圖像測(cè)量專(zhuān)題試驗(yàn)

1、圖像測(cè)量專(zhuān)題試驗(yàn)實(shí)驗(yàn)?zāi)康模?. 熟悉ZM-VS1200機(jī)器視覺(jué)教學(xué)創(chuàng)新實(shí)驗(yàn)平臺(tái)的使用，并結(jié)合配套的及其視覺(jué)組態(tài)軟件Xavis軟件，學(xué)習(xí)和掌握機(jī)器視覺(jué)預(yù)處理、尺寸測(cè)量、缺陷檢測(cè)、圖像融合、視覺(jué)跟蹤、模式識(shí)別、三維重構(gòu)的方法。2. 利用Matlab軟件，深入掌握相關(guān)圖像處理操作，例如圖像基本處理操作、圖像變換、圖像增強(qiáng)，以及相關(guān)的圖像函數(shù)編程實(shí)現(xiàn)。3. 了解有一定應(yīng)用背景的圖像處理算法，例如3D圖像恢復(fù)、圖像融合等等內(nèi)容。實(shí)驗(yàn)一一、 實(shí)驗(yàn)內(nèi)容：圖像基本處理操作圖像顯示、讀寫(xiě)、像素統(tǒng)計(jì)處理、圖像文件I/O等實(shí)驗(yàn)程序：I=imread(Lena.bmp);imshow(I)S=size(I)imwri

2、te(I,img1.png,png)I1,map=imread(img1.png);imfinfo(img1.png)figure, imshow(I1)mean2(I)std2(I)實(shí)驗(yàn)結(jié)果：S = 200 200 3ans = Filename: img1.png FileModDate: 30-Oct-2009 13:39:17 FileSize: 68313 Format: png FormatVersion: Width: 200 Height: 200 BitDepth: 24 ColorType: truecolor FormatSignature: 137 80 78 71 1

3、3 10 26 10 Colormap: Histogram: InterlaceType: none Transparency: none SimpleTransparencyData: BackgroundColor: RenderingIntent: Chromaticities: Gamma: XResolution: YResolution: ResolutionUnit: XOffset: YOffset: OffsetUnit: SignificantBits: ImageModTime: 30 Oct 2009 05:39:17 +0000 Title: Author: Des

4、cription: Copyright: CreationTime: Software: Disclaimer: Warning: Source: Comment: OtherText: ans = 128.2479ans = 58.7742實(shí)驗(yàn)二一、 實(shí)驗(yàn)內(nèi)容：圖像分割邊緣檢測(cè)edge、閾值分割graythresh邊緣檢測(cè)edge實(shí)驗(yàn)程序：I=imread(coins.png);imshow(I);BW2=edge(I,sobel); figure,imshow(BW2);實(shí)驗(yàn)結(jié)果：實(shí)驗(yàn)分析：邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。有許多方法用

5、于邊緣檢測(cè)，它們的絕大部分可以劃分為兩類(lèi)：基于查找一類(lèi)和基于零穿越的一類(lèi)。基于查找的方法通過(guò)尋找圖像一階導(dǎo)數(shù)中的最大和最小值來(lái)檢測(cè)邊界，通常是將邊界定位在梯度最大的方向。該程序使用了sobel算子，也可用canny算子進(jìn)行邊緣檢測(cè)，程序如下：I=imread(coins.png);imshow(I);BW2=edge(I,canny);figure,imshow(BW2);閾值分割graythresh實(shí)驗(yàn)程序：I=imread(coins.png); %讀入圖像subplot(1,2,1); imshow(I); %顯示原圖level=graythresh(I); %域值分割BW=im2bw(

6、I,level); %顯示成二值灰度圖像subplot(1,2,2),imshow(BW)實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，主要通過(guò)設(shè)定不同的特征閾值，把圖像象素點(diǎn)分為假設(shè)干類(lèi)。常用的特征包括：1.直接來(lái)自原始圖像的灰度或彩色特征；2.由原始灰度或彩色值變換得到的特征。設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則f(x，y)中找到特征值T，將圖像分割為兩個(gè)部分， 假設(shè)?。篵0=0(黑)，b1=1(白)，即為我們通常所說(shuō)的圖像二值化。實(shí)驗(yàn)三一、 實(shí)驗(yàn)內(nèi)容:圖像增強(qiáng)直方圖均化、比照度增強(qiáng)、均值濾波、中值濾波直方圖均化實(shí)驗(yàn)程序:I=imread(Lena.bmp);I=rgb2

7、gray(I);J=histeq(I);figure,subplot(221),imshow(I)subplot(222),imshow(J) subplot(223),imhist(I,64)subplot(224),imhist(J,64)實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:1.直方圖均衡化：是將原圖的灰度直方圖按照分布規(guī)律將其均勻分配到相近的灰度值附近，使得整體圖畫(huà)灰度效果較為均衡，圖像更加清晰比照度增強(qiáng)實(shí)驗(yàn)程序:I=imread(pout.tif); %讀入原圖J=imadjust(I,0.3 0.7,); %增強(qiáng)比照度 subplot(1,2,1),imshow(I); %顯示原圖subplot(1

8、,2,2),imshow(J); %顯示增強(qiáng)后的圖象figure, subplot(1,2,1),imhist(I); %顯示原直方圖subplot(1,2,2),imhist(J); %顯示處理后直方圖實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:2.比照度增強(qiáng)：可以理解為將圖像的灰度分布由較窄的區(qū)域，同比例拉開(kāi)擴(kuò)展到大的灰度范圍。即使得灰度分布范圍增大，從而灰度級(jí)數(shù)拉開(kāi)，比照度就增強(qiáng)。其變換的數(shù)值可以由程序員自行設(shè)定?？偨Y(jié)分析：灰度變換是圖像增強(qiáng)的一種重要手段，使圖像比照度擴(kuò)展，圖像更加清晰，特征更加明顯?；叶燃?jí)的直方圖給出一幅圖像概貌的描述，通過(guò)修改灰度直方圖來(lái)得到圖像增強(qiáng)。均值濾波、中值濾波實(shí)驗(yàn)程序:加入噪聲:

9、I=imread(eight.tif);J=imnoise(I,gaussian,0,0.005);Figure,subplot(2,2,1);imshow(I);title(原圖)；Subplot(2,2,2);imshow(J);title(加入高斯噪聲)；均值濾波：K1=filter2(fspecial(average,5),I)/255;Subplot(2,2,3);imshow(K1);title(均值濾波)；中值濾波：K2=medfilt2(J);%中值濾波subplot(2,2,4),imshow(K2);title(中值濾波);實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:1均值濾波：圖像中一點(diǎn)的像素用

10、其領(lǐng)域內(nèi)點(diǎn)的像素均值來(lái)代替。2中值濾波：主要將周?chē)袼鼗叶戎档貌畋容^大的像素改取與周?chē)咏闹?，消除孤立噪聲點(diǎn)中值濾波的效果要比鄰域均值處理的低通濾波效果要好，主要特點(diǎn)是濾波后圖像的輪廓比較清晰實(shí)驗(yàn)四一、 實(shí)驗(yàn)內(nèi)容：圖像形態(tài)學(xué)分析膨脹、腐蝕、開(kāi)、閉運(yùn)算、骨架提?。号蛎泴?shí)驗(yàn)程序:BW1=imread(text.png); %讀取圖像SE=ones(6,2); BW2=imdilate(BW1,SE); %用模版對(duì)圖像進(jìn)行膨脹處理imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示膨脹后圖像實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析: 膨脹在數(shù)學(xué)形態(tài)學(xué)中的作用與腐蝕的作用正好相反，它是對(duì)二值化物

11、體邊界點(diǎn)進(jìn)行擴(kuò)充，將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界點(diǎn)向外部擴(kuò)張的過(guò)程。如果兩個(gè)物體之間的距離比較近，則膨脹運(yùn)算可能會(huì)把兩個(gè)物體連通到一起，膨脹對(duì)填補(bǔ)圖像分割后物體中的空洞很有用。膨脹：用B膨脹A得到的集合是B映像的位移與A至少有一個(gè)非零元素元素相交時(shí)B的原點(diǎn)位置的集合： 腐蝕實(shí)驗(yàn)程序:BW1=imread(text.png); %讀取圖像SE=ones(3,2); BW2=imerode(BW1,SE); %進(jìn)行腐蝕處理imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示處理后圖像實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:腐蝕是數(shù)學(xué)形態(tài)學(xué)的兩種最為基本的運(yùn)算之一，腐蝕在數(shù)學(xué)形

12、態(tài)學(xué)中的作用是消除物體邊界點(diǎn)，使邊界向內(nèi)部收縮的過(guò)程，可以把小于結(jié)構(gòu)元素的物體去除。這樣選取不同大小的結(jié)構(gòu)元素，就可以去除不同大小的物體。如兩個(gè)物體間有細(xì)小的連通，通過(guò)腐蝕可將兩個(gè)物體分開(kāi)。腐蝕：用B腐蝕A的結(jié)果是B完全包括在A中時(shí)B的原點(diǎn)位置的集合： 開(kāi)運(yùn)算實(shí)驗(yàn)程序:BW1=imread(text.png); %讀取圖像BW2=bwmorph(BW1,open); %進(jìn)行開(kāi)操作imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示處理后圖像實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:先腐蝕后膨脹的過(guò)程就稱為開(kāi)運(yùn)算。原圖經(jīng)過(guò)開(kāi)運(yùn)算后，能夠去除孤立的小點(diǎn)、毛刺和小橋即連通兩塊區(qū)域的小點(diǎn)，消除小物

13、體、平滑較大物體的邊界，同時(shí)并不明顯改變其面積。開(kāi)啟：用B腐蝕A，再用B膨脹腐蝕的結(jié)果：閉運(yùn)算實(shí)驗(yàn)程序:BW1=imread(text.png); %讀取圖像BW2=bwmorph(BW1,close); %進(jìn)行閉操作imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示處理后圖像實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析:閉運(yùn)算是先膨脹后腐蝕的過(guò)程，其功能是用來(lái)填充物體內(nèi)細(xì)小空洞、連接臨近物體、平滑其邊界，同時(shí)不明顯改變其面積。閉合：用B膨脹A，再用B腐蝕膨脹的結(jié)果：骨架提取實(shí)驗(yàn)程序:BW1=imread(circles.png); %讀取原圖BW2=bwmorph(BW1,skel,Inf

14、); %骨架提取subplot(1,2,1),imshow(BW1); %顯示原圖subplot(1,2,2),imshow(BW2); %顯示提取圖像實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)五一、 實(shí)驗(yàn)內(nèi)容:圖像恢復(fù)維納濾波實(shí)驗(yàn)程序：I,map=imread(LenaGRAY.bmp);J1=imnoise(I,gaussian,0,0.005);K=wiener2(J1,3 3)；subplot(131),imshow(I);title(原圖)subplot(132),imshow(J1);title(噪聲干擾圖)subplot(133),imshow(K);title(濾波后圖像)實(shí)驗(yàn)結(jié)果:實(shí)驗(yàn)分析：維納根據(jù)最小

15、均方誤差準(zhǔn)則(濾波器的輸出信號(hào)與需要信號(hào)之差的均方值最小)，求得了最正確線性濾波器的參數(shù)，這種濾波器被稱為維納濾波器。圖像恢復(fù)是通過(guò)電腦處理，對(duì)質(zhì)量下降的圖像加以重建或恢復(fù)的處理過(guò)程。因攝像機(jī)與物體相對(duì)運(yùn)動(dòng)、系統(tǒng)誤差、畸變、噪聲等因素的影響，使圖像往往不是真實(shí)景物的完善映像。在圖像恢復(fù)中，需建立造成圖像質(zhì)量下降的退化模型，然后運(yùn)用相反過(guò)程來(lái)恢復(fù)原來(lái)圖像，并運(yùn)用一定準(zhǔn)則來(lái)判定是否得到圖像的最正確恢復(fù)。實(shí)驗(yàn)六一、 實(shí)驗(yàn)內(nèi)容:小波變換二維小波變換和逆變換dwt2、idwt2實(shí)驗(yàn)程序：clc;clear all;A=imread(Lena.bmp);A=rgb2gray(A);S1=size(A)ca

16、1,ch1,cv1,cd1=dwt2(A,db8);figure,subplot(2,2,1);imshow(ca1/255);subplot(2,2,2);imshow(ch1);subplot(2,2,3);imshow(cv1);subplot(2,2,4);imshow(cd1);F=idwt2(ca1,ch1,cv1,cd1,db8,S1);figure,imshow(F/255);size(F)實(shí)驗(yàn)結(jié)果:小波逆變換后得到的結(jié)果如下：實(shí)驗(yàn)分析：小波變換在時(shí)域和頻域同時(shí)具有良好的局部化性質(zhì)，而且由于對(duì)高頻成分采用逐漸精細(xì)的時(shí)域和空域取樣不常，從而可以聚焦到對(duì)象的任意細(xì)節(jié)，被譽(yù)為數(shù)學(xué)顯微

17、鏡。 小波變換的函數(shù)是dwt2()，其反變換的額函數(shù)是idwt()二維小波函數(shù)是通過(guò)一維小波函數(shù)經(jīng)過(guò)張量積變換得到的，二維小波函數(shù)分解是把尺度j的低頻部分分解成四部分：尺度j+1的低頻部分和三個(gè)方向水平、垂直、斜線的高頻部分實(shí)驗(yàn)七一、 實(shí)驗(yàn)內(nèi)容：完成從4光源圖像恢復(fù)出三維圖像。給出大家一組圖像實(shí)例，要求大家能夠在3D-MAX中繪制出其他圖像并完成重構(gòu)實(shí)驗(yàn)程序：S3=imread(s1.bmp); %讀取s1S2=imread(s2.bmp); %讀取s2S1=imread(s3.bmp); %讀取s3S0=imread(s4.bmp); %讀取s4wid,len=size(S0);len=le

18、n/3;m_0=max(max(S0);m_1=max(max(S1);m_2=max(max(S2);m_3=max(max(S3);th1=pi/4;ph1=pi/4;th2=pi/4;ph2=pi/4+pi/2;th3=pi/4;ph3=pi/4+pi;th4=pi/4;ph4=pi/4+3*pi/2;L= cos(ph1)*cos(th1) sin(ph1)*cos(th1) sin(th1) cos(ph2)*cos(th2) sin(ph2)*cos(th2) sin(th2) cos(ph3)*cos(th3) sin(ph3)*cos(th3) sin(th3) cos(ph4

19、)*cos(th4) sin(ph4)*cos(th4) sin(th4) M=(inv(L*L)*Li1=0;e1=0;i2=0;e2=0;i3=0;e3=0;i4=0;e4=0;Q=L;A=Q(1:3,1:3);b=Q(:,4);x=Ab;a=x;a(4)=-1;for m=1:1:wid for n=1:1:len i0=double (S0(m,n); m0=double (m_0(1); i1=double (S1(m,n); m1=double (m_1(1); i2=double (S2(m,n); m2=double (m_2(1); i3=double (S3(m,n); m

20、3=double (m_3(1); I= i0 i1 i2 i3; MAX= m0 m1 m2 m3; e=a*I; ee=e*e; if(ee0.7) J,ind=sort(I); Ldark=L(ind(1),:) L(ind(2),:) L(ind(3),:); Idark=J(1:3); Mdark=inv(Ldark); Rd=Mdark*Idark; if Rd(3)=0 Rd(1)=-Rd(1)/Rd(3); Rd(2)=-Rd(2)/Rd(3); else Rd(1)=0; Rd(2)=0; end P(m,n)=Rd(1); Q(m,n)=Rd(2); flag=0; for

21、 index=1:1:4 v=L(index,:); nor=Rd(1),Rd(2),1; nor=nor./norm(nor); temp=dot(v,nor); if(temp0.4) flag=1; break; end end if(flag=1) Lbrig=L(ind(2),:) L(ind(3),:) L(ind(4),:); Ibrig=J(2:4); Mbrig=inv(Lbrig); Rb=Mbrig*Ibrig; if Rb(3)=0 Rb(1)=-Rb(1)/Rb(3); Rb(2)=-Rb(2)/Rb(3); else Rb(1)=0; Rb(2)=0; end P(m,n)=Rb(1); Q(m,n)=Rb(2); end else R=M*I; if R(3)=0 R(1)=-R(1)/R(3); R(2)=-R(2)/R(3); P