实验6 形态学图像处理

1. 实验目的

①掌握数字图像处理中，形态学方法的基本思想；
②掌握膨胀、腐蚀、开运算、闭运算等形态学基本运算方法；
③能够利用形态学基本运算方法，编程实现图像去噪，边界提取等功能。

2. 实验内容

①调用Matlab / Python+OpenCV中的相关函数，实现图像的膨胀、腐蚀、
开、闭运算。
②调用Matlab / Python+OpenCV中的相关函数，使用形态学基本算法，实
现图像去噪，并改变结构元素的尺寸和形状，观察去噪效果。
③调用Matlab / Python+OpenCV中的相关函数，实现对二值图像的边界提
取。
④自行编写代码，实现图像细化。

3. 实验过程

3.1 形态学基本运算

调用Matlab / Python+OpenCV库中的函数，实现图像的膨胀、腐蚀、开、闭运算。

3.1.1 图像的膨胀与腐蚀

选择或设计合适的二值图像，使用相同的结构元素对图像分别进行3次膨胀和3次腐蚀操作，记录图像的变化过程与结果。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
imdilate(A,B)膨胀函数A：图片 B：膨胀的结构元素
imerode(A,B)腐蚀函数A：图片 B：腐蚀的结构元素
stel(A,n)构建结构元素A：结构类型 n：结构元素大小
**⑵ 源代码及实验结果(添加必要注释)** 
image=imread('lena.png');
A1=im2bw(image);
%imdilate膨胀
B=[0 1 0
   1 1 1
   0 1 0];
A2=imdilate(A1,B);%图像A1被结构元素B膨胀
A3=imdilate(A2,B);
A4=imdilate(A3,B);
%imerode腐蚀
%strel函数的功能是运用各种形状和大小构造结构元素
se1=strel('disk',1);%这里是创建一个半径为1的平坦型圆盘结构元素
B2=imerode(A1,se1);
B3=imerode(B2,se1);
B4=imerode(B3,se1);

figure;
subplot(221),imshow(A1);title('imdilate膨胀原始图像');
subplot(222),imshow(A2);title('使用B后1次膨胀后的图像');
subplot(223),imshow(A3);title('使用B后2次膨胀后的图像');
subplot(224),imshow(A4);title('使用B后3次膨胀后的图像');

figure;
subplot(221),imshow(A1);title('imerode腐蚀原始图像');
subplot(222),imshow(B2);title('使用结构原始disk(1)后1次腐蚀后的图像');
subplot(223),imshow(B3);title('使用结构原始disk(1)后2次腐蚀后的图像');
subplot(224),imshow(B4);title('使用结构原始disk(1)后3次腐蚀后的图像');

在这里插入图片描述
⑶ 总结

膨胀：将模板与以每个像素为中心的33矩阵做点乘，并求和结果矩阵，如果结果大于0，则表示矩阵范围内有1值，可膨胀。腐蚀：将模板与以每个像素为中心的33矩阵做点乘，并求和结果矩阵，则表示模板中所有的像素都为1值，不可腐蚀。

3.1.2 图像的开运算与闭运算

选择或设计合适的二值图像，分别对图像进行开操作、闭操作、先开后闭操作和先闭后开操作，并记录图像的变化过程与结果。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
imdilate(A,B)膨胀函数A：图片 B：膨胀的结构元素
imerode(A,B)腐蚀函数A：图片 B：腐蚀的结构元素
stel(A,n)构建结构元素A：结构类型 n：结构元素大小
imopen(A,B)开运算函数A：图片 B：开运算的结构元素
imclose(A,B)闭运算函数A：图片 B：闭运算的结构元素
im2bw(A)二值转化A：图片

⑵ 源代码及实验结果(添加必要注释)

image=imread('lena.png');
A1=im2bw(image);
se=strel('disk',2);%圆盘型结构元素

B1=imdilate(A1,se);%膨胀
C1=imerode(B1,se);%先膨胀再腐蚀 闭运算
B2=imerode(A1,se);%腐蚀
C2=imdilate(B2,se);%先腐蚀后膨胀 开运算

B3=imerode(C1,se);%腐蚀闭运算后图像
C3=imdilate(B3,se);%先腐蚀后膨胀 先闭后开
B4=imdilate(C2,se);%膨胀开运算后图像
C4=imerode(B4,se);%先膨胀再腐蚀 先开后闭

figure,
subplot(231),imshow(A1);title('原始图像');
subplot(232),imshow(C2);title('开运算');
subplot(233),imshow(C1);title('闭运算');
subplot(235),imshow(C4);title('先开后闭运算');
subplot(236),imshow(C3);title('先闭后开运算');

在这里插入图片描述
⑶ 总结
开运算消除图像毛刺以及椒盐噪声；闭运算可以填平轮廓内部缺失部分。

3.2 形态学图像去噪

选择或设计合适的二值图像，在Matlab / Python+OpenCV中，调用相关函数，综合使用形态学算法，实现图像去噪；尝试改变结构元素的大小和形状，观察去噪效果；使用不同的图像，观察去噪效果。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
imdilate(A,B)膨胀函数A：图片 B：膨胀的结构元素
imerode(A,B)腐蚀函数A：图片 B：腐蚀的结构元素
stel(A,n)构建结构元素A：结构类型 n：结构元素大小
im2bw(A)二值转化A：图片

⑵ 源代码及实验结果(添加必要注释)

image=imread('lena.png');
Y1=imnoise(image,'salt & pepper',0.02);%椒盐
A1=im2bw(Y1);

se=strel('disk',1);%创建一个半径为1的平坦型圆盘结构元素
se1=strel('disk',2);%创建一个半径为2的平坦型圆盘结构元素
se2=strel('square',2);%创建2*2的正方形结构元素
se3=strel('square',3);%创建3*3的正方形结构元素

B1=imerode(A1,se);%腐蚀
C1=imdilate(B1,se);%先腐蚀后膨胀 开运算
B2=imerode(A1,se1);%腐蚀
C2=imdilate(B2,se1);%先腐蚀后膨胀 开运算
B3=imerode(A1,se2);%腐蚀
C3=imdilate(B3,se2);%先腐蚀后膨胀 开运算
B4=imerode(A1,se3);%腐蚀
C4=imdilate(B4,se3);%先腐蚀后膨胀 开运算

figure,
subplot(231),imshow(A1);title('二值化噪音原图');
subplot(232),imshow(C1);title('半径为1圆盘结构元素');
subplot(233),imshow(C2);title('半径为2圆盘结构元素');
subplot(235),imshow(C3);title('2*2的正方形结构元素');
subplot(236),imshow(C4);title('3*3的正方形结构元素');

在这里插入图片描述

3.3 形态学边界提取

选择或设计合适的二值图像，在Matlab / Python+OpenCV中，调用相关函数，综合使用形态学算法，实现对图像的边界提取。
⑴ 主要调用的函数、功能及参数说明

函数名函数功能参数说明
imread(A)读取图片A：图片在文件夹的位置
rgb2gray(A)灰度转化A：图片
graythresh(A)最大类间方差法找阈值A：灰度图片
bwperim (A)查找二值图像的边缘A：图片
entropyfilt (A)创建纹理图像A：图片
mat2gray((A)矩阵转灰度图像A：图片
im2bw(A)二值转化A：图片
bwareaopen(A)提取区域纹理A：提取条件
rangefilt(A,B)rangefilt滤波A：图片 B：矩阵

⑵ 源代码及实验结果(添加必要注释)

%边缘代码一：
image=imread('lena.png');

A=rgb2gray(image);
B=graythresh(A);%使用最大类间方差法找到图片的一个合适的阈值
B1=im2bw(A,B);%将输入图像中亮度大于B的所有像素替换为值1（白色），将所有其他像素替换为值0（黑色）
C=bwperim(B1);%查找二值图像的边缘

subplot(1,2,1),imshow(A),title('原图像');
subplot(1,2,2),imshow(C),title('边缘提取后的图像');

%边缘代码二：
% image=imread('D:\picture\1.jpg');
% img=rgb2gray(image);
% 
% img_1 = entropyfilt(img);  %创建纹理图像
% img_2 = mat2gray(img_1);  %转化为灰度图像
% img_3 = im2bw(img_2,0.7);  %转化为二值图像
% img_4 = bwareaopen((1-img_3),3000,8); %提取区域纹理
% img_5= rangefilt (img,ones(7));  %rangefilt滤波
% 
% subplot(2,3,1),imshow(img),title('原图像');
% subplot(2,3,2),imshow(img_2),title('纹理图像');
% subplot(2,3,3),imshow(img_3),title('二值图像');
% subplot(2,3,4),imshow(img_4),title('不同区域纹理图像');
% subplot(2,3,5),imshow(img_5),title('滤波后图像');

在这里插入图片描述
⑶ 总结
MATLAB工具中提供了用于边缘提取的bwperim( )函数，由bwperim( )函数可以实现各算子对图像边缘的提取。

4. 实验小结

①为了更好的观察和对比不同形态学运算的效果，应如何设计或选择实验图像？
答：颜色特征、形状特征、纹理特征、空间关系特征，描述了图像或图像区域所对应的景物的表面性质。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好的捕捉图像中对象的局部特征。形状特征是统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。

②使用同样的结构元素对同一副图像先膨胀后腐蚀，和先腐蚀后膨胀，得到的结果一样吗？增加膨胀和腐蚀的次数，会得到怎样的效果？
答：不同。
膨胀操作会扩大（粗化）图像中物体的轮廓，可以用来弥补（填充）物体间的孔洞，强化离散点，代价是导致物体的面积比原来的面积要大。腐蚀操作会收缩（细化）图像中物体的轮廓，可以用来断开（分离）物体间的连接，消除离散点，代价是导致物体的面积比原来的面积要小。

③应用形态学方法对图像去噪时，结构元素的形状和大小会怎样影响去噪结果？
答：结构元素在形态学中的作用类似于信号处理时的“滤波窗口”其形状和大小将直接影响形态滤波的输出结果

④查阅资料，并结合实验结果，简述形态学方法的主要应用，并思考其具备哪些优点、不足和局限性。
答：消除噪声、边界提取、区域填充、连通分量提取、凸壳、细化、粗化等；分割出独立的图像元素，或者图像中相邻的元素；求取图像中明显的极大值区域和极小值区域；求取图像梯度。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/760419.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Excel 数据筛选难题解决

Excel 数据筛选难题解决

人不走空 🌈个人主页：人不走空 💖系列专栏：算法专题 ⏰诗词歌赋：斯是陋室，惟吾德馨 目录 🌈个人主页：人不走空 💖系列专栏：算法专题 ⏰诗词歌…
阅读更多...
一个中文和越南语双语版本的助贷平台开源源码

一个中文和越南语双语版本的助贷平台开源源码

一个中文和越南语双语版本的助贷平台开源源码。后台试nodejs。 后台 代理 前端均为vue源码，前端有中文和越南语。 前端ui黄色大气，逻辑操作简单，注册可对接国际短信，可不对接。 用户注册进去填写资料，后台审批&…
阅读更多...
职场必备：三大神器助你完美驾驭工作与生活；从 GTD 到SMART再到OKR：提升效率的终极指南；告别拖延，高效工作的秘密武器！

职场必备：三大神器助你完美驾驭工作与生活；从 GTD 到SMART再到OKR：提升效率的终极指南；告别拖延，高效工作的秘密武器！

在现代职场和个人生活中，有效的时间管理和目标设定是成功的关键。我们每天都面临着无数的任务和目标。如何在纷繁复杂的日常中保持专注，高效地完成工作？ GTD（Getting Things Done） GTD（Getting Things Don…
阅读更多...
10款好用不火的PC软件，真的超好用！

10款好用不火的PC软件，真的超好用！

AI视频生成：小说文案智能分镜智能识别角色和场景批量Ai绘图自动配音添加音乐一键合成视频https://aitools.jurilu.com/市场上有很多软件，除了那些常见的大众化软件，还有很多不为人知的小众软件，它们的作用非常强大，简洁…
阅读更多...
web全屏api，实现元素放大全屏，requestFullscreen，exitFullscreen

web全屏api，实现元素放大全屏，requestFullscreen，exitFullscreen

全屏api 主要方法 document.exitFullscreen(); 退出页面全屏状态，document是全局文档对象 dom.requestFullscreen(); 使dom进入全屏状态，异步，dom是一个dom元素 dom.onfullscreenchange（）; 全…
阅读更多...
imx6ull/linux应用编程学习(6）jpeg和png的图片显示

imx6ull/linux应用编程学习(6）jpeg和png的图片显示

1.JPEG图片显示 JPEG（Joint Photographic Experts Group）是由国际标准组织为静态图像所建立的第一个国际数字图像压缩标准，也是至今一直在使用的、应用最广的图像压缩标准。JPEG 由于可以提供有损压缩，因此压缩比可以达到其他传统…
阅读更多...
SpringBoot | 使用jwt令牌实现登录认证，使用Md5加密实现注册

SpringBoot | 使用jwt令牌实现登录认证，使用Md5加密实现注册

对于登录认证中的令牌，其实就是一段字符串，那为什么要那么麻烦去用jwt令牌？其实对于登录这个业务，在平常我们实现这个功能时，可能大部分都是通过比对用户名和密码，只要正确，就登录成功&#xff…
阅读更多...
美团外卖搜索基于Elasticsearch的优化实践--图文解析

美团外卖搜索基于Elasticsearch的优化实践--图文解析

美团外卖搜索基于Elasticsearch的优化实践–图文解析 前言 美团在外卖搜索业务场景中大规模地使用了 Elasticsearch 作为底层检索引擎，随着业务量越来越大，检索速度变慢了，CPU快累趴了，所以要进行优化。经过检测，发现…
阅读更多...
智慧校园-办公管理系统总体概述

智慧校园-办公管理系统总体概述

智慧校园行政办公系统是专为高校及教育机构定制的数字化办公解决方案，它整合了众多办公应用与服务，旨在全面提升校园行政管理的效率与便捷性，推动信息的自由流动，实现绿色无纸化办公环境。该系统作为一个综合平台，将日…
阅读更多...
redis实战-缓存穿透问题及解决方案

redis实战-缓存穿透问题及解决方案

定义理解 缓存穿透：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远都不会生效（只有数据库查到了，才会让redis缓存，但现在的问题是查不到），会频繁的去访问数据库。 解决…
阅读更多...
【Spring】DAO 和 Repository 的区别

【Spring】DAO 和 Repository 的区别

DAO 和 Repository 的区别 1.概述2.DAO 模式2.1 User2.2 UserDao2.3 UserDaoImpl 3.Repository 模式3.1 UserRepository3.2 UserRepositoryImpl 4.具有多个 DAO 的 Repository 模式4.1 Tweet4.2 TweetDao 和 TweetDaoImpl4.3 增强 User 域4.4 UserRepositoryImpl 5.比较两种模式…
阅读更多...
RabbitMQ实践——临时队列

RabbitMQ实践——临时队列

临时队列是一种自动删除队列。当这个队列被创建后，如果没有消费者监听，则会一直存在，还可以不断向其发布消息。但是一旦的消费者开始监听，然后断开监听后，它就会被自动删除。 新建自动删除队列 我们创建一个名字叫qu…
阅读更多...
【CodinGame】CLASH OF CODE - 20240630

【CodinGame】CLASH OF CODE - 20240630

前言 本文是CodinGame（图片来自此）随手做的几个，供记录用 要求： 代码 import math import syss input()for n in range(len(s)):print(s[n:])要求 代码 import sys import math# Auto-generated code below aims at helpi…
阅读更多...
大模型压缩量化方案怎么选？无问芯穹Qllm-Eval量化方案全面评估：多模型、多参数、多维度

大模型压缩量化方案怎么选？无问芯穹Qllm-Eval量化方案全面评估：多模型、多参数、多维度

基于 Transformer架构的大型语言模型在各种基准测试中展现出优异性能，但数百亿、千亿乃至万亿量级的参数规模会带来高昂的服务成本。例如GPT-3有1750亿参数，采用FP16存储，模型大小约为350GB，而即使是英伟达最新的B200 GPU 内存也只…
阅读更多...
SpringBoot使用redis 笔记（视频摘抄 哔哩哔哩博主（感谢！）：遇见狂神）

SpringBoot使用redis 笔记（视频摘抄 哔哩哔哩博主（感谢！）：遇见狂神）

springboot集成redis步骤 1.创建springboot项目 2.配置连接 3.测试 创建springboot项目 创建以一个Maven项目 创建之后查看pom.xml配置文件，可以看到 pom文件里面导入了 data-redis 的依赖，那我们就可以在知道，springboot集成redis操作…
阅读更多...
详解flink sql， calcite logical转flink logical

详解flink sql， calcite logical转flink logical

文章目录 背景示例FlinkLogicalCalcConverterBatchPhysicalCalcRuleStreamPhysicalCalcRule其它算子FlinkLogicalAggregateFlinkLogicalCorrelateFlinkLogicalDataStreamTableScanFlinkLogicalDistributionFlinkLogicalExpandFlinkLogicalIntermediateTableScanFlinkLogicalInt…
阅读更多...
20240623日志：大模型压缩-sliceGPT

20240623日志：大模型压缩-sliceGPT

context 1. 剪枝方案图释2. 正交矩阵Q 1. 剪枝方案图释 Fig. 1.1 剪枝方案 图中的阴影是表示丢弃掉这部分数据。通过引入正交矩阵 Q Q Q使 Q ⊤ Q Q Q ⊤ I \mathrm{Q}^\top\mathrm{Q}\mathrm{Q}\mathrm{Q}^\top\mathrm{I} Q⊤QQQ⊤I，来大量缩减 X X X的列数和 W …
阅读更多...
【操作系统】内存管理——页面分配策略（个人笔记）

【操作系统】内存管理——页面分配策略（个人笔记）

学习日期：2024.6.28 内容摘要：页面分配策略和内存映射文件，内存映射文件 页面分配置换策略 基本概念 驻留集，指请求分页存储管理中给进程分配的物理块的集合，在采用了虚拟存储技术的系统中，驻留集大小一…
阅读更多...
第3章-数据类型和运算符

第3章-数据类型和运算符

#本章目标 掌握Python中的保留字与标识符 理解Python中变量的定义及使用 掌握Python中基本数据类型 掌握数据类型之间的相互转换 掌握eval()函数的使用 了解不同的进制数 掌握Python中常用的运算符及优先级1，保留字与标识符 保留字 指在Python中被赋予特定意义的一…
阅读更多...
MySQL高可用（MHA高可用）

MySQL高可用（MHA高可用）

什么是 MHA MHA（MasterHigh Availability）是一套优秀的MySQL高可用环境下故障切换和主从复制的软件。 MHA 的出现就是解决MySQL 单点的问题。 MySQL故障切换过程中，MHA能做到0-30秒内自动完成故障切换操作。 MHA能在故障切换的过程中最大…
阅读更多...
最新文章

Copyright @ 2022~2023