图像处理期末大作业 09电气4班 30530434 曾思涛Word格式文档下载.docx

1、假设直线的宽度为1个像素，灰度值是1（背景的灰度值为0）。请给出一组能够检测出上述直线的33模板。如下图所示。4. 简要说明开运算和闭运算各自在图像处理与分析中的作用。1.先腐蚀后膨胀称为开运算；开运算能够有效的消除细小物体、毛刺，能在纤细连续点出分离物体，能平滑较大物体的边界但不明显改变物体的形状、面积和位置。2.先膨胀后腐蚀称为闭运算：闭运算能够有效地填充物体内部细小的空洞，连接临近物体，能在不明显改变物体面积的情况下平滑物体的边界。5. 简述描述区域边界的原链码、差分码和形状数的相互关系及各自的特点。原链码具有平移不变性，没有唯一性，没有旋转不变性；差分码具有平移和旋转不变性，没有唯一性

2、；形状数具有唯一性，平移和旋转不变性。6. 目标区域的骨架指的是什么？请画出下列图形的骨架: （1） 一个圆 （2） 一个正方形。骨架指的是图像经过细化之后得到的中轴。圆的骨架是它的圆心，正方形的骨架就是它的对角线。二、 计算分析7. 一幅16级灰度的图像，请分别采用33的均值滤波器和中值滤波器对该图像进行降噪处理。绘出这两种滤波器对图像的滤波结果（只处理灰色区域即可），并说明各自的特点。均值滤波：，中值滤波：均值滤波可以去除突然变化的点噪声，从而滤除一定的噪声，但其代价是图像有一定程度的模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。8. 采用区域生长法分割下列数字图像，分别以图

3、中的灰色点P（5，3）、Q（5，7）为起始生长点， 生长准则为相邻像素的灰度差不超过2。画出分割后的图像，并计算目标区域的面积和欧拉数。第一个区域面积为50，第二个区域的面积为1，欧拉数为0。1236574 分割后的二值图像9. 绘制 X 被结构元素S 腐蚀后的图像。如右图所示图像10. 下图是一幅分割后的数字图像，试按四连通和八连通分别标出图中所示目标区域的边界。 如下图所示。 四连通目标区域 八连通目标区域11. 给出图像中红色区域的边界描述：写出各自的原链码、差分码和形状数（号表示起点）。三、 综合应用题12. 给定一个33正方形结构元素S，试采用数学形态学方法提取图中所示月球的边界？写

4、出算法流程，并编程测试。如果结构元素换成55 的正方形，提取到的边界会有何变化？算法流程：（1）图像分割；（2）用结构化元素S对图像进行腐蚀；（3）把二值化的图像减去腐蚀后的图像。5的正方形，那么提取到的边界会加粗。（具体测试程序如附录一所示）。13. 编程计算图中荔枝果实的质心点和采摘点的图像坐标（果楴点）。写出解题分析、算法流程，上机编程测试，并给出测试结果。荔枝果实图像的分割主要根据果实的颜色和背景颜色的差异进行的，在RGB颜色空间里，R通道代表了像素点的红色分量，根据R分量的大小，可以分割出荔枝果实部分图像，但是，由于图像有白色的背景，而白色的R分量也是很大的，所以，根据R分量的大小进

5、行分割，其效果并不好。因而采用Lab颜色空间进行分割，Lab颜色模型由三个要素组成，一个要素是亮度（L），a 和b是两个颜色通道。a包括的颜色是从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；b是从亮蓝色（底亮度值）到灰色（中亮度值）再到黄色（高亮度值）。算法流程如图所示。测试过程如下图所示（程序见附录二）：最终的结果图像H，白色点（圆心）可以认为是荔枝果实的质心，绿色点（圆心正上方）可认为果柄位置。14. 图A 与图B 是两张核桃果实的 CT图像， 今采用断层果仁面积 Ar与果壳内轮廓区域面积Ak之比表示断层果实的饱满度S, 即：S=Ar/Ak 。试通过编程对比分析两张 CT

6、图像中所示核桃果实的饱满度。图像经过中值滤波、腐蚀膨胀后，采用Opencv中轮廓检测的方法对核桃壳和果肉部分进行分离并计算各自的面积，最终计算饱和度。（程序见附录三） A图像处理后的结果如下所示，饱和度。B图像处理后的结果如下所示，饱和度。附录附录一 月球的边界提取clcclear%用数学形态学提取月亮的边界M0=imread（moon.bmp）;M1=im2bw（M0,0.8）; %变为阈值取为0.8的二值图像figure（1）;imshow（M1）;title（原图像s1=ones（3）; %边界元素取3M2=imerode（M1,s1）; %腐蚀L1=M1-M2;figure（2）;im

7、show（L1）;33的正方形图像s2=ones（5）; %边界元素取5M3=imerode（M1,s2）;L2=M1-M3;figure（3）;imshow（L2）;55的正方形图像附录二 荔枝果实的质心点和采摘点的图像坐标close allclear allI=imread（HLC02.jpg %读取图像subplot（1,2,1） imshow（I） %显示原始图像原始图像）P1=imnoise（I,gaussian,0.02）; %加入高斯躁声 subplot（1,2,2） imshow（P1） %加入高斯躁声后显示图像 加入高斯噪声后的图像I1=im2double（P1）; %将彩图

8、序列变成双精度I2=rgb2gray（I1）; %将彩色图变成灰色图thr, sorh, keepapp=ddencmp（den,wv,I2）;I3=medfilt2（I2,9 9）; %中值滤波I4=wdencmp（gbl,I2,sym4,2,thr,sorh,keepapp）; %小波除噪I5=imresize（I4,1.5,bicubic %图像大小BW1=edge（I5,sobel %sobel图像边缘提取BW2=edge（I5,roberts %roberts图像边缘提取BW3=edge（I5,prewitt %prewitt图像边缘提取BW4=edge（I5,log %log图像边

9、缘提取BW5=edge（I5,canny %canny图像边缘提取h=fspecial（,5）; %高斯滤波BW6=edge（I5,zerocross, ,h）; %zerocross图像边缘提取figure;subplot（1,3,1）; %图划分为一行三幅图，第一幅图imshow（I2）%绘图灰度图subplot（1,3,2）;imshow（I3）中值滤波后图subplot（1,3,3）;imshow（I4）小波除噪后图lizhi.pngM1=im2bw（M0,0.51）; %变为阈值取为0.51的二值图像figure（3） %腐蚀结构元素取3figure（4）imshow（M2）;M3=

10、imdilate（M2,s1）;figure（5）;imshow（M3）;%获取图像轮廓B,L=bwboundaries（M3,noholeshold onboundary=B1;%获取区域面积stats=regionprops（L,AreaCentroidarea=stats（1）.Area;%找出质心x=boundary（:,2）;y=boundary（:,1）;abc=x y ones（length（x）,1）-（x.2+y.2）;a=abc（1）;b=abc（2）;c=abc（3）;xc=-a/2;yc=-b/2;%显示质心plot（xc,yc,yxLineWidth附录三 两张核桃果实的 CT图像clear all;slice_286a.bmp %读入slice_286a.bmp原图像figure（1）imshow（I）; %显示原图像J1=imnoise（I,salt & pepper %加入均值为0、方差为0.02的辣椒噪声J2 = medfilt2（J1,5,5）; %对有辣椒噪声的图像进行55方形窗口中的中值滤波figure（2）imshow（J2）;M1=im2bw（J2,graythresh（J2）;%采用大津阈值法二值图像slice_286b.bmp %读入slice_286b.bmp原图像M1=im