數(shù)字圖像處理實驗報告實驗三

1、.中 南 大 學數(shù)字圖像處理實驗報告實驗三 數(shù)學形態(tài)學及其應用實驗三 數(shù)學形態(tài)學及其應用一實驗目的1.了解二值形態(tài)學的基本運算2.掌握基本形態(tài)學運算的實現(xiàn)3.了解形態(tài)操作的應用二實驗基本原理腐蝕和膨脹是數(shù)學形態(tài)學最基本的變換，數(shù)學形態(tài)學的應用幾乎覆蓋了圖像處理的所有領域，給出利用數(shù)學形態(tài)學對二值圖像處理的一些運算。膨脹就是把連接成分的邊界擴大一層的處理。而收縮則是把連接成分的邊界點去掉從而縮小一層的處理。二值形態(tài)學I(x,y), T(i,j)為 0/1圖像腐蝕：膨脹：灰度形態(tài)學 T(i,j)可取以外的值 腐蝕：膨脹：1.腐蝕Erosion: 刪兩邊 刪右上圖5-1 剝去一層（皮）2.膨脹Dil

2、ation:補兩邊 補左下圖5-2 添上一層（漆）3.開運算open ：4.閉close：5.HMT(Hit-Miss Transform:擊中擊不中變換)條件嚴格的模板匹配模板由兩部分組成。：物體，：背景。圖5-3 擊不中變換示意圖性質：（1）時，（2）6.細化/粗化(1)細化（Thin）去掉滿足匹配條件的點。 圖5-4 細化示意圖系統(tǒng)細化，是旋轉的結果（90，180，270）共8種情況適于細化的結構元素 (2)粗化（Thick）用時，故要選擇合適的結構元素，如,對偶性：（驗證一下）wherewhen7. Morphology小結A.通過物體（對象）和結構元素的相互作用，得到更本質的形態(tài)（s

3、hape）(1) 圖像濾波(2) 平滑區(qū)域的邊界(3) 將一定形狀施加于區(qū)域邊界(4) 描述和定義圖像的各種幾何參數(shù)和特征（區(qū)域數(shù)、面積、周長、連通度、顆粒度、骨架、邊界）B.形態(tài)運算是并行運算C.細化區(qū)域或邊界變?yōu)?個象素的寬度，但它不破壞連通性四方向細化算法：邏輯運算（可刪除條件）形態(tài)運算是否可用于細化？(1)腐蝕：收縮（去掉邊緣的點）何時結束？能否保證連通性？(2)開：去毛刺，能否細化（去掉尺寸小于結構元素的塊）三實驗提示Matlab中用imdilate函數(shù)實現(xiàn)膨脹。用法為：Imdilate(X,SE).其中X是待處理的圖像，SE是結構元素對象。例如:bw = imread(text.p

4、ng);se = strel(line,11,90);bw2 = imdilate(bw,se);imshow(bw), title(Original)figure, imshow(bw2), title(Dilated)Matlab用imerode函數(shù)實現(xiàn)圖像腐蝕。用法為:Imerode(X,SE).其中X是待處理的圖像，SE是結構元素對象。如:I = imread(cameraman.tif);se = strel(ball,5,5);I2 = imerode(I,se);imshow(I), title(Original)figure, imshow(I2), title(Eroded)

5、Matlab用imopen函數(shù)實現(xiàn)圖像開運算。用法為:imopen(I,se);I為圖像源，se為結構元素Matlab用imclosee函數(shù)實現(xiàn)圖像閉運算。用法為:imclose(I,se);I為圖像源，se為結構元素結構元素的選?。簊trel函數(shù)SE = strel(arbitrary,NHOOD)將NHOOD構造成你設定的矩陣；如將NHOOD寫在1 1 1;1 1 1; 1 1 1SE = strel(diamond,R) 構造一個中心具有菱形結構的結構元素，R為跟中心點的距離SE = strel(rectangle,MN)構造一個矩形的結構元素,MN可寫在3 4，表示3行4列SE = s

6、trel(square,W) 構造一個正方形的矩陣。計算二值圖像面積bwarea功能：計算二進制圖像對象的面積。語法：total = bwarea(BW)舉例BW = imread(circles.png);imshow(BW);bwarea(BW)ans =15799bwmorph功能：提取二進制圖像的輪廓。語法：BW2 = bwmorph(BW1,operation)BW2 = bwmorph(BW1,operation,n)舉例BW1 = imread(circles.png);imshow(BW1);BW2 = bwmorph(BW1,remove);BW3 = bwmorph(BW1

7、,skel,Inf);imshow(BW2)figure, imshow(BW3)四實驗內容與要求1.設計程序實現(xiàn)對圖5-5，實現(xiàn)去除圖像中的噪聲。2.設計程序，實現(xiàn)將圖5-6轉化為二值圖像，并計算圖中雞塊中骨頭的比重。3.設計程序，實現(xiàn)去除圖5-7中的矩形區(qū)域外的噪聲，并填充矩形區(qū)域內部了。提示：做題是把下面的圖另存為單獨的圖像文件進行處理。 圖5-5 圖5-6 圖5-7五、實驗過程與結果1. 分別用Roberts,Sobel和拉普拉斯高斯算子對圖像進行邊緣檢測。比較三種算子處理的不同之處代碼：I=imread(test_pattern.tif);subplot(2,2,1);imshow(

8、I),title(原圖);BW1=edge(I,roberts);subplot(2,2,2);imshow(BW1),title(用Roberts算子)BW2=edge(I,sobel);subplot(2,2,3);imshow(BW2),title(用Sobel算子 )BW3=edge(I,log);subplot(2,2,4);imshow(BW2),title(用拉普拉斯高斯算子 )結果：(3) 比較Roberts算子：邊緣定位準，但是對噪聲敏感。適用于邊緣明顯且噪聲較少的圖像分割。Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子,Robert算子圖像處理后結果邊緣不是

9、很平滑，會在圖像邊緣附近的區(qū)域內產生較寬的響應，邊緣定位的精度不是很高。Sobel算子：算法的優(yōu)點是計算簡單，速度快。但是由于只采用了2個方向的模板，只能檢測水平和垂直方向的邊緣，因此這種算法對于紋理較為復雜的圖像，其邊緣檢測效果就不是很理想。拉普拉斯：對噪聲敏感，會產生雙邊效果。不能檢測出邊的方向。通常不直接用于邊的檢測，只起輔助的角色，檢測一個像素是在邊的亮的一邊還是暗的一邊利用零跨越，確定邊的位置。2. 設計一個檢測圖3-2中邊緣的程序，要求結果類似圖3-3，并附原理說明代碼：I=imread(lines.png);F=rgb2gray(I);subplot(2,2,1);imshow(

10、I);title(原始圖像);thread=130/255;subplot(2,2,2);imhist(F);title(直方圖);subplot(2,2,3);J2=im2bw(F,thread);imshow(J2);title(分割結果);實驗結果:(3)原理說明：根據(jù)圖像的直方圖，發(fā)現(xiàn)背景和目標的分割值在135左右，將此作為分割值，將圖像轉換為二值圖像。3 任選一種閾值法進行圖像分割:(1) 選取閾值為180進行分割：I=imread(lines.png);F=rgb2gray(I);subplot(2,2,1);imshow(I);title(原始圖像);thread=180/255; %閾值為180進行分割subplot(2,2,2);imhist(F);title(直方圖);subplot(2,2,3);J2=im2bw(F,thread);imshow(J2);title(分割結果);實驗結果：將閾值調節(jié)到180，明顯的看到線條的邊緣變得模糊，而背景的線條被消除。4 檢測出3.3圖像的線條，要求完成的結果為二值圖像：代碼：I=imread(line2.png);F=rgb2gray(I);subplot(2,2,1);imsho