1、图像处理期末大作业 09电气4班 30530434 曾思涛华南农业大学期末图像处理与分析开放考查题09电气4班曾思涛200930530434 一、 简答题。1. 如图所示，A和B的图形完全一样，其背景与目标的灰度值分别标注于图中，请问哪一个目标人眼感觉更亮一些？为什么？答： B感觉更亮一些。, 因为目标比背景暗，所以越大，感觉越暗，所以A更暗，即B更亮一些。2. 简述图像平滑、图像锐化和边缘检测模板各自的特点。答： 图像平滑的特点：模板内系数全为正，且之和为1；对常数图像处理前后不变，对一般图像处理前后平均亮度不变。图像锐化：模板内系数有正有负，且之和为1；对常数图像处理前后不变，对一般图像处
2、理前后平均亮度不变。边沿检测：模板内系数有正有负，且之和为0；对常数图像处理前后为0，对一般图像处理前后为边沿点。3. 有一幅包含水平的、垂直的、45度的和-45度直线的二值图像。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33模板。答：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。答：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
3、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。答：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。答：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。如下图所示。二、 计算分析7. 一幅16级灰度的图像，请分别采用33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。
4、答：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。 均值滤波： 中值滤波：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。答：第一个区域面积为50，第二个区域的面积为1，欧拉数为0。011023021126302601257225171237336160326230512412117164226226073067523620102212212 分割
5、后的二值图像9. 绘制 X 被结构元素S 腐蚀后的图像。答：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。答： 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33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55 的正方形，提取到的边界会有何变化？答：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。如果结构元素换成55
6、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。答：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
7、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。答：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
8、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clcclear%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33M2=imerode(M1,s1); %腐蚀L1=M1-M2;figure(2);imshow(L1);title(33的正方形图像); s2=ones(5); %边界元素取55M3=imerode(M1,s2); %腐蚀L2=M1-M3;figur
9、e(3);imshow(L2);title(55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close allclear allI=imread(HLC02.jpg); %读取图像subplot(1,2,1) imshow(I) %显示原始图像title(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 title(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,
10、 keepapp=ddencmp(den,wv,I2);I3=medfilt2(I2,9 9); %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
11、取h=fspecial(gaussian,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title(灰度图);subplot(1,3,2);imshow(I3)title(中值滤波后图);subplot(1,3,3);imshow(I4)title(小波除噪后图); M0=imread(lizhi.png);M1=im2bw(M0,0.51); %变为阈值取为0.51的二值图像figure(3)imshow(M1);s1=ones(3
12、); %腐蚀结构元素取33M2=imerode(M1,s1); %腐蚀figure(4)imshow(M2);title(33的正方形图像);M3=imdilate(M2,s1);figure(5);imshow(M3); %获取图像轮廓B,L=bwboundaries(M3,noholes);imshow(M1);hold onboundary=B1;%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=x y ones(length(x),1
13、)-(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,2);附录三 两张核桃果实的 CT图像clcclear all;I=imread(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,0.02); %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55方形窗口中的中值滤波figure(2)im
14、show(J2);M1=im2bw(J2,graythresh(J2);%采用大津阈值法二值图像figure(3);imshow(M1);s1=ones(3); %腐蚀结构元素取33M2=imerode(M1,s1); %腐蚀figure(4)imshow(M2);title(33的正方形图像);M3=imdilate(M2,s1);figure(5);imshow(M3);clcclear all;I=imread(slice_286b.bmp); %读入slice_286b.bmp原图像figure(1)imshow(I); %显示原图像J1=imnoise(I,salt & pepper,0.02); %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55方形窗口中的中值滤波figure(2)imshow(J2);M1=im
