機(jī)器視覺與圖像處理

1、機(jī)器視覺與圖像處理課程大作業(yè)專業(yè)：自動化班級： 1402學(xué)號：201423020230姓名： 楊坤翔大作業(yè)說明1. 要求每位同學(xué)獨(dú)立完成課程大作業(yè)；2. 鼓勵組成課程小組，集體討論研究，課程總結(jié)內(nèi)說明小組成員；3. 允許借鑒網(wǎng)絡(luò)、書籍上相關(guān)代碼資源，但一定要切合題目內(nèi)容；4. 根據(jù)題目要求，原理解釋部分若需要公式，使用公式編輯器編輯；代碼部分保證完整、可運(yùn)行；結(jié)果部分黏貼原圖；5. 作業(yè)鼓勵將個(gè)人調(diào)試經(jīng)驗(yàn)、學(xué)習(xí)心得等個(gè)性化內(nèi)容總結(jié)。題目1：高斯濾波器與拉普拉斯濾波器1.1 給出高斯濾波器與拉普拉斯濾波器數(shù)學(xué)表達(dá)式； （1）給出高斯濾波器數(shù)學(xué)表達(dá)式: （2）給出拉普拉斯濾波器數(shù)學(xué)表達(dá)式:1.2

2、使用Matlab繪制出高斯濾波器與拉普拉斯濾波器圖形表達(dá)；圖形表達(dá)：alf=3; n=7;%定義模板大小 n1=floor(n+1)/2);%確定中心 for i=1:n a(i)= exp(-(i-n1).2)/(2*alf2); for j=1:n b(i,j) =exp(-(i-n1)2+(j-n1)2)/(4*alf)/(4*pi*alf); end end subplot(121),plot(a),title('一維高斯函數(shù)' ) subplot(122),surf(b),title('二維高斯函數(shù)' ) 1.3 分別使用高斯濾波器和拉普拉斯濾波器對下

3、列圖片進(jìn)行卷積運(yùn)算操作，是否有快速方法進(jìn)行拉普拉斯濾波器卷積運(yùn)算？(1)高斯濾波：I = imread(' C:Usersdell-5000Pictureslovewallpaper25260-106.jpg'); H=rgb2gray(I);Img = double(H); alf=3; n=10; n1=floor(n+1)/2); for i=1:n for j=1:n b(i,j) =exp(-(i-n1)2+(j-n1)2)/(4*alf)/(4*pi*alf); end end Img_n = uint8(conv2(Img,b,'same'); K

4、=uint8(imfilter(Img,b); Img_n2=uint8(imfilter(Img,b,'conv'); J=(Img_n2)-Img_n; flag=mean(J(:) subplot(131),imshow(I);title('原圖') subplot(132),imshow(Img_n);title('卷積運(yùn)算圖') subplot(133),imshow(K);title('相關(guān)運(yùn)算圖')(2)拉普拉斯濾波：h1=fspecial('laplacian');A=imread(' C:

5、Usersdell-5000Pictureslovewallpaper25260-106.jpg ');K=rgb2gray(A);B=imfilter(K,h1);subplot(131),imshow(A);title('原圖')subplot(132),imshow(K);title('灰度圖') subplot(133),imshow(B);title('相關(guān)運(yùn)算圖') 題目2：使用Canny算子邊緣檢測2.1 列寫出Canny算子檢測邊緣算法原理； (1)圖象邊緣檢測必須滿足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量精確

6、確定邊緣的位置。 (2)根據(jù)對信噪比與定位乘積進(jìn)行測度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測算子。 (3)類似與Marr（LoG）邊緣檢測方法，也屬于先平滑后求導(dǎo)數(shù)的方法。 （4）Canny邊緣檢測算法：  step1:用高斯濾波器平滑圖象；  step2:用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向；  step3:對梯度幅值進(jìn)行非極大值抑制；  step4:用雙閾值算法檢測和連接邊緣。2.2 使用Canny算法對下圖進(jìn)行邊緣檢測，并對比其他邊緣檢測算法，如Sobel, Roberts等；1.canny 算子：I=imread

7、('dazuoye02.jpg');I=rgb2gray(I);imshow(I);title('原圖')BW1=edge(I,'canny');figure,imshow(BW1);title('matlab canny檢測') 2.Roberts 算子：I=imread('dazuoye02.jpg');K=rgb2gray(I);BW1=1,0;0,-1;BW2=0,1;-1,0;J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);M

8、=(abs(K1) +abs(K2);figure,imshow(uint8(M)title('matlab Robert檢測')3.Sobel算子：I=imread('dazuoye02.jpg');K=rgb2gray(I);BW1=-1,-2,-1;0,0,0;1,2,1;BW2=-1,0,1;-2,0,2;-1,0,1;J1=filter2(BW1,K);J2=filter2(BW2,K);K1=double(J1);K2=double(J2);M=(abs(K1) +abs(K2);figure,imshow(uint8(M)title('ma

9、tlab sobel檢測') 結(jié)論：Roberts算子：邊緣定位準(zhǔn)，但是對噪聲敏感。適用于邊緣明顯且噪聲較少的圖像分割。Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子,Robert算子圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析，由于Robert算子通常會在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。Sobel算子：其主要用于邊緣檢測，在技術(shù)上它是以離散型的差分算子，用來運(yùn)算圖像亮度函數(shù)的梯度的近似值，缺點(diǎn)是Sobel算子并沒有將圖像的主題與背景嚴(yán)格地區(qū)分開來，換言之就是Sobel算子并沒有基于圖像灰度進(jìn)行處理，由于S

10、obel算子并沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意Canny算子：該算子功能比前面幾種都要好，但是它實(shí)現(xiàn)起來較為麻煩，Canny算子是一個(gè)具有濾波，增強(qiáng)，檢測的多階段的優(yōu)化算子，在進(jìn)行處理前，Canny算子先利用高斯平滑濾波器來平滑圖像以除去噪聲，Canny分割算法采用一階偏導(dǎo)的有限差分來計(jì)算梯度幅值和方向，在處理過程中，Canny算子還將經(jīng)過一個(gè)非極大值抑制的過程，最后Canny算子還采用兩個(gè)閾值來連接邊緣。題目3 角點(diǎn)與斑點(diǎn)檢測3.1 使用Harris算法檢測下圖中角點(diǎn)（harris算法實(shí)現(xiàn)）Harris算法：filename,pathname,=uiget

11、file('dazuoye03.jpg'); if ischar(filename) return end str=pathname filename; pic=imread(str); if length(size(pic)=3 img=rgb2gray(pic); end m,n=size(img); tmp=zeros(m+2,n+2); tmp(2:m+1,2:n+1)=img; Ix=zeros(m+2,n+2); Iy=zeros(m+2,n+2); Ix(:,2:n+1)=tmp(:,3:n+2)-tmp(:,1:n); Iy(2:m+1,:)=tmp(3:m+2

12、,:)-tmp(1:m,:); Ix2=Ix(2:m+1,2:n+1).2; Iy2=Iy(2:m+1,2:n+1).2; Ixy=Ix(2:m+1,2:n+1).*Iy(2:m+1,2:n+1); h=fspecial('gaussian',7 7,2); Ix2=filter2(h,Ix2); Iy2=filter2(h,Iy2); Ixy=filter2(h,Ixy); R=zeros(m,n); for i=1:m for j=1:n M=Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j); R(i,j)=det(M)-0.06*(trace(M)2

13、; end end Rmax=max(max(R); loc=; tmp(2:m+1,2:n+1)=R; for i=2:m+1 for j=2:n+1 if tmp(i,j)>0.01*Rmax sq=tmp(i-1:i+1,j-1:j+1); sq=reshape(sq,1,9); sq=sq(1:4),sq(6:9); if tmp(i,j)>sq loc=loc;j-1,i-1; end end end end X=loc(:,1); Y=loc(:,2); subplot(1,2,1);imshow(pic); subplot(1,2,2);imshow(pic); ho

14、ld on plot(X,Y,'*'); hold off 3.2使用Log算子檢測下圖中斑點(diǎn) （Matlab: log_Blob）（1） 構(gòu)造LoG_Blob函數(shù)：（2） 構(gòu)造draw函數(shù)：（3） 算法實(shí)現(xiàn)：img=imread('dazuoye04.jpg');imshow(img);pt=LoG_Blob(rgb2gray(img);draw(img,pt,'LOG') 個(gè)人體會：在做題時(shí)，通過查找網(wǎng)上的資料才做出來，我覺得難點(diǎn)在于函數(shù)的書寫上，函數(shù)寫出來了，題目就做出來了。題目4 特征點(diǎn)匹配4.1 完成下列兩圖中的特征點(diǎn)檢測與匹配(1)算法實(shí)現(xiàn)：>> i1=imread('dazuoye05.jpg'); i2=imread('dazuoye06.jpg'); i11=rgb2gray(i1); i22=rgb2gray(i2); imwrite(i11,'v1.jpg'