)腐蚀:
收缩(去掉边缘的点)何时结束?
能否保证连通性?
(2)开:
去毛刺,能否细化(去掉尺寸小于结构元素的块)
三.实验提示
Matlab中用imdilate函数实现膨胀。
用法为:
Imdilate(X,SE).其中X是待处理的图像,SE是结构元素对象。
例如:
bw=imread('
text.png'
);
se=strel('
line'
11,90);
bw2=imdilate(bw,se);
imshow(bw),title('
Original'
)
figure,imshow(bw2),title('
Dilated'
Matlab用imerode函数实现图像腐蚀。
用法为:
Imerode(X,SE).其中X是待处理的图像,SE是结构元素对象。
如:
I=imread('
cameraman.tif'
ball'
5,5);
I2=imerode(I,se);
imshow(I),title('
figure,imshow(I2),title('
Eroded'
Matlab用imopen函数实现图像开运算。
imopen(I,se);
I为图像源,se为结构元素
Matlab用imclosee函数实现图像闭运算。
imclose(I,se);
结构元素的选取:
strel函数
SE=strel('
arbitrary'
NHOOD)
将NHOOD构造成你设定的矩阵;
如将NHOOD写在[111;
111;
111]
diamond'
R)
构造一个中心具有菱形结构的结构元素,R为跟中心点的距离
rectangle'
MN)
构造一个矩形的结构元素,MN可写在[34],表示3行4列
square'
W)
构造一个正方形的矩阵。
计算二值图像面积
bwarea
功能:
计算二进制图像对象的面积。
语法:
total=bwarea(BW)
举例
BW=imread('
circles.png'
imshow(BW);
bwarea(BW)
ans=
15799
bwmorph
提取二进制图像的轮廓。
BW2=bwmorph(BW1,operation)
BW2=bwmorph(BW1,operation,n)
BW1=imread('
imshow(BW1);
BW2=bwmorph(BW1,'
remove'
BW3=bwmorph(BW1,'
skel'
Inf);
imshow(BW2)
figure,imshow(BW3)
四.实验内容与要求
1.设计程序实现对图5-5,实现去除图像中的噪声。
2.设计程序,实现将图5-6转化为二值图像,并计算图中鸡块中骨头的比重。
3.设计程序,实现去除图5-7中的矩形区域外的噪声,并填充矩形区域内部了。
提示:
做题是把下面的图另存为单独的图像文件进行处理。
图5-5
图5-6
图5-7
五、实验过程与结果
1.分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理的不同之处
代码:
I=imread('
test_pattern.tif'
subplot(2,2,1);
imshow(I),title('
原图'
BW1=edge(I,'
roberts'
subplot(2,2,2);
imshow(BW1),title('
用Roberts算子'
BW2=edge(I,'
sobel'
subplot(2,2,3);
imshow(BW2),title('
用Sobel算子'
BW3=edge(I,'
log'
subplot(2,2,4);
用拉普拉斯高斯算子'
结果:
(3)比较
Roberts算子:
边缘定位准,但是对噪声敏感。
适用于边缘明显且噪声较少的图像分割。
Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑,会在图像边缘附近的区域内产生较宽的响应,边缘定位的精度不是很高。
Sobel算子:
算法的优点是计算简单,速度快。
但是由于只采用了2个方向的模板,只能检测水平和垂直方向的边缘,因此这种算法对于纹理较为复杂的图像,其边缘检测效果就不是很理想。
拉普拉斯:
对噪声敏感,会产生双边效果。
不能检测出边的方向。
通常不直接用于边的检测,只起辅助的角色,检测一个像素是在边的亮的一边还是暗的一边利用零跨越,确定边的位置。
2.设计一个检测图3-2中边缘的程序,要求结果类似图3-3,并附原理说明
lines.png'
F=rgb2gray(I);
imshow(I);
title('
原始图像'
thread=130/255;
imhist(F);
直方图'
J2=im2bw(F,thread);
imshow(J2);
分割结果'
实验结果:
(3)原理说明:
根据图像的直方图,发现背景和目标的分割值在135左右,将此作为分割值,将图像转换为二值图像。
3.任选一种阈值法进行图像分割:
(1)选取阈值为180进行分割:
thread=180/255;
%阈值为180进行分割
实验结果:
将阈值调节到180,明显的看到线条的边缘变得模糊,而背景的线条被消除。
4.检测出3.3图像的线条,要求完成的结果为二值图像:
line2.png'
thread=120/255;
说明:
根据直方图,分割值在120左右,去120为分割线,得到以上分割结果。