杭电数字图像处理.doc

杭州电子科技大学
课程名称:
作业名称:
指导教师:
学生姓名:
学生学号:

题目要求与难点

从下面的彩***像中分割出珍珠并且检测出边缘。如图1-1。
-1

珍珠颜色和大小不一致
珍珠上有许多光斑,影响检测
有些珍珠的颜色与背景颜色十分相近,不容易辨别
有些珍珠不完整,只在图片中显示一部分
实现过程
主要过程
详细过程
灰度化处理
现读入图像,将彩色的图像灰度化后进行预处理,将彩***像的R,G,B三个通道转换为只有一个通道,便于图像的处理。并且经过二值化处理后图像的计算也大大减少,也便于存储。
直方图均衡化处理
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
图2-1 原图像的直方图
图2-2 均衡化后的直方图
边缘检测
图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。有许多方法用于边缘检测,它们的绝大部分可以划分为两类:基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界,通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界,通常是Laplace过零点或者非线性差分表示的过零点。
Sobel边缘检测算法比较简,实际应用中效率比canny边缘检测效率要高,但是边缘不如Canny检测的准确,但是很多实际应用的场合,sobel边缘却是首选,尤其是对效率要求较高,而对细纹理不太关心的时候。
Canny边缘检测算法一直是边缘检测的经典算法。canny边缘检测的实现大致有4步:。,以及综合梯度图(求梯度的算子很多)。(此步一过,检测的图像边缘已经很细了)(个人感觉这一步虽叫连接,算法也确实体现了连接的行为,但那是强边缘到弱边缘的连接,所有可能连接的点都出不了非极大抑制后的范围,所以这一步更准确的目的应该是在非极大抑制的结果中去除假边缘保留真边缘,同时又能让保留的边缘尽量连贯真实)。
图2-3 sobel算子边缘检测
图2-4 canny算子边缘检测
hough变换
Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空间和Hough参数空间的点-线对偶性,把图像空间中的检测问题转换到参数空间。通过在参数空间里进行简单的累加统计,然后在Hough参数空间寻找累加器峰值的方法检测直线。Hough变换的实质是将图像空间内具有一定关系的像元进行聚类,寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点。在参数空间不超过二维的情况下,这种变换有着理想的效果。
图2-5 hough检测
图2-6 检测出的圆
实现程序
主函数
clc,clear all
circleParaXYR=[];

%一,图像的预处理,读入彩***像将其灰度化
I = imread('C:\Users\Administrator\Desktop\数字图像处理大作业\9\'); %读入JPG彩***像文件
figure(1),imshow(I), title('输入的彩色JPG图像') %原图像的读入
imwrite(rgb2gray(I),''); %将彩***片灰度化并保存
I=rgb2gray(I); %灰度化后的数据存入数组
%[m,n,l] = size(I);
%if l>1
% I = rgb2gray(I);
%end

%二,绘制直方图
[m,n]=size(I); %测量图像尺寸参数
GP=zeros(1,256); %预创建存放灰度出现概率的向量
for k=0:255
GP(k+1)=length(find(I==k))/(m*n); %计算每级灰度出现的概率,将其存入GP中相应位置
end

figure(2),bar(0:255,GP,'g') %绘制直方图
title('原图像直方图')
xlabel('灰度值')
ylabel('出现概率')

%三,直方图均衡化
S1=zeros(1,256);
for i=1:256
for j=1:i
S1(i)=GP(j)+S1(i); %计算Sk
en