十字光斑中心光斑定位的图像课设.docx

1、十字光斑中心光斑定位的图像课设燕山大学课 程 设 计 说 明 书题目： 激光十字光斑中心位置的定位 学院（系） 电气工程学院 年级专业： 12级自动化仪表 学 号： 120103020133 学生姓名： 马冰卿 指导教师： 赵彦涛 吴晓光 教师职称： 副教授 讲师 燕山大学课程设计（论文）任务书院（系）： 电气工程学院 基层教学单位： 自动化仪表系学 号120103020133学生姓名马冰卿专业（班级）仪表2班设计题目23激光十字光斑中心位置的定位设计技术参数根据图像处理的知识，确定图像十字光斑中心点的位置，尽量使用较多的方法实现，并且比较每种方法的处理速度。设计要求设计确定图像中亮点的中心点

2、的位置，尝试不同的定位方法，并进行比较。设计中应具有自己的设计思想、设计体会。工作量思考各种可行的方法，查阅大量的相关资料，并对每种方法进行比较，确定可行性与局限性，学习matlab数字图像处理方面的知识，编程实现所想的方法，在编程过程中，通过查阅相关书籍学习matlab编程知识，解决不懂的知识点，完善程序。撰写报告，准备答辩。工作计划周一，思考课题的解决方法和查阅相关资料。周二，对所想方法进一步去实现，学习matlab中不会的知识，并开始编程。周三，对每种办法的程序进行理解和错误纠正，并分析结果找出缺点。周四，对程序进行完善并开始写报告。周五，完善报告，打印出来，应对答辩。参考资料1、数字图

3、像处理学 电子工业出版社 贾永红 20032、数字图像处理（Matlab版） 电子工业出版社 冈萨雷斯 20063、其他数字图像处理和matlab编程方面的书籍及相关学习资料指导教师签字基层教学单位主任签字说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。2014年12月12日摘要近年来数字图像处理技术发展迅猛，已经在多个领域上都有较广泛的应用。但图像处理的信息量很大，对处理速度的要求也比较高，而Matlab 强大的图像处理能力，使图像处理更加简单快捷和直观。本文针对激光十字光斑中心位置的定位论述了三种方法，这三种方法均是基于Matlab的图像处理功能来实现的，分别为：求两直线交点

4、坐标定位法、找多个坐标取平均值定位法、基于图像灰度值差异定位法。本文对三种方法分别做了介绍和分析，并针对处理结果做出比较与综合评价。关键词：数字图像处理，Matlab, 激光十字光斑，中心定位一、求两直线交点坐标定位法51.1 设计思路51.2 程序实现51.3 结果显示6二、找多个坐标取平均值定位法82.1 设计思路82.2 程序实现92.3 结果显示10三、基于图像灰度值差异定位法123.1 设计思路123.2 程序实现123.3 结果显示13四、三种方法的比较与分析14 4.1 结果精度比较144.2 运行速度比较15五、心得体会15六、参考文献15一、求两直线交点坐标定位法1.1设计思

5、路1、先读取要处理的图像。 2、提取图像的R分量（因为其对比度较高）3、利用全局阈值分割法将R分量图像二值化。 4、再利用find函数分别找出十字光斑图像的最小横坐标a1、最大横坐标a2和最小纵坐标b1、最大纵坐标b2，然后利用循环语句找出a1行，a2行, b1列, b2列中像素为1的坐标值。 5、对a1行值为1的像素所在列数进行记录，并取平均值，即为十字最上方的横坐标x1，同理对待a2行，求得十字最下方的横坐标x2；对b1列值为1的像素所在行数进行记录，并取平均值，即为十字最左方的纵坐标y1，同理对待b2列，求得十字最右方的纵坐标y2。 6、利用所找到的四个点(x1,a1) 、(x2,a1)

6、 、 (b1,y1) 、(b2,y2)可写出两条直线方程，再利用解线性方程组方法求得交点，即求得中心点坐标。1.2 程序实现clear all;clc;I=imread(C:UserslenovoDesktop23十字光斑十字光斑.JPG);I1=imread(C:UserslenovoDesktop23十字光斑十字光斑2.JPG);I2=imread(C:UserslenovoDesktop23十字光斑十字光斑3.JPG);R=I1(:,:,1);subplot(121);imshow(I1);title(原图像);subplot(122);imshow(R);title(原图像的R分量);

7、B=im2bw(R,graythresh(R);%将图像二值化figure,imshow(B);title(二值化图像);a,b=find(B);a1=min(a);a2=max(a);b1=min(b);b2=max(b);M, N = size(B);c=1;for i=1:Mif(B(i,b1)=1)m(c)=i;c=c+1;endend d=1;for o=1:Mif(B(o,b2)=1)m1(d)=o;d=d+1;endende=1;for j=1:Nif(B(a1,j)=1)n(e)=j;e=e+1;endendf=1;for h=1:Nif(B(a2,h)=1)n1(f)=h;f

8、=f+1;endendx1=mean(n);%纵坐标为a1x2=mean(n1);%纵坐标为a2y1=mean(m);%横坐标为b1y2=mean(m1);%横坐标为b2k1=(a2-a1)/(x2-x1);%十字竖线的斜率k2=(y2-y1)/(b2-b1);%十字横线的斜率O=k1,-1;k2,-1;P=k1*x1-a1;k2*b1-y1;L=OP;%解线性方程组X=L(1);Y=L(2);fprintf(激光十字线中心位置点横坐标 %6.2fn,X);fprintf(激光十字线中心位置点纵坐标 %6.2fn,Y);X1=round(X);Y1=round(Y);R(Y1-1:Y1+1,X

9、1-1:X1+1)=1;figure,imshow(R);title(将中心点显示出来);1.3 结果显示将中心点显示到图像中：运行结果显示为：二、找多个坐标取平均值定位法2.1 设计思路1、先读取要处理的图像。 2、提取图像的R分量（因为其对比度较高）3、利用全局阈值分割法将R分量图像二值化。 4、再利用find函数分别找出十字光斑图像的最小横坐标a1、最大横坐标a2和最小纵坐标b1、最大纵坐标b2，然后利用循环语句找出a1行，a2行, b1列, b2列中像素为1的坐标值。 5、对a1行值为1的像素所在列数进行记录，并取平均值，即为十字最上方的横坐标x1，同理对待a2行，求得十字最下方的横坐

10、标x2；对b1列值为1的像素所在行数进行记录，并取平均值，即为十字最左方的纵坐标y1，同理对待b2列，求得十字最右方的纵坐标y2。6、对最上方与最下方的横坐标取平均值，即为中心点的横坐标；对最左方与最右方的纵坐标取平均值，即为中心点的纵坐标。2.2 程序实现clear all ;clc;I=imread(C:UserslenovoDesktop23十字光斑十字光斑.JPG);I1=imread(C:UserslenovoDesktop23十字光斑十字光斑2.JPG);I2=imread(C:UserslenovoDesktop23十字光斑十字光斑3.JPG);R=I1(:,:,1);subpl

11、ot(121);imshow(I1);title(原图像);subplot(122);imshow(R);title(原图像的R分量);B=im2bw(R,graythresh(R);%将图像二值化figure,imshow(B);title(二值化图像);a,b=find(B);a1=min(a);a2=max(a);b1=min(b);b2=max(b);M, N = size(B);c=1;for i=1:Mif(B(i,b1)=1)m(c)=i;c=c+1;endendd=1;for o=1:Mif(B(o,b2)=1)m1(d)=o;d=d+1;endende=1;for j=1:N

12、if(B(a1,j)=1)n(e)=j;e=e+1;endendf=1;for h=1:Nif(B(a2,h)=1)n1(f)=h;f=f+1;endendx1=mean(n);x2=mean(n1);y1=mean(m);y2=mean(m1);X=(x1+x2)/2;Y=(y1+y2)/2;fprintf(激光十字线中心位置点横坐标: %6.2fn,X);fprintf(激光十字线中心位置点纵坐标: %6.2fn,Y);X1=round(X);Y1=round(Y);R(Y1-1:Y1+1,X1-1:X1+1)=0;figure,imshow(R);title(将中心点显示出来);2.3

13、结果显示将中心点显示到图像中：运行结果显示为：三、基于图像灰度值差异定位法3.1 设计思路1、先读取要处理的图像。 2、提取图像的R分量（因为其对比度较高）。3、创建一个3*3的邻域平均模板h，利用其对图像进行处理。其目的是突出图像中某些邻域灰度值较大的点（因为图像中十字斑中心点附近邻域点灰度值之和较其它点大） 4、利用循环对其进行规定次数多的处理。 5、找出处理后图像中灰度值最大的一个或多个点的行值和列值，对这些点的列值取平均值，即为中心点的横坐标，同理，对这些点的行值取平均值，即为中心点的纵坐标。3.2 程序实现clear all ;clc;I=imread(C:UserslenovoDe

14、sktop23十字光斑十字光斑.JPG);I1=imread(C:UserslenovoDesktop23十字光斑十字光斑2.JPG);I2=imread(C:UserslenovoDesktop23十字光斑十字光斑3.JPG);R=I1(:,:,1);subplot(121);imshow(I1);title(原图像);subplot(122);imshow(R);title(原图像的R分量);B=R;h=fspecial(average,3);%创建一个3*3的邻域平均模板i=1;while i=5;B=imfilter(B,h);i=i+1;endx,y=find(B=max(max(B

15、);%找出灰度值最大的点的坐标X=mean(y);Y=mean(x);%因为可能有多个最大值相等，所以取这些点的坐标的均值近似估计为中心点的位置fprintf(激光十字线中心位置点横坐标 %6.2fn,X);fprintf(激光十字线中心位置点纵坐标 %6.2fn,Y);X1=round(X);Y1=round(Y);R(Y1-1:Y1+1,X1-1:X1+1)=0;figure,imshow(R);title(将中心点显示出来);3.3 结果显示将中心点显示到图像中：运行结果显示为：四、三种方法的比较与分析4.1 结果精度比较分别放大三种方法处理后结果图，对比如下：第一种方法放大图 第二种方

16、法放大图第三种方法放大图通过对比以上三个图，可以清楚地知道：第三种方法的结果最为精确，第一种和第二种方法黑点位置几乎一致，精度差不多。而通过对其它图片的分析可知，第一种方法结果较第二种方法精确。对于某些十字斑靠近边缘，且倾斜角较大的图像，第一种方法适用性较好，且较精确，但第二种方法则不适用，故第二种方法存在局限性。第三种方法完全是自己设计的，是想根据中心点及其较小邻域内灰度值最大的特点来实现定位，所以采用3*3邻域平均模板对图像R分量进行处理，目的是使邻域灰度值较大的点的灰度值更加突出，然后找出最大的一个或几个点求均值，即为中心点。但是模板对图像的处理次数的改变会影响精度，经验证处理次数小于1

17、0次时，精度最高，与中心点重合，所以程序中取值为5次。当大于10次，小于100次时，精度虽下降，但精度也比前两种方法高。当次数大于100时，结果精度与前两种方法一样。所以第三种方法效果较好，且程序简单。4.2 运行速度比较在程序实际运行中，由于无法精确测量时间，感觉这三种方法运行时间几乎没有差别，速度均较快。但当第三种方法模板处理次数较大时，运行时间明显变长。不过选取的次数比较小，所以时间与前两种方法几乎一样。五、心得体会通过这次数字图像处理课程设计，我深刻地理解数字图像处理是一种基于矩阵运算的综合性学科，同时也加深了我对于数字图像处理这门课程的认识，也认识到Matlab这个软件强大的数字图像

18、处理能力，在对课题的思考与设计过程中，通过对不懂的问题的思考与解决的过程，进一步学习了数字图像处理的知识和Matlab 在图像处理方面的编程知识。这次课程设计，我学到了很多，也明白了自己存在的一些知识方面的欠缺，收获很多。六、参考文献1、数字图像处理学 电子工业出版社 贾永红 20032、数字图像处理（Matlab版） 电子工业出版社 冈萨雷斯 20063、其他数字图像处理和matlab编程方面的书籍及相关学习资料燕山大学课程设计评审意见表指导教师评语：成绩： 指导教师： 2014年 12月12 日答辩小组评语：成绩： 评阅人： 2014年 12月12 日课程设计总成绩：答辩小组成员签字：赵彦涛 程淑红 王志斌 童凯2014年 12月12 日