Matlab一种二值化图像的形态学操作程序.docVIP

Matlab中将一幅图像阈值分割二值化非常简单，若需要通过阈值th2二值化保留一些大面积的、且有灰度值含有大于th1的点的前景区域，而不需要小面积的区域（th1大于th2），这时会遇到这样的问题：当阈值选为th2时会把一些小面积区域也保留下来；若把阈值增大到th1，小面积的区域没了，但是原来大面积的区域又会减小；若要直接去掉阈值th2二值化图像中面积小于某一值的的区域，需要计算每个区域的面积，计算量大，而且有的区域中并没有含有大于th1的点。 下面利用数学形态学的方法来解决上述问题。 这里主要是采用数学形态学中的腐蚀与膨胀操作，采用均值滤波、灰度图像高阈值二值化、种子点选择、灰度图像低阈值二值化和选择滤波相结合的方法，具体来说：腐蚀过程采用均值滤波和高阈值对第一细分图像二值化，滤掉面积较小的区域，得到较大的区域，然后选择每个区域的种子点；膨胀过程采用低阈值对第一细分图像二值化，保留含有种子点的区域，其它的均过滤掉。经过腐蚀和膨胀操作后，得到所希望的结果，见下图。 ? 程序如下： wmf10=imread('mwf1.bmp'); %读取图像 wmf1=wmf10(:,:,1);%由于是灰度图像，三个页面相同，故只对第一页面数据操作 figure(1); subplot(121);imagesc(wmf1);colormap(gray); %显示原图象 h=fspecial('average',3); wmf1_filted=uint8(round(filter2(h,wmf1))); %均值滤波 ? th1=0.94*max(max(wmf1)); %确定阈值th1 wmf1th1=(wmf1_filted>th1); %按阈值th1二值化 ? [wmf1th1_label numth1_label]=bwlabel(wmf1th1,8); rc=zeros(2,numth1_label); %选择种子点坐标 for i=1:numth1_label [r c]=find(wmf1th1_label==i); rc(1,i)=r(2);rc(2,i)=c(2); end r=rc(1,:); c=rc(2,:); coe=1.4; th2=mean2(wmf1)+coe*std2(wmf1); %确定阈值th2 wmf1th2=(wmf1>th2); %按阈值th2二值化 wmf1th2_select=bwselect(wmf1th2,c,r,8); %保留含有种子点的前景区域 subplot(122);imagesc(wmf1th2_select);colormap(gray); ? 上述程序主要是采用了bwlabel和beselect函数，虽然没有直接使用Matlab的形态学操作的膨胀、腐蚀函数，但其实质过程和达到的效果是遵循形态学操作原理的，因而这也为形态学操作提供了其他的编程实现过程。有心的读者可以试试看，能否用dilate和erosion函数完成同样的任务。 matlab数学形态学图像边缘检测 blood = imread('test.jpg'); [x,y,z]=size(blood); % 求出图象大小 b=double(blood); N =sqrt(100) * randn(x,y,z); % 生成方差为10的白噪声 I=b+N; % 噪声干扰图象 for i=1:x % 实际图象的灰度为0～255 for j=1:y if (I(i,j)>255) I(i,j)=255; end if (I(i,j)<0) I(i,j)=0; end end end z0=max(max(I)); % 求出图象中最大的灰度 z1=min(min(I)); % 最小的灰度 T=(z0+z1)/2; TT=0; S0=0; n0=0; S1=0; n1=0; allow=0.5; % 新旧阈值的允许接近程度 d=abs(T-TT); count=0; % 记录几次循环 while(d>=allow) % 迭代最佳阈值分割算法 count