实验2华工电信数学实验大二下.docx
《实验2华工电信数学实验大二下.docx》由会员分享，可在线阅读，更多相关《实验2华工电信数学实验大二下.docx（11页珍藏版）》请在冰豆网上搜索。
实验2华工电信数学实验大二下
实验名称：
图像轮廓线提取技术
专业：
电子科学与技术
班级：
姓名：
序号：
36
提交日期：
2011年5月1日
一、实验目的与要求：
1、了解对matlab的图像处理功能，掌握基本的图像处理方式；
2、掌握imread，imshow，imwrite，subplot，title等的基本使用方法。
3、掌握图像轮廓线提取的简单方法并上机实现。
4、了解matlab自带的边界检测算子的使用，提高对复杂图像处理的能力。
二、问题描述
1．任意选取一幅灰度图像和一幅彩色图像，对算法中若干关键语句中进行调整，得出不同的实验结果，对这些结果进行分析，并与MATLAB自带的边缘检测做对比。
2．提出其它的轮廓线提取方法，与简单阈值法进行比较分析。
三、问题解决
练习一：
任意选取一幅灰度图像和一幅彩色图像，对算法中若干关键语句中进行调整，得出不同的实验结果，对这些结果进行分析，并与MATLAB自带的边缘检测做对比。
解：
我从网上下载一幅彩色照片，用Photoshop将其转成灰白色调。
得到两幅JPG格式图片。
灰色图：
首先用函数IMREAD用来读取图形文件。
A＝IMREAD（FILENAME,FMT）格式用以读取由字符串FILENAME所指定的一张灰度图，而字符串FMT用以详细说明该文件的格式。
如果该文件不在当前MATLAB的工作目录或MATLAB其他指定路径中，需指明该图在系统中的完整路径。
IMREAD返回该图像的数据值给数组A。
如果该文件包含的是一张灰度图，A是一个二维（MN）的数组。
如果该文件包含的是一张彩色图，A则是一个三维（MN3）的数组。
其返回数组的类型是根据该文件所使用的格式而定的。
IMAGE用来显示图片或者图形。
IMAGE（C）将矩阵C显示为一幅图像。
C中的每一个元素指明了该图中对应点的颜色。
矩阵C可以是MN维或者MN3维的，它的数据可以是双精度，8位无符号整型，或者16位无符号整型的。
SIZE用以求数组的大小
D=SIZE（X），对于MN的矩阵X，它返回一个含有两个元素的行向量D=[M，N],其M和N分别代表该矩阵的行数和列数。
对于矩阵X而言，[M，N]＝SIZE（X）返回行和列数。
灰度图经过IMREAD函数读取后，生成的是一个2维（MN）矩阵，其每一个数值都代表着原图片中对应象素点的色彩的灰度值，范围[0,255]，并且都是正整数。
其中，0表示黑，255表示白。
位于轮廓线上的点，它与其相邻的点的灰度值差有一定的跳跃，故通过值的对比，就可以将那些边缘点提取出来。
但是，为了代码的简单实用，首先我去掉了图像的边框上的所有象素点，即：
去掉灰度值矩阵的第一行、第一列、最后一行和最后一列。
这样做的好处是显而易见的，因为可以保证每一个待比较的点其周围都有8个供比较的点，如图示：
在算法中，将中心那个点依次与其上下、左右、左上、右下，和右上、左下8个点做比较，若差值大于规定值，则其就是轮廓线上的点，反之不是。
算法关键的地方是对IMREAD生成的矩阵进行了非线性变换。
首先，将这个矩阵从8位无符号型变成双精度的数值存储；然后才能进行下一步的将其每个值都除以255，这样就把每个数值都调整为0～1之间的小数；再用正弦sin函数将这些值做变换，并取求得的结果放大40倍。
这样一来，本来是在0～255之间的正整数，就被变换到0～1之间的小数，然后再离散成0～40之间的双精度数值。
其目的是为了在进行比较灰度值的时候，方便自定义各种差值。
灰度图的源代码（.m文件）如下：
functiongraydrawout（'H:
\狗（灰）.jpg',n）%灰度图的轮廓线提取
A=imread（'H:
\狗（灰）.jpg'）;%读取指定的灰度图
[a,b]=size（A）;%a,b分别等于矩阵A的行数和列数
B=double（A）;%将矩阵A变为双精度矩阵
D=40*sin（1/255*B）;%将矩阵B进行线性变换
T=A;%新建与A同等大小矩阵
forp=2:
a-1%处理图片边框内的像素点
forq=2:
b-1
if（D（p,q）-D（p,q+1））>n|（D（p,q）-D（p,q-1））>n|
（D（p,q）-D（p+1,q））>n|（D（p,q）-D（p-1,q））>n|
（D（p,q）-D（p-1,q+1））>n|（D（p,q）-D（p+1,q-1））>n|
（D（p,q）-D（p-1,q-1））>n|（D（p,q）-D（p+1,q+1））>n
T（p,q）=0;%置边界点为黑色
else
T（p,q）=255;%置非边界点为白色
end;
end;
end;
subplot（2,1,1）;%将窗口分割为两行一列，下图显示于第一行
image（A）;%显示原图像
title（'灰度图原图'）;%图释
axisimage;%保持图片显示比例
subplot（2,1,2）;%下图显示于第二行
image（T）;%显示提取轮廓线后的图片
title（'提取轮廓线'）;%图释
axisimage;%保持图片显示比例
代码的主体是if－else－end部分，我们来分析它。
其原理就是将中心点与其周围的8个点依次比较，发现有一个差值大于自定义的值时，就判断其为轮廓线上的点并将之置为黑色；若其与周围8个点的比较值都小于自定义值时，则其不在轮廓线上，置白色。
灰度图提取轮廓线示例
运行结果：
n=1
n=2
n=3
彩色图：
彩色图片经过IMREAD函数读取后，由于它的每一个象素点都是由红、绿、蓝三色的强度值一起定义其颜色的，所以，生成的是一个3维的（MN3）矩阵。
矩阵平面（：
，：
，1）代表对应象素点的红色强度值，矩阵平面（：
，：
，2）是绿色强度值，矩阵平面（：
，：
，3）则是蓝色强度值。
在每一个矩阵平面中强度值的范围是[0,255]的正整数。
位于轮廓线上的点，它的红、绿、蓝三色的强度值与其周围的点必然有一定的差值，也正式利用这些差值的比较，可以将那些位于边缘的点提取出来。
在算法上，彩色图与灰度图不同的是，彩图的每一个单色矩阵可以单独用来判定该点是否位于轮廓线上。
其算法与灰度图的原理非常相似。
在彩色图的算法中，加入了对判定矩阵的选择，即提供使用者自由选择用图片的哪一个单色矩阵进行轮廓线提取。
因为根据图片本身的特点，选择更适合于进行提取的矩阵，其效果是十分不同的，在下面的讨论中将会再次提到这个问题。
算法关键的地方同样是对IMREAD生成的矩阵进行了线性变换。
首先，将这个矩阵从8位无符号型变成双精度的数值存储；然后才能进行下一步的将其每个值都除以255，这样就把每个数值都调整为0～1之间的小数；再用正弦sin函数将这些值做变换，并取求得的结果放大40倍。
这样一来，本来是在0～255之间的正整数，就被变换到0～1之间的小数，然后再离散成0～40之间的双精度数值。
其目的是为了在进行比较单色强度值的时候，方便自定义各种带小数的差值。
彩色图轮廓线提取的源代码（.m文件）如下：
functioncolordrawout（‘F:
\狗（彩）.jpg’,n）%彩色图片轮廓线提取函数
A=imread（‘F:
\狗（彩）.jpg’）;%读取指定彩色图片
B=A（:
:
1）;%红色强度值矩阵
C=A（:
:
2）;%绿色强度值矩阵
D=A（:
:
3）;%蓝色强度值矩阵
fori=1:
3%依次从三个矩阵中提取轮廓线
ifi==1%从红色矩阵提取
E=B;
elseifi==2%从绿色矩阵提取
E=C;
elseE=D;%从蓝色矩阵提取
end;
end;
H=double（E）;%将选择的矩阵变为双精度矩阵
F=40*sin（1/255*H）;%进行非线性变换
[k,j]=size（B）;%k,j分别为矩阵D的行数和列数
T=A;
forp=2:
k-1
forq=2:
j-1
if（F（p,q）-F（p,q+1））>n|（F（p,q）-F（p,q-1））>n|
（F（p,q）-F（p+1,q））>n|（F（p,q）-F（p-1,q））>n|
（F（p,q）-F（p-1,q+1））>n|（F（p,q）-F（p+1,q-1））>n|
（F（p,q）-F（p-1,q-1））>n|（F（p,q）-F（p+1,q+1））>n
T（p,q,1）=0;T（p,q,2）=0;T（p,q,3）=0;%置边界点黑色
else
T（p,q,1）=255;T（p,q,2）=255;T（p,q,3）=255;%置非边界点白色
end;
end;
end;
subplot（2,2,i+1）;%将窗口分割为两行两列，下图显示于第i＋1位置
image（T）;%显示轮廓线
title（i）;%图释
axisimage;%保持图片显示比例
end;
subplot（2,2,1）;%下图显示于第1位置
image（A）;%显示原彩色图片
title（'彩色图原图'）;%图释
axisimage;%保持图片显示比例
注释：
pix－为要提取轮廓线的灰度图名（带路径），由单引号括住。
n－自定义的强度值值差值，超过该值就是轮廓线上的点，反之不然。
这是一个最重要的参数，通过调节它的值，修整轮廓线的效果
范围为0～40之间的任何有理数。
A－MATLAB读取原图片后返回的数据矩阵，3维（MN3）
T－新建的与A矩阵同等行列数的矩阵，待放入比较后结果。
代码中加入的部分是对单色强度值矩阵的选择。
从比较中可以看出，选择彩色图片中最大程度的颜色矩阵，可以提高提取轮廓线的效果。
譬如：
图片以红色为主，就选择1－红色矩阵。
代码的主体同样是if－else－end部分。
其原理仍是将中心点与其周围的8个点依次比较，发现有一个差值大于自定义的值时，就判断其为轮廓线上的点并将T矩阵中对应点置为黑色；若其与周围8个点的比较值都小于自定义值时，则其不在轮廓线上，T矩阵对应点置白色。
彩色图提取轮廓线示例：
n=1
n=1.5
n=2
注：
1）由红色矩阵提取的轮廓线；2）由绿色矩阵提取的轮廓线；3）由蓝色矩阵提取的轮廓线。
练习二：
提出其它的轮廓线提取方法，与简单阈值法进行比较分析。
算法：
将指针在像素矩阵上依次移动，每到达一点时，取出其自身及其周围共9个像素点进行分析。
利用std函数计算这9个灰度值的标准差，当该值大于预设阈值n时，判断该点为边界点。
源代码：
A=imread（'H:
\狗（灰）.jpg'）;
[a,b]=size（A）;
B=double（A）;
D=40*sin（1/255*B）;
T=A;
n=0.5;
fori=2:
a-1
forj=2:
b-1
c=[D（i-1,j-1:
j+1）,D（i,j-1:
j+1）,D（i+1,j-1:
j+1）];%将九个像素点排成一行
s=std（double（c））;%计算九个像素点的标准差
ifs>n%比较标准差与阈值n
T（i,j）=0;
elseT（i,j）=255;
end
end;
end;
subplot（2,1,1）;
image（A）;
title（'灰度图原图'）;
axisimage;
subplot（2,1,2）;
image（T）;
title（'提取轮廓线'）;
axisimage;
n=1
n=2
算法分析与比较：
从处理结果来看，用此算法得到的图像中噪声点较少，线条清晰连续。
噪声点少主要是因为此算法运用标准差运算，通过计算9个像素点的差异大小来判定某点是否分界点，而不是像原算法，仅仅通过比较相邻两点之间的差异大小来判定是否分界点，因此本结果零散的点（误判的分界点）更少。
但是计算的时间明显要更长，计算机处理起来更为繁琐。
升级会员 