基于matlab的工业摄影作业文库

工业摄影测量技术。

基于matlab图像处理软件的设计。

基于matlab的数字图像处理。

matlab对于技术计算来说是一种高性能的语言。它以易于应用的环境集成了计算、可视化和编程，在该环境下，问题及其解以我们熟悉的数学表示法来表示。本软件主要通过matlab实现以下几个功能：

算子边缘提取。

3.几种滤波器的实现。

4.数出图像中米粒个数。

5.将全方位图像展开。

6.分割图像中环形针并标出其质心及方向。

本次简易的图像处理软件是利用matlab的gui界面来实现。

关键字：matlab,log,canny,滤波器，数米粒，图像展开，方位辨识。

本软件界面如图2.1所示：

图2.1 软件界面。

界面设计是通过任务要求来设计，包含log算子边缘提取、canny算子边缘提取、滤波、数数目、图像展开及方位分析。左右两个显示屏分别显示图像处理前后的图像。

算子边缘提取的实现。

log算子可有效的滤除噪声信号并提取出清晰的边缘轮廓。具体分为以下4步：

1）对图像进行高斯平滑滤波，去除噪声信号。

关键**：n1=floor((n+1)/2

for i=1:n

for j=1:n

b(i,j) =exp(-(i-n1)^2+(j-n1)^2)/(2*sigma

end end

a=conv2(i,b,'same

其中，n为高斯模板大小，sigma为方差。

2）利用二维拉普拉斯函数进行二阶求导争强边缘信号。

关键**：for i=2:w-1

for j=2:h-1

f=a(i+1,j+1)+a(i+1,j-1)+a(i-1,j-1)+a(i-1,j+1)+a(i+1,j)+a(i-1,j)+a(i,j+1)+a(i,j-1)-8*a(i,j

其中，w,h分别表示图像的长宽。通过图像a与拉普拉斯算子进行卷积，从而突出了边缘信号。

3）对边缘进行过零检测。

4）使用线性内插方法在亚像素分辨率水平上估计边缘的位置。

由于对于后两步算法掌握不是很好，顾只对其进行阈值比较二值化。

关键**：e=zeros(w,h);%

e(find(y>s))=1

y为图像，s为二值化阈值，经测试，选取s=120为较好效果。下面是log算子边缘提取效果：

图2.2 log算子效果图。

算子边缘提取的实现。

图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。

根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是canny边缘检测算子。

canny算子边缘提取可分为4步。

1）用高斯滤波器平滑图象，去除噪声信号。

关键**：k1=filter2(fspecial('gaussian'),i);%3*3???

其中，i为输入的图像。

2）用一阶偏导的有限差分来计算梯度的幅值和方向。

关键**：??x,y

for i=1:m-1

for j=1:n-1

gx(i,j)=(k1(i,j+1)-k1(i,j)+k1(i+1,j+1)-k1(i+1,j))/2;%?x???

gy(i,j)=(k1(i,j)-k1(i+1,j)+k1(i,j+1)-k1(i+1,j+1))/2;%?y???

m(i,j)=sqrt(gx(i,j)^2+gy(i,j)^2

a(i,j)=atan2(gy(i,j),gx(i,j

endend

3）对梯度幅值进行非极大值抑制。

仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。（non-maxima suppression,nms）

解决方法：利用梯度的方向。

图2.3 非极大值抑制梯度方向示意图。

四个扇区的标号为0到3，对应3*3邻域的四种可能组合。

在每一点上，邻域的中心象素m与沿着梯度线的两个象素相比。如果m的梯度值不比沿梯度线的两个相邻象素梯度值大，则令m=0。

即：关键**：

if a(i,j)>=1/8*pi&&a(i,j)<1/8*pi

a(i,j)=0;

elseif (a(i,j)>=5/8*pi&&a(i,j)<7/8*pi)||a(i,j)>=3/8*pi&&a(i,j)<-1/8*pi)

a(i,j)=3;

elsea(i,j)=0;

if a(i,j)==0

if m(i,j)m1(i,j)=0;

endend

if a(i,j)==3

if m(i,j)m1(i,j)=0;

endend

经过非极大值抑制后效果如图2.4

图2.4 非极大值抑制效果图。

4）用双阈值算法检测和连接边缘。

双阈值算法。双阈值算法对非极大值抑制图象作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图象n1［i,j］和n2［i， j］。由于n2［i，j］使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。

双阈值法要在n2［i，j］中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在n1［i,j］的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在n1［i,j］中收集边缘，直到将n2［i,j］连接起来为止。设置高低阈值分别为40,20.

关键**：step4 ??

m2=m1m3=m1

x1=str2num(get('string

x2=str2num(get('string'))高？

for i=2:m-1

for j=2:n-1

if m2(i,j)m2(i,j)=0;

endif m3(i,j)m3(i,j)=0;

endend

end至此获得了2个高低阈值处理后的图像，如图2.5

图2.5 双阈值图像。

连接图像关键**：

canny=m3

for i=2:(m-2)

for j=2:(n-2)

if isequal(canny(i,j),0)

if ~isequal(m2(i,j),0)

if ~isequal(sum(sum((canny(i-1:i+1,j-1:j+1)))canny(i,j))

canny(i,j)=m2(i,j);

endend

end连接后效果如图2.6

图2.6 canny算子效果图。

3.几种滤波器的实现。

1）理想低通滤波器。

一个理想的低通滤波器的传递函数由下式确定：

h（u，v）=1 d(u,v)≤d0

0 d（u,v）>d0

式中是从点（u,v）到频率平面的原点的距离。d0为滤波器的截止频率。

关键**：dd=sqrt((i-a0)^2+(j-b0)^2);

if dd<=d0 %?

h=1;else

h=0;end

f(i,j)=h*f(i,j);

设置截止频率为40，效果如图2.7

图2.7 理想低通滤波效果图。

2）理想高通滤波器。

一个二维理想高通滤波器的传递函数为。

h（u,v）= 0 d(u,v)≤d0

1 d(u,v）>d0

式中d(u,v)，d0定义同上。

关键**：dd=sqrt((i-a0)^2+(j-b0)^2);

if dd>=d0 %?

h=1;else

h=0;end

f(i,j)=h*f(i,j);

设置截止频率为40，效果如图2.8

图2.8 理想高通滤波效果图。

3）buttonworth低通滤波器。

一个n阶butterworth低通滤波器的传递函数为：

式中n为阶数，其余同上。

关键**：dd=sqrt((i-a0)^2+(j-b0)^2);

h=1/(1+(dd/d0)^(2*n));

f(i,j)=h*f(i,j);

设置截止频率为40，阶数为2，效果如图2.9

图2.9 butterworth低通滤波效果图。

4）buttonworth高通滤波器。

一个n阶butterworth高通滤波器的传递函数为：

式中n为阶数，其余同上。

关键**：dd=sqrt((i-a0)^2+(j-b0)^2);

h=1/(1+(d0/dd)^(2*n));

f(i,j)=h*f(i,j);

设置截止频率为40，阶数为2，效果如图2.10

图2.10 butterworth高通滤波效果图。

5）guass低通滤波器。

关键**：dd=sqrt((i-a0)^2+(j-b0)^2);

h=exp(-dd^2/(2*d0^2));

f(i,j)=h*f(i,j);

设置截止频率为40，效果如图2.11

图2.11 guass低通滤波效果图。

6）guass高通滤波器。

关键**：dd=sqrt((i-a0)^2+(j-b0)^2);

基于matlab的工业摄影作业文库

基于LMS的MATLAB大作业任思佳

基于MATLAB的数学建模研究

工业设计摄影课作业

其他用户还读了

基于matlab的工业摄影作业 文库

基于LMS的MATLAB大作业任思佳

基于MATLAB的数学建模研究

工业设计 摄影课作业

其他用户还读了

基于matlab的工业摄影作业文库

工业设计摄影课作业