皂角花分割和边缘检测算法MATLAB实现_精品文档.docx
《皂角花分割和边缘检测算法MATLAB实现_精品文档.docx》由会员分享，可在线阅读，更多相关《皂角花分割和边缘检测算法MATLAB实现_精品文档.docx（6页珍藏版）》请在冰豆网上搜索。
皂角花分割和边缘检测算法MATLAB实现
图像处理和计算机视觉领域研究的发展，图像分割和边缘检测的问题在近二十年中得到了广泛的关注和长足的发展，国内外很多研究人士提出了很多方法，在不同的领域取得了一定的成果。
本实验针对一张皂角树的彩色图像，寻找一种准确率高的皂角花分割和边缘检测算法，并在MATLAB中得以。
一、实验步骤
2.1图像分割预处理
步骤一、图像灰度化
实验采集的图像是通过手机拍摄获取的RGB彩色图像，由于图像中的每个像素都具有三个不同的颜色分量，图像中会出现很多与识别无关的信息，为进一步对图像的处理研究，首先将彩色图像转换为灰度图像，这个过程称图像灰度化。
如图2-1所示：
图2-1图像灰度化
步骤二、图像去噪
图像去噪是数字图像处理中的重要环节和步骤。
去噪效果的好坏直接影响到后续的图像分割、边缘检测等图像处理工作。
在这里使用中值滤波多图像中随机出现部分点进行处理。
如图2-2所示：
图2-2图像去噪
步骤三、图像二值化
二值化处理利用图像中要得到的皂角花和绿叶之间灰度上的不同来得到一个阈值或范围，此处设阈值为0.61基本上把最开始的图像划为背景和对象物体。
如图2-3所示：
图2-3图像二值化
2.2图像形态学处理
步骤四、腐蚀膨胀
这里主要是采用数学形态学中的腐蚀与膨胀操作，因为图像中的蓝天在二值化后的图像呈现出一些零散的白点。
现通过先腐蚀后膨胀的操作去除这点亮点。
对腐蚀和膨胀设定相应的阈值。
如图2-4所示：
图2-4腐蚀膨胀
2.3图像分割
步骤五、区域生长法分割
区域生长法利用图像像素间的相似性进行分割，调用regiongrow函数对图像进行处理。
这里设置阈值为0.17。
如图2-5所示：
图2-5区域生长法
步骤六、Canny算子边缘检测
Canny的研究思想主要是把检测像素点转换为检测单位函数极大值，他指出一个好的边缘检测算子应有三个特性：
检测性噪比高，边缘定位精度高，单边响应效果好。
Canny算子基于Laplace滤波，采用两个阈值，对强边和弱边进行检测。
从实验结果可以看出，相对其它边缘检测算子，Canny算子对像素变化更加敏感，能更好地捕捉图像中的微弱边缘。
采用Canny算子检测皂角花边缘如图2-6所示：
图2-6Canny算子
二、算法实现
MATLAB的数字图像处理功能很强大，其自带的图像处理工具箱包括了经典图像处理的许多方面，如图像的集合操作、邻域和区域操作、图像变换、图像的恢复、增强和分割、线性滤波器和滤波器设计、图像分析和统计、色彩、集合及形态操作等方面。
针对以上操作都可直接使用MATLAB提供的函数，简单快捷。
3.1读取图像
原图像为1111.PNG，存放在本机D盘。
I=imread（'D:
\1111.PNG'）;
subplot（2,2,1）,imshow（I）;
axison;%显示坐标
3.2图像预处理
I1=rgb2gray（I）;
subplot（3,3,1）;imshow（I1）;title（'灰度图像'）;%图像灰度化
B=medfilt2（I1）;
subplot（3,3,2）;imshow（B）;title（'图像去噪'）;%图像去噪中值滤波
I3=im2bw（B,0.61）;
subplot（3,3,3）;imshow（I3）;title（'图像二值化'）;%图像二值化
3.3图像腐蚀膨胀
se=strel（'square',18）;
I4=imerode（B,se）;
subplot（3,3,4）;imshow（I4）;title（'腐蚀'）;%图像腐蚀操作
sv=strel（'square',15）;
I5=imdilate（I4,sv）;
subplot（3,3,5）;imshow（I5）;title（'膨胀'）;%图像膨胀操作
3.4图像分割
首先编写m文件，实现生长区域算法，用户选择种子点，然后根据阈值进行区域生长。
m文件：
functionJ=regionGrow（I）
ifisinteger（I）
I=im2double（I）;
end
figure,imshow（I）,title（'原始图像'）
[M,N]=size（I）;
[y,x]=getpts;%获取区域生长点起始点
x1=round（x）;
y1=round（y）;
seed=I（x1,y1）;%将生长起始灰度值存在seed中
J=zeros（M,N）;
J（x1,y1）=1;
sum=seed;
suit=1;
count=1;
threshold=0.16;
whilecount>0
s=0;
count=0;
fori=1:
M
forj=1:
N
ifJ（i,j）==1
if（i-1）>0&（i+1）<（M+1）&（j-1）>0&（j+1）<（N+1）
foru=-1:
1%判断点周围八点是否符合阈值条件
forv=-1:
1
ifJ（i+u,j+v）==0&abs（I（i+u,j+v）-seed）<=threshold&1/（1+1/15*abs（I（i+u,j+v）-seed））>0.8
J（i+u,j+v）=1;
%判断是否为尚未标记，并且符合阈值条件的点
count=count+1;
s=s+I（i+u,j+v）;
end
end
end
end
end
end
end
suit=suit+count;
sum=sum+s;
seed=sum/suit;
end
最后，将我们处理后的图像进行区域生长。
f=regionGrow（I5）;%区域生长分割
imshow（f）;title（'regionGrow'）;
3.5Canny算子边缘检测
[k,t]=edge（f,'canny'）;
imshow（k）;title（'canny算子'）;%Canny算子边缘检测
三、结论与讨论
本次实验通过对皂角花图像预处理、形态学处理及分割等一系列操作，实现了皂角花的目标分割及边缘检测。
数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支，也是图像处理领域的一个经典难题。
经过近二十年的不断研究和探讨，数字图像目标分割与提取在不同领域取得了很大发展，但是目前还没有一个通用的算法或标准能够胜任所有不同的应用，该问题也没有形成一个通用的自身理论。
本人在现在的研究水平下，比较每一种算法其自身的优缺点，寻找到一种准确率高的皂角花分割和边缘检测算法，并在MATLAB中得以实现。
但是每一种算法都有其特定的适用范围，因此首先明确研究对象的性质是至关重要的，这样在使用算法时才可以有的放矢。
我将以此为鉴，在今后的学习和生活过程中不断改进。
6
升级会员 