图像变换二

实
验
报
告
实验名称：综合设计与应用
学生姓名：王涛
学号：2010051060018
指导老师：彭真明
日期：2013 年 5月 13 日
一、 实验室名称：老计算机楼309 二、 实验名称： 综合设计与应用 三、 实验原理：
Sobel 算子主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。

在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量,在x 和y 方向上的sobel 卷积因子分别为：
该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。

如果以A 代表原始图
像，Gx 及Gy 分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
A G and
A G y x *121000121*101202101⎥⎥
⎥⎦
⎤
⎢⎢⎢⎣⎡---+++=⎥⎥
⎥⎦
⎤
⎢⎢⎢⎣⎡+-+-+-= 图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点
灰度的大小：
2
y 2x G G G +=
如果梯度G 大于某个阈值，则认为该点（x ，y ）为边缘点。

然后对图像
进行二值化处理，可以得到图像的边缘轮廓图像。

阈值分割是利用同一区域具有某种共同的灰度特征进行分割。

用灰度阈值法分割图像就是选取一个合适的阈值，然后将图像中的每个像素和它进行比较，将会度超过阈值的点和低于阈值的点分别制定一个灰度值，就可以得到二值图像，此时目标和背景占据不同的灰度级范围的图像。

阈值的选取有几种原则：直接阈值法、间接阈值法和自适应阈值法。

常见的阈值选取的方法有：双峰法、最大方差阈值法、利用最小误判概率准则. 四、 实验目的：
1、熟悉各种图像预处理方法，如直方图处理、图像去噪声、图像增强与 复原、图像变换等，了解这些方法在图像分析与识别、目标检测及跟踪等各种应用中所起的作用。

2、熟悉各种经典的边缘检测算子、图像分割原理。

3、能够利用Matlab 工具完整实现从图像预处理、图像分割、特征提取
与分析及各种实际应用的完整流程。

4、该实验为一个综合设计及应用的实验，目的是要求学生综合利用学到
的光电图像处理知识，解决图像识别、目标检测及目标定位跟踪问
题。

进一步深入理解光电图像处理的重要性，提高学生利用光电图像
处理基本理论、方法等解决实际问题及提高分析问题的能力。

五、实验内容：
(一)两方向Sobel 算子边缘检测的程序设计与实现
(二) 车牌文字分割与提取的程序实现（选做内容）。

(三) 序列图像运动目标检测与跟踪程序设计与实现
(四) 序列图像运动目标相关跟踪的程序设计与实现（选做内容）
六、实验器材
计算机、matlab程序
七、实验步骤
(一) 两方向Sobel 算子边缘检测的程序设计与实现
1、对如图1 所示的图像，首先进行灰度化处理，然后分别与Sobel 算子进行
X、Y 两个方向的卷积处理。

求得卷积结果，即求得图像的X、Y 两个方向梯度值Sx、Sy。

2、求出图像的梯度幅值，即计算
S = Sx2 + Sy2
3、设定一个阈值T，对梯度图像进行二值化处理，即得到最后的二值化的边缘
图。

(二) 序列图像运动目标检测与跟踪程序设计与实现
1、序列图像的读取与显示
本实验提供了 200 帧的图像序列，为BMP 文件，文件名后缀的序号按场景
出现的先后顺序排列，源文件可在“课程网站中的实验指导“栏内下载。

序列图像的读取及显示可参考本实验任务书最后的Matlab 代码提示。

2、图像分割
首先对图像进行必要的阈值分析，确定合适的阈值后，再对图像进行二值化处理（图像分割）。

3、形心计算
在分割的单帧图像上，计算图像的形心坐标（Xc，Yc）,确定目标在像素平面上的位置。

4、形心跟踪
1) 确定跟踪波门：即以形心位置为中心，在图像中包含目标的区域添加一个合
适的矩形框（如取32×16 pixels，32×32 pixels，64×32 pixels 等），2）实时跟踪：循环读取序列图像，对每帧图像均计算形心，和进行包含目标区域的波门绘制。

实现对200 帧序列图像中运动目标的实时稳定跟踪，如图3 所示（仅为示意图，并非原图）。

注：如果整幅图像中不能完整分割或提取目标，需要进行相应的预处理。

可根据实际场景数据的特点，自行选择各种图像增强方法，以能稳定跟踪目标为准。

八、实验数据及结果分析
结果图像见附件
观察图像sobel算子边沿检测图。

图像的边缘清晰，层次分明。

是由于本次原图像各个区域的灰度的差别比较大，因此sobel算子与图像卷积后使得图像的对比度较大，易于区分边缘和非边缘部分，因此，再将图像进行二值化处理之后，得到边缘效果较好，但是得到的边缘比较粗，主要是由于算子的大小是3x3。

观察目标跟踪演示效果，目标始终被白框所包围跟踪，原始图像进行了二值化处理，选择了一个合适的阈值进行分割，并且对每一幅图像都求解了形心，以形心为参考点，做了一个白色的方框，所以目标才能始终处于白框之内
九、实验结论：
利用sobel算子两个方向的作用，再对图像进行二值化处理后，可以有效的实现对图像的边沿检测。

利用图像分割的方法可以提取和背景灰度级相差较大的目标，并且对图像进行二值化处理后，利用形心计算法可以找出目标的形心中心坐标，进而对目标进行跟踪。

十、总结以及心得体会：
Sobel算子对图像进行卷积后再进行二值化处理，对边沿检测的效果十分明显。

计算图像的形心，并且以形心作为参考点化白框，可以有效地跟踪目标。

十一、对实验过程和方法、手段的改进建议
采用多种方法对目标进行跟踪，可以更加深入认识图像跟踪原理与方法。

报告评分：
指导老师签名：
附件：
附件一：
clc,clear all,close all;
I=imread('uestc.bmp');
%I=imread('车牌图.jpg');
subplot(221),imshow(I),title('原图');
I0=rgb2gray(I);
subplot(222),imshow(I0),title('灰度图');
I0=double(I0);
Sx=[-1,0,1;-2,0,2;-1,0,1];
Sy=[-1,-2,-1;0,0,0;1,2,1];
%sobel算子求X，Y梯度
Ix=conv2(I0,Sx);
Iy=conv2(I0,Sy);
S=sqrt(Ix.^2+Iy.^2);
subplot(223),imshow(mat2gray(S)),title('梯度图');
[h,l]=size(S);
T=70;%取阈值为70
for k=1:h
for p=1:l
if S(k,p)<=T;
B(k,p)=0;
else B(k,p)=255;
end
end
end
subplot(224),imshow(mat2gray(B)),title('边沿检测图像');
附件二：
clc,clear all,close all;
% 定义文件路径
path = 'C:\Users\Administrator\Documents\MATLAB\图像处理\实验六\images_seq\image200s\'; filecount=200;
for i=1:filecount
if i<10
name=strcat('0000000',num2str(i),'.bmp');
elseif i<100
name=strcat('000000',num2str(i),'.bmp'); else
name=strcat('00000',num2str(i),'.bmp'); end
Y=imread([path name]);
[x,y]=size(Y);
for kk=1:x-10
for ll=1:y-10
if Y(kk,ll)<200
F(kk,ll)=255;
else
F(kk,ll)=0;
end
end
end
Y=sum(F)/sum(sum(F));
X=sum(F')/sum(sum(F));
Xa=1:x-10;
Ya=1:y-10;
Xc=floor(sum(X.*Xa));
Yc=floor(sum(Y.*Ya));
F(Xc+18,Yc-30:Yc+40)=255;
F(Xc-20,Yc-30:Yc+40)=255;
F(Xc-20:Xc+18,Yc-30)=255;
F(Xc-20:Xc+18,Yc+40)=255;
imshow(uint8(F));
% 动态显示文件名图题
title(['Frame NO. ' num2str(i)]);
% 显示过程中暂停，以便人眼观察
pause(0.01);
end
Frame NO. 16。