信息实验报告.docx
《信息实验报告.docx》由会员分享，可在线阅读，更多相关《信息实验报告.docx（17页珍藏版）》请在冰豆网上搜索。
信息实验报告
信息处理的数学基础
实验四
班级：
信息1201班
姓名:
学号：
成绩：
2015年6月12日
实验四
一、实验目的：
本次实验与书中6.1节、6.2节、6.3节、6.4节的内容有关，包括以下的几个部分：
1）膨胀算子，腐蚀算子
2）中值算子
3）开集合算子，闭集合算子
4）ExtremaKiller算子
同时需要掌握MATLAB中subplot语句的功能。
二、实验过程
（1）膨胀（腐蚀）算子
命令格式：
dilation_block（‘输入图像名’，r,‘输出图像名’）;
erosion_block（‘输入图像名’，r,‘输出图像名’）;
结构元素是方块，参数r说明结构元素是一个中心在原点，边长为（2r+1）的方块。
作用对象是二值图像。
例1：
image=imread（'2curve_256.bmp'）;
imshow（image）;
dilation_block（'2curve_256.bmp',5,'2_dilation.bmp'）;
erosion_block（'2curve_256.bmp',5,'2_erosion.bmp'）;
differ（'2curve_256.bmp','2_erosion.bmp','original_erosion.bmp'）;
differ（'2_dilation.bmp','2curve_256.bmp','dilation_original.bmp'）;
figure;
subplot（2,2,1）image1=imread（'2_dilation.bmp'）;
imshow（image1）;
subplot（2,2,2）image2=imread（'dilation_original.bmp'）;
imshow（image2）;
subplot（2,2,3）image3=imread（'2_erosion.bmp'）;
imshow（image2）;
subplot（2,2,4）imshow（'dilation_original.bmp'）;
结果如图1所示。
其中需要解释两个函数：
第一、differ（’输入图像名一’，’输入图像名二’，’’输出图像名’）是表示两个二值图像的差。
第二、subplot语句用来同时显示几个图像。
subplot（2,2,i）（i=1,2,3,4）中的2,2说明图像按2行2类排放，另外i按照
1
2
3
4
的次序排放。
原图像
图1
例2：
dilation_block（‘pentagram.bmp’，i,‘pi.bmp’）;
i.=1,2,3,4,5,6,7,8,9,10;
figure;
subplot（3,4,i）;
imshow（pi.bmp）;
make_movie（‘p’,10）;
先用dilation_block产生十幅膨胀图像，然后make_movie用来产生电影和显示图像，它使用的参数必须和bmp图像组的名字保持一致。
结果如图2所示。
图2
膨胀（腐蚀）算子
命令格式
dilation_disk（‘输入图像名’，r,‘输出图像名’）
erosion_disk（‘输入图像名’，r,‘输出图像名’）
结构元素是圆盘，其中r是圆盘的半径，作用对象是二值图像。
结果如图3所示：
例3：
image=imread（'jylcq.bmp'）;
imshow（image）;
dilation_disk（'jylcq.bmp',5,'jylcq_dilation.bmp'）;
erosion_disk（'jylcq.bmp',5,'jylcq_erosion.bmp'）;
differ（'jylcq.bmp','jylcq_erosion.bmp','original_erosion.bmp'）;
differ（'jylcq_dilation.bmp','jylcq.bmp','dilation_original.bmp'）;
figure;
subplot（2,2,1）
imshow（'jylcq_dilation.bmp'）;
subplot（2,2,2）
imshow（'jylcq_erosion.bmp'）;
subplot（2,2,3）
imshow（'original_erosion.bmp'）;
subplot（2,2,4）
imshow（'dilation_original.bmp'）;
结果如图4所示。
jylcq.bmp
膨胀（腐蚀）算子
命令格式
dilation_block（‘输入图像名’，r,‘输出图像名’）;
erosion_block（‘输入图像名’，r,‘输出图像名’）;
dilation_disk（‘输入图像名’，r,‘输出图像名’）;
erosion_disk（‘输入图像名’，r,‘输出图像名’）;
作用对象是灰度图像。
例4
dilation_block（'16I8.bmp',3,'16I8_db.bmp'）;
erosion_block（'16I8.bmp',3,'16I9_eb.bmp'）;
dilation_disk（'16I8.bmp',3,'16I9_dc.bmp'）;
erosion_disk（'16I8.bmp',3,'16I9_ec.bmp'）;通过图4，可以发现图像的质量退化非常严重。
可见，单个的膨胀（腐蚀）算子不是一个好的滤波算子。
16I18.bmp
图4
二、中值算子
1）中值算子
命令格式：
median_block（‘输入图像名’，r,‘输出图像名’）;
结构元素是方块，参数r说明结构元素是一个中心在原点，边长为（2r+1）的方块。
作用对象是二值图像。
例5：
image=imread（'8I3_256.bmp'）;
imshow（image）
median_block（'8I3_256.bmp',6,'8_median.bmp'）;
figure;
image2=imread（'8_median.bmp'）;
imshow（image2）
2）中值算子
命令格式：
median_disk（‘输入图像名’，r,‘输出图像名’）;
结构元素是圆，其中参数r表示半径，作用对象是二值图像。
例6：
image=imread（‘17I9.bmp’）;
imshow（image）;
median_disk（‘17I9.bmp’，5,‘17I9_median.bmp’）;
figure;
image2=imread（‘17I9_median.bmp’）;
imshow（image2）;
结果如图5所示。
17I9.bmp17I9_median.bmp
3）中值算子
命令格式：
midean_block（‘输入图像名’，r,‘输出图像名’）
midean_disk（‘输入图像名’，r,‘输出图像名’）
参数说明同1）2），作用对象是图像。
例7：
image=imread（'23I17.bmp'）;
imshow（image）;
noiseimage=imnoise（image,'salt&pepper',0.50）;
figure;
imshow（noiseimage）;
imwrite（noiseimage,'23noise.bmp'）;
median_block（'23noise.bmp',3,'23denoise.bmp'）
figure;
denoiseimage=imread（'23denoise.bmp'）;
imshow（denoiseimage）;
我们先把图像加上50%的椒盐噪声，图像质量非常恶劣。
而经过中值滤波后，图像的质量有了提升，如图3所示。
原图像（a）加了50%椒盐噪声的图像（b）中值滤波后的结果
图3
一、开集（闭集）算子
我们曾经说明，单独的dilation算子和erosion算子都不是好的滤波器，但经过组合可以产生很好的滤波效果。
命令格式
close_open（‘输入图像名’）
open_close（‘输入图像名’）
close_open经过以下四步得到：
（1）结构元素为1×3的矩阵腐蚀；
（2）结构元素为1×3的矩阵膨胀；（3）结构元素为3×1的矩阵膨胀；（4）结构元素为3×1的矩阵腐蚀。
每个步骤分别生成结果文件，名字分别是输入图像名加上e,de,dde,edde。
open_close经过以下四步得到：
（1）结构元素为1×3的矩阵膨胀；
（2）结构元素为1×3的矩阵腐蚀；（3）结构元素为3×1的矩阵腐蚀；（4）结构元素为3×1的矩阵膨胀。
每个步骤分别生成结果文件，名字分别是输入图像名加上d,ed,eed,deed。
例7
close_open（'3Enoise.bmp'）;
产生的结果如图8（a）-8（e）所示。
3Enoisee.bmp，3Enoisede.bmp，3Enoisedde.bmp为中间结果，3Enoiseedde.bmp为最终的滤波结果。
（a）原图像
（b）腐蚀的结果（c）膨胀、腐蚀的结果
（d）膨胀、膨胀、腐蚀的结果（e）腐蚀、膨胀、膨胀、腐蚀的结果
图8
例8
open_close（‘pentagram.bmp’）;
产生的结果如图9所示。
图9
该图由左至右由上至下分别为（f）原图像（g）膨胀的结果（h）腐蚀、膨胀的结果（i）腐蚀、腐蚀、膨胀的结果（j）膨胀、腐蚀、腐蚀、膨胀的结果
四Extrema算子
1）单个水平集的处理
命令格式
level_conduct（‘输入图像名’,threshold,‘输出图像名’）;
输入文件名所指示的文件必须是一个二值图像文件，否则程序会产生意想不到的结果。
该程序将去除二值图像中面积比较小的白色（灰度值为255）连通区域，如果这部分面积小于threshold。
例9
level_conduct（'4Equation.bmp',5,'4EquationC.bmp'）;
结果如图10
图10
2）Extremakiller算子的实现
Extremakiller算子的定义见6.1节和7.1节。
我们的算法对经典的Extremakiller作了改进。
命令格式
killer（‘输入文件名’,threshold,‘输出文件名’）
其中threshold为Extremakiller的尺度参数。
例10
a=imread（'23I17.bmp'）;
J=imnoise（a,'salt&pepper',0.7）;
imshow（J）;
imwrite（J,'23I17_sp7.bmp'）;
killer（'23I17_sp7.bmp',8,'I8_sp7_k8.bmp'）
结果如图5所示。
（a）噪声图像（b）killer算子作用后图像
图5
实践和思考：
执行以下两段程序，
1）killer（'23I17_sp7.bmp',8,'23I17_sp7_k8.bmp'）;
level_set（'23I17_sp7_k8.bmp',128,'s1.bmp'）;
2）level_set（'23I17_sp7.bmp',128,'s2.bmp'）;
level_conduct（'s2.bmp',8,‘s3.bmp’）;
说明：
以下三行程序是翻转图像值，常见实验手册
（二）
I=imread（'s3.bmp'）;
JJ=imadjust（I,[01],[10]）;
imwrite（JJ,'s4.bmp'）;
level_conduct（'s4.bmp',8,‘s5.bmp’）;
说明：
以下三行程序是翻转图像值
I=imread（'s5.bmp'）;
JJ=imadjust（I,[01],[10]）;
imwrite（JJ,'s6.bmp'）;
观察s1.bmp是否非常接近s6.bmp。
如果是，运用书6.1节的知识，请说明killer执行了怎样的运算，它和经典的Extremakiller之间存在怎样的关系。
原图像图像的水平集128
原图像图像的水平集128
升级会员 