基于形态学运算的星空图像分割课程设计报告(附源代码).docVIP

PAGE PAGE 1 Matlab程序设计任务书 分院（系） 专业 学生姓名 学号 设计题目 基于形态学运算的星空图像分割 内容及要求： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 1 图像预处理：对原始星空图像进行滤波去噪处理； 2 对去噪后的图像进行形态学运算处理； 3 选取自适应阈值对形态学运算处理后的图像进行二值化； 4 显示每步处理后的图像； 5 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进 行对比分析。 进度安排：3周 指导教师（签字）： 年 月 日 学院院长（签字）： 年 月 日 目 录 一．课程设计目的……………………………………………3 二．设计原理…………………………………………………3 三．详细设计步骤……………………………………………3 四. 设计结果及分析…………………………………………18 五. 总结………………………………………………………19 六. 设计体会…………………………………………………20 七. 参考文献…………………………………………………21 一、课程设计目的 本次课程设计的目的在于正确用形态学运算对星图像进行处理，并补偿不均匀的星图像背景，然后进行星图像的阈值分割。通过设计实现对星图像进行形态学处理，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。形态学是一个广泛的图像处理操作过程，它处理图像是基于形状的。形态学操作在输入图像中使用一个结构化的参数，建立一个同样大小的输出函数。在形态学操作中，输出图像中的每个像素的值是基于输入图像中相应像素及其邻域像素间的对比。通过选择邻域的大小和形状，可以构造一个在输入图像中对特殊形状敏感的形态学操作。 最基本的形态学操作是膨胀和腐蚀。膨胀在一个图像中增加目标边缘的像素，腐蚀从目标边缘移除像素。在图像中增加或者移除像素是基于用于处理图像的结构化参数的大小和形状。在形态学膨胀和腐蚀操作中，输出图像中任何给定像素的属性通过在输入图像相应像素及其邻域像素使用一个准则决定。处理像素的准则定义操作为膨胀或腐蚀。本次课程设计首先对原始星空图像进行滤波去噪处理，然后对去噪后的图像进行形态学运算处理，最后，选取自适应阈值对形态学运算处理后的图像进行二值化，并得出结论。 三、详细设计步骤: 1、图像预处理：对原始星空图像进行滤波去噪处理 clc; clear; I=imread(I:\数字图象处理\图片1.jpg); subplot(3,3,1);imshow(I);title(原图); I1=imnoise(I,salt pepper,0.1);%对I1加入值为0.1的椒盐噪声 [h,w]=size(I1); n=9; f=double(I1);%转换为双精度 a=ones(n,n); y=f; for i=1:h-n+1 for j=1:w-n+1 a=f(i:i+(n-1),j:j+(n-1)); s=sum(sum(a));%计算均值 y(i+(n-1)/2,j+(n-1)/2)=s/(n*n);%通过均值滤波进行去噪 end end 对去噪后的图像进行形态学运算处理 subplot(3,3,4),imshow(I1),title(滤波去噪); SE=strel(arbitrary,eye(5)); %创建一个任意形状的结构元素对象 I2=imclose(I,SE); %闭合操作 subplot(3,3,6);imshow(I2);title(形态学图像处理); 选取自适应阈值对形态学运算处理后的图像进行二值化 %形态学后自适应阈值二值化 %rgb转灰度 if isrgb(I2)==1 I2_gray=rgb2gray(I2); else I2_gray=I2; end I2_double=double