完整版數(shù)字圖像處理試驗(yàn)報(bào)告6

1、數(shù)字圖像處理與分析實(shí)驗(yàn)報(bào)告學(xué)院:班級(jí):姓名:學(xué)號(hào):實(shí)驗(yàn)六細(xì)胞圖像的分割與測(cè)量一、實(shí)驗(yàn)?zāi)康? .通過(guò)分析細(xì)胞圖像特點(diǎn)，完成細(xì)胞圖像的分割和測(cè)量，并分析測(cè)量結(jié)果。2 .將圖像預(yù)處理、分割、分析等關(guān)鍵技術(shù)結(jié)合起來(lái)，理論與實(shí)踐相結(jié)合，提高圖像處理關(guān)鍵技術(shù)的綜合應(yīng)用能力。二、實(shí)驗(yàn)要求1 .對(duì)比中值、均值和形態(tài)學(xué)開(kāi)閉運(yùn)算對(duì)細(xì)胞圖像的濾波效果，選擇適用于細(xì)胞圖像的濾波方法2 .運(yùn)用大津閾值對(duì)細(xì)胞圖像分割，觀察分割后噪聲情況，觀察目標(biāo)邊緣處的分割效果;（使用函數(shù)：im2bw）3 .實(shí)現(xiàn)連通區(qū)域的編號(hào)；（使用函數(shù)：bwlabel）4 .計(jì)算各連通區(qū)域的相關(guān)信息，如面積、重心等。（使用函數(shù)：regionprops

2、）三、實(shí)驗(yàn)步驟1、預(yù)處理去噪桌面CHEN2-7.BMP);x=imread(C:Documentsandy=medfilt2(rgb2gray(h);subplot(2,2,1)imshow(x)title(原圖像);subplot(2,2,2)imshow(y)title(中值濾波處理);I=fspecial(average)z=imfilter(rgb2gray(x),I);subplot(2,3,4)imshow(z)title(均值濾波處理);se=strel(ball,5,5);m=imopen(rgb2gray(x),se);subplot(2,3,5)imshow(m)title

3、(形態(tài)學(xué)開(kāi)運(yùn)算處理);se=strel(ball,5,5);n=imclose(rgb2gray(x),se);subplot(2,3,6)imshow(n)title(形態(tài)學(xué)閉運(yùn)算處理);原圖像中值濾波處理均值濾被處理形態(tài)學(xué)開(kāi)運(yùn)算處理形態(tài)學(xué)閉運(yùn)算處理2、大津閾值分割先做出灰度圖像的直方圖，根據(jù)直方圖選取合適的分割灰度值x=imread(桌面CHEN2-7.BMP);b=rgb2gray(x);imhist(b)；title(灰度直方圖);次度五方圖901DO1502D026012000100008000600040002000由上圖可知，選擇閾值在185/255附近可以達(dá)到最好的分割效果，則

4、有：x=imread(桌面CHEN2-7.BMP);b=rgb2gray(x);y1=medfilt2(b);w1=im2bw(y1,185/255);h=fspecial(average);y2=imfilter(b,h);w2=im2bw(y2,185/255);se=strel(line,11,90);y3=imopen(b,se);w3=im2bw(y3,185/255);y4=imclose(b,se);w4=im2bw(y4,185/255);figuresubplot(2,2,1)imshow(w1)title(中值大津閾值分割)；subplot(2,2,2)imshow(w2)

5、title(均值大津閾值分割)；subplot(2,2,3)imshow(w3);title(開(kāi)運(yùn)算大津閾值分割)；subplot(2,2,4)imshow(w4);title(閉運(yùn)算大津閾值分割)；中值大津閾值分割均值大津閾值分裂開(kāi)運(yùn)算大津閾值分割閉運(yùn)算大津閱值分割3、目標(biāo)編號(hào)標(biāo)記桌面CHEN2-7.BMP);x=imread(b=rgb2gray(x);se=strel(ball,5,5);y4=imclose(b,se);w4=im2bw(y4,185/255);z=imcomplement(w4);subplot(2,2,1)imshow(z);title(取反后圖像)z=bwarea

6、open(z,200);subplot(2,2,2);imshow(z);title(去除像素點(diǎn)小于200的部分)BW=logical(z);L=bwlabel(BW,4);subplot(2,2,3);imshow(L);title(四連通)M=bwlabel(BW,8);Subplot(2,2,4)imshow(M);title(八連通)取反后圖像去除豫素點(diǎn)小于20口的部分四連通八連逋4、測(cè)量各個(gè)細(xì)胞的面積等參數(shù)桌面CHEN2-7.BMP);x=imread(b=rgb2gray(x);se=strel(ball,5,5);I0=imclose(b,se);I11=im2bw(I0,185

7、/256);I12=imcomplement(I11);I13=bwlabel(I12);s=regionprops(I13,centroid);centroids=cat(1,s.Centroid);figure。);imshow(I13)title(重心標(biāo)記圖);holdonplot(centroids(:,1),centroids(:,2),r*)holdoffm=regionprops(I13,Area);areas=cat(1,m.Area);figure(3);plot(areas)如圖為重心標(biāo)記和各區(qū)域面積分布圖：1 .為何需要預(yù)處理？直接分割的效果如何？答：如果不進(jìn)行預(yù)處理，在

8、后續(xù)處理時(shí)如進(jìn)行閾值分割會(huì)產(chǎn)生邊緣毛刺，使效果不明顯；2 .選擇何種預(yù)處理方法？a）中值適合于去除脈沖噪聲和圖像掃描噪聲，同時(shí)不會(huì)使圖像變模糊，但對(duì)消除細(xì)節(jié)較多的圖像不適合用中值濾波；b）均值可以有效的是噪聲得到消除，但同時(shí)圖像變得模糊，丟失了一些圖像的細(xì)節(jié)部分；c）形態(tài)學(xué)開(kāi)運(yùn)算對(duì)于消除背景噪聲有很好的效果，尤其是一些胡椒噪聲；d）形態(tài)學(xué)閉運(yùn)算對(duì)消除前景噪聲效果較好，如：沙眼噪聲；通過(guò)以上分析及結(jié)合圖像處理效果可以得出，利用形態(tài)學(xué)開(kāi)閉運(yùn)算對(duì)濾除圖像中的沙眼噪聲和胡椒噪聲效果較好；3 .分析預(yù)處理的目的，有針對(duì)性的選擇合適的方法答：預(yù)處理的目的是為了事先消除圖像的噪聲，好為后處理做準(zhǔn)備；四、思考

9、題1 .若將預(yù)處理去噪的步驟省掉，則如何在目標(biāo)編號(hào)的過(guò)程中加入濾波處理；答：若預(yù)處理中沒(méi)有去噪步驟，從圖像處理結(jié)果可以看出，經(jīng)過(guò)閾值分割后，圖像中還有很多椒鹽噪聲，要在編號(hào)中濾除這些噪聲，可通過(guò)形態(tài)學(xué)開(kāi)運(yùn)算后，再進(jìn)行取反操作等后續(xù)操作；2 .將去噪過(guò)程與閾值分割前后調(diào)換，選擇哪種濾波方法可以濾除二值圖像上的噪聲；答：通過(guò)閾值分割之后，圖像中有很多胡椒噪聲，可通過(guò)形態(tài)學(xué)開(kāi)操作將其去除；3 .總結(jié)大津閾值在細(xì)胞圖像分割中存在的問(wèn)題，想一想你所學(xué)的算法中哪種算法更適合于細(xì)胞圖像的分割。答：大津閾值是在最小二乘法的基礎(chǔ)上建立起來(lái)的分割技術(shù)，是基于閾值的分割方法，因此在判斷閾值時(shí)計(jì)算量大；可使用cann

10、y算子進(jìn)行邊緣檢測(cè)；五、能否利用所學(xué)過(guò)的圖象分析方法，設(shè)計(jì)一套算法流程，實(shí)現(xiàn)如下圖所示的普通信封上郵政編碼的定位和識(shí)別？車(chē)牌定位和識(shí)別？（一）普通信封上郵政編碼的定位和識(shí)別答：1、預(yù)處理，先將圖像變成灰度圖像，通過(guò)濾波去掉圖像中的噪聲2、將變成的灰度圖像通過(guò)大津閾值法進(jìn)行二值化處理3、采用Canny算子對(duì)圖像進(jìn)行邊緣提取4、使用形態(tài)學(xué)閉運(yùn)算對(duì)圖像中的毛刺進(jìn)行去除，盡量改變需要的區(qū)域5、對(duì)得到的邊緣進(jìn)行多邊形逼近，逼近郵政編碼區(qū)域6、對(duì)郵政編碼區(qū)域進(jìn)行識(shí)別，根據(jù)長(zhǎng)寬比的特征對(duì)數(shù)字進(jìn)行識(shí)別（二）車(chē)牌定位和識(shí)別答：1、根據(jù)車(chē)牌的藍(lán)白相間的特征將車(chē)牌中的藍(lán)色分量提取出來(lái)2、對(duì)圖像進(jìn)行預(yù)處理，得出圖像的灰度圖像3、利用大津閾值法進(jìn)行圖像的二值化4、根據(jù)車(chē)牌的矩形特征將車(chē)牌提取出來(lái)5、根據(jù)數(shù)字的特征將車(chē)牌中的數(shù)字識(shí)別出來(lái)六、實(shí)驗(yàn)總結(jié)本次實(shí)驗(yàn)是這學(xué)期的最后一次實(shí)驗(yàn)，也就是因?yàn)檫@個(gè)原因，大家在進(jìn)行實(shí)驗(yàn)時(shí)都特別的專(zhuān)心認(rèn)真。這次實(shí)驗(yàn)的許多內(nèi)容是要我們自己進(jìn)行編程的，在自己進(jìn)行編程的過(guò)程中學(xué)會(huì)對(duì)圖像的預(yù)處理去噪、大津閾值分割、目標(biāo)編號(hào)標(biāo)記和相關(guān)參數(shù)的測(cè)量。在和同學(xué)的交流學(xué)習(xí)過(guò)程中，我們慢慢掌握其中的訣竅，關(guān)鍵還是在于掌握對(duì)于圖像這樣操作的思想流程