?

實驗五 二值形態(tài)學(xué)操作

一、實驗?zāi)康?br />  了解二值形態(tài)學(xué)的基本運算
 掌握基本形態(tài)學(xué)運算的Matlab實現(xiàn)
 了解形態(tài)操作的應(yīng)用
二、原理
??? 收縮和膨脹是數(shù)學(xué)形態(tài)學(xué)最基本的變換，數(shù)學(xué)形態(tài)學(xué)的應(yīng)用幾乎覆蓋了圖像處理的所有領(lǐng)域，給出利用數(shù)學(xué)形態(tài)學(xué)對二值圖像處理的一些運算。
??? 膨脹就是把連接成分的邊界擴大一層的處理。而收縮則是把連接成分的邊界點去掉從而縮小一層的處理。若輸出圖像為g(i,j),則它們的定義式為二值圖像目標(biāo)X是E的子集。用B代表結(jié)構(gòu)元素，Bs代表結(jié)構(gòu)元素B關(guān)于原點（0 , 0）的對稱集合：
即Bs是B旋轉(zhuǎn)180°獲得的。給出了三種簡單的結(jié)構(gòu)元素。膨脹和腐蝕變換的定義式為：
膨脹
腐蝕
Matlab中用imdilate函數(shù)實現(xiàn)膨脹。用法為：
Imdilate(X,SE).其中X是待處理的圖像，SE是結(jié)構(gòu)元素對象。
例如:
bw = imread('text.tif');
se = strel('line',11,90);
bw2 = imdilate(bw,se);
imshow(bw), title('Original')
figure, imshow(bw2), title('Dilated')
Matlab用imerode函數(shù)實現(xiàn)圖像腐蝕。用法為:
Imerode(X,SE).其中X是待處理的圖像，SE是結(jié)構(gòu)元素對象。
例如:
I = imread('cameraman.tif');
se = strel('ball',5,5);
I2 = imerode(I,se);
imshow(I), title('Original')
figure, imshow(I2), title('Eroded')
三、練習(xí)
1 讀取一幅圖像，進行骨架化操作并得到其邊界
2 讀取一幅圖像，轉(zhuǎn)化為二進制圖像，并計算其面積
3讀取一幅圖像，比較不同距離變換的圖像效果

實驗六、圖像的邊緣檢測

一、實驗?zāi)康?br /> 1、了解圖像邊緣提取的基本概念；
2、了解進行邊緣提取的基本方法；
3、掌握用MATLAB語言進行圖像邊緣提取的方法。
二、實驗原理
??? 圖像理解是圖像處理的一個重要分支，研究為完成某一任務(wù)需要從圖像中提取哪些有用的信息，以及如何利用這些信息解釋圖像。邊緣檢測技術(shù)對于處理數(shù)字圖像非常重要，因為邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來。在圖像中，邊界表明一個特征區(qū)域的終結(jié)和另一個特征區(qū)域的開始，邊界所分開區(qū)域的內(nèi)部特征或?qū)傩允且恢碌?#xff0c;而不同的區(qū)域內(nèi)部的特征或?qū)傩允遣煌?#xff0c;邊緣檢測正是利用物體和背景在某種圖像特性上的差異來實現(xiàn)的，這些差異包括灰度，顏色或者紋理特征。邊緣檢測實際上就是檢測圖像特征發(fā)生變化的位置。
??? 由于噪聲和模糊的存在，檢測到的邊界可能會變寬或在某些點處發(fā)生間斷，因此，邊界檢測包括兩個基本內(nèi)容：首先抽取出反映灰度變化的邊緣點，然后剔除某些邊界點或填補邊界間斷點，并將這些邊緣連接成完整的線。邊緣檢測的方法大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。
??? 導(dǎo)數(shù)算子具有突出灰度變化的作用，對圖像運用導(dǎo)數(shù)算子，灰度變化較大的點處算得的值比較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點的邊界強度，通過設(shè)置門限的方法，提取邊界點集。
??? 一階導(dǎo)數(shù)與是最簡單的導(dǎo)數(shù)算子，它們分別求出了灰度在x和y方向上的變化率，而方向α上的灰度變化率可以用相應(yīng)公式進行計算;對于數(shù)字圖像，應(yīng)該采用差分運算代替求導(dǎo)，差分公式參考相關(guān)教材。　　　　　　　　　　　
??? 函數(shù)f在某點的方向?qū)?shù)取得最大值的方向是，方向?qū)?shù)的最大值是稱為梯度模。利用梯度模算子來檢測邊緣是一種很好的方法，它不僅具有位移不變性，還具有各向同性。為了運算簡便，實際中采用梯度模的近似形式。另外，還有一些常用的算子，如Roberts算子和Sobel算子。
??? 由于Sobel算子是濾波算子的形式，用于提取邊緣。我們可以利用快速卷積函數(shù)，簡單有效，因此應(yīng)用很廣泛。
??? 拉普拉斯高斯（loG）算法是一種二階邊緣檢測方法。它通過尋找圖像灰度值中二階微分中的過零點（Zero Crossing）來檢測邊緣點。其原理為，灰度級變形成的邊緣經(jīng)過微風(fēng)算子形成一個單峰函數(shù)，峰值位置對應(yīng)邊緣點；對單峰函數(shù)進行微分，則峰值處的微分值為0，峰值兩側(cè)符號相反，而原先的極值點對英語二階微分中的過零點，通過檢測過零點即可將圖像的邊緣提取出來。
??? MATLAB的圖像處理工具箱中提供的edge函數(shù)可以實現(xiàn)檢測邊緣的功能，其語法格式如下：
BW = edge(I,'sobel')
BW = edge(I,'sobel',direction)
BW = edge(I,'roberts')
BW = edge(I,'log')
這里BW = edge(I,'sobel')采用Sobel算子進行邊緣檢測。BW = edge(I,'sobel',direction)可以指定算子方向，即：
direction=’horizontal’，為水平方向；
direction=’vertical’，為垂直方向；
direction=’both’，為水平和垂直兩個方向。
BW = edge(I,'roberts')和BW = edge(I,'log')分別為用Roberts算子和拉普拉斯高斯算子進行邊緣檢測。
例：用三種算子進行邊緣檢測。
I=imread('eight.tif');
imshow(I)
BW1=edge(I,'roberts');
figure ,imshow(BW1),title('用Roberts算子')
BW2=edge(I,'sobel');
figure,imshow(BW2),title('用Sobel算子 ')
BW3=edge(I,'log');
figure,imshow(BW3),title('用拉普拉斯高斯算子')
三、實驗要求
1、　讀出MATLAB圖像處理工具箱中提供的rice.tif這幅圖像，并顯示。
2、 分別用Roberts,Sobel和拉普拉斯高斯算子對圖像進行邊緣檢測。比較三種算子處理的不同之處。

實驗七?? 圖像編碼

一 實驗?zāi)康?br /> 1 了解圖像編碼的基本方法
2 了解Matlab實現(xiàn)圖像編碼
二 實驗原理
1 行程編碼
??? 行程編碼又稱行程長度編碼（RLE，Run Length Encoding），是一種熵編碼，其編碼原理相當(dāng)簡單，即將具有相同值的連續(xù)串用其串長和一個代表值來代替，該連續(xù)串就稱之為行程或行程，串長稱為行程長度。例如，有一字符串“aabbbcddddd”，則經(jīng)行程長度編碼后，可以只用“2a3b1c5d”來表示。
2 霍夫曼編碼
??? Huffman方法根據(jù)源數(shù)據(jù)符號發(fā)生的概率進行編碼。在源數(shù)據(jù)中出現(xiàn)概率越大的符號，相應(yīng)的碼越短；出現(xiàn)概率越小的符號，其碼長越長，從而達(dá)到用盡可能少的碼符號表示源數(shù)據(jù)。它在變長編碼方法中是最佳的。
??? 通過如下實例來說明這種編碼方法。
??? 設(shè)有編碼輸入 。其頻率分布分別為 ，P(x2)=0.3， ， ， ， 。現(xiàn)求其最佳霍夫曼編碼 。
??? 具體編碼方法是：①把輸入元素按其出現(xiàn)概率的大小順序排列起來，然后把最末兩個具有最小概率的元素之概率加起來；②把該概率之和同其余概率由大到小排隊，然后再把兩個最小概率加起來，再重新排隊；③重復(fù)②，直到最后只剩下兩個概率為止。
3.預(yù)測編碼
??? 預(yù)測編碼是基于圖像數(shù)據(jù)的空間或時間冗余特性，用相鄰的已知像素（或像素塊）來預(yù)測當(dāng)前像素（或像素塊）的取值，然后再對預(yù)測誤差進行量化和編碼。

FROM http://hi.baidu.com/zjlu/blog/item/e1f5e71fc7d1420e314e1574.html

THX !

?

總結(jié)

以上是生活随笔為你收集整理的二值形态学操作、图像的边缘检测、图像编码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。