圖像處理作業(yè)(燕大)(共20頁)

1、PAGE PAGE 24雪花(xuhu)啤酒廠準備上一套視覺檢測系統(tǒng)以控制產(chǎn)品的質(zhì)量。要求分辨率最小是2*2mm像素(xin s)，選擇CCD分辨率，確定鏡頭的焦距并確定物距（8分）。2.把燕大的校標（128*128）進行(jnxng)3*3放大處理，分別敘述用雙線性插值和最近領域插值兩種方法的算法步驟（10分）。3.用圖像處理的方法確定下列啤酒瓶的缺口和破口（12分）。4.旋轉設備潤滑油中鐵屑的大小和多少反映了其磨損狀況，下圖是某潤滑油的鐵譜照片，請用圖像處理的方法識別其潤滑狀況（10分）。5. 請用圖像處理的方法(fngf)自動確定下列靶面射擊(shj)的環(huán)數(shù)（其中白點為射擊孔，20分）。

2、6. 設計一個圖像處理的算法分別對下圖的紅細胞和白細胞計數(shù)(j sh)（假設淺色點為紅細胞，深色點為白細胞，20分）。7. 對附件中的三幅眼底圖像，分別設計邊緣增強的算法（即在結果圖像的顯示中，邊緣特征突出了，不是邊緣提取，20分）。1解：取圖像(t xin)元尺寸(ch cun)為，則雜質(zhì)(zzh)所成的像的尺寸最少為，設物距為1米，對5mm5mm的雜質(zhì)成像，可知此鏡頭的焦距為 對于相機分辨率，則要根據(jù)成像視野對應的實際范圍而定。例如若視野范圍為，則相機分辨率應不小于 像素2 解：（1）讀入原圖像，得到圖像的高度和寬度；（2）根據(jù)放大倍數(shù)得到新圖像的高度和寬度，并創(chuàng)建空白新圖像；（3）得到像

3、素點（x ，y）的值并寫回新圖像；最鄰近插值法：將原始像素簡單復制到其鄰域內(nèi)，進行圖像放大。 雙線性插值法：利用需要處理的原圖像像素點周圍的個鄰點的像素值在，兩個方向上作線性內(nèi)插，即待插點處的數(shù)值用離待插點最近的四個點的值加權求得。對于一個目的像素，設置坐標通過向后映射法得到浮點坐標。其中,是非負整數(shù)，,是取值區(qū)間的浮點數(shù)，隨放大后像素行列坐標的不同而改變，則這個像素的值可由原圖像中坐標為, ,所對應的周圍四個像素的值決定，公式為：其中，表示源圖像處的像素值。得到放大圖像。采用matlab7.1進行圖像處理，將原圖像保存目錄為為E:picture.jpg。(1)雙線性插值：A=imread(E

4、:picture.jpg);B=imresize(A,128*3 128*3,bilinear); %采用雙線性插值將原始圖像放大三倍imshow(B); 運行(ynxng)結果：(2)最近(zujn)領域插值：A=imread(E:picture.jpg);B=imresize(A,128*3 128*3,nearest); %采用最近領域(ln y)插值將原始圖像放大三倍imshow(B);運行(ynxng)結果：3解：首先對圖像進行分析。只要(zhyo)圖像中的圓形是不間斷的完整的，就說明是合格的，如果圓形有間斷，則說明是不合格的。（1）對圖像進行(jnxng)濾波。（2）對圖像進行閾值

5、分割，進行二值化處理。（3）對圖像所有點做出一個索引表，將表內(nèi)數(shù)據(jù)全部賦值為1。（4）取圖像左上角一點，然后對該點四周的點進行判斷，是否為黑色點，如有，則記錄下該點位置，并在索引表中將該點的索引值改為0。（5）分析與上一點相鄰近的為黑色的點的四周，用相同方法處理。（6）當所有點處理完畢之后，分析索引表中為1的點的數(shù)量，如果大于某個比例，則說明該圓形封閉良好，說明圓形沒有間斷，所以是合格的。4解：（1）對圖像進行濾波。（2）對圖像進行閾值分割，進行二值化處理。（3）對圖像所有點做出一個索引表，將表內(nèi)數(shù)據(jù)全部賦值為1。（4）取圖像左上角一點，然后對該點四周的點進行判斷，是否為黑色點，如有，則記錄下

6、該點位置，并在索引表中將該點的索引值改為0。（5）分析與上一點相鄰近的為黑色的點的四周，用相同方法處理。（6）當所有點處理完畢之后，分析索引表中為1的點的數(shù)量，根據(jù)1的點的數(shù)量與0的點的數(shù)量，計算其磨損度。原始(yunsh)圖像picture4.jpg采用(ciyng)matlab7.1進行圖像處理，將原圖像保存目錄為為E:picture4.jpg。采用閾值100，然后(rnhu)統(tǒng)計白色小塊占整個圖像百分比（假設不大于0.1潤滑效果好）程序如下：A=imread(E:picture4.jpg);B=im2bw(A,100/255); %閾值100分割figure, subplot(1,2,1

7、); imhist(B); title(二值圖像直方圖 );subplot(1,2,2); imshow(B); title(閾值100分割圖 ); %圖像顯示C=numel(B); %查找圖像像素個數(shù)D=find(B=0); %查找圖像中為1的像素個數(shù)E=numel(D);if(E/C=0.1) %判斷元素為1所占整個像素比值并進行顯示 fprintf(潤滑效果OKn);else fprintf(潤滑效果NGn);end;運行結果：潤滑效果NG5解：（1）首先對圖像進行濾波操作。（2）首先取射擊前情況圖像一張。（3）取射擊后情況圖像一張。（4）將兩張圖像進行比較，取出發(fā)生變化的點，既是當前射

8、擊中擊中的點。（5）根據(jù)閾值(y zh)分析法，及濾波操作，得出靶上的中心圓位置。（6）根據(jù)直徑最長原理，兩直徑相交點為圓心的原理，計算(j sun)出圓心位置。（7）現(xiàn)在設圓心點為O，擊中點為P，按照射線OP方向，計算出O點距離(jl)中心圓環(huán)外圍的距離L1。（8）計算出OP兩點的距離L2。（9）當前的靶數(shù)即為：10-L2/L1假設環(huán)與靶心距離方程已知，F(xiàn)=10+(i-1)*30，環(huán)數(shù)為i，間距30。只需確定靶心與彈孔坐標，然后確定環(huán)數(shù)。采用matlab進行圖像處理，將原圖像保存目錄為E:1.jpg。程序如下：A=imread(E:picture51.jpg);B=im2bw(A,240/2

9、55); %閾值240分割L,n=bwlabel(B); %查找彈孔連通域r,c=find(L=1);x1=mean(r); %求平均值y1=mean(c);B1=im2bw(A,35/255); %閾值35二值分割D=medfilt2(B1, 41,41); %B1圖像進行4141模板中值濾波figure,subplot(1,2,1); imshow(B); title(彈孔閾值240分割圖);subplot(1,2,2); imshow(D); title(靶心閾值35濾波4141模板);L1,n1=bwlabel(D); %查找靶心連通域r1,c1=find(L1=1);x0=mean(

10、r1); %求平均值y0=mean(c1);figure,imshow(A);hold on;plot(y1,x1,Marker,+,MarkerEdgeColor,b); %彈孔用藍色+表示plot(y0,x0,Marker,+,MarkerEdgeColor,r); %靶心用紅色+表示title(靶心與彈孔中心點坐標示意圖);figure,hold on;plot(y1,x1,Marker,+,MarkerEdgeColor,b); plot(y0,x0,Marker,+,MarkerEdgeColor,r); title(靶心與彈孔中心點坐標圖);E=sqrt(x0-x1)2+(y0-y

11、1)2); %靶心與彈孔之間距離flag=0;for i=1:10 %計算環(huán)數(shù) F=10+(i-1)*30;if(flag=0) if(E=F) fprintf(%d環(huán)n, 11-i); %顯示結果 flag=1; break; end;else end;end;運行(ynxng)結果：6環(huán)(2) 假設環(huán)與靶心(b xn)距離方程已知，F(xiàn)=60+(i-1)*40，環(huán)數(shù)為i，間距(jin j)40。只需確定靶心與彈孔坐標(zubio)，然后確定環(huán)數(shù)。采用matlab7.1進行圖像處理，將原圖像保存目錄為為E: 2.jpg。程序如下：A=imread(E:picture52.jpg);B=im2b

12、w(A,240/255); %閾值240分割L,n=bwlabel(B); %查找彈孔連通域r,c=find(L=1);x1=mean(r); %求平均值y1=mean(c);figure,B1=im2bw(A,100/255); %閾值100分割D=medfilt2(B1, 45,45); %B1圖像進行4545模板中值濾波L1,n1=bwlabel(D); %查找靶心連通域r1,c1=find(L1=2); %由圖像聯(lián)通域分析確定靶心連通域為2x0=mean(r1); %求平均值y0=mean(c1);figure,imshow(A);hold on;plot(y1,x1,Marker,+

13、,MarkerEdgeColor,b); %彈孔用藍色+表示plot(y0,x0,Marker,+,MarkerEdgeColor,r); %靶心用紅色+表示title(靶心與彈孔中心點坐標示意圖);figure,hold on;plot(y1,x1,Marker,+,MarkerEdgeColor,b); plot(y0,x0,Marker,+,MarkerEdgeColor,r);title(靶心(b xn)與彈孔中心點坐標圖);E=sqrt(x0-x1)2+(y0-y1)2); %靶心(b xn)與彈孔之間距離flag=0;for i=1:10%計算(j sun)環(huán)數(shù) F=60+(i-1

14、)*40;if(flag=0) if(E=F) fprintf(%d環(huán)n,11-i); %顯示結果 flag=1; break; end;else end;end;運行結果：8環(huán)6 解： K均值聚類、分水嶺算法計算(j sun)圖片中紅白細胞個數(shù)K均值(jn zh)聚類 1、任取0,255中K個值作為(zuwi)第一次分類中心 2、把圖像（gray）中的每一個點與K個中心值進行比較，按差值分成K組，求出新的K個中心點 3、重復上一步驟直到前后兩次算出的中心點值相同 4、按最后得到的中心點把圖像依據(jù)點到中心點的距離分成K類。 程序 function cen,copy=Kmeans(I,k) %

15、K均值聚類函數(shù) mm=max(max(I); % mm為I的最大灰度值 copy=I; cen=(1:k)*mm/k; % 求出首次中心值 cen1=zeros(1,k); d=ones(1,k)./255; m,n=size(I); J=zeros(m,n); while(1) for i=1:m for j=1:n c=abs(I(i,j)-cen); % c為I中元素與各中心點的差值數(shù)組 cc=find(min(c)=c); % cc為距中心值最近的元素下標 J(i,j)=cc; end end % 求新的中心點 for r=1:k h=0; J1,J2=find(J=r); p=len

16、gth(J1); for s=1:p h=h+I(J1(s),J2(s); copy(J1(s),J2(s)=cen(r); % 按中心值把原圖像灰度分為K類 end cen1(r)=h/p; end if (abs(cen1-cen)=d) break; else cen=cen1; end end I=imread(blood.jpg); % 讀入處理圖像 R=I(:,:,1); % 分離R分量 G=I(:,:,2); B=I(:,:,3); clc; % 清屏 close all; % 關閉圖像(t xin)窗口 figure, % 開辟圖像(t xin)顯示窗口 subplot(2,3

17、,1),imshow(R),title(R分量(fn ling); subplot(2,3,2),imshow(G),title(G分量); subplot(2,3,3),imshow(B),title(B分量); K=rgb2hsv(I); % RGB圖像轉換成HSV圖像 H=K(:,:,1); S=K(:,:,2); V=K(:,:,3); subplot(2,3,4),imshow(H),title(H分量); subplot(2,3,5),imshow(S),title(S分量); subplot(2,3,6),imshow(V),title(V分量); 白細胞計數(shù) % 分割出只有白細

18、胞的二值圖像 cenwhite,copywhite=Kmeans(H,3); % K均值聚類函數(shù)調(diào)用 cenwhite; % 查看聚類后的中心值 figure, subplot(1,3,1),imshow(copywhite, ),title(H分量K均值聚類結果); A=copywhite; m,n=size(A); % 把聚類后圖像二值化 for i=1:m for j=1:n if A(i,j)=cenwhite(2) A(i,j)=1; else A(i,j)=0; end end end subplot(1,3,2),imshow(A, ),title(白細胞二值化結果); C1=i

19、mdilate(A,ones(5); % 對二值化圖像腐蝕膨脹處理達到去噪效果 C2=imerode(C1,ones(11); C=imdilate(C2,ones(6); subplot(1,3,3),imshow(C, ),title(白細胞去噪結果); E=bwdist(C); E=-E; E(C)=-Inf; L0=watershed(E); rgb=label2rgb(L0,jet); subplot(1,2,2),imshow(rgb, ),title(法二白細胞分水嶺結果); NumWhite=max(max(L0)-1; NumWhite; % NumWhite為分水嶺算法計數(shù)

20、結果顯示結果 紅細胞計數(shù)(j sh) % 分割出只有(zhyu)紅細胞的二值圖像并對其做必需(bx)處理 I1(:,:,1)=double(I(:,:,1).*C; % 把二值圖像還原為彩色圖像 I1(:,:,2)=double(I(:,:,2).*C; I1(:,:,3)=double(I(:,:,3).*C; figure,subplot(1,2,1),imshow(uint8(I1),title(白細胞); J=double(I)-double(I1); % 原圖減去白細胞圖得紅細胞彩圖 subplot(1,2,2),imshow(uint8(J),title(紅細胞); J=rgb2h

21、sv(J); % 紅細胞圖轉換成HSV圖 HH=J(:,:,1); SS=J(:,:,2); % 提取S分量 VV=J(:,:,3); subplot(1,3,1),imshow(HH),title(紅細胞圖H分量); subplot(1,3,2),imshow(SS),title(紅細胞圖S分量); subplot(1,3,3),imshow(VV),title(紅細胞圖V分量); cenred,copyred=Kmeans(SS,2); % 對S分量圖均值聚類 cenred; % 查看聚類后的中心值 figure,subplot(2,2,1),imshow(copyred, ),title

22、(S分量K均值聚類結果); H=copyred; m,n=size(H); % 把聚類后圖像二值化 for i=1:m for j=1:n if H(i,j)=cenred(2) H(i,j)=1; else H(i,j)=0; end end end subplot(2,2,2),imshow(H, ),title(紅細胞二值化結果); G=imfill(H,holes); % 紅細胞圖填充孔洞 subplot(2,2,3),imshow(G, ),title(紅細胞填洞結果); C1=imerode(G,ones(9); % 開運算去除噪聲 G=imdilate(C1,ones(9); s

23、ubplot(2,2,4),imshow(G, ),title(紅細胞去噪結果); D=bwdist(G); D=-D; D(G)=-Inf; L=watershed(D); rgb=label2rgb(L,jet); subplot(1,2,2),imshow(rgb, ),title(紅細胞分水嶺算法結果); numred2=max(max(L)-1; numred2; % 查看分水嶺算法得到的紅細胞個數(shù)numred2 % 為縮小(suxio)誤差把兩種方法得出(d ch)的紅細胞個數(shù)的平均值作為紅細胞的最終個數(shù) % NumRed=floor(numred1+numred2)/2); %

24、floor()為向上(xingshng)取整。相關函數(shù)有ceil()向上取整,round()四舍五入。 NumRed; % 查看最終得到的紅細胞個數(shù)NumRed 程序運行結果 7 解：(1)原始(yunsh)圖像 1112.bmp首先將真彩圖像轉化為灰度圖像，采用濾鏡銳化圖像，使用canny算法提取(tq)圖像邊緣，求連通域去除較小的連通域，以減少邊緣擴充后的毛刺現(xiàn)象，然后進行圖像擴充，再次使用連通域方法，去除擴充后圖像中較小連通域，合并邊緣圖像與原始圖像以達到增強血管邊緣的效果采用matlab7.1進行圖像(t xin)處理，將原圖像保存目錄為為E:1112.bmp。程序如下：clear a

25、ll;clc;A=imread(E:1112.bmp);B=rgb2gray(A);%灰度值變換E=fspecial(motion,2,0); %消除失真晶格B=imfilter(B,E,replicate); %應用濾鏡銳化圖像E=fspecial(unsharp); %對比度增強G=imfilter(B,E,replicate); C1=edge(G,canny,0.02,0.03,2); %canny算法提取圖像邊緣L,n=bwlabel(C1,8);刪除寬度小于30或者高度小于30的連通域 for i=1:nr,c=find(L=i); left=min(c); right=max(c); top=min(r); buttom=max(r); width(i)=right-left+1; height(i)=buttom-top+1; if width(i)=30|height(i)=30L