数字图像处理实验报告实验三

2.设计一个检测图3-2中边缘的程序，要求结果类似图3-3，并附原理说明
代码：
I=imread('lines.png');
F=rgb2gray(I);
subplot(2,2,1);
imshow(I);
title('原始图像');
thread=130/255;
subplot(2,2,2);
imhist(F);
图5-2 添上一层（漆）
3.开运算open：
4.闭close：
5.HMT(Hit-Miss Transform:击中——击不中变换)
条件严格的模板匹配
模板由两部分组成。 ：物体， ：背景。
图5-3 击不中变换示意图
性质：
（1） 时，
（2）
6.细化/粗化
(1)细化（Thin）
去掉满足匹配条件的点。
图5-4 细化示意图
se = strel('ball',5,5);
I2 = imerode(I,se);
imshow(I), title('Original')
figure, imshow(I2), title('Eroded')
Matlab用imopen函数实现图像开运算。用法为:
imopen(I,se);
I为图像源，se为结构元素
构造一个中心具有菱形结构的结构元素，R为跟中心点的距离
SE = strel('rectangle',MN)
构造一个矩形的结构元素,MN可写在[3 4]，表示3行4列
SE = strel('square',W)
构造一个正方形的矩阵。
计算二值图像面积
bwarea
功能：
计算二进制图像对象的面积。
语法：
total = bwarea(BW)
subplot(2,2,1);
imshow(I);
title('原始图像');
thread=120/255;
subplot(2,2,2);
imhist(F);
title('直方图');
subplot(2,2,3);
J2=im2bw(F,thread);
imshow(J2);
title('分割结果');
(2)开：去毛刺，能否细化（去掉尺寸小于结构元素的块）
三．实验提示
Matlab中用imdilate函数实现膨胀。用法为：
Imdilate(X,SE).其中X是待处理的图像，SE是结构元素对象。
例如:
bw = imread('text.png');
se = strel('line',11,90);
bw2 = imdilate(bw,se);
BW3=edge(I,'log');
subplot(2,2,4);imshow(BW2),title('用拉普拉斯高斯算子 ')
结果：
(3)比较
Roberts算子：边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑，会在图像边缘附近的区域内产生较宽的响应，边缘定位的精度不是很高。
J2=im2bw(F,thread);
imshow(J2);
title('分割结果');
实验结果：
将阈值调节到180，明显的看到线条的边缘变得模糊，而背景的线条被消除。
4．检测出3.3图像的线条，要求完成的结果为二值图像：
代码：
I=imread('line2.png');
F=rgb2gray(I);
Matlab用imclosee函数实现图像闭运算。用法为:
imclose(I,se);
I为图像源，se为结构元'arbitrary',NHOOD)
将NHOOD构造成你设定的矩阵；如将NHOOD写在[1 1 1;1 1 1; 1 1 1]
SE = strel('diamond',R)
实验结果：
说明：根据直方图，分割值在120左右，去120为分割线，得到以上分割结果。
title('直方图');
subplot(2,2,3);
J2=im2bw(F,thread);
imshow(J2);
title('分割结果');
实验结果:
(3)原理说明：
根据图像的直方图，发现背景和目标的分割值在135左右，将此作为分割值，将图像转换为二值图像。
3．任选一种阈值法进行图像分割:
(1)选取阈值为180进行分割：
subplot(2,2,1);imshow(I),title('原图');
BW1=edge(I,'roberts');
subplot(2,2,2);imshow(BW1),title('用Roberts算子')
BW2=edge(I,'sobel');
subplot(2,2,3);imshow(BW2),title('用Sobel算子 ')
系统细化 ， 是 旋转的结果（90，180，270）共8种情况
适于细化的结构元素
(2)粗化（Thick）
用 时，
故要选择合适的结构元素，如 ,
对偶性： （验证一下）
where when
7.Morphology小结
A.通过物体（对象）和结构元素的相互作用，得到更本质的形态（shape）
(1)图像滤波
(2)平滑区域的边界
举例
BW = imread('circles.png');
imshow(BW);
bwarea(BW)
ans =
15799
bwmorph
功能：
提取二进制图像的轮廓。
语法：
BW2 = bwmorph(BW1,operation)
BW2 = bwmorph(BW1,operation,n)
举例
BW1 = imread('circles.png');
Sobel算子：算法的优点是计算简单，速度快。但是由于只采用了2个方向的模板，只能检测水平和垂直方向的边缘，因此这种算法对于纹理较为复杂的图像，其边缘检测效果就不是很理想。
拉普拉斯：对噪声敏感，会产生双边效果。不能检测出边的方向。通常不直接用于边的检测，只起辅助的角色，检测一个像素是在边的亮的一边还是暗的一边利用零跨越，确定边的位置。
imshow(bw), title('Original')
figure, imshow(bw2), title('Dilated')
Matlab用imerode函数实现图像腐蚀。用法为:
Imerode(X,SE).其中X是待处理的图像，SE是结构元素对象。
如:
I = imread('cameraman.tif');
膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。
二值形态学
I(x,y), T(i,j)为0/1图像
腐蚀：
膨胀：
灰度形态学T(i,j)可取 以外的值
腐蚀：
膨胀：
1.腐蚀Erosion:
删两边 删右上
图5-1 剥去一层（皮）
2.膨胀Dilation:
补两边 补左下
中南大学
数字图像处理实验报告
实验三数学形态学及其应用
实验三数学形态学及其应用
一．实验目的
1.了解二值形态学的基本运算
2.掌握基本形态学运算的实现
3.了解形态操作的应用
二．实验基本原理
腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。
I=imread('lines.png');
F=rgb2gray(I);
subplot(2,2,1);
imshow(I);
title('原始图像');
thread=180/255; %阈值为180进行分割
subplot(2,2,2);
imhist(F);
title('直方图');
subplot(2,2,3);
(3)将一定形状施加于区域边界
(4)描述和定义图像的各种几何参数和特征（区域数、面积、周长、连通度、颗粒度、骨架、边界）
B.形态运算是并行运算
C.细化
区域或边界变为1个象素的宽度，但它不破坏连通性
四方向细化算法：逻辑运算（可删除条件）
形态运算是否可用于细化？
(1)腐蚀：收缩（去掉边缘的点）何时结束？能否保证连通性？
imshow(BW1);
BW2 = bwmorph(BW1,'remove');
BW3 = bwmorph(BW1,'skel',Inf);
imshow(BW2)
figure, imshow(BW3)
四．实验内容与要求
1.设计程序实现对图5-5，实现去除图像中的噪声。
2.设计程序，实现将图5-6转化为二值图像，并计算图中鸡块中骨头的比重。
3.设计程序，实现去除图5-7中的矩形区域外的噪声，并填充矩形区域内部了。
提示：做题是把下面的图另存为单独的图像文件进行处理。
图5-5
图5-6
图5-7
五、实验过程与结果