機器視覺課內(nèi)實驗(共23頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上機器視覺課內(nèi)實驗報告（4次）學 院： 自動化 班 級： 智能 姓 名： 學 號： 專心-專注-專業(yè) 目 錄實驗一：一種攝像機標定算法的編程實現(xiàn) 1實驗二：圖像預處理算法的編程實現(xiàn) 8實驗三：基于一階微分算子的邊緣檢測 14實驗四：基于二階微分算子的邊緣檢測 17機器視覺 課內(nèi)實驗報告(1)攝像機標定算法的編程實現(xiàn)專 業(yè) ：智能科學與技術班 級 ：學 號 ：姓 名 ：實驗時間 ：實驗一MATLAB編程實現(xiàn)基于直接線性變換的攝像機標定方法一、實驗目的掌握攝像機標定方法的原理，采用直接線性變換方法，通過MATLAB編程實現(xiàn)攝像機內(nèi)參數(shù)和外參數(shù)的估計。2、 實驗原理攝像機標定

2、是指建立攝像機圖像像素位置與場景點位置之間的關系，其途徑是根據(jù)攝像機模型，由已知特征點的圖像坐標求解攝像機的模型參數(shù)。直接線性變換是將像點和物點的成像幾何關系在齊次坐標下寫成透視投影矩陣的形式：其中(u，v，1)為圖像坐標系下的點的齊次坐標，(X,Y,Z)為世界坐標系下的空間點的歐氏坐標，P為3*4的透視投影矩陣，s為未知尺度因子。 消去s，可以得到方程組:當已知N個空間點和對應的圖像上的點時，可以得到一個含有2*N個方程的方程組：三、實驗步驟1 讀取一幅圖像并顯示;2 檢查內(nèi)存（數(shù)組）中的圖像;3 實現(xiàn)圖像直方圖均衡化;4 讀取圖像中像素點的坐標值;5 保存圖像;6 檢查新生成文件的信息;7

3、 使用閾值操作將圖像轉(zhuǎn)換為二值圖像;8 根據(jù)RGB圖像創(chuàng)建一幅灰度圖像;9 調(diào)節(jié)圖像的對比度;10 在同一個窗口內(nèi)顯示兩幅圖像;11 掌握Matlab命令及函數(shù)，獲取標定塊圖像的特征點坐標;12 根據(jù)DLT攝像機標定方法原理編寫Matlab程序，估計攝像機內(nèi)參數(shù)和外參數(shù);四、程序代碼及實驗結果顯示代碼：I=imread('C:UserswwwwDesktop12.jpg');imshow(I);whosfigure,I1=rgb2gray(I);figure,imshow(I1)imhist(I1);I2=histeq(I1);figure,imshow(I2)figure,i

4、mhist(I2)a=imread('C:UserswwwwDesktop12.jpg');imwrite(I1,'DSgray.jpg');imwrite(I2,'DSgrayeq.jpg');inf=imfinfo('C:UserswwwwDesktop12.jpg');level=graythresh(I2);bw=im2bw(I2,level);figure,imshow(bw)whosI3=imadjust(I2,stretchlim(I2),0 1);figure,imshow(I3);a=imread('C:

5、UserswwwwDesktop12.jpg');b=imread('DSgray.jpg');subplot(1,2,1),imshow(a);subplot(1,2,2),imshow(b); clear;xpot=;ypot=;imshow('C:UserswwwwDesktop12.jpg');hold on;n=input('Please input the number of pot:');for i=1:n x,y=ginput(1); plot(x,y,'or'); text(x+1,y+1,num2str

6、(i); xpot=xpot,x; ypot=ypot,y;endxpot;ypotxw;yw;zwa=xw',yw',zw',ones(100 1),zeros(100 4),(-1)*xpot'.*xw',(-1)*xpot'.*yw',(-1)*xpot'.*zw',-1*xpot'zeros(100 4),xw',yw',zw',ones(100 1),(-1)*ypot'.*xw',(-1)*ypot'.*yw',(-1)*ypot'.*zw

7、',-1*ypot'c=a(:,1:11);b=a(:,12);l=(-1)*(c'*c)(-1)*c'*b;顯示兩幅圖對比度調(diào)節(jié)均衡化直方圖灰度圖直方圖二進制圖圖片信息： 名 稱：12.jpg 項目類型：JPG圖像 文件夾路徑：C:UserswwwwDesktop 創(chuàng)建日期：2017年11月6日, 星期一 13:16 修改日期：2017年11月6日, 星期一 13:16 大 小：111KB 分辨率：1024 x 638 寬 度：1024像素 高 度：638像素 水平分辨率：72dpi垂直分辨率：72dpi位深度：24檢查內(nèi)存中的圖像： Name Size By

8、tes Class Attributes I 638x1024x3 uint8 ans 2x15 240 double i 1x1 8 double n 1x1 8 double x 1x1 8 double xpot 1x15 120 double y 1x1 8 double ypot 1x15 120 double Name Size Bytes Class Attributes I 638x1024x3 uint8 I1 638x1024 uint8 I2 638x1024 uint8 a 638x1024x3 uint8 ans 2x15 240 double bw 638x1024

9、 logical i 1x1 8 double inf 1x1 42720 struct level 1x1 8 double n 1x1 8 double x 1x1 8 double xpot 1x15 120 double y 1x1 8 double ypot 1x15 120 double Please input the number of pot:10ans = 550.3592 391.7113 261.9085 521.5141 838.8099 921.7394 211.4296 117.6831 770.3028 957.7958 463.7254 308.6831 14

10、6.4296 160.8521 283.4437 492.5704 460.1197 247.3873 113.9789 157.2465五、實驗心得機器視覺 課內(nèi)實驗報告(2)圖像預處理算法的編程實現(xiàn)專 業(yè) ：智能科學與技術班 級 ：學 號 ：姓 名 ：實驗時間 ：實驗二：圖像預處理算法的編程實現(xiàn)一、實驗目的掌握圖像預處理的基本方法及其主要思想，編程實現(xiàn)直方圖均衡化、直方圖規(guī)定化和圖像的銳化處理。2、 實驗原理（1）的基本思想是把原始圖的直方圖變換為均勻分布的形式，這樣就增加了像素灰度值的動態(tài)范圍，從而可達到增強圖像整體對比度的效果。直方圖均衡化是灰度變換的一個重要應用，廣泛應用在圖像增強處

11、理中，它是以累計分布函數(shù)變換為基礎的直方圖修正法之一，可以產(chǎn)生一幅灰度級分布具有均勻概率密度的圖像，擴展了像素的取值動態(tài)范圍。若像素點的原灰度為R，變換后的灰度為S，需要注意的是R、S是歸一化后的灰度值，其灰度變換函數(shù)T(R)為：式中，是第j級灰度值的概率，是圖像中j級灰度的像素總數(shù)，是圖像中灰度級的總數(shù)目，是圖像中像素的總數(shù)。對變換后的S值取最靠近的一個灰度級的值，建立灰度級變換表，將原圖像變換為直方圖均衡的圖像。(2) 直方圖規(guī)定化是能夠有目的地增強某個灰度區(qū)間的圖像， 即能夠人為地修正直方圖的形狀， 使之與期望的形狀相匹配。換句話說，希望可以人為地改變直方圖形狀，使之成為某個特定的形狀，

12、直方圖規(guī)定化就是針對上述要求提出來的一種增強技術，它可以按照預先設定的某個形狀來調(diào)整圖像的直方圖。直方圖規(guī)定化是在運用均衡化原理的基礎上，通過建立原始圖像和期望圖像之間的關系，選擇地控制直方圖，使原始圖像的直方圖變成規(guī)定的形狀，從而彌補了直方圖均衡不具備交互作用的特性。（3）圖像銳化是一種補償輪廓、突出邊緣信息以使圖像更為清晰的處理方法。為了要把圖像中間任何方向伸展的邊緣和輪廓線變得清晰，我們希望對圖像的某種運算是各向同性的。可以證明偏導平方和的運算是各向同性的，即: 式中是圖像旋轉(zhuǎn)前的坐標，是圖像旋轉(zhuǎn)后的坐標。梯度運算就是在這個式子的基礎上開方得到的。圖像（x，y）點的梯度值： 為了突出物體

13、的邊緣，常常采用梯度值的改進算法，將圖像各個點的梯度值與某一閾值作比較，如果大于閾值，該像素點的灰度用梯度值表示，否則用一個固定的灰度值表示。我們在對圖像增強的過程中，采用的是一種簡單的高頻濾波增強方法：式中f，g分別為銳化前后的圖像，是與擴散效應有關的系數(shù)。表示對圖像f進行二次微分的拉普拉斯算子。這表明不模糊的圖像可以由模糊的圖像減去乘上系數(shù)的模糊圖像拉普拉斯算子來得到?？梢杂孟旅娴哪０錒=1，4，1，4，-20，4，1，4，1來近似。在具體實現(xiàn)時，上述模板H中的各個系數(shù)可以改變，這個系數(shù)的選擇也很重要，太大了會使圖像的輪廓過沖，太小了則圖像銳化不明顯。實驗表明，選取2-8之間往往可以達到比

14、較滿意的效果。3、 實驗步驟1、 輸入一幅圖像；2、 對該圖像進行直方圖均衡化處理，輸出實驗結果；3、 對該圖像進行直方圖規(guī)定化處理，輸出實驗結果；4、 對該圖像進行圖像銳化，輸出實驗結果；5、 對實驗結果截圖,并分析實驗結果。4、 程序代碼及實驗結果顯示1、直方圖均衡化I=imread('C:UserswwwwPictures桌面圖片c.jpg');I=rgb2gray(I);figure;subplot(2,2,1);imshow(I);subplot(2,2,2);imhist(I); %獲取圖像數(shù)據(jù)直方圖I1=histeq(I); %直方圖均衡化subplot(2,2,

15、3);imshow(I1);subplot(2,2,4);imhist(I1);2、直方圖規(guī)定化clear all;close all;% 擴展原圖像形成中間圖像的高斯濾波orgin=imread('C:UserswwwwPictures桌面圖片c.jpg');orgin=rgb2gray(orgin); %讀入原圖像m_o,n_o=size(orgin);orgin_hist=imhist(orgin)/(m_o*n_o);standard = imread('C:UserswwwwPictures桌面圖片j.jpg'); % 讀入標準圖standard=rg

16、b2gray(standard); m_s,n_s=size(standard);standard_hist=imhist(standard)/(m_s*n_s);startdard_value=; % 標準圖累積直方orgin_value=; % 原圖像累積直方for i=1:256 startdard_value=startdard_value sum(standard_hist(1:i); orgin_value=orgin_value sum(orgin_hist(1:i); endfor i=1:256 valuei=startdard_value-orgin_value(i); v

17、aluei=abs(valuei); temp index(i)=min(valuei);endnewimg=zeros(m_o,n_o);for i=1:m_o for j=1:n_o newimg(i,j)=index(orgin(i,j)+1)-1; endendnewimg=uint8(newimg);subplot(2,3,1);imshow(orgin);title('原圖');subplot(2,3,2);imshow(standard);title('標準圖');subplot(2,3,3);imshow(newimg);title('m

18、yself匹配到標準圖');subplot(2,3,4);imhist(orgin);title('原圖');subplot(2,3,5);imhist(standard);title('標準圖');subplot(2,3,6);imhist(newimg);title('myself匹配到標準圖');3、直方圖銳化I=imread('C:UserswwwwPictures桌面圖片j.jpg'); A=rgb2gray(I); figure, subplot(221),imshow(A); title('原圖

19、9;); hs=fspecial('sobel'); S=imfilter(A,hs); hp=fspecial('prewitt'); P=imfilter(A,hs); A=double(A);%雙精度型 H=0 1 0,1 -4 1,0 1 0;%拉普拉斯算子 J=conv2(A,H,'same'); K=A-J; subplot(222),imshow(K); title('拉普拉斯銳化圖像'); subplot(223),imshow(S); title('sobel算子銳化圖像'); subplot(2

20、24),imshow(P); title('prewitt算子銳化圖像');五、實驗總結機器視覺課內(nèi)實驗報告(3)基于一階微分算子的邊緣檢測專 業(yè) ：智能科學與技術班 級 ：學 號 ：姓 名 ：實驗時間 ：實驗三：基于一階微分算子的邊緣檢測一、實驗目的1 了解常見的一階微分算子的原理及其卷積模板。2 熟練掌握MATLAB圖像處理工具箱中的使用方法，利用Roberts算子、Sobel算子和Prewitt算子等一階微分算子編程實現(xiàn)邊緣檢測。3 熟悉圖像邊緣檢測方法。二、實驗的主要儀器設備1 微型計算機2 MATLAB軟件（安裝圖像處理工具箱）3 典型的灰度圖像文件三、實驗原理邊緣檢

21、測的基本思想是通過檢測每個像素和其鄰域的狀態(tài)，以決定該像素是否位于一個物體的邊界上。如果一個像素位于一個物體的邊界上，則其鄰域像素的灰度值的變化就比較大。假如可以應用某種算法檢測出這種變化并進行量化表示，那么就可以確定物體的邊界。四、實驗內(nèi)容1 利用MATLAB圖像處理工具箱進行邊緣檢測。2 結合實驗原理，通過編程實現(xiàn)的實驗結果比較各種邊緣檢測方法。五、實驗步驟1 讀入一幅圖像2 選擇不同的邊緣檢測方法，對圖像進行邊緣檢測3 分析不同檢測方法對圖像處理的效果6、 程序代碼及實驗結果顯示I=imread('I:機器視覺lyx.jpg');I=rgb2gray(I);BW1 = e

22、dge(I,'sobel'); %利用Sobel算子進行邊緣檢測BW2 = edge(I,'roberts'); %利用roberts算子進行邊緣檢測BW3 = edge(I,'prewitt'); %利用prewitt算子進行邊緣檢測BW4 = edge(I,'log'); %利用log算子進行邊緣檢測BW5 = edge(I,'canny'); %利用canny算子進行邊緣檢測subplot(2,3,1),imshow(I);subplot(2,3,2),imshow(BW1);subplot(2,3,3),i

23、mshow(BW2);subplot(2,3,4),imshow(BW3);subplot(2,3,5),imshow(BW4);subplot(2,3,6),imshow(BW5);七、心得體會機器視覺課內(nèi)實驗報告(4)基于二階微分算子的邊緣檢測專 業(yè) ：智能科學與技術班 級 ：學 號 ：姓 名 ：實驗時間 ：實驗四：基于二階微分算子的邊緣檢測一、實驗目的1 了解常見的二階微分算子的原理及其實驗步驟。2 熟練掌握MATLAB圖像處理工具箱，利用LoG算子和Canny算子等微分算子編程實現(xiàn)邊緣檢測。二、實驗原理及步驟1 為了減少噪聲的影響，對圖像先進行平滑，然后在運用Laplacian算子。平

24、滑函數(shù)選擇具有正態(tài)分布形式的高斯函數(shù)h (x, y)：其中是高斯分布的均方差。令r2=x2+y2用高斯函數(shù)h (x, y)對圖象f (i, j)做卷積，然后以對求二階導數(shù)來計算拉普拉斯值，則： 稱作高斯-拉普拉斯算子，簡稱LoG算子。高斯平滑運算導致圖像中邊緣和其他尖銳不連續(xù)部分的模糊，其中模糊量取決于值。值越大，噪聲濾波效果越好，但同時也丟失了重要的邊緣信息，影響了邊緣檢測器的性能。如果取小的值，又有可能平滑不完全而留有太多的噪聲。因此在不知道物體尺度和位置的情況下，很難準確確定值。一般來說，使用大的值會產(chǎn)生魯棒邊緣，小的值產(chǎn)生精確定位的邊緣，兩者結合，能夠檢測出圖像的最佳邊緣。LoG算子可

25、以用MATLAB中的edge函數(shù)來檢測邊緣：其中，thresh是邊緣檢測的閾值，sigma是高斯濾波器的值，默認為2。用不同值的LoG算子檢測圖象的邊緣。2 Canny的主要工作是推導了最優(yōu)邊緣檢測算子?？己诉吘墮z測算子的指標是：低誤判率，即盡可能少地把邊緣點誤認為是非邊緣點；高定位精度，即準確地把邊緣點定位在灰度變化最大的像素上；抑制虛假邊緣。Canny邊緣檢測算法步驟： step1:用高斯濾波器平滑圖象； step2:用一階偏導的有限差分來計算梯度的幅值和方向； step3:對梯度幅值進行非極大值抑制 step4:用雙閾值算法檢測和連接邊緣三、實驗程序與結果圖lenna=imread('rice.png');lenna_3=mat2gray(lenna);m,n=size(lenna_3);lenna_4=lenna_3;L=0;t=0.2;for j=2:m-1 for k=2:n-1 L=abs(4*lenna_3(j,k)-lenna_3(j-1,k)-lenn