MATLAB课程设计报告

一幅图像往往包含许多区域，但在对图像的理解和分析时，往往只需要其中的某个部分。因此，为方便使用常需要对目标区域进行提取。传统目标特征的提取通常是通过检测目标边缘像素特性的不连续实现的，因此当区域不同而边界不明显的边缘，就显得无能为力了。

然而，在图像的若干特征中，纹理特征常常被作为目标最重要的特征之一，此外更为重要的是一幅图像中不同的目标纹理的差异往往非常明显。基于这些特性，我们可以利用形态学的方法将目标纹理分割开，从而方便地找到目标区域的边缘。下面将以一副由两个纹理区域组成的简单灰度图像为例详细说明本方法的可行性。

图2-1显示了一副由两个纹理区域组成的简单灰度图像，其中右侧区域包含的斑点的直径比左侧斑点的大。我们的目标是利用形态学的相关知识以纹理为基础找到两个区域的边界。原图像和效果图如下：

图2-1 原图像2-2 最终效果图。

1) 形态学中的闭操作趋向于消除图像中的暗细节(相对于结构元素的大小而言),而相对地保持明亮部分及较大的暗区域不受影响。故我们可以从小到大使用不同大小的结构元素对原图像进行闭操作，从而找到合适的结构元素以消除左侧小斑点，只在原来位置留下浅色的背景。

2) 形态学中的开操作趋向于消除图像中的亮细节(相对于结构元素的大小而言),而相对地保持整体灰度级和较大的亮区域不受影响。故我们选用比右侧大斑点间浅色色块还要大的结构元素对上图进行一次开操作，从而消除斑点间浅色色块，在左边生成浅色区域而在右边生成暗区域。

3) 经过以上两种处理，我们可以得到一副边缘连续的明暗区域分开的灰度图像，接下来我们可以把图像二值化，再利用边缘检测器提取两个纹理区域之间的边界。

4) 将边界叠加到原图像上，查看最终效果。

1) 加载并显示原图像。效果如figure1

2) 选用合适的结构元素（这里选择半径为r=9的饼状结构元素）对原图像进行一次闭操作，目的是消除左侧小斑点，只在原来位置留下浅色的背景。效果如figure2

3) 选用比右侧大斑点间浅色色块还要大的结构元素（r=18的饼状结构元素）对figure2进行一次开操作。目的是消除斑点间浅色色块，在左边生成浅色区域而在右边生成暗区域。效果如figure3

4) 将灰度图像转换为二值图像。效果figure4

5) 利用边缘检测器(这里选用sobel检测器)提取边缘。

6) 将提取出来的边缘图像叠加到原图像上显示出来。最终效果如figure6

f=imread(''

figure(1),imshow(f);

se1=strel('disk',9);

foc=imclose(f,se1);

figure(2),imshow(foc);

se2=strel('disk',18);

fo=imopen(foc,se2);

figure(3),imshow(fo);

bw=im2bw(fo);

figure(4),imshow(bw);

bws=edge(bw,'sobel');

figure(5),imshow(bws);

bws=im2uint8(bws);

f(:,1)=f(:,1)+bws;

f(:,2)=f(:,2)+bws;

f(:,3)=f(:,3)+bws;

figure(6),imshow(f);

本实验成功演示了利用形态学的方法将目标纹理分割开，从而方便地找到目标区域的边缘的过程，很好地弥补了传统方法的不足。同时也证明了利用形态学方法提取图像边缘的可行性和有效性，为遥感图像的应用提供了一种很好的参考方法。