实验内容.docx

1、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： 2015.3.194.16 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Image Proce

2、ssing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1.1 matlab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1.2 matlab窗口2、打开help工具栏，进入demo演示内容。如图3所示：图1.3 demo演示内容3、找到image Processing工具箱，并进行初步学习，为后续实验做准备。如图 3所示：图1.4 demo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

3、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Image Processing工具箱下Enhancement图像

4、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。Step 1: Read imageI = imread(rice.png);imshow(I)Step 2: Use morphological opening to estimate the backgroundbackground = imopen(I,strel(disk,15);% Display the Background Approximation as a Surfacefigure, surf(double(background(1

5、:8:end,1:8:end),zlim(0 255);set(gca,ydir,reverse)；Step 3: Subtract the backround image from the original imageI2 = imsubtract(I,background);imshow(I2)Step 4: Increase the image contrastI3 = imadjust(I2);imshow(I3);Step 5: Threshold the imagelevel = graythresh(I3);bw = im2bw(I3,level);imshow(bw)Step

6、7: View the whole label matrixRGB_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

7、MATLAB软件；单击help/Demos打开帮助中的演示；找到Image Processing工具箱中的图像特征提取，如图3.1所示图3.1 Image Processing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,Estimate radius of the roll of tape,. FontWeight,bold,Color,y)*步骤2：

8、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);hold on;pl

9、ot(contour(:,2),contour(:,1),g,LineWidth,2);*步骤5：适合圆的边界x = contour(:,2);y = contour(:,1);% solve for parameters a, b, and c in the least-squares sense by% using the backslash operatorabc = x y ones(length(x),1) -(x.2+y.2);a = abc(1); b = abc(2); c = abc(3);% calculate the location of the center and

10、the radiusxc = -a/2;yc = -b/2;radius = sqrt(xc2+yc2)-c)% display the calculated centerplot(xc,yc,yx,LineWidth,2);% plot the entire circletheta = 0:0.01:2*pi;% use parametric representation of the circle to obtain coordinates% of points on the circleXfit = radius*cos(theta) + xc;Yfit = radius*sin(the

11、ta) + yc;plot(Xfit, Yfit);message = sprintf(The estimated radius is %2.3f pixels, 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:

12、 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Image Processing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 =

13、 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)

14、;N_128 = size(R_128,1)figure, imagesc(theta3,xp,R3)colormap(hot)colorbarxlabel(Parallel Rotation Angle - theta (degrees);ylabel(Parallel Sensor Position - xprime (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

15、(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

16、 = 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,dsensor

17、2,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

18、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Create two cell arrays containing file names of calibration images ta

19、ken with each camera. numImagePairs = 10;imageFiles1 = cell(numImagePairs, 1);imageFiles2 = cell(numImagePairs, 1);imageDir = fullfile(matlabroot, toolbox, vision, visiondata, . calibration, stereoWebcams);for i = 1:numImagePairs imageFiles1i = fullfile(imageDir, left, sprintf(left%02d.png, i); imag

20、eFiles2i = fullfile(imageDir, right, sprintf(right%02d.png, i);End % Try to detect the checkerboardim = imread(imageFiles11);imagePoints = detectCheckerboardPoints(im);% Display the image with the incorrectly detected checkerboardfigure;imshow(im, InitialMagnification, 50);hold on;plot(imagePoints(:

21、, 1), imagePoints(:, 2), *-g);title(Failed Checkerboard Detection); images1 = cast(, uint8);images2 = cast(, uint8);for i = 1:numel(imageFiles1) im = imread(imageFiles1i); im(3:700, 1247:end, :) = 0; images1(:, :, :, i) = im; im = imread(imageFiles2i); im(1:700, 1198:end, :) = 0; images2(:, :, :, i)

22、 = im;End imagePoints, boardSize = detectCheckerboardPoints(images1, images2);% Display one masked image with the correctly detected checkerboardfigure;imshow(images1(:,:,:,1), InitialMagnification, 50);hold on;plot(imagePoints(:, 1, 1, 1), imagePoints(:, 2, 1, 1), *-g);title(Successful Checkerboard

23、 Detection);% Generate world coordinates of the checkerboard points.squareSize = 108; % millimetersworldPoints = generateCheckerboardPoints(boardSize, squareSize);% Compute the stereo camera parameters.stereoParams = estimateCameraParameters(imagePoints, worldPoints);% Evaluate calibration accuracy.figure;showReprojectionErrors(stereoParams);