本科学生毕业论文 论文题目：基于MATLAB的数字二值图像处理与形 状分析实现 学院：电子工程学院 年级：2011 专业：电子信息科学与技术 姓名：刘学利 学号：20113564 指导教师：王晓飞 2014年06月24日
摘要 数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能．由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好地为人们服务．数字图像处理是一种通过计算机采用一定算法对图形图像处理的技术．数字图像处理技术已经在各个领域上有了比较广泛的应用．图像处理的信息量很大，对处理速度的要求也比较高．MATLAB强大的运算和图像展示功能，使图像处理变得更加的简单和直观．本文介绍了MATLAB语言的特点，基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行图像处理的方法．主要论述了利用MATLAB实现图像的二值化，二值图像的腐蚀、膨胀、开、闭等形态学处理． 关键词 MATLAB；数字图像处理；二值图像
Abstract Digital image processing is an emerging technology,with the development of computer hardware,real-time digital image processing has become possible due to digital image processing algorithms to appear,making it faster and faster processing speed,better for people services．Digital image processing is used by some algorithms Computer graphics image processing technology．Digital image processing technology has been used in various areas which have a relatively wide range of applications．The amount of information on the processing speed requirement is relatively high．MATLAB is good at computing and graphics display capabilities,so that image processing becomes more simple and intuitive．This paper introduces characteristics of MATLAB language and this MATLAB-based digital image processing environment,describes how to use the MATLAB Image Toolbox for its digital image processing,and through some examples to illustrate the use of MATLAB Image Processing Toolbox for image processing method．Mainly discuss the use of MATLAB for image processing enhancement,binary image and its corrode and dilate and open and close． Key words MATLAB;digital image processing;image enhancement and binary image
二值形态学的基本图像处理 实验目的： 掌握图像形态学上的基本运算和图像显示的基本原理 实验要求： 将给定图像先进行二值化，然后将二值化后的图像进行膨胀、腐蚀、膨胀后腐蚀、腐蚀后膨胀的各项操作；并用形态学上的方法填充图像中的空洞。 形态学的概述： 形态学是一门新兴科学，它的用途主要是获取物体拓扑和结果信息，它通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。它在图像处理中的应用主要是： 1.利用形态学的基本运算，对图像进行观察和处理，从而达到改善图像质量的目的； 2.描述和定义图像的各种几何参数和特征，如面积，周长，连通度，颗粒度，骨架和方向性。 二值图象原理： 二值图像是一种简单的图像格式，它只有两个灰度级，即"0"表示黑色的像素点，"255"表示白色的像素点，至于如何从一幅普通的图像获得二值图像，二值图像处理在图像处理领域占据很重要的位置，在具体的图像处理应用系统中，往往需要对于获得的二值图像再进一步进行处理，以有利于后期的识别工作。二值图像处理运算是从数学形态学下的集合论方法发展起来的,尽管它的基本运算很简单，但是却可以产生复杂的效果。常用的二值图像处理操作有许多方法，如腐蚀、膨胀、细化、开运算和闭运算等等。 腐蚀和膨胀原理： 二值图像基本的形态学运算是腐蚀和膨胀，简单的腐蚀是消除物体的所有边界点的一种过程，其结果是使剩下的物体沿其周边比原物体小一个像素的面积。如果物体是圆的，它的直径在每次腐蚀后将减少两个像素，如果物体在某一点处任意方向上连通的像素小于三个，那么该物体经过一次腐蚀后将在该点处分裂为二个物体。简单的膨胀运算是将与某物体接触的所有背景点合并到该物体中的过程。过程的结果是使物体的面积增大了相应数量的点，如果物体是圆的，它的直径在每次膨胀后将增大两个像素。如果两个物体在某一点的任意方向相隔少于三个像素，它们将在该点连通起来。 腐蚀可以消除图像中小的噪声区域，膨胀可以填补物体中的空洞。对一个图像先进行腐蚀运算然后再膨胀的操作过程称为开运算，它可以消除细小的物体、在纤细点处分离物体、平滑较大物体的边界时不明显的改变其面积。如果对一个图像先膨胀然后再收缩，我们称之为闭运算，它具有填充物体内细小的空洞、连接邻近物体、在不明显改变物体面积的情况下平滑其边界的作用。通常情况下，当有噪声的图像用阈值二值化后，所得到的边界是很不平滑的，物体区域具有一些错判的孔洞，背景区域散布着一些小的噪声物体，连续的开和闭运
一．形态学基础知识理解 形态学图像处理基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。 1.膨胀与腐蚀 最基本的形态学操作有二种：膨胀与腐蚀(Dilation与Erosion)。膨胀是在二值图像中“加长”和“变粗”的操作。这种方式和变粗的程度由一个结构元素组成的集合来控制。腐蚀是“收缩”或“细化”二值图像中的对象。同样，收缩的方式和程度由一个结构元素控制。腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。 常用的三种膨胀与腐蚀的组合：开运算、闭运算、击中或击不中变换。（1）开运算和闭运算: A被B的形态学开运算是A被B腐蚀后再用B来膨胀腐蚀结果。其几何解释为：B在A完全匹配的平移的并集。形态学开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分；（2）闭运算: A被B的形态学闭运算是先膨胀再腐蚀的结果，其几何解释为：所有不与A重叠的B的平移的并集。形态学闭运算会平滑对象的轮廓，与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。（3）击中击不中变换: 击中与击不中变换先对目标图像进行目标结构元素的腐蚀操作；后对目标图像的对偶进行背景结构元素的腐蚀操作；最后取两次结果的交集。 2.重构 重构是一种涉及到两幅图像和一个结构元素的形态学变换。一幅图像，即标记（marker），是变换的开始点。另一幅图像是掩模（mask），用来约束变换过程。结构元素用于定义连接性。 3.灰度图像形态学 对于灰度图像来说，膨胀和腐蚀是以像素邻域的最大值和最小值来定义的。膨胀和腐蚀可以组合使用，以获得各种效果。例如，从膨胀后的图像中减去腐蚀过的图像可以产生一个“形态学梯度”，可以用来度量图像局部灰度变化。 开运算和闭运算用于形态学平滑。由于开运算可以去除比结构元素更小的明亮细节，闭运算可以去除比结构元素更小的暗色细节，所以它们经常组合在一起用来平滑图像并去除噪声。
Matlab中将一幅图像阈值分割二值化非常简单，若需要通过阈值th2二值化保留一些大面积的、且有灰度值含有大于th1的点的前景区域，而不需要小面积的区域（th1大于th2），这时会遇到这样的问题：当阈值选为th2时会把一些小面积区域也保留下来；若把阈值增大到th1，小面积的区域没了，但是原来大面积的区域又会减小；若要直接去掉阈值th2二值化图像中面积小于某一值的的区域，需要计算每个区域的面积，计算量大，而且有的区域中并没有含有大于th1的点。 下面利用数学形态学的方法来解决上述问题。 这里主要是采用数学形态学中的腐蚀与膨胀操作，采用均值滤波、灰度图像高阈值二值化、种子点选择、灰度图像低阈值二值化和选择滤波相结合的方法，具体来说：腐蚀过程采用均值滤波和高阈值对第一细分图像二值化，滤掉面积较小的区域，得到较大的区域，然后选择每个区域的种子点；膨胀过程采用低阈值对第一细分图像二值化，保留含有种子点的区域，其它的均过滤掉。经过腐蚀和膨胀操作后，得到所希望的结果，见下图。 程序如下： wmf10=imread('mwf1.bmp'); %读取图像 wmf1=wmf10(:,:,1);%由于是灰度图像，三个页面相同，故只对第一页面数据操作
figure(1); subplot(121);imagesc(wmf1);colormap(gray); %显示原图象 h=fspecial('average',3); wmf1_filted=uint8(round(filter2(h,wmf1))); %均值滤波 th1=0.94*max(max(wmf1)); %确定阈值th1 wmf1th1=(wmf1_filted>th1); %按阈值th1二值化 [wmf1th1_label numth1_label]=bwlabel(wmf1th1,8); rc=zeros(2,numth1_label); %选择种子点坐标 for i=1:numth1_label [r c]=find(wmf1th1_label==i); rc(1,i)=r(2);rc(2,i)=c(2); end r=rc(1,:); c=rc(2,:); coe=1.4; th2=mean2(wmf1)+coe*std2(wmf1); %确定阈值th2 wmf1th2=(wmf1>th2); %按阈值th2二值化 wmf1th2_select=bwselect(wmf1th2,c,r,8); %保留含有种子点的前景区域subplot(122);imagesc(wmf1th2_select);colormap(gray); 上述程序主要是采用了bwlabel和beselect函数，虽然没有直接使用Matlab的形态学操作的膨胀、腐蚀函数，但其实质过程和达到的效果是遵循形
实验五 图像形态学处理 一、实验目的： 1、进一步了解MATLAB 关于图像处理的相关指令。 2、了解图像腐蚀、膨胀、开启、闭合及细化的目的及意义，加深对其的感性认识，巩固所学理论知识。 3、能够编程实现图像的各种形态学处理。 4、观察并比较图像处理结果。 二、实验内容： 图像腐蚀、图像膨胀、开启、闭合、细化 三、实验仪器 PC 一台，MATLAB 软件。 四、实验报告要求： 1、写出程序 2、附上处理前后的图像 3、写出对处理前后图像的分析（即：说明图像的变化） 有关结构元素说明： se1 = strel('square',11) % 结构元素为边长11的正方形 se2 = strel('line',10,45) % 倾角为45度长为10的线性结构 se3 = strel('disk',15) % 半径为15的圆盘 se4 = strel('ball',15,5) %半径为15高为5的球形结构 一、图像的膨胀运算（在右图中任选一幅图像处理） 函数说明： se=strel('ball',8,8); %设定直径为8的球形结构元素 I2=imdilate(I,se); %膨胀函数，I ：原图像，se ：结构元素，I2：输出图像 %膨胀程序 I=imread('yuan.bmp '); subplot(121);imshow(I); title('原图像'); se=strel('ball',8,8); I2=imdilate(I,se); subplot(122);imshow(I2); title('膨胀后图像'); 二、任选题（1）中一幅图像根据膨胀程序编写腐蚀程序，实现腐蚀处 理，保存处理前后图像（图像要标明'title'），并分析处理结果。 kong.bmp yuan.bmp
数字图像处理实验报告 实验二灰度变换 实验目的：通过实验掌握灰度变换的基本概念和方法 实验内容： 掌握基本的灰度变换：图像反转、对数变换、幂次变换和二值化1．图像反转、对数变换、幂次变换 I=imread('fengjing.jpg'); J=im2double(I); subplot(2,3,1),imshow(J); title('原图'); K=255-I; subplot(2,3,2),imshow(K); title('图象反转'); L=3.*log(1+J); subplot(2,3,3),imshow(L);title('图象对数,系数为3'); M=10.*log(1+J); subplot(2,3,4),imshow(M);title('图象对数,系数为10'); N=10.*(J.^0.2); subplot(2,3,5),imshow(N);title('图象指数变换,γ=0.2'); P=10.*(J.^2.5); subplot(2,3,6),imshow(P);title('图象指数变换，γ=2.5'); 2．图象二值化 方法一：
I=imread('fengjing.jpg'); % 确定大小subplot(1,2,1),imshow(I);title('原图象'); [m,n]=size(I); for i=1:m for j=1:n if I(i,j)<128 I(i,j)=0; else I(i,j)>=128 & I(i,j)<256 I(i,j)=255; end end end subplot(1,2,2),imshow(I);title('图象二值化');方法二： I=imread('fengjing.jpg'); % 确定大小subplot(1,2,1),imshow(I);title('原图象'); J=find(I<128); I(J)=0; J=find(I>=128); I(J)=255; title('图像二值化（阈值为128）'); subplot(1,2,2),imshow(I);title('图象二值化');
图像二值化算法研究与实现 摘要：图像二值化是图像预处理中的一项重要技术，在模式识别、光学字符识别、医学成像等方面都有重要应用。论文介绍了图像及数字图像处理技术的一些概念和相关知识；对VC++ 软件的发展和软件在图像处理中的应用做了简要介绍；还介绍了图像二值化算法以及利用VC++软件工具进行算法的实现。论文重点实现了图像分割技术中常用灰度图像二值化算法，如Otsu算法、Bernsen算法，并对这些算法运行的实验结果进行分析与比较。 关键词：图像处理；二值化；VC++； 1.引言 1.1 图像与数字图像 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 数字图像：数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够辨识的点阵图像。在严格意义上讲，数字图像是经过等距离矩形网格采样，对幅度进行等间隔量化的二维函数。因此，数字图像实际上就是被量化的二维采样数组。 1.2 数字图像处理技术内容与发展现状 数字图像处理就是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接受系统所需要的图像处理过程。图像处理的基础是数字，主要任务是进行各种算法设计和算法实现。 图像处理技术的发展大致经历了初创期、发展期、普及期和实用化期4个阶段。初创期开始与20世纪60年代，当时的图像采用像素型光栅进行少秒显示，大多采用中、大型机对其处理。在这一时期，由于图像存储成本高、处理设备昂贵，其应用面很窄。进入20世纪70年代的发展期，开始大量采用中、小型机进行处理，图像处理也逐渐改用光栅扫描方式，特别是CT和卫星遥感图像的出现，对图像处理技术的发展起到了很好的推动作用。到了20世纪80年代，图像处理技术进入普及期，此时的微机已经能够担当起图形图像处理的任务。超大规模集成电路（Very Large Scale Integration, VLSI）的出现更使处理速度大大提高，设备造价也进一步降低，极大地促进了图形图像系统的普及和应用。20世纪90年代是图像处理技术的实用化时期，图像处理的信息量巨大，对处理速度的要求极高。 1.3 图像二值化原理及意义 图像二值化是指用灰度变换来研究灰度图像的一种常用方法，即设定某一阈值将灰度
形态学的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的数学基础和所用语言是集合论，它着重研究图像的几何结构，由于视觉信息理解都是基于对象几何特性的，因此它更适合视觉信息的处理和分析，这类相互作用由两种基本运算腐蚀和膨胀及它们的组合运算来完成。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。数学形态学的算法具有天然的并行实现结构。 数学形态学的基本运算有4个：膨胀、腐蚀、开启的闭合，它们在二值图像中的灰度图像中各有特点。基于这些运算还可以推导和组合成各种数学形态学的实用算法。我们这里主要讨论二值数学形态学的基本运算和算法。 二值图像包含目标的位置、形状、结构等许多重要特征，是图像分析和目标识别的依据。二值形态学的运算对象是集合，但实际运算中当涉及两个集合时并不把它们看作是互相对等的，一般设A 为图像集合，B 为结构元素，数学形态学运算是用B 对A 进行操作。 膨胀 膨胀的运算符为⊕，A 用B 来膨胀写作B A ⊕，其定义为: }])[(|{?≠=⊕∧ A B A B A x I 上式表明用B 膨胀A 的过程是，先对B 做关于原点的映射，再将其映像平移x ，这里A 与B 映像的交集不为空集。也可以解释为： }])[(|{A A B A B A x ?=⊕∧ I 腐蚀 腐蚀的运算符为Θ，A 用B 来腐蚀写作B A Θ，其定义为: })(|{A B A B A x ?=Θ 上式表明用B 腐蚀A 的结果是所有x 的集合，其中B 平移x 后仍在A 中，换句话说，用B 来腐蚀A 得到的集合是B 完全包括在A 中时B 的原点位置的集合。 开启和闭合
数学形态学图像处理的基本运算实现及分析 一、基本原理 数学形态学是一种应用于图像处理和模式识别领域的新的方法。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像进行分析和识别的目的。数学形态学的数学基础和所用语言是集合论。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。另一方面，数学形态学的算法具有天然的并行实现的结构。 1、基本运算 数学形态学的基本运算有四个：膨胀、腐蚀、开启和关。 如用A 表示图像集合，B 表示结构元素，形态学运算就是用B 对A 进行操 作。 A 被 B 膨胀，记为A ⊕B ，⊕为膨胀算子，膨胀的定义为 A B ⊕?{|[()]}x x B A =≠? 该式表明的膨胀过程是B 首先做关于原点的映射，然后平移x 。A 被B 的膨胀是 B 被所有x 平移后与A 至少有一个非零公共元素。 A 被 B 腐蚀，记为A ⊙B ，⊙为腐蚀算子，腐蚀的定义为 A B Θ?{|[()]}x x B A =≠? 也就是说，A 被B 的腐蚀的结果为所有使B 被x 平移后包含于A 的点x 的集合。 换句话说，用B 来腐蚀A 得到的集合是B 完全包括在A 中时B 的原点位置的集合。 膨胀和腐蚀并不互为逆运算，所以它们可以级连结合使用。例如，利用同一个结构元素B ，先对图像腐蚀然后膨胀其结果，或先对图像膨胀然后瘸蚀其结果，前一种运算称为开运算，后一种运算称为关运算。它们也是数学形态学中的重要运算。 开启的运算符为o ，A 用B 来开启写作AoB ，其定义为: A o ()B A B B =Θ⊕ 关的运算符为·，A 用B 来关写作A ·B ，其定义为: A ·()B A B B =⊕Θ 开和关两种运算都可以去除比结构元素小的特定图像细节，同时保证不产生全局的几何失真。开运算可以把比结构元素小的椒盐噪声滤除，切断细长搭接而起到分离作用。关运算可使比结构元素小的缺口或孔填补上，搭接短的间断而起到连通作用。 2、实际应用 近年来，数学形态学在图像处理方面得到了日益广泛的应用。下面主要就数学形态学在边缘检测、骨架提取等方面的应用做简要介绍。
灰度图像二值化方法研究 摘要:在人类获取的信息中，视觉信息约占60%，听觉约占20%，其它约占20%。由此可见，视觉信息对人类非常重要。同时，图像是人类获取视觉信息的主要途径。图像二值化是图像预处理中的一项重要技术，在模式识别、光学字符识别、医学成像等方面都有重要应用。论文介绍了图像及数字图像处理技术的一些概念和相关知识；对Matlab7.0 软件的发展和软件在图像处理中的应用做了简要介绍；还介绍了灰度图像二值化方法以及利用Matlab7.0软件工具进行算法的实现。课题重点实现了图像分割技术和边缘检测中灰度图像二值化方法，如Otsu算法、Bernsen算法，并对这些算法运行的实验结果进行分析与比较。 关键词：图像处理；边缘检测；二值化；Matlab；Otsu算法；Bernsen算法 Gray image binarization method Abstract:Human beings obtain a lot of information, among which the visual information is about 60%, the sense of hearing about 20%, and others about 20%. Therefore, the visual information is very important for human beings. Moreover, the images are the primary way, by which a lot of information is obtained. Image binarization, as an important technology in image pre-processing, is widely-employed in pattern recognition, optical character recognition, medical imaging and so forth. In this paper, some notions and relative knowledge in digital image processing technology are introduced; then, the development of Matlab7.0 and its application in image processing briefly introduced; in addition, the method of grayscale image binarization and how to implement these algorithms based on Matlab7.0 are presented. This paper mainly implements the grayscale image binarization method in image segmentation technology and Marginal Detection , such as Otsu algorithm and Bernsen algorithm, and analyzes and compares the experimental results of the above algorithms. Keywords:Image processing；Marginal Detection；Binarization, Matlab；Otsu algorithm；Bernsen algorithm
课程: 数字图像处理实验日期: 2012年 5 月日成绩： 实验四图像形态学处理 一．实验目的及要求 1．利用MATLAB研究二值形态学图像处理常用算法； 2．掌握MATLAB形态学图像处理基本操作函数的使用方法； 3．了了解形态学的基本应用。 二、实验原理 数学形态学是一门建立在集论基础上的学科，是几何形态学分析和描述的有力工具。数学形态学可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合。它们在二值图像中和灰度图像中各有特点。 二值形态学：数学形态学中二值图像的形态变换是一种针对集合的处理过程。其形态算子的实质是表达物体或形状的集合与结构元素间的相互作用，结构元素的形状就决定了这种运算所提取的信号的形状信息。形态学图像处理是在图像中移动一个结构元素，然后将结构元素与下面的二值图像进行交、并等集合运算。基本的形态运算是腐蚀和膨胀。 三、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。 1．膨胀与腐蚀(Dilation and Erosion) (1)对简单二值图像进行膨胀与腐蚀 clear all, close all BW = zeros(9,10); BW(4:6,4:7) = 1; BW SE = strel('square',3) BW1 = imdilate(BW,SE) BW2 = imerode (BW,SE) figure(1), subplot(1,2,1), imshow(BW,'notruesize'), title(' Original Image '); subplot(1,2,2), imshow(BW1,'notruesize'), title(' Dilated Image '); figure(2),
*********************** 实践教学 *********************** 兰州理工大学 计算机与通信学院 2009年秋季学期 计算机图象处理综合训练 题目：二值数学形态学图像处理和噪声抑制程序设计 专业班级： 姓名： 学号： 指导教师： 成绩：
目录 摘要 (1) 前言 (1) 一、算法分析与描述： (1) 二、详细设计过程： (3) 三、调试过程中出现的问题及相应解决办法： (3) 四、程序运行截图及其说明 (3) 图像噪声的抑制: (7) 1、均值滤波的方法是 (7) 2、中值滤波的方法是 (7) 二值图像的腐蚀和膨胀开运算和闭运算 (11) 五、简单操作手册 (14) 总结 (15) 参考文献......................................................................................................... 错误！未定义书签。致谢 (17) 附录I (18) 部分源程序 (18)
摘要 图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本文利用matlab以实现图像的二值数学形态学图像处理和噪声抑制程序设计。 噪声抑制针对高斯噪声和椒盐噪声，利用均值滤波和中值滤波对比处理：①均值滤波的方法是，对待处理的当前像素，选择一个模版，该模板为其近邻的若干像素组成，用模板中像素的均值来代替原来像素的方法，此处选取高斯模板来均值处理，即高斯去噪；②中值滤波的方法是，基于排序统计理论的一种能有效的线性信号处理技术。 二值数学形态学图像处理实现图像的腐蚀和膨胀开运算和闭运算。①腐蚀可以粘连的目标物进行分离；②膨胀可以将断开的目标进行接续；③开运算：使用同一个模板对图像先腐蚀再进行膨胀的运算，以达到腐蚀目的，利用腐蚀可以粘连的目标物进行分离；④闭运算：使用同一个模板对图像先膨胀再进行膨腐蚀的运算，以达到膨胀目的，利用膨胀可以将断开的目标进行接续。 【关键词】腐蚀膨胀开运算闭运算中值去噪均值去噪
课程：数字图像处理 课程作业实验报告 实验名称：Morphological and Other Set Operations 实验编号： 签名： 姓名： 学号： 截止提交日期：年月日 摘要：本实验学习一些基本的形态学图像处理知识。掌握数学形态学集合的基本运算；编程实现二值图像的膨胀和腐蚀处理，掌握一些基本的形态学算法，如：边界提取；针对灰度图像编程实现膨胀和腐蚀处理，编写函数实现灰度图像形态学梯度处理和顶帽变换，最后对形态学梯度变换结果和顶帽变换结果进行比较。
一、技术论述 1、图像的逻辑运算及数学形态学 很多应用是以形态学概念为基础的，并涉及二值图像。数学形态学的语言是集合论。同样，形态学为大量的图像处理问题提供了一种一致的有力方法。数学形态学中的集合表示图像中的不同对象。例如，在二值图像中，所有黑色像素的集合是图像完整的形态学描述。在二值图像中，正被讨论的集合是二维整数空间 (P)的元素，在这个二维整数空间中，集合的每个元素都是一个多元组(二维向量)，这些多元组的坐标是一个黑色(或白色，取决于事先的约定)像素在图像中的坐标(x,y)。灰度级数字图像可以表示为Z空间(Z3)上分量的集合。在这种情况下，集合中每个元素的两个分量是像素的坐标，第3个分量对应于像素的离散灰度级值。更高维度空间中的集合可以包含图像的其他属性，比如颜色和随时间变化的分量。 集合运算尽管本质上很简单，但对于实现以形态学为基础的图像处理算法是一种有力的补充手段。本实验中，我们关注的是涉及二值图像和灰度图像的逻辑运算。 在图像处理中用到的主要集合运算是：并、交、补、差、位移和镜像。图1中总结了这些运算的性质。 图1 主要的集合运算 在两幅或多幅图像的对应像素间逐像素进行逻辑运算。因为只有在两个变量都是1时，两个二进制变量的“与”运算才为1，所以只有两幅输人图像的对应像素均为1时，“与”运算的结果才是1。图2显示了涉及图像逻辑运算的不同例子。这里，黑色表示1，而白色表示0（这里使用两种约定的说法，有时会颠倒黑色和白色二值的意义，取决于在给定情况下哪种表达更清楚。使用图1中的定义构造其他的逻辑运算很容易。例如，异或运算是当两个像素的值不同时结果为1，否则为0。这种运算与“或”运算不同。“或”运算在两个像索有一个为1或两个均为1时结果为1。 数学形态学方法对图像进行分析的基本思想是：用具有一定形态的结构元素去度量和提取图像中的对应形状，达到对图像分析和识别的目的。将数学形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，等等。数学形态学是对于探索和研究二值图像和灰度图像具有很大益处.
实验五：图像形态学处理 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、实验内容与要求 （1）设计程序实现对图1，实现去除图像中的噪声。 （2）设计程序，实现将图2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3中的矩形区域外的噪声，并填充矩形区域内部了。 三、实验代码及结果 1、（1）实验代码 >> i=imread('C:\Users\Administrator\Desktop\图片1.png'); >> se=ones(3); >> I=imopen(i,se); >> I=imclose(I,se); >> subplot(1,2,1),imshow(i),title('图片1'),subplot(1,2,2),imshow(I),title('先开后闭'); （2）实验结果 2、（1）实验代码 .m文件： function [new] =jisuan(original,T) new=original; m=size(original,1); n=size(original,2);
for i=1:m for j=1:n if new(i,j)>=T new(i,j)=1; elseif new(i,j)
数字图像的数学形态学处理与应用研究 何照文，石乐健，王伟，毕艳亮 摘要：伴随着计算机技术的不断发展，数字图像处理技术日益受到人们的重视，并在生产、生活的各个领域发挥出越来越大的作用。传统的数字图像处理方法一般直接在图像的空间域中进行；或在图像的变换域上间接进行，如傅里叶变换，在变换处理完成后再通过相应的逆变换回到空间域。区别于传统方法，本文研究了基于数学形态学的数字图像处理方法。本文首先研究了数学形态学的相关运算，包括二值图像形态学运算以及灰度图像形态学运算，在此基础上研究了数学形态学处理的相关应用，如边缘检测、图像分割等，最后给出了对数学形态学处理未来的展望。 关键词：数字图像处理数学形态学 1.引言 传统的数字图像处理方法一般直接在图像的空间域中进行；或在图像的变换域上间接进行，如傅里叶变换，在变换处理完成后再通过相应的逆变换回到空间域。本文研究的基于数学形态学的数字图像处理方法不同于传统方法，它从集合的角度来刻画和分析图像，因此拥有完备的理论体系，并在实际应用中不断深入。数学形态学是一门建立在集合论基础之上的学科，是几何形态学分析和描述的有力工具，该方法着重研究数字图像的几何结构，以图像的形态特征为研究对象，其历史可追溯到19世纪的Eular，Steiner，Crofton和90年代的Minkowski，Matheron和Serra。数学形态学的蓬勃发展，由于其算法简洁快速，易于实现，已引起学者们和工程师的普遍重视。目前，数学形态学已在计算机视觉、信号处理与图像分析、模式识别等领域有着非常广泛的应用。 数学形态学可以用来解决滤除噪声、特征提取、边缘检测、图像分割、形态骨架提取等图像处理问题。本文将主要对数学形态学的基本理论与算法，及其在数字图像处理的应用进行研究。 2.数字图像的形态学处理 数学形态学处理方法比起其它空间域或频率域图像处理和分析的方法具有一些明显的优势。利用形态学算法可以有效滤除噪声，同时保留图像中的原有信息，突出图像的几何特征便于进一步分析图像。该方法以形态结构元素为基础，在形态学中，结构元素是最基本最重要的概念，其在形态变换中的作用相当于信号处理中的“滤波窗口”，该方法的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。因此，结构元素的选择对于我们能否有效提取图像的有关信息至关重要。数学形态学的应用可以简化图像数据，保持它们的基本形态特征，并除去不相干的结构。 数学形态学的基本运算有4个：膨胀、腐蚀、开启、闭合。它们在二值图像和灰度图像中各有特点。基于这些基本运算还可以推导和组合成各种数学形态学实用算法。 2.1二值图像的数学形态学运算
实验3 图像增强及形态学图像处理实验目的： 1.掌握均值滤波和中值滤波的原理及实现； 2.掌握锐化模板prewitt，sobel和laplacian的使用方法； 3.了解形态学的基本理论和方法； 4.掌握对图像进行膨胀/腐蚀的方法； 5.掌握开闭运算； 实验内容： 1、（1）给图像headCT分别添加椒盐噪声和高斯噪声，分别采用 线性的均值滤波函数imfilter和非线性的中值滤波函数medfilt2 滤波进行处理，两种滤波的掩模都分别尝试定义为3*3和7*7。 由得到的实验结果，分析哪种滤波对这种噪声处理的效果比较 好？掩模大小对噪声处理效果有什么影响？ f=imread('headCT.tif'); >> g=imnoise(f,'gaussian'); >> h=imnoise(f,'salt & pepper'); 掩膜： >> w=ones(3); >> w1=ones(7); 高斯噪声: >> g1=imfilter(g,w); >> g2=imfilter(g,w1);
>> imshow(g1,[]) >> imshow(g2,[]) >> g3=medfilt2(g); >> g4=medfilt2(g,[7 7]); 椒盐噪声： >> h1=imfilter(h,w); >> h2=imfilter(h,w1); >> imshow(h1,[]) >> imshow(h2,[]) >> h3=medfilt2(h); >> h4=medfilt2(h,[7 7]); 对于椒盐噪声，中值滤波效果比均值滤波效果好。 ?原因： ?椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。 ?中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 ?因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。?对于高斯噪声，均值滤波效果比中值滤波效果好。 ?原因： ?高斯噪声是幅值近似正态分布，但分布在每点像素上。 ?因为图像中的每点都是污染点，所以中值滤波选不到合适的干
1相关知识 1.1 MATLAB在图像处理中的应用 MATLAB7.x提供了20类图像处理函数，涵盖了图像处理包括近期研究成果在内的几乎所有的技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按功能可分为图像显示、图像文件I／O、图像算术运算、几何变换、图像登记、像素值与统计、图像分析、图像增强、线性滤波、线性二元滤波设计、图像去模糊、图像变换、邻域与块处理、灰度与二值图像的形态学运算、结构元素创建与处理、基于边缘的处理、色彩映射表操作、色彩空间变换及图像类型与类型转换。 Matlab数字图像处理工具箱函数包括以下几类：(1)图像显示函数；(2)图像文件输入、输出函数；(3)图像几何操作函数；(4)图像像素值及统计函数；(5)图像分析函数；(6)图像增强函数；(7)线性滤波函数；(8)二维线性滤波器设计函数； (9)图像变换函数；(10)图像邻域及块操作函数；(11)二值图像操作函数；(12)基于区域的图像处理函数；(13)颜色图操作函数；(14)颜色空间转换函数；(15)图像类型和类型转换函数。 1.2 图像处理概念 图像处理并不仅限于对图像进行增强、复原和编码，还要对图像进行分析，图像分析旨在对图像进行描述，即用一组数或符号表征图像中目标区的特征、性质和相互间的关系，为模式识别提供基础。描述一般针对图像或景物中的特定区域或目标。闭运算通常用来填充目标内细小空洞，连接断开的邻近目标，平滑其边界的同时不明显改变其面积。 1.3 图像二值化的基本原理 图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，
图像二值化固定阀值法 一 功能 用固定阀值法对图像进行黑白二值化处理。 二 原理 图像二值化是通过设定某个阀值，把具有灰度级的图像变换成只有两个灰度级的黑白图像。设输入图像为f ( x, y ),二值化后的图像为g ( x, y ), 阀值为T, 那么图像二值化的方法为： ???<≥=T y x f T y x f y x g ),(,0),(,255),( 三 使用说明 1） 打开CCS ，选择 C5402 Device Simulator 环境。 2） 打开工程：在 [Project] 菜单中选择 [Open] 选项，然后在打开的对话框中打开---- \ erzhi \ image912.pjt 。 3） 编译链接：在 [Project] 菜单中选择 [Rebuild All] 选项。 4） 载入程序：选择 [File] 菜单中的[Load Program] 选项，在打开的对话框中打开----\ erzhi \ Debug \ imag912.out 。 5） 将待处理的位图文件（如lena.bmp ）复制到文件夹----\ erzhi \ Debug 中。 6） 运行程序：在 [Debug] 菜单中选择Run 选项；根据output window 中的提示在弹出的第一个对话框中输入待处理的文件名（如 lena.bmp ），在第二个对话框中输入二值化阀值（如100）；在output window 中出现 ”zz ” 指示运行结束。 7） 查看结果：打开----\ erzhi \ Debug \ lena.bmp 位图文件，查看运行结果。 四 效果演示 下面左图为待处理的原图，右图为以100做为阀值处理后的二值化图像。