图像处理期末大作业 09电气4班 30530434 曾思涛Word格式文档下载.docx
- 文档编号:15071990
- 上传时间:2022-10-27
- 格式:DOCX
- 页数:14
- 大小:469.23KB
图像处理期末大作业 09电气4班 30530434 曾思涛Word格式文档下载.docx
《图像处理期末大作业 09电气4班 30530434 曾思涛Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《图像处理期末大作业 09电气4班 30530434 曾思涛Word格式文档下载.docx(14页珍藏版)》请在冰豆网上搜索。
假设直线的宽度为1个像素,灰度值是1(背景的灰度值为0)。
请给出一组能够检测出上述直线的3×
3模板。
如下图所示。
4.简要说明开运算和闭运算各自在图像处理与分析中的作用。
1.先腐蚀后膨胀称为开运算;
开运算能够有效的消除细小物体、毛刺,能在纤细连续点出分离物体,能平滑较大物体的边界但不明显改变物体的形状、面积和位置。
2.先膨胀后腐蚀称为闭运算:
闭运算能够有效地填充物体内部细小的空洞,连接临近物体,能在不明显改变物体面积的情况下平滑物体的边界。
5.简述描述区域边界的原链码、差分码和形状数的相互关系及各自的特点。
原链码具有平移不变性,没有唯一性,没有旋转不变性;
差分码具有平移和旋转不变性,没有唯一性;
形状数具有唯一性,平移和旋转不变性。
6.目标区域的骨架指的是什么?
请画出下列图形的骨架:
(1)一个圆
(2)一个正方形。
骨架指的是图像经过细化之后得到的中轴。
圆的骨架是它的圆心,正方形的骨架就是它的对角线。
二、计算分析
7.一幅16级灰度的图像,请分别采用3×
3的均值滤波器和中值滤波器对该图像进行降噪处理。
绘出这两种滤波器对图像的滤波结果(只处理灰色区域即可),并说明各自的特点。
均值滤波:
,
中值滤波:
均值滤波可以去除突然变化的点噪声,从而滤除一定的噪声,但其代价是图像有一定程度的模糊;
中值滤波容易去除孤立的点、线噪声,同时保持图像的边缘。
8.采用区域生长法分割下列数字图像,分别以图中的灰色点P(5,3)、Q(5,7)为起始生长点,生长准则为相邻像素的灰度差不超过2。
画出分割后的图像,并计算目标区域的面积和欧拉数。
第一个区域面积为50,第二个区域的面积为1,欧拉数为0。
1
2
3
6
5
7
4
分割后的二值图像
9.绘制X被结构元素S腐蚀后的图像。
如右图所示
图像
10.下图是一幅分割后的数字图像,试按四连通和八连通分别标出图中所示目标区域的边界。
如下图所示。
四连通目标区域八连通目标区域
11.给出图像中红色区域的边界描述:
写出各自的原链码、差分码和形状数(※号表示起点)。
三、综合应用题
12.给定一个3×
3正方形结构元素S,试采用数学形态学方法提取图中所示月球的边界?
写出算法流程,并编程测试。
如果结构元素换成5×
5的正方形,提取到的边界会有何变化?
算法流程:
(1)图像分割;
(2)用结构化元素S对图像进行腐蚀;
(3)把二值化的图像减去腐蚀后的图像。
5的正方形,那么提取到的边界会加粗。
(具体测试程序如附录一所示)。
13.编程计算图中荔枝果实的质心点和采摘点的图像坐标(果楴点)。
写出解题分析、算法流程,上机编程测试,并给出测试结果。
荔枝果实图像的分割主要根据果实的颜色和背景颜色的差异进行的,在RGB颜色空间里,R通道代表了像素点的红色分量,根据R分量的大小,可以分割出荔枝果实部分图像,但是,由于图像有白色的背景,而白色的R分量也是很大的,所以,根据R分量的大小进行分割,其效果并不好。
因而采用Lab颜色空间进行分割,Lab颜色模型由三个要素组成,一个要素是亮度(L),a和b是两个颜色通道。
a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值);
b是从亮蓝色(底亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
算法流程如图所示。
测试过程如下图所示(程序见附录二):
最终的结果图像H,白色点(圆心)可以认为是荔枝果实的质心,绿色点(圆心正上方)可认为果柄位置。
14.图A与图B是两张核桃果实的CT图像,今采用断层果仁面积Ar与果壳内轮廓区域面积Ak之比表示断层果实的饱满度S,即:
S=Ar/Ak。
试通过编程对比分析两张CT图像中所示核桃果实的饱满度。
图像经过中值滤波、腐蚀膨胀后,采用Opencv中轮廓检测的方法对核桃壳和果肉部分进行分离并计算各自的面积,最终计算饱和度。
(程序见附录三)
A图像处理后的结果如下所示,饱和度。
B图像处理后的结果如下所示,饱和度。
附录
附录一月球的边界提取
clc
clear
%用数学形态学提取月亮的边界
M0=imread('
moon.bmp'
);
M1=im2bw(M0,0.8);
%变为阈值取为0.8的二值图像
figure
(1);
imshow(M1);
title('
原图像'
s1=ones(3);
%边界元素取3×
M2=imerode(M1,s1);
%腐蚀
L1=M1-M2;
figure
(2);
imshow(L1);
3×
3的正方形图像'
s2=ones(5);
%边界元素取5×
M3=imerode(M1,s2);
L2=M1-M3;
figure(3);
imshow(L2);
5×
5的正方形图像'
附录二荔枝果实的质心点和采摘点的图像坐标
closeall
clearall
I=imread('
HLC02.jpg'
%读取图像
subplot(1,2,1)
imshow(I)%显示原始图像
原始图像'
)
P1=imnoise(I,'
gaussian'
0.02);
%加入高斯躁声
subplot(1,2,2)
imshow(P1)%加入高斯躁声后显示图像
加入高斯噪声后的图像'
I1=im2double(P1);
%将彩图序列变成双精度
I2=rgb2gray(I1);
%将彩色图变成灰色图
[thr,sorh,keepapp]=ddencmp('
den'
'
wv'
I2);
I3=medfilt2(I2,[99]);
%中值滤波
I4=wdencmp('
gbl'
I2,'
sym4'
2,thr,sorh,keepapp);
%小波除噪
I5=imresize(I4,1.5,'
bicubic'
%图像大小
BW1=edge(I5,'
sobel'
%sobel图像边缘提取
BW2=edge(I5,'
roberts'
%roberts图像边缘提取
BW3=edge(I5,'
prewitt'
%prewitt图像边缘提取
BW4=edge(I5,'
log'
%log图像边缘提取
BW5=edge(I5,'
canny'
%canny图像边缘提取
h=fspecial('
5);
%高斯滤波
BW6=edge(I5,'
zerocross'
[],h);
%zerocross图像边缘提取
figure;
subplot(1,3,1);
%图划分为一行三幅图,第一幅图
imshow(I2)%绘图
灰度图'
subplot(1,3,2);
imshow(I3)
中值滤波后图'
subplot(1,3,3);
imshow(I4)
小波除噪后图'
lizhi.png'
M1=im2bw(M0,0.51);
%变为阈值取为0.51的二值图像
figure(3)
%腐蚀结构元素取3×
figure(4)
imshow(M2);
M3=imdilate(M2,s1);
figure(5);
imshow(M3);
%获取图像轮廓
[B,L]=bwboundaries(M3,'
noholes'
holdon
boundary=B{1};
%获取区域面积
stats=regionprops(L,'
Area'
Centroid'
area=stats
(1).Area;
%找出质心
x=boundary(:
2);
y=boundary(:
1);
abc=[xyones(length(x),1)]\[-(x.^2+y.^2)];
a=abc
(1);
b=abc
(2);
c=abc(3);
xc=-a/2;
yc=-b/2;
%显示质心
plot(xc,yc,'
yx'
LineWidth'
附录三两张核桃果实的CT图像
clearall;
slice_286a.bmp'
%读入slice_286a.bmp原图像
figure
(1)
imshow(I);
%显示原图像
J1=imnoise(I,'
salt&
pepper'
%加入均值为0、方差为0.02的辣椒噪声
J2=medfilt2(J1,[5,5]);
%对有辣椒噪声的图像进行5×
5方形窗口中的中值滤波
figure
(2)
imshow(J2);
M1=im2bw(J2,graythresh(J2));
%采用大津阈值法二值图像
slice_286b.bmp'
%读入slice_286b.bmp原图像
M1=im
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像处理期末大作业 09电气4班 30530434 曾思涛 图像 处理 期末 作业 09 电气