基于数字图象处理的粒度分析MATLAB实现.docx
《基于数字图象处理的粒度分析MATLAB实现.docx》由会员分享，可在线阅读，更多相关《基于数字图象处理的粒度分析MATLAB实现.docx（64页珍藏版）》请在冰豆网上搜索。
基于数字图象处理的粒度分析MATLAB实现
摘要
粒度分析又称“机械分析”[16]，是研究碎屑沉积物（或岩石）中各种粒度的百分含量及粒度分布的一种方法。
对易于分解离开的碎屑沉积，通常采用筛析法和沉降法；对固结较紧且又不易解离的碎屑沉积，通常采用薄片鉴定法；对粗大的砾石通常采用直接测量法。
根据分析结果，可推测沉积物的形成条件和环境。
对于不同原理的粒度分析器，所依据的测量原理不同，其颗粒特性也不相同，只能进行等效对比，不能进行横向直接对比。
随着数字图像处理技术和计算机技术的不断发展，现在结合数字图像处理与粒度分析的技术已经不断发展起来，这使得以前麻烦费力的粒度分析方法得到简化，解放了以前手工操作的技术难度，基于数字图像处理的粒度分析技术，也将成为这一领域发展的一大趋势。
论文主要研究了基于数字图象的粒度分析方法。
研究工作是基于MATLAB软件平台上实现的。
论文首先介绍了粒度分析的相关知识。
其次对MATLAB进行了相关的描述。
然后描述了粒度分析在实际中应用，以及用MATLAB平台进行实现，最后对结果进行分析，得出一定的结论。
关键词：
数字图象，MATLAB，粒度分析，机械分析
ABSTRACT
Thesizingtestcalled”themachineryanalysis”,isstudiesthedetritusdeposit（orrock）eachkindofgranularitypercentageandthegrain-sizedistributiononemethod.Toeasytodecomposethecausticdepositwhichleaves,usuallyusesthescreenanalysislawandsinksfastmethod;Tosolidifiesthecausticdepositwhichtightalsonoteasytodissociate,usuallyusesthethinsliceappraisallaw;Usuallyusesthedirectsurveylawtothethickbrokenstone.Accordingtotheanalysisresult,mayextrapolatethedeposittheformationconditionandtheenvironment.Regardingthedifferentprincipleparticle-sizeanalyzer,thesurveyprinciplewhichrestsonisdifferent,itspelletcharacteristicisnotsame,onlycancarryontheequivalentcontrast,cannotcarryonthecrosswisedirectcontrast.Alongwiththedigitalimageprocessingtechnologyandthecomputertechnologyunceasingdevelopment,unifieddigitalimageprocessingandthesizingtesttechnologynowalreadyunceasinglydevelops,thiscausedbeforetroubledthehardsleddingthesizingtestmethodtoobtainthesimplification,liberatedbeforemanualoperationtechnicaldifficulty,andalsobasedondigitalimageprocessingsizingtesttechnology,alsowillbecomethisdomaindevelopmentamajortendency.Thepapermainlystudiesbasedondigitalimagesizeanalysismethod.
ThethesismainlyresearchworkisbasedontheMATLABsoftwareplatform.Itfirstlyintroducestherelatedknowledgeofgrainsizeanalysis.NexttothedescriptionofMATLAB.Grainsizeanalysisanddescribestheapplicationinpractice,andMATLABplatformtorealize,finallyobtainedintheanalysis,theconclusioniscertain.
Keywords：
DigitalimagesMATLABGrainsizeanalysisMachineanalysis
前言
粒度检测是一个非常重要的研究课题，计算粒度参数的方法主要有筛析法和沉降法两种，这两种方法必须通过手工作图求累积曲线，是一项相当繁杂的劳动，不利于计算大量样品，并且最初的粒度检测系统具有价格昂贵、处理速度慢等缺点。
数字图像处理是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接收系统所需要的图像过程。
数字图像处理的基础是数学，主要任务是进行各种算法设计和算法实现。
目前数字图像处理技术已经在许多不同的应用领域得到重视，并取得了巨大的成就。
随着数字图像处理技术的进一步发展，摄像设备价格的不断降低，出现了基于计算机的数字图像处理的粒度分析系统。
本文中提出的方法是，先将原始照片进行图像预处理目的是去噪，然后对其进行边缘检测目的是将不符合要求的颗粒剔除出去，紧接着对图像进行数学形态学运算其目的是将所要检测的颗粒提取出来，最后将图象进行最后的处理操作，利用通用程序MATLAB的函数功能求解百分位数和计算粒度参数。
计算结果和验算表明MATLAB计算相当可靠，完全可以代替手工作图。
该方法原理简单，使任何懂或不懂编程的粒度分析人员，都能在计算机的帮助下无须作图用图解法计算样品的粒度参数，既能使粒度分析从繁杂的手工劳动中解放出来，又避免了手工操作的不确定性，有很大的应用价值。
本论文主要内容包括以下几个部分：
第一章：
主要是介绍数字图象处理的基础知识。
第二章：
对仿真平台MATLAB软件进行介绍。
第三章：
基于数字图象处理的粒度分析理论知识介绍。
第四章：
基于数字图象处理的粒度分析MTLAB实现。
第一章绪论
1.1数字图象处理定义[10]
数字图像处理（DigitalImageProcessing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理的产生和迅速发展主要受三个因素的影响：
一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。
20世纪50年代，数字计算机发展到一定的水平后，数字图像处理才真正引起人我们的兴趣。
1964年美国喷气推进实验室用计算机对“徘徊者七号”太空船发回的大批月球照片进行处理，收到明显的效果。
20世纪60年代末，数字图像处理具备了比较完整的体系，形成了一门新兴的学科。
20世纪70年代，数字图像处理技术得到迅猛的发展，理论和方法进一步完善，应用范围更加广泛。
在这一时期，图像处理主要和模式识别及图像理解系统的研究相联系，如文字识别、医学图像处理、遥感图像的处理等。
20世纪70年代后期到现在，各个应用领域对数字图像处理提出越来越高的要求，促进了这门学科向更高级的方向发展。
特别是在景物理解和计算机视觉（即机器视觉）方面，图像处理已由二维处理发展到三维理解或解释。
近年来，随着计算机和其它各有关领域的迅速发展，例如在图像表现、科学计算可视化、多媒体计算技术等方面的发展，数字图像处理已从一个专门的研究领域变成了科学研究和人机界面中的一种普遍应用的工具。
1.2图象处理应用目的[8]
一般来讲，对图像进行处理（或加工、分析）的主要目的有三个方面：
（1）、提高图像的视感质量，如进行图像的亮度、彩色变换，增强、抑制某些成分，对图像进行几何变换等，以改善图像的质量。
（2）、提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利。
提取特征或信息的过程是模式识别或计算机视觉的预处理。
提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
（3）、图像数据的变换、编码和压缩，以便于图像的存储和传输。
不管是何种目的的图像处理，都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。
数字图像处理研究的内容主要有：
（1）、图像获取和图像表现阶段主要是把模拟图像信号转化为计算机所能接受的数字形式，以及把数字图像用所需要的形式显示出来。
（2）、图像复原当造成图像退化的原因已知时，复原技术可用来进行图像的校正。
复原技术是基于模型和数据的图像恢复，其目的是消除退化的影响，从而产生一个等价于理想成像系统所获得的图像。
（3）、图像增强当无法知道与图像退化有关的定量信息时，可以使用图像增强技术较为主观地改善图像的质量。
（4）、图像分析对图像中的不同对象进行分割、特征提取和表示，从而有利于计算机对图像进行分类、识别、理解或解释。
（5）、图像重建由图像的多个一维投影重建该图像，可看成是特殊的图像复原技术。
（6）、图像编码和压缩对图像进行编码的主要目的是为了压缩数据，便于存储和传输。
当前的一些编码方法对图像分析和图像加密也有越来越多的应用。
数字图像处理的工具可分为三大类：
第一类包括各种正交变换和图像滤波等方法，其共同点是将图像变换到其它域（如频域）中进行处理（如滤波）后，再变换到原来的空间（域）中；第二类方法是直接在空间域中处理图像，它包括各种统计方法、微分方法及其它数学方法：
第三类是数学形态学运算，它不同于常用的频域和空域的方法，是建立在积分几何和随机集合论的基础上的运算。
由于被处理图像的数据量非常大且许多运算在本质上是并行的，所以图像并行处理结构和图像并行处理算法也是图像处理中的主要研究方向。
数字图像处理主要应用于下面一些领域[7]：
（1）、通信包括图像传输、电视电话、电视会议。
（2）、宇宙探测随着太空技术的发展，需要用数字图像处理技术处理大量的星体照片。
（3）、遥感分航空遥感和航天遥感。
遥感图像需要用图像处理技术加工处理并提取有用的信息。
可用于地质、矿藏勘探和森林、水利、海洋、农业等资源的调查；自然灾害预测预报；环境污染监测；气象卫星云图处理以及用于军事目的的地面目标识别。
（4）、生物医学领域中的应用X射线、超声、显微图像分析、计算机断层摄（即CT）分析和重建等。
（5）、工业生产中的应用主要有产品质量检测、生产过程的自动控制、计算机辅助设计与制造等。
（6）、军事、公安、档案等其它方面的应用军事目标的侦察、制导和警戒系统、自动火器的控制及反伪装；公安部门的现场照片；指纹、手迹、印章、人像等的进一步处理和辨识；历史文字和图片档案的修复和管理；以及其它方面图像信息的显示、记录、处理和文字自动识别等。
（7）、机器人视觉作为智能机器人的重要感觉器官，进行三维景物的理解和识别。
主要用于军事侦察、危险环境作业、装配工作识别和定位以及邮政、家政服务等。
（8）、视频和多媒体系统目前，电视制作系统广泛使用图像处理、变形、合成技术。
多媒体系统离不开静止图像和动态图像的采集、压缩、处理、存储和传输。
（9）、科学计算可视化数字图像处理和计算机图形学紧密结合，形成了科学计算的新型研究工具。
1.3数字图像处理技术发展概况[1]
数字图像处理（DigitalImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人我们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他我们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上获得的成果。
1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（ComputerTomograph）。
CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。
与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。
人我们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。
很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。
其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。
图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人我们进一步探索的新领域。
1.4数字图象处理研究内容[3]
数字图像处理主要研究的内容有以下几个方面：
（1）图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。
因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
（2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
（3）图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。
图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立＂降质模型＂，再采用某种滤波方法，恢复或重建原来的图像。
（4）图像分割图像分割是数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。
虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
（5）图像描述图像描述是图像识别和理解的必要前提。
作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。
对于特殊的纹理图像可采用二维纹理特征描述。
随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
（6）图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。
图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
1．5数字图象处理的基本特点
（1）数字图像处理的信息大多是二维信息，处理信息量很大。
如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。
因此对计算机的计算速度、存储容量等要求较高。
（2）数字图像处理占用的频带较宽。
与语言信息相比，占用的频带要大几个数量级。
如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。
所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。
（3）数字图像中各个像素是不独立的，其相关性大。
在图像画面上，经常有很多像素有相同或接近的灰度。
就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。
因此，图像处理中信息压缩的潜力很大。
（4）由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。
因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。
在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。
（5）数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。
由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。
另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。
例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。
1.6本次设计的目的和论文的结构
（1）设计目的
本次设计的目的是了解和掌握将数字图象处理技术应用于粒度分析的方法，提高这部分的理论知识和实际能力。
进一步进行MATLAB的应用，最后对采用数字图象处理的粒度分析结果进行分析和总结。
（2）论文的结构
首先，在第一章介绍了数字图象处理的基本知识。
并且对本次论文的目的和论文的结构也作了介绍。
第二章进行对MATLAB软件的介绍。
第三章对于粒度分析和边缘检测技术基本知识，原理，示例等分析说明。
第四章是在MATLAB软件下进行各种算子进行粒度分析的说明和检测的结果。
最后是总结和体会，谢辞和参考文献。
第二章MATLAB简介
2.1MATLAB的概况
MATLAB的英文全称是矩阵实验室（MatrixLaboratory），一开始它是一种专门用于矩阵数值计算的软件。
从这一点上也可以看出，它在矩阵运算方面有自己的特点。
实际上，MATLAB中的绝大多数运算都是通过矩阵这一形式完场的。
正是这一特点决定了MATLAB对图像进行数字图像上的独特优势。
从理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，即图像的采样和量化过程。
通过对二维图像的均匀采样，就可以得到一幅离散化成MXN样本的数字图像。
该数字图像是一个整数阵列，因而用矩阵来描述是最直观和简便的了。
而MATLAB的长处就是处理矩阵运算，因此用MATLAB处理数字图像非常方便。
MATLAB支持索引色图像、灰度图像、二值图像、RGB图像和多帧图像阵列五种图像类型，支持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等图像文件格式的读、写和显示。
MATLAB对图像的处理功能主要集中在它的图像处理工具箱（ImageProcessingToolbox）中。
图像处理工具箱由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作。
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
做为美国Mathworks公司1983年首次推出的一套高性能的数值分析和计算软件，其功能不断扩充，版本不断升级，1992年推出划时代的4.0版，1993年推出了可以配合MicrosoftWindows使用的微机版，95年4.2版，97年5.0版，99年5.3版，5.X版无论是界面还是内容都有长足的进展，其帮助信息采用超文本格式和PDF格式，可以方便的浏览。
至2001年6月推出6.1版，2002年6月推出6.5版，继而推出6.5.1版，2004年7月MATLAB7和Simulink6.0被推出，目前的最新版本为7.1版。
MATLAB将矩阵运算、数值分析、图形处理、编程技术结合在一起，为用户提供了一个强有力的科学及工程问题的分析计算和程序设计工具，它还提供了专业水平的符号计算、文字处理、可视化建模仿真和实时控制等功能，是具有全部语言功能和特征的新一代软件开发平台。
MATLAB已发展成为适合众多学科，多种工作平台、功能强大的大型软件。
在欧美等国家的高校，MATLAB已成为线性代数、自动控制理论、数理统计、数字信号处理、时间序列分析、动态系统仿真等高级课程的基本教学工具。
成为攻读学位的本科、硕士、博士生必须掌握的基本技能。
在设计研究单位和工业开发部门，MATLAB被广泛的应用于研究和解决各种具体问题。
在中国，MATLAB也已日益受到重视，短时间内就将盛行起来，因为无论哪个学科或工程领域都可以从MATLAB中找到合适的功能。
2.2MATLAB6.5功能
（1）全新的开发环境GUIDE（GUIDevelopmentEnvironment）：
由早期的单一命令窗口发展为将一些常用的交互式工作界面
升级会员 