Matlab數(shù)字圖像處理處理嘗試之2

Matlab數(shù)字圖像處理處理嘗試之：[1]掌紋識(shí)別|瀏覽：41|更新：2013-10-1219:48|標(biāo)簽：matlab用大津法自動(dòng)得到閥值T，從而得到相應(yīng)的二值圖像。對(duì)圖像I，記T為前景與背景的分割閥值，前景點(diǎn)數(shù)占圖像比例w0，平均灰度為u0,；背景點(diǎn)數(shù)占圖像比例為w1，平均灰度值為u1。圖像的總平均灰度為uT=w0Xu0+w1Xu1。從最小灰度值到最大灰度值遍歷T，當(dāng)T使得方差σ2=w0X（u0-uT）2+w1X（u1-uT）2最大時(shí)，T即為分割的最佳閥值。方差為灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分當(dāng)前錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小，因此，是方差最大的分割以為著錯(cuò)分概率最小。直接應(yīng)用大津法計(jì)算量較大，因此，在現(xiàn)實(shí)時(shí)采用了等價(jià)的公式：σ2=w0Xw1X（u0-u1）2。具體程序如下：clearall;I=imread('C:\Users\zjy\Desktop\zhangwen.jpg');subplot(1,3,1),imshow(I);xlabel('a)原始圖像');level=graythresh(I);BW=im2bw(I,level);subplot(1,3,2),imshow(BW);xlabel('b)graythresh函數(shù)計(jì)算閥值');disp(strcat('graythresh函數(shù)計(jì)算灰度閥值：',num2str(uint8(level*255))));IMAX=max(max(I));IMIN=min(min(I));T=double(IMIN+IMAX)/2;ISIZE=size(I);muxSize=ISIZE(1)*ISIZE(2);fori=1;length(T)TK=T(1,i);ifground=0;ibground=0;FgroundS=0;BgroundS=0;forj=1:ISIZE(1)fork=1:ISIZE(2)tmp=I(j,k);if(tmp>=TK)ifground=ifground+1;FgroundS=FgroundS+double(tmp);elseibground=ibground+1;BgroundS=BgroundS+double(tmp);endendendw0=ifground/muxSize;w1=ibground/muxSize;u0=FgroundS/ifground;u1=BgroundS/ibground;T(2,i)=w0*w1*(u0-u1)*(u0-u1);endoMax=max(T(2,:));idx=find(T(2,:)>=oMax);T=uint8(T(1,idx));disp(strcat('簡(jiǎn)化大律法計(jì)算灰度閥值：',num2str(T)));BW=im2bw(I,double(T)/255);subplot(1,3,3),imshow(BW);xlabel('c)簡(jiǎn)化大律法計(jì)算灰度閥值');運(yùn)行程序后得到如下結(jié)果：graythresh函數(shù)計(jì)算灰度閥值：133ans=3簡(jiǎn)化大律法計(jì)算灰度閥值：128在測(cè)試中發(fā)現(xiàn)：大津法選取出來的閥值非常理想，對(duì)于各種情況的表現(xiàn)都較為良好。雖然它在很多情況下都不是最佳的分割，但分割質(zhì)量通常都有一定的保障，可以說是最穩(wěn)定的分割。采用邊緣檢測(cè)算子（Sobel）提取手掌的邊緣；具體程序如下：[BW2,thresh]=edge(BW,'sobel');disp('Sobel算子自動(dòng)選擇的閥值為：')disp(thresh)subplot(2,2,1);imshow(BW2);xlabel('b)自動(dòng)閥值的Sobel算子邊緣檢測(cè)');運(yùn)行程序后得到的結(jié)果如下：Sobel算子自動(dòng)選擇的閥值為：0.0636對(duì)二值化后的圖像先進(jìn)行膨脹運(yùn)算、再進(jìn)行腐蝕運(yùn)算，將得到的結(jié)果與原圖像相減，圖像上所剩的點(diǎn)即為角點(diǎn)。先膨脹運(yùn)算，再腐蝕運(yùn)算，SE表示在進(jìn)行膨脹與腐蝕時(shí)所用的結(jié)構(gòu)元素。SE的確定是此次角點(diǎn)檢測(cè)的關(guān)鍵所在。SE=strel('disk',80);BW3=imdilate(BW2,SE);subplot(2,2,2);imshow(BW3);xlabel('b)膨脹后圖像');BW4=imerode(BW3,SE);subplot(2,2,3);imshow(BW4);xlabel('c)腐蝕后圖像');Matlab數(shù)字圖像處理處理嘗試之：[1]掌紋識(shí)別|瀏覽：41|更新：2013-10-1219:48|標(biāo)簽：matlab用大津法自動(dòng)得到閥值T，從而得到相應(yīng)的二值圖像。對(duì)圖像I，記T為前景與背景的分割閥值，前景點(diǎn)數(shù)占圖像比例w0，平均灰度為u0,；背景點(diǎn)數(shù)占圖像比例為w1，平均灰度值為u1。圖像的總平均灰度為uT=w0Xu0+w1Xu1。從最小灰度值到最大灰度值遍歷T，當(dāng)T使得方差σ2=w0X（u0-uT）2+w1X（u1-uT）2最大時(shí)，T即為分割的最佳閥值。方差為灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分當(dāng)前錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小，因此，是方差最大的分割以為著錯(cuò)分概率最小。直接應(yīng)用大津法計(jì)算量較大，因此，在現(xiàn)實(shí)時(shí)采用了等價(jià)的公式：σ2=w0Xw1X（u0-u1）2。具體程序如下：clearall;I=imread('C:\Users\zjy\Desktop\zhangwen.jpg');subplot(1,3,1),imshow(I);xlabel('a)原始圖像');level=graythresh(I);BW=im2bw(I,level);subplot(1,3,2),imshow(BW);xlabel('b)graythresh函數(shù)計(jì)算閥值');disp(strcat('graythresh函數(shù)計(jì)算灰度閥值：',num2str(uint8(level*255))));IMAX=max(max(I));IMIN=min(min(I));T=double(IMIN+IMAX)/2;ISIZE=size(I);muxSize=ISIZE(1)*ISIZE(2);fori=1;length(T)TK=T(1,i);ifground=0;ibground=0;FgroundS=0;BgroundS=0;forj=1:ISIZE(1)fork=1:ISIZE(2)tmp=I(j,k);if(tmp>=TK)ifground=ifground+1;FgroundS=FgroundS+double(tmp);elseibground=ibground+1;BgroundS=BgroundS+double(tmp);endendendw0=ifground/muxSize;w1=ibground/muxSize;u0=FgroundS/ifground;u1=BgroundS/ibground;T(2,i)=w0*w1*(u0-u1)*(u0-u1);endoMax=max(T(2,:));idx=find(T(2,:)>=oMax);T=uint8(T(1,idx));disp(strcat('簡(jiǎn)化大律法計(jì)算灰度閥值：',num2str(T)));BW=im2bw(I,double(T)/255);subplot(1,3,3),imshow(BW);xlabel('c)簡(jiǎn)化大律法計(jì)算灰度閥值');運(yùn)行程序后得到如下結(jié)果：graythresh函數(shù)計(jì)算灰度閥值：133ans=3簡(jiǎn)化大律法計(jì)算灰度閥值：128在測(cè)試中發(fā)現(xiàn)：大津法選取出來的閥值非常理想，對(duì)于各種情況的表現(xiàn)都較為良好。雖然它在很多情況下都不是最佳的分割，但分割質(zhì)量通常都有一定的保障，可以說是最穩(wěn)定的分割。采用邊緣檢測(cè)算子（Sobel）提取手掌的邊緣；具體程序如下：[BW2,thresh]=edge(BW,'sobel');disp('Sobel算子自動(dòng)選擇的閥值為：')disp(thresh)subplot(2,2,1);imshow(BW2);xlabel('b)自動(dòng)閥值的Sobel算子邊緣檢測(cè)');運(yùn)行程序后得到的結(jié)果如下：Sobel算子自動(dòng)選擇的閥值為：0.0636對(duì)二值化后的圖像先進(jìn)行膨脹運(yùn)算、再進(jìn)行腐蝕運(yùn)算，將得到的結(jié)果與原圖像相減，圖像上所剩的點(diǎn)即為角點(diǎn)。先膨脹運(yùn)算，再腐蝕運(yùn)算，SE表示在進(jìn)行膨脹與腐蝕時(shí)所用的結(jié)構(gòu)元素。SE的確定是此次角點(diǎn)檢測(cè)的關(guān)鍵所在。SE=strel('disk',80);BW3=imdilate(BW2,SE);subplot(2,2,2);imshow(BW3);xlabel('b)膨脹后圖像');BW4=imerode(BW3,SE);subplot(2,2,3);imshow(BW4);xlabel('c)腐蝕后圖像');a)二進(jìn)制圖像的顯示BW1=zeros(20,20);%創(chuàng)建僅包含0/1的雙精度圖像BW1(2:2:18,2:2:18)=1;imshow(BW1,'notruesize');whosBW2=uint8(BW1);figure,imshow(BW2,'notruesize')BW3=BW2~=0;%邏輯標(biāo)志置為onfigure,imshow(BW3,'notruesize')whosBW=imread('circles.tif');imshow(BW);figure,imshow(~BW);figure,imshow(BW,[100;001]);b)灰度圖像的顯示I=imread('testpat1.tif');J=filter2([12;-1-2],I);imshow(I)figure,imshow(J,[])c)索引圖像的顯示loadclown%裝載一幅圖像imwrite(X,map,'clown.bmp');%保存為bmp文件imshow(X)imshow(X,map)d)RGB圖像的顯示I=imread('flowers.tif');imshow(I)RGB=imread('ngc6543a.jpg');figure,imshow(RGB)imshow(I(:,:,3))%顯示第3個(gè)顏色分量e)多幀圖像的顯示mri=uint8(zeros(128,128,1,27));%27幀文件mri.tif初始化forframe=1:27[mri(:,:,:,frame),map]=imread('mri.tif',frame);%讀入每一幀endimshow(mri(:,:,:,3),map);%顯示第3幀figure,imshow(mri(:,:,:,6),map);%顯示第6幀figure,imshow(mri(:,:,:,10),map);%顯示第10幀figure