图像分割和形态学处理与MATLAB实现Word下载.docx

图像分割和形态学处理与MATLAB实现Word下载.docx

《图像分割和形态学处理与MATLAB实现Word下载.docx》由会员分享，可在线阅读，更多相关《图像分割和形态学处理与MATLAB实现Word下载.docx（19页珍藏版）》请在冰豆网上搜索。

w=[-1-1-1;

-18-1;

-1-1-1]

g=abs（imfilter（double（data）,w））;

t=max（g（:

））;

g1=（g>

=t）;

[mn]=find（g1）

figure

imshow（data）

holdon

plot（n,m,'

ro'

）

=t-200）;

=t-800）;

）

5.1.2效果

分析：

随着阈值的减小，所检测出的点越来越多

5.2阈值分割方法2——线检测

5.2.1程序

clear

xian.jpg'

subplot（221）,imshow（data）;

title（'

检测指定方向线的原始图像'

w=[2-1-1;

-12-1;

-1-12];

subplot（222）,imshow（g,[]）

使用-45度检测器处理后的图像'

gtop=g（1:

40,1:

40）;

gtop=pixeldup（gtop,4）;

%piceldup函数是将图片放大相应倍数

subplot（223）,imshow（gtop,[]）

-45度检测后左上角放大图'

gbot=g（end-40:

end,end-40:

end）;

gbot=pixeldup（gbot,4）;

subplot（224）,imshow（gbot,[]）

-45度检测后右下角后放大图'

5.2.2处理效果

-45度方向上的直线，经过处理后效果明显，其他方向上的线比较模糊。

5.3阈值分割方法3——边缘检测

5.3.1程序

clc

f=imread（'

bianyuan.jpg'

f=rgb2gray（f）;

subplot（321）,imshow（f）;

sobel检测的原始图像'

[gv,t]=edge（f,'

sobel'

'

vertical'

%斜线因为具有垂直分量，所以也能够被检测出来

subplot（322）,imshow（gv）;

sobel垂直方向检测后图像'

gv=edge（f,'

0.15,'

subplot（323）,imshow（gv）;

sobel垂直检测0.15阈值后图像'

gboth=edge（f,'

0.15）;

subplot（324）,imshow（gboth）;

sobel水平垂直方向阈值0.15后图像'

w45=[-2-1086-10187012];

g45=imfilter（double（f）,w45,'

replicate'

T=0.3*max（abs（g45（:

）））;

g45=g45>

=T;

subplot（325）,imshow（g45）;

sobel正45度方向上检测图'

w_45=[0-1-29510-196210];

g_45=imfilter（double（f）,w_45,'

T=0.3*max（abs（g_45（:

g_45=g_45>

subplot（326）,imshow（g_45）;

sobel负45度方向上检测图'

5.3.2效果

5.3.2边缘检测器的比较

5.3.2.1程序

dalouj.jpg'

imshow（f）

[g_sobel_default,ts]=edge（f,'

imshow（g_sobel_default）;

gsobeldefault'

[g_log_default,tlog]=edge（f,'

log'

imshow（g_log_default）;

glogdefault'

[g_canny_default,tc]=edge（f,'

canny'

figure,imshow（g_canny_default）;

gcannydefault'

g_sobel_best=edge（f,'

0.25）;

figure,imshow（g_sobel_best）;

gsobelbest'

g_log_best=edge（f,'

0.003,2.25）;

figure,imshow（g_log_best）;

glogbest'

g_canny_best=edge（f,'

[0.040.10],1.5）;

figure,imshow（g_canny_best）;

gcannybest'

5.3.2.1效果

5.2编程实现膨胀和腐蚀

5.2.1膨胀

5.2.1.1程序

A1=imread（'

beitie.jpg'

A1=im2bw（A1）;

B=[1111

1111

1111

1111];

A2=imdilate（A1,B）;

%图像A1被结构元素B膨胀

A3=imdilate（A2,B）;

A4=imdilate（A3,B）;

figure,imshow（A1）;

imdilate膨胀原始图像'

figure,imshow（A2）;

使用B后1次膨胀后的图像'

figure,imshow（A3）;

使用B后2次膨胀后的图像'

figure,imshow（A4）;

使用B后3次膨胀后的图像'

5.2.1.2效果

5.2.2腐蚀

5.2.2.1程序

原始图像'

se1=strel（'

disk'

2）;

A2=imerode（A1,se1）;

用disk

（2）腐蚀后的图像'

se2=strel（'

4）;

A3=imerode（A1,se2）;

用disk（4）腐蚀后的图像'

se3=strel（'

6）;

A4=imerode（A1,se3）;

用disk（6）腐蚀后的图像'

5.2.2.2效果

5.3编程实现开运算和闭运算

5.3.1开运算

5.3.1.1程序

f=im2bw（f）;

%se=strel（'

square'

5'

%方型结构元素

se=strel（'

%圆盘型结构元素

imshow（f）;

%原图像

运算原始图像'

fo=imopen（f,se）;

imshow（fo）;

直接开运算'

5.3.1.2效果

5.3.2闭运算

title（'

fc=imclose（f,se）;

%直接闭运算

figure,imshow（fc）;

直接闭运算'

foc=imclose（fc,se）;

%先开后闭运算

figure,imshow（foc）;

先开后闭运算'

fco=imopen（fc,se）;

%先闭后开运算

figure,imshow（fco）;

先闭后开运算'

5.3.2.2效果

5.4编程实现提取骨架和细化

5.4.1提取骨架

5.4.1.1程序

guge.jpg'

figure,imshow（f）;

骨架提取原图'

g1=bwmorph（f,'

skel'

1）;

figure,imshow（g1）;

骨架提取1次'

g2=bwmorph（f,'

5）;

figure,imshow（g2）;

骨架提取5次'

g3=bwmorph（f,'

20）;

figure,imshow（g3）;

骨架提取20次'

g4=bwmorph（f,'

Inf）;

figure,imshow（g4）;

骨架提取无穷大次'

fork=1:

5

g3=g3&

~endpoints（g3）;

end

骨架提取并消除毛刺'

5.4.1.2效果

5.4.2细化

5.4.2.1程序

zhiwen.jpg'

f=~f;

指纹细化原图'

thin'

指纹细化1次'

指纹细化5次'

指纹细化无穷大次'

5.4.2.2效果