实验内容.docx
《实验内容.docx》由会员分享，可在线阅读，更多相关《实验内容.docx（21页珍藏版）》请在冰豆网上搜索。
实验内容
机器视觉与图像处理
实验报告
课程名称：
机器视觉与图像处理
班级：
自动F1202
姓名：
王安
学号：
201223910318
实验时间：
2015.3.19~4.16
机器视觉与图像处理
专业:
自动化班级:
自动F1202姓名:
王安
学号:
201223910318完成日期：
2015.4.9成绩评定:
1、实验题目
Matlab软件的使用
二、实验目的
1.熟悉并掌握Matlab软件的一些基本概念，了解菜单栏、工具栏、状态栏、命令窗口等。
2.掌握Matlab软件安装。
3.熟悉Matlab软件基本操作环境，了解文档help中演示demo内容和ImageProcessing工具箱。
3、实验过程及结果
1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等；
（1）双击桌面的matlab软件图标，进入matlab软件。
如图1.1所示：
图1.1matlab软件界面
（2）浏览使用matlab软件的菜单栏、工具栏、状态栏、命令窗口等。
如图2所示：
图1.2matlab窗口
2、打开help工具栏，进入demo演示内容。
如图3所示：
图1.3demo演示内容
3、找到imageProcessing工具箱，并进行初步学习，为后续实验做准备。
如图3所示：
图1.4demo练习
四、实验总结和分析
通过课上的老师的讲解和之前的了解，对matlab有了一定认识，在实验中，了解了matlab实际操作中的步骤以及matlab中demo工具箱及其功能，熟悉Matlab软件基本操作环境，巩固了课堂上的知识。
机器视觉与图像处理
专业:
自动化班级:
自动F1202姓名:
王安
学号:
201223910318完成日期：
2015.4.9成绩评定:
2、实验题目
图像的增强技术
二、实验目的
1.了解图像增强技术/方法的原理。
2.熟练掌握一般图像处理理论及方法，如图像滤波，图像边缘检测。
3.通过程序的调试，初步了解图像处理命令的使用方法
4、实验过程及结果
1、打开matlab软件demo工具下的ImageProcessing工具箱下Enhancement图像增强工具栏，了解认识图像增强的基本原理。
如图2.1所示：
图2.1图像增强工具界面
2、打开一个图像直方图和调整演示例程，逐步了解图像处理的方法。
Step1:
Readimage
I=imread（'rice.png'）;
imshow（I）
Step2:
Usemorphologicalopeningtoestimatethebackground
background=imopen（I,strel（'disk',15））;
%DisplaytheBackgroundApproximationasaSurface
figure,surf（double（background（1:
8:
end,1:
8:
end）））,zlim（[0255]）;
set（gca,'ydir','reverse'）；
Step3:
Subtractthebackroundimagefromtheoriginalimage
I2=imsubtract（I,background）;
imshow（I2）
Step4:
Increasetheimagecontrast
I3=imadjust（I2）;
imshow（I3）;
Step5:
Thresholdtheimage
level=graythresh（I3）;
bw=im2bw（I3,level）;
imshow（bw）
Step7:
Viewthewholelabelmatrix
RGB_label=label2rgb（labeled,@spring,'c','shuffle'）;
imshow（RGB_label）
机器视觉与图像处理
专业:
自动化班级:
自动F1202姓名:
王安
学号:
201223910318完成日期：
2015.4.10成绩评定:
3、实验题目
图像特征提取
二、实验目的
1.了解图像特征提取的方法。
2.利用matlab软件，编程实现图像中长度、角度、半径、边界等特征的提取测量。
3.通过程序的调试，初步了解图像特征提取命令的使用方法。
5、实验过程及结果
1.双击MATLAB图标打开MATLAB软件；单击help/Demos打开帮助中的演示；找到ImageProcessing工具箱中的图像特征提取，如图3.1所示
图3.1ImageProcessing工具箱
本次实验选取一个：
测量带卷的半径。
进行试验。
我们的目标是测量辊的带，这是部分地由磁带分配器遮蔽的半径。
将利用bwtraceboundary来完成这个任务。
分为五个步骤：
*步骤1：
阅读图像
RGB=imread（'tape.png'）;imshow（RGB）;text（15,15,'Estimateradiusoftherolloftape',...'FontWeight','bold','Color','y'）
*步骤2：
阈值图像
I=rgb2gray（RGB）;threshold=graythresh（I）;BW=im2bw（I,threshold）;imshow（BW）
*步骤3：
提取初始边界点位置
dim=size（BW）;col=round（dim
（2）/2）-90;row=find（BW（:
col）,1）;
*步骤4：
跟踪的边界
connectivity=8;num_points=180;contour=bwtraceboundary（BW,[row,col],'N',connectivity,num_points）;imshow（RGB）;holdon;plot（contour（:
2）,contour（:
1）,'g','LineWidth',2）;
*步骤5：
适合圆的边界
x=contour（:
2）;y=contour（:
1）;%solveforparametersa,b,andcintheleast-squaressenseby%usingthebackslashoperatorabc=[xyones（length（x）,1）]\-（x.^2+y.^2）;a=abc
（1）;b=abc
（2）;c=abc（3）;%calculatethelocationofthecenterandtheradiusxc=-a/2;yc=-b/2;radius=sqrt（（xc^2+yc^2）-c）%displaythecalculatedcenterplot（xc,yc,'yx','LineWidth',2）;%plottheentirecircletheta=0:
0.01:
2*pi;%useparametricrepresentationofthecircletoobtaincoordinates%ofpointsonthecircleXfit=radius*cos（theta）+xc;Yfit=radius*sin（theta）+yc;plot（Xfit,Yfit）;message=sprintf（'Theestimatedradiusis%2.3fpixels',radius）;text（15,15,message,'Color','y','FontWeight','bold'）;
五、实验总结和分析
图像处理工具箱软件提供了一套全面的参考标准算法和图像处理，分析，可视化和算法开发的图形化工具。
您可以恢复干扰或退化图像，增强图像清晰度提高，提取特征，分析形状和纹理，并注册两个图像。
大多数工具箱函数都写在公开MATLAB®语言，让你可以检查算法，修改源代码，并创建自己的自定义功能的能力。
机器视觉与图像处理
专业:
自动化班级:
自动F1202姓名:
王安
学号:
201223910318完成日期：
2015.4.10成绩评定:
4、实验题目
图像变换
二、实验目的
1.了解图像变换的原理。
2.利用matlab软件，编程实现投影数据的图像重构。
3.通过程序的调试，初步了解图像投影变换的应用。
6、实验过程及结果
1.双击MATLAB图标打开MATLAB软件；
2.单击help/Demos打开帮助中的演示；
3.找到ImageProcessing工具箱中的图像特征提取，如图4.1所示：
图4.1图像变换工具箱
P=phantom（256）;imshow（P）
*平行梁-计算综合预测
theta1=0:
10:
170;[R1,xp]=radon（P,theta1）;num_angles_R1=size（R1,2）
theta2=0:
5:
175;
[R2,xp]=radon（P,theta2）;
num_angles_R2=size（R2,2）
theta3=0:
2:
178;[R3,xp]=radon（P,theta3）;num_angles_R3=size（R3,2）
N_R1=size（R1,1）N_R2=size（R2,1）N_R3=size（R3,1）
P_128=phantom（128）;[R_128,xp_128]=radon（P_128,theta1）;N_128=size（R_128,1）
figure,imagesc（theta3,xp,R3）colormap（hot）colorbarxlabel（'ParallelRotationAngle-\theta（degrees）'）;ylabel（'ParallelSensorPosition-x\prime（pixels）'）;
*平行光束-从投影数据重建头部模型：
output_size=max（size（P））;dtheta1=theta1
（2）-theta1
（1）;I1=iradon（R1,dtheta1,output_size）;figure,imshow（I1）
dtheta2=theta2
（2）-theta2
（1）;I2=iradon（R2,dtheta2,output_size）;figure,imshow（I2）
dtheta3=theta3
（2）-theta3
（1）;I3=iradon（R3,dtheta3,output_size）;figure,imshow（I3）
扇形波束-计算合成预测
计算合成预测采用扇形波束几何形状和改变“FanSensorSpacing”。
D=250;dsensor1=2;F1=fanbeam（P,D,'FanSensorSpacing',dsensor1）;dsensor2=1;F2=fanbeam（P,D,'FanSensorSpacing',dsensor2）;dsensor3=0.25;[F3,sensor_pos3,fan_rot_angles3]=fanbeam（P,D,...'FanSensorSpacing',dsensor3）;
扇形波束-从投影数据重建头部模型：
.
Ifan1=ifanbeam（F1,D,'FanSensorSpacing',dsensor1,'OutputSize',output_size）;figure,imshow（Ifan1）
Ifan2=ifanbeam（F2,D,'FanSensorSpacing',dsensor2,'OutputSize',output_size）;figure,imshow（Ifan2）
Ifan3=ifanbeam（F3,D,'FanSensorSpacing',dsensor3,'OutputSize',output_size）;figure,imshow（Ifan3）
四、实验总结和分析
通过本次实验展示了如何使用iradon，扇束和ifanbeam形成从样品图像投影，然后从投影重建图像。
而氡和iradon使用平行束几何结构的突起，扇形束和ifanbeam使用一个扇形束的几何形状。
比较平行束和扇形束的几何形状，下面的实施例创建的合成预测每个几何然后使用这些合成的预测，以重构原始图象。
机器视觉与图像处理
专业:
自动化班级:
自动F1202姓名:
王安
学号:
201223910318完成日期：
2015.4.11成绩评定:
5、实验题目
摄像机标定实验
二、实验目的
1.了解摄像机标定的定义。
2.了解摄相机标定方法的分类。
3.使用Matlab工具箱进行摄像机标定。
7、实验过程及结果
1.双击MATLAB图标打开MATLAB软件；
2.单击help/Demos打开帮助中的演示；
3.找到标定工具箱，如图5.1所示：
图4.1图像标定工具箱
Createtwocellarrayscontainingfilenamesofcalibrationimagestakenwitheachcamera.
numImagePairs=10;
imageFiles1=cell（numImagePairs,1）;
imageFiles2=cell（numImagePairs,1）;
imageDir=fullfile（matlabroot,'toolbox','vision','visiondata',...
'calibration','stereoWebcams'）;
fori=1:
numImagePairs
imageFiles1{i}=fullfile（imageDir,'left',sprintf（'left%02d.png',i））;
imageFiles2{i}=fullfile（imageDir,'right',sprintf（'right%02d.png',i））;
End
%Trytodetectthecheckerboard
im=imread（imageFiles1{1}）;
imagePoints=detectCheckerboardPoints（im）;
%Displaytheimagewiththeincorrectlydetectedcheckerboard
figure;
imshow（im,'InitialMagnification',50）;
holdon;
plot（imagePoints（:
1）,imagePoints（:
2）,'*-g'）;
title（'FailedCheckerboardDetection'）;
images1=cast（[],'uint8'）;
images2=cast（[],'uint8'）;
fori=1:
numel（imageFiles1）
im=imread（imageFiles1{i}）;
im（3:
700,1247:
end,:
）=0;
images1（:
:
:
i）=im;
im=imread（imageFiles2{i}）;
im（1:
700,1198:
end,:
）=0;
images2（:
:
:
i）=im;
End
[imagePoints,boardSize]=detectCheckerboardPoints（images1,images2）;
%Displayonemaskedimagewiththecorrectlydetectedcheckerboard
figure;
imshow（images1（:
:
:
1）,'InitialMagnification',50）;
holdon;
plot（imagePoints（:
1,1,1）,imagePoints（:
2,1,1）,'*-g'）;
title（'SuccessfulCheckerboardDetection'）;
%Generateworldcoordinatesofthecheckerboardpoints.
squareSize=108;%millimeters
worldPoints=generateCheckerboardPoints（boardSize,squareSize）;
%Computethestereocameraparameters.
stereoParams=estimateCameraParameters（imagePoints,worldPoints）;
%Evaluatecalibrationaccuracy.
figure;
showReprojectionErrors（stereoParams）;
升级会员 