機器視覺與圖像處理

1、機器視覺與圖像處理課程大作業(yè)專業(yè)：自動化班級：1402學號：201423020230姓名：楊坤翔2017.06.05大作業(yè)說明1 .要求每位同學獨立完成課程大作業(yè)；2 .鼓勵組成課程小組，集體討論研究，課程總結內說明小組成員；3 .允許借鑒網絡、書籍上相關代碼資源，但一定要切合題目內容；4 .根據題目要求，原理解釋部分若需要公式，使用公式編輯器編輯;代碼部分保證完整、可運行；結果部分黏貼原圖；5 .作業(yè)鼓勵將個人調試經驗、學習心得等個性化內容總結。題目1:高斯濾波器與拉普拉斯濾波器1.1給出高斯濾波器與拉普拉斯濾波器數(shù)學表達式;(1)給出高斯濾波器數(shù)學表達式x2G(x)=e。21G(x，y):

2、2；ex2_y2一2二2(2)給出拉普拉斯濾波器數(shù)學表達式：江卅冬3+冬必(1)rV2/=f(x+1,>)4/*_1J)+/(1J+1)+/(”-l)-4/(x,j)(2)g(x7y)=fx.y)+<f(x.y)(3)1.2使用Matlab繪制出高斯濾波器與拉普拉斯濾波器圖形表達;圖形表達:alf=3;n=7;%定義模板大小n1=floor(n+1)/2);%確定中心fori=1:na(i)=exp(-(i-n1).A2)/(2*alfA2);forj=1:nb(i,j)=exp(-(i-n1)A2+(j-n1)A2)/(4*alf)/(4*pi*alf);endendsubplo

3、t(121),plot(a),title('一維高斯函數(shù))subplot(122),surf(b),title('二維高斯函數(shù),)25260-106.jpg');1.3分別使用高斯濾波器和拉普拉斯濾波器對下列圖片進行卷積運算操作，是否有快速方法進行拉普拉斯濾波器卷積運算?高斯濾波:I=imread('C:Usersdell-5000PictureslovewallpaperH=rgb2gray(I);Img=double(H);alf=3;n=10;n1=floor(n+1)/2);fori=1:nforj=1:nb(i,j)=exp(-(i-n1)A2+(j-

4、n1)A2)/(4*alf)/(4*pi*alf);DMendendImg_n=uint8(conv2(Img,b,'same');K=uint8(imfilter(Img,b);Img_n2=uint8(imfilter(Img,b,'conv');J=(Img_n2)-Img_n;原圖')卷積運算圖')相關運算圖)flag=mean(J(:)subplot(131),imshow(I);title('subplot(132),imshow(Img_n);title('subplot(133),imshow(K);title(&

5、#39;國便卷利為舞用機美堆舞阻(2)拉普拉斯濾波：h1=fspecial('laplacian');25260-106.jpg');A=imread('C:Usersdell-5000PictureslovewallpaperK=rgb2gray(A);B=imfilter(K,h1);subplot(131),imshow(A);title('原圖')subplot(132),imshow(K);title("灰度圖')subplot(133),imshow(B);title('相關運算圖')憶餐:曲海題目2

6、：使用Canny算子邊緣檢測2.1列寫出Canny算子檢測邊緣算法原理；(1)圖象邊緣檢測必須滿足兩個條件：一能有效地抑制噪聲；二必須盡量精確確定邊緣的位置。(2)根據對信噪比與定位乘積進行測度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測算子。(3)類似與Marr(LoG)邊緣檢測方法，也屬于先平滑后求導數(shù)的方法。(4)Canny邊緣檢測算法：stepl: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。2.2使用Canny算法對下圖進行邊緣檢測，并對比其他邊緣檢測算法，如Sobel,

7、Roberts等；1 .canny算子：I=imread('dazuoye02.jpg');I=rgb2gray(I);imshow(I);title('原圖')BW1=edge(I,'canny');figure,imshow(BW1);title('matlabcanny檢測')rratab旬可氾2 .Roberts算子：I=imread('dazuoye02.jpg');K=rgb2gray(I);BW1=1,0;0,-1;BW2=0,1;-1,0;J1=filter2(BW1,K);J2=filter2(B

8、W2,K);K1=double(J1);K2=double(J2);M=(abs(K1)+abs(K2);figure,imshow(uint8(M)title('matlabRobert檢測')mallabRobert.則3.Sobel算子:I=imread('dazuoye02.jpg');K=rgb2gray(I);BW1=-1,-2,-1;0,0,0;1,2,1;BW2=-1,0,1;-2,0,2;-1,0,1;J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);檢測')

9、M=(abs(K1)+abs(K2);figure,imshow(uint8(M)title('matlabsobel結論：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很平滑。經分析，由于Robert算子通常會在圖像邊緣附近的區(qū)域內產生較寬的響應，故采用上述算子檢測的邊緣圖像常需做細化處理，邊緣定位的精度不是很高。Sobel算子：其主要用于邊緣檢測，在技術上它是以離散型的差分算子，用來運算圖像亮度函數(shù)的梯度的近似值，缺點是Sobel算子并沒有將圖

10、像的主題與背景嚴格地區(qū)分開來，換言之就是Sobel算子并沒有基于圖像灰度進行處理，由于Sobel算子并沒有嚴格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意Canny算子：該算子功能比前面幾種都要好，但是它實現(xiàn)起來較為麻煩，Canny算子是一個具有濾波，增強，檢測的多階段的優(yōu)化算子，在進行處理前，Canny算子先利用高斯平滑濾波器來平滑圖像以除去噪聲，Canny分割算法采用一階偏導的有限差分來計算梯度幅值和方向，在處理過程中，Canny算子還將經過一個非極大值抑制的過程，最后Canny算子還采用兩個閾值來連接邊緣。題目3角點與斑點檢測3.1 使用Harris算法檢測下圖中角點（h

11、arris算法實現(xiàn)）Harris算法：filename,pathname,=uigetfile('dazuoye03.jpg');ifischar(filename)returnendstr=pathnamefilename;pic=imread(str);iflength(size(pic)=3img=rgb2gray(pic);endm,n=size(img);tmp=zeros(m+2,n+2);tmp(2:m+1,2:n+1)=img;Ix=zeros(m+2,n+2);Iy=zeros(m+2,n+2);Ix(:,2:n+1)=tmp(:,3:n+2)-tmp(:,1

12、:n);Iy(2:m+1,:)=tmp(3:m+2,:)-tmp(1:m,:);Ix2=Ix(2:m+1,2:n+1).A2;Iy2=Iy(2:m+1,2:n+1).A2;Ixy=Ix(2:m+1,2:n+1).*Iy(2:m+1,2:n+1);h=fspecial('gaussian',77,2);Ix2=filter2(h,Ix2);Iy2=filter2(h,Iy2);Ixy=filter2(h,Ixy);R=zeros(m,n);fori=1:mforj=1:nM=Ix2(i,j)Ixy(i,j);Ixy(i,j)Iy2(i,j);R(i,j)=det(M)-0.06*

13、(trace(M)A2;endendRmax=max(max(R);loc=;tmp(2:m+1,2:n+1)=R;fori=2:m+1forj=2:n+1iftmp(i,j)>0.01*Rmaxsq=tmp(i-1:i+1,j-1:j+1);sq=reshape(sq,1,9);sq=sq(1:4),sq(6:9);iftmp(i,j)>sqloc=loc;j-1,i-1;endendendendX=loc(:,1);Y=loc(:,2);subplot(1,2,1);imshow(pic);subplot(1,2,2);imshow(pic);holdonplot(X,Y,&#

14、39;*');holdoff3.2 使用Log算子檢測下圖中斑點(Matlab:iog_Biob)(1)構造LoG_Blob函數(shù):9-LoG_Blob,rri算+I1EfunctionpointsoGJ101)(1mgjnujL.'blo'bs)2 百砌能；提取LoG時早，3 Sing輸入圖像?？4 Mum-需要檢娜斑點蜀目？7-Spoinl精則出的斑點?？iung二double(iuig(;j;：j1)>|ifnargin=l%如果輸入卷數(shù)僅有一個<ljie)?8-nmE沈；將將檢測斑立數(shù)設置為12。及nm=nwii_blobs;年nd*設定LoG叁數(shù)?s

15、igma_begin=2:si£ina_end=15.sijma_step=：l:(2)構造draw函數(shù):fS-E:nnatlabb4ndraw.rrdraw,m筑+1 functiondraw(imgjptjstr.)2 1焉中能;在圖像中繪制特征點管3 Mm輸入圖像?？4 5*M一一特征點坐標”5 Sistr圖上顯示的名都?76 fifur("IFajie''?str.):7 -imshow(ling);8 holdon;9 -axisoff:10 switchsue(ptj2)11 -case212 -s=2;13 -fori=1:size(ptf1)

16、14 -rtctangl?CPosition"ptSJ-sptKLl)-&2尉&2*51,"Curvature.15j0,0,'EdgeColorJbLineTidth,2);16 -end17 -case3IS-fori=1:sizefpt,1)IS-rectangle(JPositiojiajpt(i,2)_pt(i,3),pttijl)-pt(i,3)j.?202*pt(if3),2*pt(i31；JCurvaturet1,11；JEdgeGolorJ,21fvf/LineWidth*,2)：(3)算法實現(xiàn)：img=imread('da

17、zuoye04.jpg');imshow(img);pt=LoG_Blob(rgb2gray(img);draw(img,pt,'LOG')個人體會：在做題時，通過查找網上的資料才做出來，我覺得難點在于函數(shù)的書寫上，函數(shù)寫出來了，題目就做出來了。題目4特征點匹配4.1完成下列兩圖中的特征點檢測與匹配(1)算法實現(xiàn)：>>i1=imread('dazuoye05.jpg');i2=imread('dazuoye06.jpg');i11=rgb2gray(i1);i22=rgb2gray(i2);imwrite(i11,'v

18、1.jpg','quality',80);imwrite(i22,'v2.jpg','quality',80);match('v1.jpg','v2.jpg');Findingkeypoints.879keypointsfound.Findingkeypoints.2163keypointsfound.Found337matches.>>il=inueadCjlazuoyeOS.jpg)；i2=iJitreadCdazuoye06.jpg")：ill=rgb?gray(id;i2rcb

19、2tray(i2)：imwrite(ilLJvl.jpgquality"】SO)imwrile(i22j-v2.jpg'Jquality",8Q)matchCvkjpg?jv2,jpEJ)；Fmdingk?ypoin,ts.B79keypointsfound.Fmdmgkeypoints.,.2163ktrptintsfound.Found337jnatches.ft>I(2)算法函數(shù)及結果:-E:m3V3bbinsiftDenrioV45ift.rri&rft.m+JL16 甯Lred£ts:Thanksf心上initialversiono

20、fthisprogrsjhtD./17 %J.J.Guerrero；,UniversidaddeZaragazatuiodifiedt1319|-functzaninage,des匚rzupt凸匚*,Iocs二sift1imafeFile)2021 >Loadiiwag«22 ijiafe=imread(imafeFile?:232425262723293。-31券33-34話-35%IfyouhavetheImageProcessingloalbox,youcanuncaiiunent*Lmsst電allvinputQfcoLotimag巳whichvillb?%ifisrg

21、h(image)%imae-=r£bZgray(imaea):%endrovs,cols=size(linage);ftConvertiivtaPGMimagefil*?.,readablebykeypointse量吧cutwf=fopenC-tmp.pgm',:iff=-1errorCCouldnolcreg.tefiletmp.pgm-'.);endUFtfC)SREtmotI»t>bir»sit>omoV*trri£»tcK.mmutcMmLO£11213LALS一16LTISim2021222324*1fKincXionn3nmal:obi<xmsiee