图像处理作业

图像处理与分析。

第1题：啤酒厂要对酒瓶的质量进行检测，需要通过摄像机拍摄，找出瓶身上有杂质的酒瓶。要求：

1）杂质实际尺寸为2mm×2mm，所成像的尺寸大于5×5个像素，要对整个范围成像。

2）给出满足要求的像元尺寸、物距、成像面大小以及具体摄像机的型号、成像面的分辨率、镜头焦距等相关参数。

图2 摄相机镜头成像。

取像元尺寸为，则杂质所成像的尺寸最小为。设物距为1米，对2mm×2mm的杂质成像，可知成像的像距最小为：

根据工程光学公式：

得。得镜头的焦距最大为：24.3mm

对于相机分辨率，则要根据成像视野对应的实际范围而定。例如若酒瓶高度为25mm,则视野范围为，成像面大小=6.25mm 所以成像面最小为6.25mmx6.25mm

则相机的成像面分辨率应不小于=625x625

根据上述分析计算，选取符合要求的摄像机参数如下表所示：

表一摄像机相关参数表项。

第2题。利用双线性插值法对**做几何中心的旋转，观察旋转前后图像灰度直方图的变化情况。

图像缩小结果：

原图像缩小后的图像。

图像旋**图1 原始图像图2 中心旋转30度

插值程序：clc;

clear;

i=imread(''

b=imresize(i,0.5,'bilinear');

c=imresize(i,0.5,'nearest');

figure(1)

imshow(i);

figure(2)

imshow(b);

figure(3)

imshow(c);

旋转程序。clc;

clear;

i=imread(''

figure;

imshow(i)

b=imrotate(i,30,'nearest','crop')

figure;

imshow(b)

第3题：选择一张**，对**加椒盐噪声、高斯噪声，然后用均值滤波和中值滤波对**进行处理。要选择3x3，5x5，7x7的窗口分别进行滤波。

程序：i=imread('**。

j1=imnoise(i,'salt & pepper',0.02);

j2=imnoise(i,'gaussian',0,0.01);

figure(1);

subplot(221),imshow(i),title('原图像');

subplot(222),imshow(j1),title('加入椒盐噪声的图像');

subplot(223),imshow(j2),title('加入高斯噪声的图像');

h1=fspecial('**erage',[3,3]);

h2=fspecial('**erage',[5,3]);

h3=fspecial('**erage',[7,3]);

rgb1=imfilter(j1,h1);

rgb2=imfilter(j1,h2);

rgb3=imfilter(j1,h3);

rgb4=imfilter(j2,h1);

rgb5=imfilter(j2,h2);

rgb6=imfilter(j2,h3);

figure(2);

subplot(241),imshow(j1),title('加入椒盐噪声的图像');

subplot(242),imshow(rgb1),title('（3*3窗口）')

subplot(243),imshow(rgb2),title('（5*5窗口）')

subplot(244),imshow(rgb3),title('（7*7窗口）')

subplot(245),imshow(j2),title('加入高斯噪声的图像');

subplot(246),imshow(rgb4),title('（3*3窗口）')

subplot(247),imshow(rgb5),title('（5*5窗口）')

subplot(248),imshow(rgb6),title('（7*7窗口）')

l1=medfilt2(j1,[3 3]);

l2=medfilt2(j1,[5 5]);

l3=medfilt2(j1,[7 7]);

l4=medfilt2(j2,[3 3]);

l5=medfilt2(j2,[5 5]);

l6=medfilt2(j2,[7 7]);

figure(3);

subplot(241),imshow(j1),title('加入椒盐噪声的图像');

subplot(242),imshow(l1),title('（3*3窗口）')

subplot(243),imshow(l2),title('（5*5窗口）')

subplot(244),imshow(l3),title('（7*7窗口）')

subplot(245),imshow(j2),title('加入高斯噪声的图像');

subplot(246),imshow(l4),title('（3*3窗口）')

subplot(247),imshow(l5),title('（5*5窗口）')

subplot(248),imshow(l6),title('（7*7窗口）')

程序运行结果如下图1，图2，图3.

图1对**加入椒盐噪声效果和加入高斯噪声的效果。

图2 用均值滤波(选用不同窗口)分别对加入椒盐噪声的图像和加入高斯噪声的图像的处理效果。

图3用中值滤波(选用不同窗口)分别对加入椒盐噪声的图像和加入高斯噪声的图像的处理效果。

第4题：对第3题中的图加椒盐、高斯噪声后做傅里叶变换，看看频域图的差别。

程序：i=imread('**。

j1=imnoise(i,'salt & pepper',0.02);

j2=imnoise(i,'gaussian',0,0.01);

a1=fftshift(i);

a2=fftshift(j1);

a3=fftshift(j2);

b1=fft2(a1);

b2=fft2(a2);

b3=fft2(a3);

figure(1);

subplot(321),imshow(i),title('原图像');

subplot(323),imshow(j1),title('加入椒盐噪声');

subplot(325),imshow(j2),title('加入高斯噪声');

subplot(322),imshow(b1),title('对原图像fft');

subplot(324),imshow(b2),title('对加入椒盐噪声的图像fft');

subplot(326),imshow(b3),title('对加入高斯噪声的图像fft');

运行程序得到的结果如下图：

第5题：设计一个图像处理的算法分别对下图的湖泊进行计数。

首先要用i=imread(''函数读取图像。将图像转换成灰度图像，在转换成二值图像。对图像进行中值滤波，并去掉可以忽略的面积白点。

经过腐蚀膨胀处理后。并用k1=bwlabel(~a2)函数对白点进行计数。

程序如下：i=imread(''

i1=rgb2gray(i);

a=im2bw(i1,0.3);%把灰度图像转换成二值图像。

a=medfilt2(a,[1,1]);进行1*1模板中值滤波。

a1=bwareaopen(a,30);%去掉小面积白点。

figure(1);

imshow(a1);

a1=~a1;

a2=bwareaopen(a1,30);

figure(2);

imshow(a2);

k1=bwlabel(~a2);%计数白点。

a=max(max(k1))

figure(3);

imshow(i1);

figure(4);

imshow(~a2);

运行结果a=29。

图1二值化后的图像。

图2去掉可以忽略的小块的图像。

图像处理案例。

基于图形处理的飞机检测。

目前，在目标检测领域有多种实现方法，如滑动窗口检测法，采用局部梯度特征的sift描述子和hog描述子方法，基于角点检测的目标检测方法，基于模型的part-based model方法以及采用多特征组合的multiftr+motion、hoglbp方法等。基于对各种检测方法的了解，本组采用了如下的检测方式：①读入**②对图像进行预处理③将预处理后的图像进行二值化处理④对二值图的连通区域惊醒处理⑤对原图像及二值图进行角点检测⑥标记符合要求的连通区域并打框输出。

但是这种方法对于图像质量本身有较高要求，如果图像质量较差，边缘信息过于模糊，则容易在图像处理过程中将其判断为不符合要求项过滤掉，从而造成错检，漏检的情况。

在本次检测结果中，我们共检测出目标149个，其中飞机87架，错检62个，漏检飞机8架。就总体而言，多数飞机能够被准确检测出，但是排除伪目标方面仍需要继续改进。

检测方法：对飞机目标的检测主要运用了面积和角点两个特征，处理过程中也用到了灰度变化、二值化、滤波、腐蚀、膨胀、开闭运算等图像处理的基本方法，其核心算法是面积检测和角点检测，借助matlab强大的运算和处理能力，实现了对图像中飞机目标的检测。

方案设计整体流程如下：

读入**：

在处理时发现**很大，所以把**分成了四块区域，选择其中一块来处理，来提高效率，为了提高检测的准确性，选择了飞机最多的一块区域，待处理结果达到预定值时，再将此方法应用于整个**，再根据其他部分的检测结果，对**进行改进。

图像处理作业

图像处理作业

图像处理作业

图像处理作业

其他用户还读了