基于數字圖像處理孢子特征提取_第1頁
基于數字圖像處理孢子特征提取_第2頁
基于數字圖像處理孢子特征提取_第3頁
基于數字圖像處理孢子特征提取_第4頁
基于數字圖像處理孢子特征提取_第5頁
已閱讀5頁，還剩14頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

數字圖像處理課程設計

PPT演示文稿基于數字圖像處理的孢子特征提取080211711、25、27、33、39金成君代黎明盧秋邑路遙王海洋

在我國危害農作物的主要病害有550多種，其中很多是由真菌引起的，為了預報空氣傳播的病害，需要監(jiān)測空中孢子浮游量并判斷其類型。以往的檢測方法都是通過孢子采集，然后在顯微鏡下人工進行孢子的分類和統計，效率很低并且受視覺影響存在一定的誤差。利用計算機圖像處理技術則可以有效地解決這個問題。下面我們對這幅孢子圖片進行處理孢子識別計數流程圖灰度變換灰度圖像相對于彩色圖像來說在光線較低情況下清晰度高于彩色圖像，因此為了適應不同光線條件有必要把彩色的圖像轉換為灰度圖像既滿足了處理需要，又減少了信息運算量

利用rgb2gray函數進行處理

處理后圖片效果如下：

圖像平滑及銳化圖像平滑的目的是盡量減少或消除噪聲的影響，改善圖像質量。在圖像輸入過程中，由于顯微鏡視野球面差，聚焦不良，涂片本身質量問題以及其它各種干擾，均會造成采集的圖像中含有許多噪聲，在圖像處理前，必須對噪聲進行去除。用中值濾波函數medfi1t2對原始圖像進行低通濾波，消除圖像中的噪聲干擾

處理后圖片效果如下：邊緣是圖像中所要提取目標和背景的分界線，只有提取出了邊緣才能將背景和目標區(qū)分開來。因此，數字圖像的邊緣檢測是圖像分割、目標區(qū)域的識別、區(qū)域形狀提取等圖像分析操作的重要基礎，是圖像識別中提取圖像特征的一個重要步驟本文用edge函數調用Canny算子來實現數字圖像的邊緣檢測

處理后圖片效果如下：

圖像二值化分割孢子與背景的根本差別在于其具有不同的灰度值，因此可以利用灰度值將顆粒與背景完全分開，實現的方法為二值化分割。圖像的二值化分隔算法是圖像處理中最基本的預處理方法，直接影響后期的處理或識別。首先進行腐蝕將連著的孢子分開

使用腐蝕函數imrode處理后的效果如圖：

然后進行膨脹

使用膨脹函數imtophat：利用MATLAB對從顯微鏡采集的孢子圖像進行灰度變換、濾波、邊緣檢測和腐蝕膨脹等處理，就是為孢子的類型分析和自動計數做準備。下面進行數量統計的運算數量統計

[L,n]=bwlabel(BW2,4)stats=regionprops(L);Cen=cat(1,stats.Centroid);holdon;plot(Cen(:,1),Cen(:,2),'r+');str=sprintf(‘共%d個孢子',n);title(str,'Color','r');通

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論