第五篇 MATLAB在光电图像处理中应用.pptVIP

5.9.2结构元素 结构元素，又被形象地称作刷子，是膨胀和腐蚀操作的最基本组成部分，用于测试输入图像，通常比待处理的图像要小得多。结构元素的大小形状任意，一般是二维的。二维结构元素为数值0和1组成的矩阵。三维结构元素用数值0和1定义一个平面。用高度值定义第三维。结构元素的原点指定了图像中需要处理的像素范围，结构元素中数值为1的点决定结构元素的邻域像素合进行膨胀或腐蚀操作时是否需要参与计算。 5.9.3 膨胀的MATLAB实现 【例5-9-1】写出一个程序，要求该程序采用球形结构元素对一个灰度图像进行膨胀。 ◆ MATLAB程序见M文件 ◆ 运行结果如图5-26所示。 5.9.4 腐蚀的MATLAB实现 【例5-9-2】编写程序实现采用球形结构元素对一个灰度图像进行腐蚀。 ◆ MATLAB程序见M文件 ◆ 运行结果如图5-27所示。 5.7 图像的边缘检测 5.7.1边缘检测算子 边缘检测的算子有以下几种： Roberts算子：利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理．因此不具备抑制噪声能力，该算子对具有陡峭边缘且噪声低的图像效果较好。 Sobel算子和Prewitt算子：都是对图像先作加权平滑处理，然后再作微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测模糊的边缘容易出现多像素宽度。 Laplacian算子：是不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算于对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。 LoG算子：该算子克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法被检测到。 Canny算子：虽然是基于最优化思想推导出的边缘检测算子，但实际效果并不一定最优，原因在于理论和实际有许多不一致的地方。该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。Canny算子采用双阈值算法检测和连接边缘，采用的多尺度检测和方向性搜索比LoG算子好。 5.7.2边缘检测的MATLAB实现 在MATLAB中．利用图像处理工具箱中的edge函数可以实现基于各种算子的边缘检测功能，语法格式如下： [g,t]=edge(I,method,parameters) 其中，I是输入图像；method是指采用何种算子；parameters是指所采用算子里的参数；在输出中，g是一个逻辑数组，其值如下决定：在I中检测到边缘的位置为1，在其他位置为0；参数t是可选的，它给出edge使用的阈值，以确定哪个梯度值足够大到可以称为边缘点。 【例5-7-1】编写程序实现以Sobel算法进行图像边缘检测。 ◆ MATLAB程序见M文件 ◆ 运行结果如图5-21所示。 【例5-7-2】编写程序实现分别采用Roberts算子、Prewitt算子、Sobel算子、LoG算子、和Canny算子进行边缘检测。 ◆ MATLAB程序见M文件 ◆ 运行结果如图5-22所示。 5.8 基于灰度的图像分割 在许多情况下，图像中目标区域与背景区域的灰度或平均灰度是不同的，而目标区域和背景区域内部灰度相关性很强，这时可将灰度的均一性作为依据进行分割。 最简单的处理思想是，高于某一灰度的像素划分到一个区域中，低于某灰度的像素划分到另一区域中，这种基于灰度阈值的分割方法称为灰度门限法。灰度门限法是基本的图像分割方法，也是基于区域的分割方法。 灰度阈值选择直接影响分割效果，常用的三种确定灰度阈值的方法为：直方图阈值法、Otsu法(自动阈值法)和分水岭算法。 【例5-8-1】编写程序实现以直方图阈值法进行图像分割。 ◆ MATLAB程序见M文件 ◆ 运行结果如图5-23所示。 【例5-8-2】编写程序实现以Otsu法进行图像分割。 ◆ MATLAB程序见M文件 ◆ 运行结果如图5-24所示。 【例5-8-3】编写程序实现以分水岭算法进行图像分割。 ◆ MATLAB程序见M文件 ◆ 运行结果如图5-25所示。 5.9 图像的膨胀与腐蚀 5.9.1膨胀和腐蚀简介 在形态学的膨胀和腐蚀运算中，输出图像的任何一个像素值都遵循一定的规则，这种规则决定了形态学运算是膨胀还是腐蚀。 膨胀：输出图像的像素值是输入图像邻域中的最大值，在一个二值图像中，只要有一个像素值为1，则相应的输出像素值为1。 腐蚀：输出图像的像素值是输入图像邻域中的最小值，