形态学图像处理实验.doc
文本预览下载声明
形态学图像处理实验
算法原理
提取与图像边界融合的颗粒
可利用区域填充算法。如图1所示为源图像，可将图像先转换为二值图像，然后对其进行取反，这样进行区域填充的结果将为与边界相连的颗粒，再与源图像进行比较，即可得出在源图像中与边界相连的颗粒图像。
提取彼此交叠的颗粒
可利用图像的腐蚀与膨胀操作。先用模板对图像进行腐蚀操作，由于相交叠的颗粒面积必然比独立的颗粒大，因此腐蚀操作之后剩下的部分为交叠颗粒的部分，再对其进行膨胀，将其与源图像进行比较操作，则可得出交叠的颗粒图像。
提取不交叠的颗粒
得出交叠的颗粒之后，用源图像对其相减，则得出的为独立分布的颗粒图像。
Matlab源代码
clear all
clc
origin = imread(E:\Documents\BUPT\DIP\第三次作业\grain.jpg);
imshow(origin);title(原图);
origin = rgb2gray(origin);
filterResult = medfilt2(origin);
[m,n] = size(origin);
%%%%%%%%%%%%取与边界融合的粒子%%%%%%%%%%%%%
binaryIm = im2bw(origin);
tmp = ~binaryIm; %tmp为取反图像
fieldFilling = imfill(tmp,holes);
figure, imshow(fieldFilling);title(区域填充结果);
boudaryGrains = origin;
for i = 1:m
for j = 1:n
if fieldFilling(i,j) ==1
boudaryGrains(i,j) = 0;
end
end
end
figure, imshow(boudaryGrains);title(与边界融合的粒子结果);
%%%%%%%%%%%取交叠与未交叠的粒子%%%%%%%%%%%%
mask1 = strel(ball,12,12);
%mask2 = ones(13,13);
mask2 = strel(ball,7,7);
mask3 = strel(disk,4);
mask4 = strel(ball,6,6);
result1 = imerode(filterResult,ones(15,15));
result2 = filter2(fspecial(average,7),im2double(result1));
result2 = medfilt2(result2);
result2 = im2uint8(result2);
result3 = imdilate(result2,mask1);
figure,imshow(result2);title(第一次腐蚀结果);
figure,imshow(result3);title(第一次膨胀结果);
result4 = origin;
for i = 1:m
for j = 1:n
if result3(i,j) =20
result4(i,j) = 0;
else
result4(i,j) = origin(i,j);
end
end
end
figure,imshow(result4);title(阈值处理结果);
result5 = imerode(result4,mask4);
result6 = imdilate(result5,mask4);
figure,imshow(result6);title(交叠粒子结果);
result7 = origin-result4;
result8 = imerode(result7,mask4);
result9 = imdilate(result8,mask4);
figure,imshow(result9);title(未交叠粒子结果);
运行结果分析
提取与边界融合的颗粒
提取交叠的颗粒
第一次腐蚀所示结果为在腐蚀之后进行了一次中值滤波和一次5X5均值滤波的结果，为使腐蚀的结果更好，去除独立颗粒的腐蚀残留图像。
调整阈值大小，将腐蚀结果与源图像进行比对，在膨胀结果符合阈值要求的范围内获取源图像颗粒部分，可以看出阈值处理的结果边界有很多残余，为去除这些残余，对其进行开操作，即先腐蚀再膨胀，结果变得比较圆滑，符合颗粒的特征。
提取独立的颗粒
将源图像减去阈值处理的图像即为未交叠颗粒结果，上图也为将其进行开操作之后的结果。
实验结果分析
对交
显示全部