数字图像处理实验报告实验三Word下载.docx

1、2.膨胀Dilation:补两边 补左下图5-2 添上一层（漆）3.开运算open ：4.闭close：5.HMT（Hit-Miss Transform:击中击不中变换）条件严格的模板匹配模板由两部分组成。：物体，：背景。图5-3 击不中变换示意图性质：（1）时，（2）6.细化/粗化（1）细化（Thin）去掉满足匹配条件的点。 图5-4 细化示意图系统细化，是旋转的结果（90，180，270）共8种情况适于细化的结构元素 （2）粗化（Thick）用时，故要选择合适的结构元素，如,对偶性：（验证一下）wherewhen7. Morphology小结A.通过物体（对象）和结构元素的相互作用，得到更

2、本质的形态（shape）（1） 图像滤波（2） 平滑区域的边界（3） 将一定形状施加于区域边界（4） 描述和定义图像的各种几何参数和特征（区域数、面积、周长、连通度、颗粒度、骨架、边界）B.形态运算是并行运算C.细化区域或边界变为1个象素的宽度，但它不破坏连通性四方向细化算法：逻辑运算（可删除条件）形态运算是否可用于细化？（1）腐蚀：收缩（去掉边缘的点）何时结束？能否保证连通性？（2）开：去毛刺，能否细化（去掉尺寸小于结构元素的块）三实验提示Matlab中用imdilate函数实现膨胀。用法为：Imdilate（X,SE）.其中X是待处理的图像，SE是结构元素对象。例如:bw = imread

3、（text.png）;se = strel（line,11,90）;bw2 = imdilate（bw,se）;imshow（bw）, title（Original）figure, imshow（bw2）, title（DilatedMatlab用imerode函数实现图像腐蚀。用法为:Imerode（X,SE）.其中X是待处理的图像，SE是结构元素对象。如:I = imread（cameraman.tifball,5,5）;I2 = imerode（I,se）;imshow（I）, title（figure, imshow（I2）, title（ErodedMatlab用imopen函数实现

4、图像开运算。imopen（I,se）;I为图像源，se为结构元素Matlab用imclosee函数实现图像闭运算。imclose（I,se）;结构元素的选取：strel函数SE = strel（arbitrary,NHOOD）将NHOOD构造成你设定的矩阵；如将NHOOD写在1 1 1;1 1 1; 1 1 1diamond,R） 构造一个中心具有菱形结构的结构元素，R为跟中心点的距离rectangle,MN）构造一个矩形的结构元素,MN可写在3 4，表示3行4列square,W） 构造一个正方形的矩阵。计算二值图像面积bwarea功能：计算二进制图像对象的面积。语法：total = bwar

5、ea（BW）举例BW = imread（circles.pngimshow（BW）;bwarea（BW）ans =15799bwmorph提取二进制图像的轮廓。BW2 = bwmorph（BW1,operation）BW2 = bwmorph（BW1,operation,n）BW1 = imread（imshow（BW1）;BW2 = bwmorph（BW1,removeBW3 = bwmorph（BW1,skel,Inf）;imshow（BW2）figure, imshow（BW3）四实验内容与要求1.设计程序实现对图5-5，实现去除图像中的噪声。2.设计程序，实现将图5-6转化为二值图像，

6、并计算图中鸡块中骨头的比重。3.设计程序，实现去除图5-7中的矩形区域外的噪声，并填充矩形区域内部了。提示：做题是把下面的图另存为单独的图像文件进行处理。 图5-5 图5-6 图5-7五、实验过程与结果1. 分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测。比较三种算子处理的不同之处代码：I=imread（test_pattern.tifsubplot（2,2,1）;imshow（I）,title（原图BW1=edge（I,robertssubplot（2,2,2）;imshow（BW1）,title（用Roberts算子BW2=edge（I,sobelsubplot（2,

7、2,3）;imshow（BW2）,title（用Sobel算子 BW3=edge（I,logsubplot（2,2,4）;用拉普拉斯高斯算子 结果：（3） 比较Roberts算子：边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑，会在图像边缘附近的区域内产生较宽的响应，边缘定位的精度不是很高。Sobel算子：算法的优点是计算简单，速度快。但是由于只采用了2个方向的模板，只能检测水平和垂直方向的边缘，因此这种算法对于纹理较为复杂的图像，其边缘检测效果就不是很理想。拉普拉斯：

8、对噪声敏感，会产生双边效果。不能检测出边的方向。通常不直接用于边的检测，只起辅助的角色，检测一个像素是在边的亮的一边还是暗的一边利用零跨越，确定边的位置。2. 设计一个检测图3-2中边缘的程序，要求结果类似图3-3，并附原理说明lines.pngF=rgb2gray（I）;imshow（I）;title（原始图像thread=130/255;imhist（F）;直方图J2=im2bw（F,thread）;imshow（J2）;分割结果实验结果:（3）原理说明：根据图像的直方图，发现背景和目标的分割值在135左右，将此作为分割值，将图像转换为二值图像。3 任选一种阈值法进行图像分割:（1） 选取阈值为180进行分割：thread=180/255; %阈值为180进行分割实验结果：将阈值调节到180，明显的看到线条的边缘变得模糊，而背景的线条被消除。4 检测出3.3图像的线条，要求完成的结果为二值图像：line2.pngthread=120/255;说明：根据直方图，分割值在120左右，去120为分割线，得到以上分割结果。