%%%%%%%%%%%%%%%%下面为用于处理的样本‘圆’%%%%%%%%%%%%%%%%%%%%%%%%%
R=8;%%半径R
S=zeros(2*R);
for x1=-R:R-1;
for y1=-R:R-1;
if round(sqrt(x1^2+y1^2))<=R%%圆心在原点的圆的表达函数
%%对圆心在原点的圆进行平移，使x,y都为非负数
x=R+x1+1;
y=R+y1+1;
S(x,y)=1;
end
end
end
figure(1),imshow(S); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%下面为要处理的图形%%%%%%%%%%%%%%%%%%%%%%%%%
W=256;L=512; %%定义边界
X=zeros(W,L);
for i=1:128
for j=1:256
if i<=15|i>=114
if j<103|j>153
X(i+W/4,j+L/4)=1;
end
else if (i>15&i<=56)|(i>=72&i<114)
if (j>50&j<103)|j>153
X(i+W/4,j+L/4)=1;
end
else if i>56&i<72
if j>50&j<206
X(i+W/4,j+L/4)=1;
end
end
end
end
end
end
figure(2),imshow(X); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%下面用S对X进行腐蚀操
作%%%%%%%%%%%%%%%%%%%%%%%%
X1=zeros(W,L);%X1用于存放处理后的图像
M=zeros(2*R);
for m=0:W-2*R
for n=0:L-2*R
%%下面用S对X区域进行‘与’操作%%
for i=1:2*R
for j=1:2*R
M(i,j)=X(i+m,j+n)&S(i,j);
end
end
if M==S %%判断S是否处于X中，等则在S中
X1(m+R,n+R)=1;
end
M=zeros(2*R);
end
end
figure(3),imshow(X1); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%下面用S对X1进行膨胀操作%%%%%%%%%%%%%%%%%%%%%%%%%%
X2=zeros(W,L);%X2用于存放处理后的图像
cnt=0;
for m=0:W-2*R
for n=0:L-2*R
%%下面用S对X区域进行‘与’操作%%
for i=1:2*R
for j=1:2*R
if X1(i+m,j+n)&S(i,j)==1 %%判断S是否与X相交
cnt=1;
break;
end
end
if cnt==1 %%判断是否是由于cnt=1而跳出循环
break;
end
end
if cnt==1 %%判断是否是由于cnt=1而跳出循环
X2(m+R,n+R)=1;
cnt=0; %%将cnt的值置0
end
end
end
figure(4),imshow(X2); ( S )
( X )
( X1 )
( X2 )
北航数图实验报告四图像腐蚀和膨 胀 部门： xxx 时间： xxx 整理范文，仅供参考，可下载自行编辑
北京航空航天大学 数字图像处理实验报告 实验四：图像分割处理 学院 专业方向 班级 学号 学生姓名 指导教师 实验四图像分割处理实验 1．实验目的 <1）了解图像分割的基本原理，并利用图像分割算法进行图像分割处理； <2）掌握数学形态学的基本运算。 2．实验内容 <1）利用类间方差阈值算法实现图像的分割处理； <2）利用形态学处理进行处理结果修正。 3. 实验要求
<1）实验用图: <2）对输入图像进行平滑处理，以减小噪声对分割处理的影响； <3）利用类间方差阈值算法对滤波处理后图像进行分割处理，获取分割图像； <4）利用数学形态学中的腐蚀和膨胀运算处理，剔除分割处理结果中的一些细小的残余误分割点，在进行腐蚀和膨胀运算时可采用半径为r的圆形结构元素，注意比较选取不同r值时的处理结果。b5E2RGbCAP 四、实验代码 function STshiyan4_OpeningFcn(hObject, eventdata, handles, varargin>p1EanqFDPw I=imread('4.bmp'>。 I=rgb2gray(I>。 subplot(3,3,1>。
imshow(I>。 title('原图像'>。 IM=medfilt2(I>。%中值滤波 subplot(3,3,2>。 imshow(IM>。 title('中值滤波后图像'>。 function pushbutton1_Callback(hObject, eventdata, handles>DXDiTa9E3d I1=imread('4.bmp'>。 I1=rgb2gray(I1>。 T=Otsu(I1>。 IM1=medfilt2(I1>。 s=size(IM1>。 for m=1:s(1> for n=1:s(2> if IM1(m,n>>=T IM1(m,n>=255。 else IM1(m,n>=0。 end end end
第二章数字图像处理的基本概念 2.3 图像数字化 图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。 模拟图像数字图像正方形点阵 具体来说，就是把一幅图画分割成如上图所示的一个个小区域（像元或 像素），并将各小区域灰度用整数来表示，形成一幅数字图像。它包括采样和 量化两个过程。小区域的位置和灰度就是像素的属性。 单波段、多波段和超波段图像 2.3.1 采样 将空间上连续的图像变换成离散点的操作称为采样。采样间隔和采样孔 径的大小是两个很重要的参数。 当对图像进行实际的抽样时，怎样选择各抽样点的间隔是个非常重要的 问题。关于这一点，图像包含何种程度的细微的浓淡变化，取决于希望忠实反映 图像的程度。 2.3.2 量化 经采样图像被分割成空间上离散的像素，但其灰度是连续的，还不能用 计算机进行处理。 将像素灰度转换成离散的整数值的过程叫量化。一幅数字图像中不同灰 度值的个数称为灰度级数，用G表示。一般来说，G=2∧g,g就是表示图像像素灰 度值所需的比特位数。 一幅大小为M×N、灰度级数为G的图像所需的存储空间，即图像的数据量，大小为M×N×g（bit）
黑白图像:是指图像的每个像素只能是黑或白，没有中间的过渡，故又 称为二值图像。二值图像的像素值为0或1。例如 灰度图像:灰度图像是指每个像素由一个量化的灰度值来描述的图像。 它不包含彩色信息。 彩色图像:彩色图像是指每个像素由R、G、B三原色像素构成的图像， 其中R、B、G是由不同的灰度级来描述的。 2.3.3 量化参数与数字化图像间的关系 数字化方式可分为均匀采样、量化和非均匀采样、量化。所谓“均匀”,指的是采样、量化为等间隔。图像数字化一般采用均匀采样和均匀量化方式。 非均匀采样是根据图象细节的丰富程度改变采样间距。细节丰富的地方，采样间距小，否则间距大。 非均匀量化是对像素出现频度少的间隔大，而频度大的间隔小。 采用非均匀采样与量化，会使问题复杂化，因此很少采用。 一般来说，采样间隔越大，所得图像像素数越少,空间分辨率低,质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
1设计目的 1掌握图像腐蚀对图像的提取与识别的重要性，提高分析问题解决问题的能力，较深入地理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法 2熟悉数字图像处理的基本概念、原理、和方法，锻炼初步综合利用所学知识深入研究有关信息领域问题的能力，并未以后在此方向上的深入研究奠定基础。 3熟悉掌握一门计算机语言可以进行数字图像的应用与处理设计。
1熟悉掌握matlab仿真的软件的应用平台及使用方法。2理解图像腐蚀的原理。 3设计合理的程序，能实现图像的腐蚀。
3.1关于图像腐蚀 形态学运算只针对二值图像（二进制图像），并依据数学形态学（Mathermatical Morphogy）集合论方法发展起来的图像处理方法，起源于岩相对岩石结构的定量描述工作，在数字图像处理和机器视觉领域中得到了广泛的应用，形成了一种独特的数字图像分析方法和理论。数学形态学是图像处理和模式识领域的新方法，其基本思想是：用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到图像分析和识别的目的。优势有以下几点：有效滤除噪声，保留图像中原有信息，算法易于用并行处理方法有效实现（包括硬件实现），基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法，提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。 二值图像中的一种主要处理是对所提取的目标图形进行形态分析。而形态处理中最基本的是腐蚀与膨胀。腐蚀处理的作用是将目标图形收缩。运算效果取决于结构元素大小内容以及逻辑运算性质。 结构元素是指具有某种确定形状的基本结构元素，例如，一定大小的矩形,圆或者菱形等。 腐蚀处理可以表示成用结构元素对图像进行探测，找出图像中可以放下该结构元素的区域。腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的目标物。如果两目标物间有细小的连通，可以选取足够大的结构元素，将细小连通腐蚀掉[1]。 3.2腐蚀的算法 用3x3的结构元素，扫描图像的每一个像素； 用结构元素与其覆盖的二值图像做“与”操作； 如果都为1，结果图像的该像素为1。否则为0。 结果：使二值图像减小一圈。 把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀(Erosion)的结果。用公式表示为：E(X)={a| Ba X}=X B，如图1.1所示。
数字图像处理 实验指导书 河北工业大学 计算机科学与软件学院
实验一 MATLAB数字图像处理初步 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像类型转换。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化称为采样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。
图1 图像的采样和量化 根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类： 亮度图像(Intensity images) 二值图像(Binary images) 索引图像(Indexed images) RGB图像(RGB images) (1) 亮度图像 一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。若图像是double类，则像素取值就是浮点数。规定双精度型归一化亮度图像的取值范围是[0，1] (2) 二值图像 一幅二值图像是一个取值只有0和1的逻辑数组。 (3) 索引图像 索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。 一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。(4) RGB图像 一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色相
C++图像的膨胀和腐蚀 二值图像是一种简单的图像格式，它只有两个灰度级，即"0"表示黑色的像素点，"255"表示白色的像素点，至于如何从一幅普通的图像获得二值图像，请参考我近期在天极网上发表的《Visual C++编程实现图像的分割》一文。二值图像处理在图像处理领域占据很重要的位置，在具体的图像处理应用系统中，往往需要对于获得的二值图像再进一步进行处理，以有利于后期的识别工作。二值图像处理运算是从数学形态学下的集合论方法发展起来的,尽管它的基本运算很简单，但是却可以产生复杂的效果。常用的二值图像处理操作有许多方法，如腐蚀、膨胀、细化、开运算和闭运算等等。本文对这些内容作些研究探讨， 希望对爱好图像处理的朋友有所帮助。一、腐蚀和膨胀形态学是一门新兴科学，它的用途主要是获取物体拓扑和结果信息，它通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。它在图像处理中的应用主要是： 1.利用形态学的基本运算，对图像进行观察和处理，从而达到改善图像质量的目的； 2.描述和定义图像的各种几何参数和特征，如面积，周长，连通度，颗粒度，骨架和方向性。限于篇幅，我们只介绍简单二值图像的形态学运算，对于灰度图像的形态学运算，有兴趣的读者可以看有关的参考书。
二值图像基本的形态学运算是腐蚀和膨胀，简单的腐蚀是消除物体的所有边界点的一种过程，其结果是使剩下的物体沿其周边比原物体小一个像素的面积。如果物体是圆的，它的直径在每次腐蚀后将减少两个像素，如果物体在某一点处任意方向上连通的像素小于三个，那么该物体经过一次腐蚀后将在该点处分裂为二个物体。简单的膨胀运算是将与某物体接触的所有背景点合并到该物体中的过程。过程的结果是使物体的面积增大了相应数量的点，如果物体是圆的，它的直径在每次膨胀后将增大两个像素。如果两个物体在某一点的任意方向相隔少于三个像素，它们将在该点连通起来。 下面给出具体的实现腐蚀和膨胀的函数代码： ////////////////////////////////二值图像腐蚀操作函数 BOOL ImageErosion(BYTE *pData,int Width,int Height) {//pData为图像数据的指针，Width和Height为图像的宽和高； BYTE* pData1; int m,n,i,j,sum,k,sum1;
MATLAB数字图像处理初步 通过实验对MatLab软件的基本使用基本的了解，学会使用MatLab软件来读取一个特定格式的图像，并通过相关的命令语句对图像进行格式转换、图像压缩、二值化等的处理，掌握利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息，掌握在MATLAB中如何通过imshow()语句来读取图像等等。 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像间如何转化。 二、实验内容及步骤 1．利用imread( )函数读取一幅图像，假设其名为”*.t i f”，存入一个数组中； >>I=imread('*.tif'); 2．利用whos命令提取该读入图像”*.tif”的基本信息； >>whos I 3．利用imshow()函数来显示这幅图像； >>imshow(I); 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； >>imfinfo('*.tif'); 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为flower.jpg； 语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 >>imwrite(I,'*.jpg','quality',50) 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。 >>imwrite(I,'第一个.bmp'); 7．用imread()读入图像：Lenna256.jpg 和camemaman.jpg； >>b=imread('lena256.bmp'); >>c=imread('cameraman.tif');
数字图像处理(冈萨雷斯版，第二版)课后习题及解答(部分) Ch 2 2.1使用2.1节提供的背景信息，并采用纯几何方法，如果纸上的打印点离眼睛0.2m 远，估计眼睛能辨别的最小打印点的直径。为了简明起见，假定当在黄斑处的像点变得远比视网膜区域的接收器（锥状体）直径小的时候，视觉系统已经不能检测到该点。进一步假定黄斑可用1.5mm × 1.5mm 的方阵模型化，并且杆状体和锥状体间的空间在该阵列上的均匀分布。 解：对应点的视网膜图像的直径x 可通过如下图题2.1所示的相似三角形几何关系得到，即 ()()220.20.014 d x = 解得x =0.07d 。根据2.1节内容，我们知道：如果把黄斑想象为一个有337000个成像单元的正方形传感器阵列，它转换成一个大小580×580成像单元的阵列。假设成像单元之间的间距相等，这表明在总长为1.5 mm 的一条线上有580个成像单元和579个成像单元间隔。则每个成像单元和成像单元间隔的大小为s =[(1.5 mm)/1159]=1.3×10-6 m 。如果在黄斑上的成像点的大小是小于一个可分辨的成像单元，在我们可以认为改点对于眼睛来说不可见。换句话说，眼睛不能检测到以下直径的点：x =0.07d<1.3×10-6m ，即d <18.6×10-6 m 。 下图附带解释：因为眼睛对近处的物体聚焦时，肌肉会使晶状体变得较厚，折射能力也相对提高，此时物体离眼睛距离0.2 m ，相对较近。而当晶状体的折射能力由最小变到最大时，晶状体的聚焦中心与视网膜的距离由17 mm 缩小到14 mm ，所以此图中选取14mm(原书图2.3选取的是17 mm)。 图 题2.1 2.2 当在白天进入一个黑暗的剧场时，在能看清并找到空座位时要用一段时间适应，2.1节(视觉感知要素)描述的视觉过程在这种情况下起什么作用？ 解：根据人眼的亮度适应性，1）由于户外与剧场亮度差异很大，因此当人进入一个黑暗的剧场时，无法适应如此大的亮度差异，在剧场中什么也看不见；2）人眼不断调节亮度适应范围，逐渐的将视觉亮度中心调整到剧场的亮度范围，因此又可以看见、分清场景中的物体了。
《数字图像处理》 实验报告 姓名学号专业电子科学与工程学院实验5 一、实验目的 本次实验的处理对象是二值图像，关于二值图像的处理运算主要包括腐蚀和膨胀。它们是其他处理过程的主要运算环节。开闭操作通过腐蚀和膨胀的不同顺序组合，能够使图像平滑，开闭操作再组合能够成噪声滤波器。形态学中的击中击不中变换也应用了腐蚀的运算，用于判断图像中能否找到目标结构，这在图像细化中也得到了应用。 本次实验主要实现： 1．图像的边缘提取； 2．在边缘提取的基础上实现区域填充； 3．在区域填充的基础上实现图像细化； 4．在图像细化的基础上实现图像粗化。 在Matlab软件的自带函数库中其实本身就包含有以上处理过程的函数，为了深入理解每种处理过程的原理，本次实验所有运算都自行编写实现。 二、核心代码及运行后截图 主函数： %%读取图像 clear;clc; I=imread('onepiece.jpg'); I=im2bw(I);%转换为二值图像 [m,n]=size(I); %%边界提取 f=im2bw([0,1,0;1,1,1;0,1,0]);%腐蚀用的结构元素 F=fs(I,f); BW=im2bw(I-F);%用原图减去腐蚀获得边缘 figure;imshow(I);title('原图'); figure;imshow(F);title('腐蚀图像'); figure;imshow(BW);title('边界');
在上面的运行效果图上看来，由于原图选择的原因，周围一圈白线有一定宽度但不足够粗，大概只有2~3个像素宽度而腐蚀用元素大小为3×3，这导致腐蚀后图像留下的白线看起来残缺不全，用原图减去腐蚀后得到的边缘图像也在白线处有“粘在一块”的现象。只要使用更高一些分辨率的图片即可避免这样的情况。但出于后续试验的运行速度考虑，本实验就使用此图（300×300）。观察图像其他地方，有足够的像素宽度被腐蚀，由此提取的边缘也很清晰。 %%区域填充 I1=fillbw(BW,40,40);%fillbw函数实现指定坐标填充边缘内部，详见主函数后的各子函数 I1=I1|fillbw(BW,40,260);%为避免不必要的计算量，每次填充迭代次数为70 I1=I1|fillbw(BW,100,150);%逐次在图像中选择需填充区域中的起始点以完成填充 I1=I1|fillbw(BW,100,160); I1=I1|fillbw(BW,136,86); I1=I1|fillbw(BW,132,212); I1=I1|fillbw(BW,147,120); I1=I1|fillbw(BW,157,214); I1=I1|fillbw(BW,210,171); I1=I1|fillbw(BW,206,109); I1=I1|fillbw(BW,233,129); I1=I1|fillbw(BW,234,140); I1=I1|fillbw(BW,237,153); I1=I1|fillbw(BW,234,167); I1=I1|fillbw(BW,231,178); I1=I1|fillbw(BW,248,125); I1=I1|fillbw(BW,252,142); I1=I1|fillbw(BW,252,162);
实验一M A T L A B数字图像处理初步-河北 工业大学
实验一 MATLAB数字图像处理初步 网络121 XXX 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像类型转换。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因 仅供学习与交流，如有侵权请联系网站删除谢谢13
此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化称为采样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类： ?亮度图像(Intensity images) ?二值图像(Binary images) 仅供学习与交流，如有侵权请联系网站删除谢谢13
图像的腐蚀和膨胀 研究背景和意义 依据数学形态学集合论方法发展起来的图像处理方法，在数字图像处理和机器视觉领域中得到了广泛的应用，形成了一种独特的数字图像分析和理论。数学形态学是图像处理和模式识别领域的新方法，其基本的思想是：用具有一定形态的结构元素去度量和提取图像中的对应形状，已达到图像分析和识别的目的。 优势有一下几点：有效滤除噪声，保留图像中原有信息，算法很容易用并行处理方法有效实现，基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法，提取的边缘比较平滑，提取的图像骨架也比较连续，断点很少。 二．原理 特殊领域运算形式——结构元素，在每个像素位置上与二值图像对应的区域进行特定的逻辑运算。运算结果是输出图像的相应像素。运算效果取决于结构元素大小、内容以及逻辑运算性质。 结构元素：膨胀和腐蚀操作的最基本组成部分，用于测试输出图像，通常要比待处理的图像小的多。二维平面结构元素由一个数值为0或1的矩阵组成。结构元素的原点(锚点)指定了图像中需要处理的像素范围，结构元素中数值为1的点决定结构元素的领域像素在进行膨胀或腐蚀操作时是否需要参与计算。 常见的形态学运算有腐蚀和膨胀两种： 腐蚀：删除对象边缘某些像素。
膨胀：给图像中的对象边缘添加像素。 三．算法及效果图 膨胀算法：用3X3的结构元素扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为0，结果图像的该像素点为0，否则为1。膨胀算法的效果是使二值图像扩大一圈。 腐蚀的算法：用3X3的结构元素，扫描图像的每一个像素点，用结构元素与其覆盖的二值图像做“与”操作，如果结果都为1，结果图像的该像素点为1，否则为0。 膨胀算法的结果：是二值图像减少一圈。 四．组合使用效果 先腐蚀后膨胀的过程：利用它可以消除小物体，在纤细点处分离物体，平滑较大物体边界，但同时并不会明显改变原来物体的面积。 先膨胀后腐蚀的过程：利用它可以填充物体内细小空洞，连接临近物体、平滑其边界，但同时并不会明显改变原来物体的面积。 通常由于噪声的影响，图像在阈值化后所得到的边界通常都很不平滑，物体区域具有一些噪声孔，而背景区域上散布着一些小的噪声物体，连续的开和闭运算可以有效的改善这种情况。而有时，我们需要经过多次腐蚀，然后再加上相同次数的膨胀，才能产生比较好的处理效果。可见图像的腐蚀与膨胀相结合有时可以使图像有较理想的处理效果。 图像处理分为多种，对于不同的图像腐蚀和膨胀的定义不同。 1. 形态学图像处理是在图像中移动一个结构元素，然后将结构元素
数字图像处理参考教材 （Digital Image Processing ，Computer Image Processing）I.通用教材 I.1 容观澳，清华讲义，计算机图像处理， 2000年版， Pages 351 这是清华一本较早的教材，针对基本概念和方法，系统知识。 特点：1）着重本领域的基本概念、基本方法和系统知识。 2）理论结合实验，避开过多数学推导， 3) 重点介绍算法，免编程。这也是我们本科采取的策略。 内容：1）基本内容（有关图像数学、视觉、光学以及二维变换的基本理论2）图像改善：重点介绍图像增强，图像复原，还有图像重建 3）图像的上网、传输、压缩 4）图像的理解、分割、描述 5）图像的硬件系统设计 I.2 李介谷等，上海交大版，88年版，数字图像处理Pages 278 较早。全面介绍了图像处理的一些模型和算法，主要内容；数字图像的特征、品质及视觉；图像的增强处理；图像修复；图像重建；图像分析和理解；图像信息的编码和压缩。 对基本理论和基本技术介绍全面。 I.3 阮秋琦，电子工业版，01年版，数字图像处理学 Pages 562 主要内容：图像处理中的正交变换、图像增强、图像编码、图像复原、图像重建、图像分析、模式识别等。偏重于基本理论和方法。这本书强调了编码的内容。 全书强调基本理论和基本技术，有较多习题，附一套实验演示软件。 北方交大教材。 I.4 黄贤武等，电子科技大学版，2000年，数字图像处理与压缩编码技术， Pages538 主要加重了图像数据压缩技术的份量-这是多媒体处理技术的关键技术之一。对图形模式识别技术、无损压缩编码技术、预测编码、图像的变换编码、神
第一章概述 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为__________。 5. 数字图像处理包含很多方面的研究内容。其中，________________的目的是根据二维平面图像数据构造出三维物体的图像。 解答:1. 像素5. 图像重建 第二章数字图像处理的基础 一.填空题 1. 量化可以分为均匀量化和________________两大类。 3. 图像因其表现方式的不同，可以分为连续图像和________________两大类。 5. 对应于不同的场景内容，一般数字图像可以分为________________、灰度图像和彩色图像三类。 解答: 1. 非均匀量化 3. 离散图像 5. 二值图像 二.选择题 1. 一幅数字图像是：( ) A、一个观测系统。 B、一个有许多像素排列而成的实体。 C、一个2-D数组中的元素。 D、一个3-D空间的场景。 3. 图像与灰度直方图间的对应关系是：（） A、一一对应 B、多对一 C、一对多 D、都不对 4. 下列算法中属于局部处理的是：（） A、灰度线性变换 B、二值化 C、傅立叶变换 D、中值滤波 5. 一幅256*256的图像，若灰度级数为16，则该图像的大小是：（） A、128KB B、32KB C、1MB C、2MB 6. 一幅512*512的图像，若灰度级数为16，则该图像的大小是：（） A、128KB B、32KB C、1MB C、2MB 解答:1. B 3. B 4. D 5. B 6. A 三.判断题 1. 可以用f(x,y)来表示一幅2-D数字图像。（） 3. 数字图像坐标系与直角坐标系一致。（） 4. 矩阵坐标系与直角坐标系一致。（） 5. 数字图像坐标系可以定义为矩阵坐标系。（） 6. 图像中虚假轮廓的出现就其本质而言是由于图像的灰度级数不够多造成的。（） 10. 采样是空间离散化的过程。（） 解答:1. T 3. F 4. F 5. T 6. T 10. T 1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象（√） 第三章图像几何变换 一.填空题 1. 图像的基本位置变换包括了图像的________________、镜像及旋转。 7. 图像经过平移处理后，图像的内容________________变化。（填“发生”或“不发生”） 8. 图像放大是从小数据量到大数据量的处理过程，________________对许多未知的数据的估计。（填“需要”或“不需要”） 9. 图像缩小是从大数据量到小数据量的处理过程，________________对许多未知的数据的估计。（填“需要”
基于Matlab的腐蚀和膨胀的边缘检测 一、实验目的: 掌握运用Matlab软件对灰度与二值图像的膨胀与腐蚀的处理方法。 二、实验环境（软件条件）： Windws2000/XP MATLAB 7.x 三、实验内容： 1、图像膨胀的Matlab实现 ①实验原理： 膨胀：给图像中的对象边界添加像素。 在操作中，输出图像中所有给定像素的状态都是通过对输入图像的相应像素及邻域使用一定的规则进行确定。在膨胀操作时，输出像素值是输入图像相应像素邻域内所有像素的最大值。在二进制图像中，如果任何像素值为1，那么对应的输出像素值为1。 可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数，即待处理的输入图像和结构元素对象。结构元素对象可以是strel函数返回的对象，也可以是一个自己定义的表示结构元素邻域的二进制矩阵。此外，imdilate 还可以接受两个可选参数：PADOPT(padopt) ——影响输出图片的大小、PACKOPT(packopt).——说明输入图像是否为打包的二值图像(二进制图像)。 ②实验步骤： A、首先创建一个包含矩形对象的二值图像矩阵。 R=zeros(9,10); R(4:6,4:7) =1 R = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 B、使用一个3×3的正方形结构元素对象对创建的图像进行膨胀。
实验一 MATLAB数字图像处理初步 ********************总共10小题******************** 一、实验目的及要求 学习在MATLAB环境下对图像文件的I/O操作，为读取各种格式的图像文件和后续进行图像处理打下基础。 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像间如何转化。 二、实验设备与软件 1．PC计算机 2．MATLAB软件/语言包括图像处理工具箱(Image Processing Toolbox) 3．实验所需要的图片 三．实验内容 1.利用imread函数读取一幅图像，假设其名为flower.tif，存入一个数组中；>>I=imread('pout.tif');
2. 利用whos 命令提取该读入图像flower.tif的基本信息；>>whos I 3.利用imshow函数来显示这幅图像； >>imshow(I)
4.利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；>>imfinfo pout.tif
5.利用imwrite函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为flower.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。>>imwrite(I,'flower.jpg','quality',80) 6.同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。 <同上> 7.用imread函数，读入图像：Lenna.jpg 和camema.jpg；
%%%%%%%%%%%%%%%%下面为用于处理的样本‘圆’%%%%%%%%%%%%%%%%%%%%%%%%% R=8;%%半径R S=zeros(2*R); for x1=-R:R-1; for y1=-R:R-1; if round(sqrt(x1^2+y1^2))<=R%%圆心在原点的圆的表达函数 %%对圆心在原点的圆进行平移，使x,y都为非负数 x=R+x1+1; y=R+y1+1; S(x,y)=1; end end end figure(1),imshow(S); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%下面为要处理的图形%%%%%%%%%%%%%%%%%%%%%%%%% W=256;L=512; %%定义边界 X=zeros(W,L); for i=1:128 for j=1:256 if i<=15|i>=114 if j<103|j>153 X(i+W/4,j+L/4)=1; end else if (i>15&i<=56)|(i>=72&i<114) if (j>50&j<103)|j>153 X(i+W/4,j+L/4)=1; end else if i>56&i<72 if j>50&j<206 X(i+W/4,j+L/4)=1; end end end end end end figure(2),imshow(X); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%下面用S对X进行腐蚀操
形态学运算中腐蚀，膨胀，开运算和闭运算(针对二值图而言) 6.1 腐蚀 腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。 腐蚀的算法： 用3x3的结构元素，扫描图像的每一个像素 用结构元素与其覆盖的二值图像做“与”操作 如果都为1，结果图像的该像素为1。否则为0。 结果：使二值图像减小一圈 把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个a点，所有满足上述条件的 a点组成的集合称做X被B腐蚀(Erosion)的结果。用公式表示为：E(X)={a| Ba X}=X B，如图6.8所示。 图6.8 腐蚀的示意图 图6.8中X是被处理的对象，B是结构元素。不难知道，对于任意一个在阴影部分的点a，Ba 包含于X，所以X被B腐蚀的结果就是那个阴影部分。阴影部分在X的范围之内，且比X小，就象X被剥掉了一层似的，这就是为什么叫腐蚀的原因。 值得注意的是，上面的B是对称的，即B的对称集Bv=B，所以X被B腐蚀的结果和X被Bv腐蚀的结果是一样的。如果B不是对称的，让我们看看图6.9，就会发现X被B腐蚀的结果和X被Bv腐蚀的结果不同。
图6.9 结构元素非对称时，腐蚀的结果不同 图6.8和图6.9都是示意图，让我们来看看实际上是怎样进行腐蚀运算的。 在图6.10中，左边是被处理的图象X(二值图象，我们针对的是黑点)，中间是结构元素B，那个标有origin的点是中心点，即当前处理元素的位置，我们在介绍模板操作时也有过类似的概念。腐蚀的方法是，拿B的中心点和X上的点一个一个地对比，如果B上的所有点都在X的范围内，则该点保留，否则将该点去掉；右边是腐蚀后的结果。可以看出，它仍在原来X的范围内，且比X包含的点要少，就象X被腐蚀掉了一层。 图6.10 腐蚀运算 图6.11为原图，图6.12为腐蚀后的结果图，能够很明显地看出腐蚀的效果。 图6.11 原图
实验一MATLAB数字图像处理初步 一、实验目的 1、熟悉及掌握在MATLAB中能够处理哪些格式图像。（五号宋体） 2、熟练掌握在MA TLAB中如何读取图像。 3、掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4、掌握如何在MA TLAB中按照指定要求存储一幅图像的方法。 5、图像间如何转化。 二、实验原理 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间坐标，f在任何坐标处（x,y）处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 2、数据类和图像类型间的转化 3图像处理基本操作 I=imread(‘原图像名.tif’); % 读入原图像,tif格式 whos I % 显示图像I的基本信息 imshow(I) % 显示图像 % 这种格式知识用于jpg格式，压缩存储图像，q是0-100之间的整数 imfinfo filename imwrite(I,'filename.jpg','quality',q); imwrite(I,'filename.bmp'); % 以位图（BMP）的格式存储图像
电子信息工程学系实验报告 ——适用于计算机课程 课程名称：数字图像处理 实验项目名称：MATLAB 数字图像处理初步 实验时间：3.25 班级： 姓名： 学号： 实 验 目 的: (1) 掌握图像代数运算和几何变换的基本原理 (2) 了解图像代数运算和几何变换的简单应用及MATLAB 实现 实验设备与软件 (3) PC 计算机系统 (4) MATLAB 软件，包括图像处理工具箱(Image Processing Toolbox) (5) 实验图片 实 验 内 容 及 过 程: 1.图像的代数运算 选择两幅图像，一幅是源图像，一幅为背景图像，采用正确的图像代数运算方法，分别实现图像叠加、混合图像的分离和图像的局部显示效果。 （1）选取两幅大小一样的图像Fig2.22(a).jpg 和finger.bmp ，将两幅图像进行加法运算。程序如下：
（2）选择（1）中得到的混合图像lenna_finger.jpg，将混合图像与背景图像finger.bmp 做减法运算，得到源图像，程序如下： （3）程序实现一幅尺寸为300×300像素的灰度图像作为掩模模板，对于需要留下来的区域，
掩模图像的像素值置为1，而在需要被抑制掉的区域，掩模图像的像素值置为0，程序如下： 2.图像的缩放 对一幅图像实现按比例缩小和不按比例任意缩小的效果，以及图像的成倍放大和不按比例放大效果。 选取一幅灰度图像Fig2.22(a).jpg，分别将图像比例放大1.5倍，比例缩小0.7倍，非比例放大到620×380像素，非比例缩小到80×180像素。程序如下：
3.图像的旋转 将图像Fig12.18(a1).jpg分别旋转45度和90度，与原图像相比，观察它们的区别。 读取图像Fig12.18(a1).jpg，设置旋转角度分别45度和90度，采用图像旋转函数 imrotate对图像进行旋转，程序如下：
Matlab基于腐蚀和膨胀的边缘检测 文/天神 一.课题背景： 形态学运算只针对二值图像（二进制图像），并依据数学形态学（Mathermatical Morphogy）集合论方法发展起来的图像处理方法，起源于岩相对岩石结构的定量描述工作，在数字图像处理和机器视觉领域中得到了广泛的应用，形成了一种独特的数字图像分析方法和理论。数学形态学是图像处理和模式识领域的新方法，其基本思想是：用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到图像分析和识别的目的。优势有以下几点：有效滤除噪声，保留图像中原有信息，算法易于用并行处理方法有效实现（包括硬件实现），基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法，提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。 二、课题相关原理： 形态学基本运算： 特殊领域运算形式——结构元素（Structure Element），在每个像素位置上与二值图像对应的区域进行特定的逻辑运算。运算结果是输出图像的相应像素。运算效果取决于结构元素大小内容以及逻辑运算性质。 常见形态学运算有腐蚀（Erosion）和膨胀（Dilation）两种。 集合论是数学形态学的基础。有集合、元素、子集、并集、补集、位移、映像（镜像对称）、差集等集合的基本概念。 对象和结构元素的3种关系：『对象X（Object）、结构元素B（Structure Element）』 B include in X 包含于、B hit X 击中（不全包含）、B miss X 击不中(不包含) 平移、对称集：Bx=Uy{x+y} B^=Uy{-y} 腐蚀：一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y)的集合：如果B的原点平移到点（x,y），那么B将完全包含于X中。 膨胀：将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。利用它可以填补物体中的空洞。B 对X膨胀所产生的二值图像D是满足以下条件的点（x,y）的集合:如果B的原点平移到点（x,y），那么它与X的交集非空。 腐蚀和膨胀运算中存在对偶原理：X⊕B，它是所有满足以下条件的点X'的集合:在B中存在一点y,而且在X中存在一点x,使得x'=x+y。 基本运算：1.开运算（先腐蚀后膨胀的过程）：利用它可以消除小物体，在纤细点处分离物体，平滑较大物体边界，但同时并不明显改变原来物体的面积。OPEN(X,B) 2.闭运算（先膨胀后腐蚀的过程）：利用它可以填充物体内细小空洞，连接临近物体、平滑其边界，但同时并不明显改变原来物体的面积。CLOSE(X,B) 通常由于噪声的影响，图像在阈值化后所得到的边界通常都很不平滑，物体区域具有一些噪声孔，而背景区域上散布着一些小的噪声物体，连续的开和闭运算可以有效的改善这种情况，而有时，我们需要经过多次腐蚀之，后再加上相同次数的膨胀，才能产生比较好的处理效果。 另外两种是3.击中，击不中变换HMT（模板严格匹配）以及4.边缘和骨架（Boundary and Skeleton） 三、腐蚀和膨胀的Matlab实现： 腐蚀：删除对象边界某些像素。 膨胀：给图像中的对象边界添加像素。 在操作中，输出图像中所有给定像素的状态都是通过对输入图像的相应像素及邻域使用一定的规则进行确定。在膨胀操作时，输出像素值是输入图像相应像素邻域内所有像素的最大值。在二进制图像中，如果任何像素值为1，那么对应的输出像素值为1；而在腐蚀操作中，输出像素值是输入图像相应像素邻域内所有像素的最小值。在二进制图像中，如果任何一个像素值为0，那么对应的输出像素值为0。
数字图像处理实验报告实验三
中南大学数字图像处理实验报告 实验三数学形态学及其应用
实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学 T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮） 2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算