基于matlab的工业摄影作业(文库).docVIP

工业摄影测量技术 基于Matlab图像处理软件的设计 姓名： 学号： 杨潇 M201370503 学科专业： 指导教师： 精密仪器及机械 唐立新 教授 提交日期： 2013.11.07 一.摘要 基于Matlab的数字图像处理 Matlab对于技术计算来说是一种高性能的语言。它以易于应用的环境集成了计算、可视化和编程，在该环境下，问题及其解以我 们熟悉的数学表示法来表示。本软件主要通过matlab实现以下几个功能： 1.Log算子边缘提取 2.Canny算子边缘提取 3.几种滤波器的实现 4.数出图像中米粒个数 5.将全方位图像展开 6.分割图像中环形针并标出其质心及方向。 本次简易的图像处理软件是利用Matlab的GUI界面来实现。 关键字：matlab,Log,Canny,滤波器，数米粒，图像展开，方位辨识 基本图像处理 本软件界面如图2.1所示： 图2.1 软件界面 界面设计是通过任务要求来设计，包含Log算子边缘提取、Canny算子边缘提取、滤波、数数目、图像展开及方位分析。左右两个显示屏分别显示图像处理前后的图像。 Log算子边缘提取的实现 Log算子可有效的滤除噪声信号并提取出清晰的边缘轮廓。具体分为以下4步： 对图像进行高斯平滑滤波，去除噪声信号 关键代码： n1=floor((n+1)/2); %计算高斯模板中心 for i=1:n for j=1:n b(i,j) =exp(-((i-n1)^2+(j-n1)^2)/(2*sigma)); %高斯滤波函数 end end A=conv2(I,b,same); %高斯滤波 其中，n为高斯模板大小，sigma为方差 利用二维拉普拉斯函数进行二阶求导争强边缘信号 关键代码： for i=2:w-1 for j=2:h-1 f=A(i+1,j+1)+A(i+1,j-1)+A(i-1,j-1)+A(i-1,j+1)+A(i+1,j)+A(i-1,j)+A(i,j+1)+A(i,j-1)-8*A(i,j);%高斯型拉普拉斯算子 其中，w,h分别表示图像的长宽。通过图像A与拉普拉斯算子进行卷积，从而突出了边缘信号。 对边缘进行过零检测 使用线性内插方法在亚像素分辨率水平上估计边缘的位置 由于对于后两步算法掌握不是很好，顾只对其进行阈值比较二值化 关键代码： e=zeros(w,h);%创建数组 e(find(ys))=1; %阈值判断二值化,零交叉判断边缘最大值 Y为图像，S为二值化阈值，经测试，选取S=120为较好效果。下面是log算子边缘提取效果： 图2.2 Log算子效果图 Canny算子边缘提取的实现 图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。 根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。 Canny算子边缘提取可分为4步 用高斯滤波器平滑图象，去除噪声信号 关键代码：k1=filter2(fspecial(gaussian),I);%对图像进行3*3模版的高斯平滑 其中，I为输入的图像 用一阶偏导的有限差分来计算梯度的幅值和方向 关键代码： %求解x,y方向的差分,幅值和方向 for i=1:m-1 for j=1:n-1 Gx(i,j)=(k1(i,j+1)-k1(i,j)+k1(i+1,j+1)-k1(i+1,j))/2;%计算X向差分 Gy(i,j)=(k1(i,j)-k1(i+1,j)+k1(i,j+1)-k1(i+1,j+1))/2;%计算Y向差分 M(i,j)=sqrt(Gx(i,j)^2+Gy(i,j)^2); %计算梯度值 a(i,j)=atan2(Gy(i,j),Gx(i,j)); %计算梯度方向 end End 对梯度幅值进行非极大值抑制 仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。（non-maxima suppression,NMS）解决方法：利用梯度的方向。 图2.3 非极大值抑制梯度方向示意图四个扇区的标号为0到3，对应3*3邻域的四种可能组合。 在每一点上，邻域的中心象素M与沿着梯度线的两个象素相比。如果M的梯度值不比沿梯度线的两个相邻象素梯度值大，则令M=0。即： 关键代码：%定义梯度方向范围 if a(i,j)=-1/8*pia(i,j)1/8*pi a(i,j)=0; ...... else