灰图像处理学习教案.pptx

《灰图像处理学习教案.pptx》由会员分享，可在线阅读，更多相关《灰图像处理学习教案.pptx（95页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、会计学1灰图像处理灰图像处理(t xin ch l)第一页，共95页。4.1 4.1 彩色图像彩色图像(t xin)(t xin)转灰度图像转灰度图像(t(t xin)xin)1 1、分量、分量(fn ling)(fn ling)法法 2 2、最大值法、最大值法3 3、平均值法、平均值法4 4、加权平均法、加权平均法第1页/共94页第二页，共95页。4.1 4.1 彩色图像彩色图像(t xin)(t xin)转灰度图像转灰度图像(t xin)(t xin)GetPixelGetPixel函数功能：该函数检索函数功能：该函数检索(jin su)(jin su)指定坐标点的像素的指定坐标点的像素的

2、RGBRGB颜色值。颜色值。函数原型：函数原型：COLORREF GetPixel(HDC hdc,int nXPos,int nYPos)COLORREF GetPixel(HDC hdc,int nXPos,int nYPos)参数：参数：hdc hdc：设备环境句柄。：设备环境句柄。nXPos nXPos：指定要检查的像素点的逻辑：指定要检查的像素点的逻辑X X轴坐标。轴坐标。nYPos nYPos：指定要检查的像素点的逻辑：指定要检查的像素点的逻辑Y Y轴坐标。轴坐标。返回值：返回值是该象像点的返回值：返回值是该象像点的RGBRGB值。值。声明声明(shngmng)方法：方法：Priv

3、ate Declare Function GetPixel Lib gdi32(ByVal hdc As Long,ByVal x As Long,ByVal Y As Long)As Long第2页/共94页第三页，共95页。4.1 4.1 彩色图像彩色图像(t xin)(t xin)转灰度图像转灰度图像(t xin)(t xin)SetPixelSetPixel函数功能：该函数将指定坐标处的像素设为指定的颜色。函数功能：该函数将指定坐标处的像素设为指定的颜色。函数原型：函数原型：COLORREF SetPixel(HDC hdc,int X,int Y,COLORREF crColor)C

4、OLORREF SetPixel(HDC hdc,int X,int Y,COLORREF crColor)；参数参数:hdchdc：设备环境句柄。：设备环境句柄。X X：指定要设置的点的：指定要设置的点的X X轴坐标，按逻辑单位表示坐标。轴坐标，按逻辑单位表示坐标。Y Y：指定要设置的点的：指定要设置的点的Y Y轴坐标，按逻辑单位表示坐标。轴坐标，按逻辑单位表示坐标。crColorcrColor：指定要用来绘制该点的颜色。：指定要用来绘制该点的颜色。返回值：如果函数执行成功，那么返回值就是函数设置像素的返回值：如果函数执行成功，那么返回值就是函数设置像素的RGBRGB颜色值。这颜色值。这个值

5、可能与个值可能与crColorcrColor指定的颜色有所不同，之所以有时指定的颜色有所不同，之所以有时(yush)(yush)发生这种情况是因发生这种情况是因为没有找到对指定颜色进行真正匹配造成的；如果函数失败，那么返回值是为没有找到对指定颜色进行真正匹配造成的；如果函数失败，那么返回值是-1-1。声明声明(shngmng)方法：方法：Private Declare Function SetPixelV Lib gdi32(ByVal hdc As Long,ByVal x As Long,ByVal Y As Long,ByVal crColor As Long)As Long第3页/共9

6、4页第四页，共95页。4.1 4.1 彩色图像彩色图像(t xin)(t xin)转灰度图像转灰度图像(t xin)(t xin)1 1、分量、分量(fn ling)(fn ling)法（法（R R分量分量(fn ling)(fn ling)法）法）Private Sub Command2_Click()Picture1.Picture=Picture2.Picture w=Picture1.ScaleWidth h=Picture1.ScaleHeight For i=0 To w-1 For j=0 To h-1 rgb=GetPixel(Picture1.hdc,i,j)Red=rgb

7、mod 256 获得获得(hud)红色值红色值 Green=rgb 256 mod 256 获得获得(hud)绿色值绿色值 Blue=rgb65536 获得获得(hud)兰色值兰色值 取取R分量作为灰度分量作为灰度 rgb=RGB(Red,Red,Red)SetPixelV Picture2.hdc,i,j,rgb Next j Next iPicture2.Picture=Picture2.ImageEnd Sub第4页/共94页第五页，共95页。4.1 4.1 彩色图像彩色图像(t xin)(t xin)转灰度图像转灰度图像(t xin)(t xin)2 2、最大值法、最大值法Privat

8、e Sub Command3_Click()w=Picture1.ScaleWidth h=Picture1.ScaleHeight For i=0 To w-1 For j=0 To h-1 rgb1=GetPixel(Picture1.hdc,i,j)Red=rgb1 Mod 256 获得红色值获得红色值 Green=rgb1 256 Mod 256 获得绿色值获得绿色值 Blue=rgb1 65536 获得兰色值获得兰色值 取取R、G、B分量分量(fn ling)最大值作为灰度最大值作为灰度 If Red Green And Red Blue Then Col=Red If Green

9、Red And Green Blue Then Col=Green If Blue Red And Blue Green Then Col=Blue rgb1=RGB(Col,Col,Col)SetPixelV Picture2.hdc,i,j,rgb1 Next j Next iPicture2.Picture=Picture2.ImageEnd Sub第5页/共94页第六页，共95页。4.1 4.1 彩色图像彩色图像(t xin)(t xin)转灰度图像转灰度图像(t xin)(t xin)3 3、平均值法、平均值法Private Sub Command4_Click()Picture1.

10、Picture=Picture2.Picture w=Picture1.ScaleWidth h=Picture1.ScaleHeight For i=0 To w-1 For j=0 To h-1 rgb1=GetPixel(Picture1.hdc,i,j)Red=rgb1 Mod 256 获得获得(hud)红色值红色值 Green=rgb1 256 Mod 256 获得获得(hud)绿色值绿色值 Blue=rgb1 65536 获得获得(hud)兰色值兰色值 取取R、G、B三分量平均值作为灰度三分量平均值作为灰度 col=(Red+Green+Blue)/3 rgb1=RGB(col,c

11、ol,col)SetPixelV Picture2.hdc,i,j,rgb1 Next j Next iPicture2.Picture=Picture2.ImageEnd Sub第6页/共94页第七页，共95页。4.1 4.1 彩色图像彩色图像(t xin)(t xin)转灰度图像转灰度图像(t(t xin)xin)4 4、加权平均法、加权平均法Private Sub Command5_Click()Picture1.Picture=Picture2.Picture w=Picture1.ScaleWidth h=Picture1.ScaleHeightFor i=0 To w-1 For

12、j=0 To h-1 rgb1=GetPixel(Picture1.hdc,i,j)Blue=rgb1 mod 256 获得兰色值获得兰色值 Red=rgb1256 mod 256 获得红色值获得红色值 Green=rgb1 65536 获得绿色获得绿色(l s)值值 将三原色取其权值转换为灰度将三原色取其权值转换为灰度 Y=(9798*Red+19235*Green+3735*Blue)32768 将灰度转换为将灰度转换为RGB rgb1=RGB(Y,Y,Y)SetPixelV picture2.hdc,i,j,rgb1 Next j Next iPicture2.Picture=Pictu

13、re2.ImageEnd Sub第7页/共94页第八页，共95页。4.2 4.2 直直 方方 图图 直方图的基本概念直方图的基本概念 灰度直方图表示灰度直方图表示(biosh)(biosh)图像中具有某种灰度级的像素的个数。图像中具有某种灰度级的像素的个数。6646313266416665436646611223466543211524354652614第8页/共94页第九页，共95页。直方图的性质直方图的性质(xngzh)(xngzh)（3 3）图图像像(t(t xin)xin)各各子子区区的的直直方方图图之之和和就就等等于于该该图图像像(t(t xin)xin)全图的直方图。全图的直方图。

14、（1 1）只含图像只含图像(t xin)(t xin)各灰度值像素出现的概率，而无位置信息。各灰度值像素出现的概率，而无位置信息。（2 2）图像图像(t xin)(t xin)与直方图之间是多对一的映射关系。与直方图之间是多对一的映射关系。第9页/共94页第十页，共95页。在离散在离散(lsn)(lsn)形式下形式下,灰度直方图的计算如下：灰度直方图的计算如下：在坐标在坐标(zubio)(zubio)中做出中做出rkrk与与pr(rk)pr(rk)的关系图形，即为该图像的直方图。的关系图形，即为该图像的直方图。rkrk代表代表(dibio)(dibio)离散离散灰度级灰度级p pr r(r r

15、k k)代表概代表概率密度函数率密度函数,表示原始图像表示原始图像的灰度分布的灰度分布n nk k为图像中出现为图像中出现r rk k级灰度的像素数级灰度的像素数n n是图像像素总数是图像像素总数直方图的计算与简单绘制直方图的计算与简单绘制 第10页/共94页第十一页，共95页。LineLine方法：方法：object.Line(x1,y1)-(x2,y2)object.Line(x1,y1)-(x2,y2)，RGB(Red,Green,Blue)RGB(Red,Green,Blue)(x1,y1)(x1,y1)是直线的起点坐标是直线的起点坐标(zubio)(zubio)，若省略，若省略(x1

16、,y1)(x1,y1)，则起点为当前坐，则起点为当前坐标标(zubio)(zubio)位置位置(CurrentX,CurrentY)(CurrentX,CurrentY)。(x2,y2)(x2,y2)是直线的终点坐标是直线的终点坐标(zubio)(zubio)。直方图程序设计直方图程序设计(chn x sh j)(chn x sh j)scalescale方法：方法：object.scale(x1,y1)-(x2,y2)object.scale(x1,y1)-(x2,y2)用于设定用于设定(sh dn)(sh dn)坐标系统。坐标系统。(x1,y1)(x1,y1)是坐标系统的左上角坐标，是坐标

17、系统的左上角坐标，(x2,y2)(x2,y2)是坐标系统的右下角坐标。是坐标系统的右下角坐标。设计一图像直方图程序设计一图像直方图程序第11页/共94页第十二页，共95页。一一幅幅(y(y f)f)给给定定图图像像的的灰灰度度级级分分布布在在0r10r1范范围围内内（灰灰度度级级进行了归一）。可以对进行了归一）。可以对0,10,1内的任一内的任一r r值进行变换值进行变换 s=T(r)s=T(r)变换函数变换函数T(r)T(r)应满足下列条件：应满足下列条件：（1 1）在在0r10r1区间内，区间内，T(r)T(r)值单调增加；值单调增加；（2 2）对于对于0r10r1，有有 0s1 0s1。

18、保证了图像保证了图像(t xin)(t xin)的灰度级从白到黑的次的灰度级从白到黑的次序不变序不变保证了映射变换后的保证了映射变换后的像素像素(xin s)(xin s)灰度灰度值在容许的范围内值在容许的范围内直方图的映射变换直方图的映射变换第12页/共94页第十三页，共95页。直直方方图图均均衡衡化化处处理理(chl)(chl)是是以以累累积积分分布布函函数数变变换换法法为为基基础础的的直方图修正法。变换函数为直方图修正法。变换函数为 式中：式中：是积分变量，而是积分变量，而 就是就是r r的累积分布函数。的累积分布函数。直方图均衡直方图均衡(jnhng)(jnhng)第13页/共94页第

19、十四页，共95页。当灰度级是离散当灰度级是离散(lsn)(lsn)值时：值时：其反变换其反变换(binhun)(binhun)式为式为 664631326641666543664661122346654321直方图均衡直方图均衡(jnhng)(jnhng)第14页/共94页第十五页，共95页。rknknk/nr5=1r1=1/5r2=2/5r3=3/5r4=4/5r0=014/364/365/366/362/365/36n5=14n1=4n2=5n3=6n4=2n0=51 2 3 4 5 6直方图均衡直方图均衡(jnhng)(jnhng)1 2 3 4 5 6第15页/共94页第十六页，共95

20、页。Matlab程序程序(chngx)：clear all;close all;I=imread(pout.tif);subplot(2,2,1),imshow(I);title(原图像原图像);subplot(2,2,2),imhist(I);title(原图像的直方图原图像的直方图);J=histeq(I);%直方图均衡化直方图均衡化subplot(2,2,3),imshow(J);title(直方图均衡化后的图像直方图均衡化后的图像);subplot(2,2,4),imhist(J);title(均衡化后的图像的直方图均衡化后的图像的直方图)第16页/共94页第十七页，共95页。直方图均

21、衡直方图均衡(jnhng)(jnhng)第17页/共94页第十八页，共95页。4.3 4.3 灰灰 度度 变变 换换 灰度线性变换 原图像(t xin)f(x,y)的灰度范围为a,b，希望变换后图像(t xin)g(x,y)的灰度范围扩至c,d，则线性变换可表示为:第18页/共94页第十九页，共95页。2552550输入灰度输出灰度实例实例(shl)(shl)：逆：逆反处理反处理For j=0 To h-1 For i=0 To w-1 g(i,j)=255-f(i,j)Next iNext j第19页/共94页第二十页，共95页。突出突出(t ch)(t ch)感兴趣的灰度区间。感兴趣的灰度

22、区间。常用的三段线性变换法其数学表达式如下：常用的三段线性变换法其数学表达式如下：分段分段(fn dun)(fn dun)线性变换线性变换 第20页/共94页第二十一页，共95页。利用利用MatlabMatlab进行进行(jnxng)(jnxng)图像灰度变换图像灰度变换第21页/共94页第二十二页，共95页。设计设计(shj)(shj)程序程序figure(1);i=imread(car.bmp);i=im2double(i);imshow(i);title(原图);figure(2);r=0:0.001:1;s=r0.35.*r*0.3+r=0.35.*(0.105+2.6333*(r-0

23、.35)+r0.65.*(1+0.3*(r-1);plot(r,s);title(变换公式(gngsh);figure(3);T1=i0.35.*i*0.3+i=0.35.*(0.105+2.6333*(i-0.35)+i0.65.*(1+0.3*(i-1);imshow(T1);title(变换后图像);imwrite(T1,car_T1.bmp,bmp);im2double函数：如果输入是函数：如果输入是 uint8，unit16，或者是二值的或者是二值的logical类型，则函类型，则函数数im2double 将其值归一化到将其值归一化到01之间。之间。如果输入本身如果输入本身(bnsh

24、n)就是就是double类型，类型，输出还是输出还是double类型，并不进行归一化。类型，并不进行归一化。第22页/共94页第二十三页，共95页。结果结果(ji gu)(ji gu)演示演示第23页/共94页第二十四页，共95页。非线性变换非线性变换(binhun)(binhun)常见常见(chn jin)(chn jin)的几种非线性变换函数的几种非线性变换函数 第24页/共94页第二十五页，共95页。2552550输入灰度输出灰度减小灰度减小灰度G(x,y)=f(x,y)2 0f(x,y)1第25页/共94页第二十六页，共95页。减小灰度减小灰度I=imread(car.bmp);I=i

25、m2double(I);imshow(I)title(原图像原图像)figure;plot(0:0.01:1,(0:0.01:1).2)title(平方灰度变换函数平方灰度变换函数(hnsh)figure;J=I.2;%平方变换平方变换imshow(J)title(灰度减小图像灰度减小图像)第26页/共94页第二十七页，共95页。增加增加(zngji)灰度灰度2552550输入灰度输出灰度G(x,y)=sqr(f(x,y)0f(x,y)=50);%可通过修改阈值实现不同锐化效果可通过修改阈值实现不同锐化效果 J2(K)=G(K);figure,imshow(J2,map);MatlabMatl

26、ab程序程序(chngx)(chngx)第52页/共94页第五十三页，共95页。运行运行(ynxng)(ynxng)结果结果不同不同(b tn)阈值下的锐化效果图（阈值下的锐化效果图（T=7、50）第53页/共94页第五十四页，共95页。第三种：第三种：式中：式中：T T是根据需要指定的一个灰度级，它将明显是根据需要指定的一个灰度级，它将明显(mngxin)(mngxin)边缘边缘用一固定的灰度级用一固定的灰度级LGLG来实现。来实现。第54页/共94页第五十五页，共95页。I,map=imread(lena.bmp);I,map=imread(lena.bmp);imshow(I,map);

27、imshow(I,map);I=double(I);I=double(I);Gx,Gy=gradient(I);%Gx,Gy=gradient(I);%计算计算(j sun)(j sun)梯度梯度 G=sqrt(Gx.*Gx+Gy.*Gy);%G=sqrt(Gx.*Gx+Gy.*Gy);%注意是矩阵点乘注意是矩阵点乘 J3=I;%J3=I;%第三种图像增强第三种图像增强 K=find(G=50);K=find(G=50);J3(K)=255;J3(K)=255;figure,imshow(J3,map);figure,imshow(J3,map);MatlabMatlab程序程序(chngx)

28、(chngx)第55页/共94页第五十六页，共95页。运行运行(ynxng)(ynxng)结果结果不同不同(b tn)阈值下的锐化效果图（阈值下的锐化效果图（T=7、50）第56页/共94页第五十七页，共95页。第四种：第四种：此法将背景用一个固定灰度级此法将背景用一个固定灰度级LGLG来实现，便于研究边缘来实现，便于研究边缘(binyun)(binyun)灰度的变化。灰度的变化。第57页/共94页第五十八页，共95页。I,map=imread(lena.bmp);I,map=imread(lena.bmp);imshow(I,map);imshow(I,map);I=double(I);I=

29、double(I);Gx,Gy=gradient(I);%Gx,Gy=gradient(I);%计算梯度计算梯度 G=sqrt(Gx.*Gx+Gy.*Gy);%G=sqrt(Gx.*Gx+Gy.*Gy);%注意注意(zh y)(zh y)是矩阵点乘是矩阵点乘 J4=I;%J4=I;%第四种图像增强第四种图像增强 K=find(G50);K=find(G50);J4(K)=255;J4(K)=255;figure,imshow(J4,map);figure,imshow(J4,map);MatlabMatlab程序程序(chngx)(chngx)第58页/共94页第五十九页，共95页。运行运行(

30、ynxng)(ynxng)结果结果不同不同(b tn)阈值下的锐化效果图（阈值下的锐化效果图（T=7、50）第59页/共94页第六十页，共95页。第五种第五种:此法将背景和边缘用二值图像表示此法将背景和边缘用二值图像表示(biosh)(biosh)，便于研究边缘所在位置。便于研究边缘所在位置。第60页/共94页第六十一页，共95页。MatlabMatlab程序程序(chngx)(chngx)I,map=imread(lena.bmp);I,map=imread(lena.bmp);imshow(I,map);imshow(I,map);I=double(I);I=double(I);Gx,Gy

31、=gradient(I);%Gx,Gy=gradient(I);%计算梯度计算梯度(t d)(t d)G=sqrt(Gx.*Gx+Gy.*Gy);%G=sqrt(Gx.*Gx+Gy.*Gy);%注意是矩阵点乘注意是矩阵点乘 J5=I;%J5=I;%第五种图像增强第五种图像增强 K=find(G=50);K=find(G=50);Q=find(G=50);J5(Q)=255;J5(Q)=255;figure,imshow(J5,map);figure,imshow(J5,map);第61页/共94页第六十二页，共95页。运行运行(ynxng)(ynxng)结果结果不同不同(b tn)阈值下的锐化

32、效果图（阈值下的锐化效果图（T=7、50）第62页/共94页第六十三页，共95页。2.Sobel 2.Sobel算子算子(sun z)(sun z)-1 0 1-2 0 2-1 0 1-1 -2 -1 0 0 0 1 2 1SxSy可用可用g=|Sx|+|Sy|来代替来代替(dit)第63页/共94页第六十四页，共95页。Sobel Sobel算子不像普通梯度算子那样用两个像素的差值，算子不像普通梯度算子那样用两个像素的差值，这就导致了以下两个优点：这就导致了以下两个优点：（1 1）由于由于(yuy)(yuy)引入了平均因素，引入了平均因素，因而对图像中的随机噪因而对图像中的随机噪声有一定的平

33、滑作用。声有一定的平滑作用。（2 2）由于由于(yuy)(yuy)它是相隔两行或两列之差分，它是相隔两行或两列之差分，故边缘两侧故边缘两侧元素得到了增强，边缘显得粗而亮。元素得到了增强，边缘显得粗而亮。2.Sobel 2.Sobel算子算子(sun z)(sun z)第64页/共94页第六十五页，共95页。MatlabMatlab程序程序(chngx)(chngx)I=imread(lena.bmp);subplot(1,2,1),imshow(I);title(原灰度图原灰度图);I=double(I);h=fspecial(sobel);J1=filter2(h,I);J=I-J1;sub

34、plot(1,2,2),imshow(J);title(sobel算子算子(sun z)边缘锐化后边缘锐化后)如果是彩色图像，添加一条灰度变换函数如果是彩色图像，添加一条灰度变换函数(hnsh)I=imread(花朵花朵.jpg);I=rgb2gray(I);第65页/共94页第六十六页，共95页。运行运行(ynxng)(ynxng)结果结果第66页/共94页第六十七页，共95页。拉普拉斯运算拉普拉斯运算(yn sun)(yn sun)拉普拉斯算子为拉普拉斯算子为 锐化后的图像锐化后的图像g为为 式式中中：f、g分分别别为为锐锐化化前前后后的的图图像像，k为为与与扩扩散散效效应应有有关关的的系

35、系数数。k的的选选择择要要合合理理，太太大大会会使使图图像像中中的的轮轮廓廓边边缘缘产产生生过过冲冲；k太太小，锐化不明显。小，锐化不明显。第67页/共94页第六十八页，共95页。拉普拉斯运算拉普拉斯运算(yn sun)(yn sun)第68页/共94页第六十九页，共95页。当当k=1k=1时，拉普拉斯锐化后的图像时，拉普拉斯锐化后的图像(t xin)(t xin)为为 拉普拉斯运算拉普拉斯运算(yn sun)(yn sun)第69页/共94页第七十页，共95页。I=imread(lena.bmp);subplot(1,2,1),imshow(I);title(原灰度图原灰度图);I=doub

36、le(I);h=fspecial(log);%拉普拉斯算子拉普拉斯算子(sun z)J1=filter2(h,I);J=I-J1;subplot(1,2,2),imshow(J);title(拉普拉斯算子拉普拉斯算子(sun z)边缘锐化后边缘锐化后)MatlabMatlab程序程序(chngx)(chngx)第70页/共94页第七十一页，共95页。运行运行(ynxng)(ynxng)结果结果第71页/共94页第七十二页，共95页。4.6 4.6 图图 像像 分分 割割 概述概述 图像分割是将图像划分成若干个互不相交图像分割是将图像划分成若干个互不相交(xingjio)(xingjio)的的小

37、区域过程，小区域过程，小区域是某种意义下具有共同属性的像素的连通集合。小区域是某种意义下具有共同属性的像素的连通集合。连通是指集合中任意两个点之间都存在着完全属于该集连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。合的连通路径。第72页/共94页第七十三页，共95页。灰度阈值法分割灰度阈值法分割 把图像灰度分成不同的等级，然后用设置灰度阈值的方把图像灰度分成不同的等级，然后用设置灰度阈值的方法确定有意义的区域或分割物体的边界。法确定有意义的区域或分割物体的边界。常用常用(chn yn)(chn yn)的阈值化处理就是图像的二值化处理，选择的阈值化处理就是图像的二值化处理，选择一阈

38、值，将图像转换为黑白二值图像。一阈值，将图像转换为黑白二值图像。图像阈值化处理的变换函数表达式为图像阈值化处理的变换函数表达式为 第73页/共94页第七十四页，共95页。阈值阈值(y zh)(y zh)变换曲线变换曲线 灰度阈值灰度阈值(y zh)(y zh)法分割法分割第74页/共94页第七十五页，共95页。阈值的选取非常(fichng)重要。阈值过大，会提取多余的部分；而阈值过小，又会丢失所需的部分。(a)(b)(c)(d)灰度阈值灰度阈值(y zh)(y zh)法分割法分割第75页/共94页第七十六页，共95页。clc;clc;clear;clear;G=imread(lena.bmp)

39、;%G=imread(lena.bmp);%读入图像读入图像读入图像读入图像figure(1);figure(1);imshow(G);%imshow(G);%显示源图像显示源图像显示源图像显示源图像g=uint8(G);g=uint8(G);h=imhist(g,256)%h=imhist(g,256)%灰度直方图灰度直方图灰度直方图灰度直方图n=numel(g);%n=numel(g);%计算计算计算计算(j sun)(j sun)像素值像素值像素值像素值 p=h/n;%p=h/n;%计算计算计算计算(j sun)(j sun)阈值阈值阈值阈值th=0;th=0;for i=1:256fo

40、r i=1:256 th=th+p(i)*(i-1);th=th+p(i)*(i-1);endendth%th%显示阈值显示阈值显示阈值显示阈值figure(2);figure(2);imshow(im2bw(g,th/255);%imshow(im2bw(g,th/255);%显示处理后的图像显示处理后的图像显示处理后的图像显示处理后的图像第76页/共94页第七十七页，共95页。区域生长区域生长 把一幅图像划分把一幅图像划分(hu fn)(hu fn)成满足某种判据的区域。成满足某种判据的区域。假假定定区区域域的的数数目目以以及及(yj)(yj)在在每每个个区区域域中中单单个个点点的的位位置

41、置已已知，知，则从一个已知点开始，则从一个已知点开始，加上与已知点相似的邻近点形成加上与已知点相似的邻近点形成 一个区域。一个区域。相似性准则：灰度级、相似性准则：灰度级、彩色、彩色、组织、组织、梯度或其他特性。梯度或其他特性。第77页/共94页第七十八页，共95页。如相似性准则如相似性准则(zhnz):(zhnz):邻近点的灰度级与物体的平均灰度级的差小于邻近点的灰度级与物体的平均灰度级的差小于2 2887731326541333543282251798445685521(9+8+8+8)/4=8.25区域区域(qy)(qy)生长生长第78页/共94页第七十九页，共95页。887731326

42、541233543282251798445685521(9+8+8+8+7)/5=8 7*区域区域(qy)生长生长第79页/共94页第八十页，共95页。(4+3+5+5+4)/5=21/5=4.2(21+4+3+5+3)/9=36/9=4(36+4+5+3+6)/13=48/12=4(48+5)/13=53/13=4.1(53+5+6)/15=64/15=4.3887731326412335432822517984456855215 9 8 7 8 8 4 4 5 3 5 4 5 3 3 6 5 5 3 4 5*区域区域(qy)生长生长区域区域(qy)(qy)生长程序生长程序第80页/共94页

43、第八十一页，共95页。*区域区域(qy)聚合聚合 区域聚合可直接区域聚合可直接(zhji)用于图像分割，它要求聚合中的各用于图像分割，它要求聚合中的各个点个点必须在平面上相邻接而且特性相似。必须在平面上相邻接而且特性相似。布莱斯方法布莱斯方法(fngf)：521452445521452445第81页/共94页第八十二页，共95页。54444444554444444444255555522555555444555555545512112522*区域区域(qy)聚合聚合第82页/共94页第八十三页，共95页。*4.7 4.7 图图 像像 匹匹 配配 模模板板匹匹配配是是用用一一个个(y(y)较较小

44、小的的图图像像（模模板板）与与源源图图像像进行进行比较，以确定在源图像中是否存在与该模板相同或相似的比较，以确定在源图像中是否存在与该模板相同或相似的区域，区域，若该区域存在，还可确定其位置并提取该区域。若该区域存在，还可确定其位置并提取该区域。第83页/共94页第八十四页，共95页。模模板板匹匹配配常常用用的的一一种种(y(y zhn)zhn)测测度度为为模模板板与与原原图图像像对对应应区区域域的误差平方和。设的误差平方和。设f(x,y)f(x,y)为为MNMN的原图像，的原图像，t(j,k)t(j,k)为为JK(JMJK(JM，KN)KN)的模板图像，则误差平方和测度定义为的模板图像，则误

45、差平方和测度定义为 *模板模板(mbn)(mbn)匹配匹配第84页/共94页第八十五页，共95页。DS(x,y)原图像中与模板原图像中与模板对应区域对应区域(qy)的能量的能量 DST(x,y)模板模板(mbn)的能量的能量 DT(x,y)模板模板(mbn)与原图像对应与原图像对应区域的互相关区域的互相关 *模板匹配模板匹配第85页/共94页第八十六页，共95页。可用归一化互相关作为误差可用归一化互相关作为误差(wch)(wch)平方和测度，平方和测度，其定义为其定义为 当当x,yx,y变变化化时时,t(j,k),t(j,k)在在原原图图像像区区域域移移动动并并得得出出所所有有R(x,y)R(

46、x,y)值值，R R（x,y)x,y)的最大值便指出了与的最大值便指出了与t(j,k)t(j,k)匹配匹配(ppi)(ppi)的最佳位置。的最佳位置。*模板模板(mbn)(mbn)匹配匹配第86页/共94页第八十七页，共95页。*模板模板(mbn)(mbn)匹配匹配相关系数：相关系数：0.93670.9367 x:0 x:0 y:0 y:0第87页/共94页第八十八页，共95页。*模板模板(mbn)(mbn)匹配匹配相关系数：相关系数：0.94100.9410 x:50 x:50 y:0 y:0第88页/共94页第八十九页，共95页。*模板模板(mbn)(mbn)匹配匹配相关系数：相关系数：0

47、.93090.9309 x:100 x:100 y:0 y:0第89页/共94页第九十页，共95页。*模板模板(mbn)(mbn)匹配匹配相关系数：相关系数：0.92010.9201 x:121 x:121 y:0 y:0第90页/共94页第九十一页，共95页。*模板模板(mbn)(mbn)匹配匹配相关系数：相关系数：0.87200.8720 x:63 x:63 y:85 y:85第91页/共94页第九十二页，共95页。*模板模板(mbn)(mbn)匹配匹配相关系数：相关系数：0.99590.9959 x:20 x:20 y:145 y:145第92页/共94页第九十三页，共95页。*模板模板(mbn)(mbn)匹配匹配相关系数：相关系数：1 1 x:21 x:21 y:145 y:145第93页/共94页第九十四页，共95页。感谢您的观看感谢您的观看(gunkn)。第94页/共94页第九十五页，共95页。