圖像測量專題試驗

1、圖像測量專題試驗實驗?zāi)康模?. 熟悉ZM-VS1200機器視覺教學(xué)創(chuàng)新實驗平臺的使用，并結(jié)合配套的及其視覺組態(tài)軟件Xavis軟件，學(xué)習(xí)和掌握機器視覺預(yù)處理、尺寸測量、缺陷檢測、圖像融合、視覺跟蹤、模式識別、三維重構(gòu)的方法。2. 利用Matlab軟件，深入掌握相關(guān)圖像處理操作，例如圖像基本處理操作、圖像變換、圖像增強，以及相關(guān)的圖像函數(shù)編程實現(xiàn)。3. 了解有一定應(yīng)用背景的圖像處理算法，例如3D圖像恢復(fù)、圖像融合等等內(nèi)容。實驗一一、 實驗內(nèi)容：圖像基本處理操作圖像顯示、讀寫、像素統(tǒng)計處理、圖像文件I/O等實驗程序：I=imread(Lena.bmp);imshow(I)S=size(I)imwri

2、te(I,img1.png,png)I1,map=imread(img1.png);imfinfo(img1.png)figure, imshow(I1)mean2(I)std2(I)實驗結(jié)果：S = 200 200 3ans = Filename: img1.png FileModDate: 30-Oct-2009 13:39:17 FileSize: 68313 Format: png FormatVersion: Width: 200 Height: 200 BitDepth: 24 ColorType: truecolor FormatSignature: 137 80 78 71 1

3、3 10 26 10 Colormap: Histogram: InterlaceType: none Transparency: none SimpleTransparencyData: BackgroundColor: RenderingIntent: Chromaticities: Gamma: XResolution: YResolution: ResolutionUnit: XOffset: YOffset: OffsetUnit: SignificantBits: ImageModTime: 30 Oct 2009 05:39:17 +0000 Title: Author: Des

4、cription: Copyright: CreationTime: Software: Disclaimer: Warning: Source: Comment: OtherText: ans = 128.2479ans = 58.7742實驗二一、 實驗內(nèi)容：圖像分割邊緣檢測edge、閾值分割graythresh邊緣檢測edge實驗程序：I=imread(coins.png);imshow(I);BW2=edge(I,sobel); figure,imshow(BW2);實驗結(jié)果：實驗分析：邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。有許多方法用

5、于邊緣檢測，它們的絕大部分可以劃分為兩類：基于查找一類和基于零穿越的一類?；诓檎业姆椒ㄍㄟ^尋找圖像一階導(dǎo)數(shù)中的最大和最小值來檢測邊界，通常是將邊界定位在梯度最大的方向。該程序使用了sobel算子，也可用canny算子進(jìn)行邊緣檢測，程序如下：I=imread(coins.png);imshow(I);BW2=edge(I,canny);figure,imshow(BW2);閾值分割graythresh實驗程序：I=imread(coins.png); %讀入圖像subplot(1,2,1); imshow(I); %顯示原圖level=graythresh(I); %域值分割BW=im2bw(

6、I,level); %顯示成二值灰度圖像subplot(1,2,2),imshow(BW)實驗結(jié)果:實驗分析:閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，主要通過設(shè)定不同的特征閾值，把圖像象素點分為假設(shè)干類。常用的特征包括：1.直接來自原始圖像的灰度或彩色特征；2.由原始灰度或彩色值變換得到的特征。設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則f(x，y)中找到特征值T，將圖像分割為兩個部分， 假設(shè)?。篵0=0(黑)，b1=1(白)，即為我們通常所說的圖像二值化。實驗三一、 實驗內(nèi)容:圖像增強直方圖均化、比照度增強、均值濾波、中值濾波直方圖均化實驗程序:I=imread(Lena.bmp);I=rgb2

7、gray(I);J=histeq(I);figure,subplot(221),imshow(I)subplot(222),imshow(J) subplot(223),imhist(I,64)subplot(224),imhist(J,64)實驗結(jié)果:實驗分析:1.直方圖均衡化：是將原圖的灰度直方圖按照分布規(guī)律將其均勻分配到相近的灰度值附近，使得整體圖畫灰度效果較為均衡，圖像更加清晰比照度增強實驗程序:I=imread(pout.tif); %讀入原圖J=imadjust(I,0.3 0.7,); %增強比照度 subplot(1,2,1),imshow(I); %顯示原圖subplot(1

8、,2,2),imshow(J); %顯示增強后的圖象figure, subplot(1,2,1),imhist(I); %顯示原直方圖subplot(1,2,2),imhist(J); %顯示處理后直方圖實驗結(jié)果:實驗分析:2.比照度增強：可以理解為將圖像的灰度分布由較窄的區(qū)域，同比例拉開擴展到大的灰度范圍。即使得灰度分布范圍增大，從而灰度級數(shù)拉開，比照度就增強。其變換的數(shù)值可以由程序員自行設(shè)定?？偨Y(jié)分析：灰度變換是圖像增強的一種重要手段，使圖像比照度擴展，圖像更加清晰，特征更加明顯。灰度級的直方圖給出一幅圖像概貌的描述，通過修改灰度直方圖來得到圖像增強。均值濾波、中值濾波實驗程序:加入噪聲:

9、I=imread(eight.tif);J=imnoise(I,gaussian,0,0.005);Figure,subplot(2,2,1);imshow(I);title(原圖)；Subplot(2,2,2);imshow(J);title(加入高斯噪聲)；均值濾波：K1=filter2(fspecial(average,5),I)/255;Subplot(2,2,3);imshow(K1);title(均值濾波)；中值濾波：K2=medfilt2(J);%中值濾波subplot(2,2,4),imshow(K2);title(中值濾波);實驗結(jié)果:實驗分析:1均值濾波：圖像中一點的像素用

10、其領(lǐng)域內(nèi)點的像素均值來代替。2中值濾波：主要將周圍像素灰度值得差比較大的像素改取與周圍接近的值，消除孤立噪聲點中值濾波的效果要比鄰域均值處理的低通濾波效果要好，主要特點是濾波后圖像的輪廓比較清晰實驗四一、 實驗內(nèi)容：圖像形態(tài)學(xué)分析膨脹、腐蝕、開、閉運算、骨架提?。号蛎泴嶒灣绦?BW1=imread(text.png); %讀取圖像SE=ones(6,2); BW2=imdilate(BW1,SE); %用模版對圖像進(jìn)行膨脹處理imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示膨脹后圖像實驗結(jié)果:實驗分析: 膨脹在數(shù)學(xué)形態(tài)學(xué)中的作用與腐蝕的作用正好相反，它是對二值化物

11、體邊界點進(jìn)行擴充，將與物體接觸的所有背景點合并到該物體中，使邊界點向外部擴張的過程。如果兩個物體之間的距離比較近，則膨脹運算可能會把兩個物體連通到一起，膨脹對填補圖像分割后物體中的空洞很有用。膨脹：用B膨脹A得到的集合是B映像的位移與A至少有一個非零元素元素相交時B的原點位置的集合： 腐蝕實驗程序:BW1=imread(text.png); %讀取圖像SE=ones(3,2); BW2=imerode(BW1,SE); %進(jìn)行腐蝕處理imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示處理后圖像實驗結(jié)果:實驗分析:腐蝕是數(shù)學(xué)形態(tài)學(xué)的兩種最為基本的運算之一，腐蝕在數(shù)學(xué)形

12、態(tài)學(xué)中的作用是消除物體邊界點，使邊界向內(nèi)部收縮的過程，可以把小于結(jié)構(gòu)元素的物體去除。這樣選取不同大小的結(jié)構(gòu)元素，就可以去除不同大小的物體。如兩個物體間有細(xì)小的連通，通過腐蝕可將兩個物體分開。腐蝕：用B腐蝕A的結(jié)果是B完全包括在A中時B的原點位置的集合： 開運算實驗程序:BW1=imread(text.png); %讀取圖像BW2=bwmorph(BW1,open); %進(jìn)行開操作imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示處理后圖像實驗結(jié)果:實驗分析:先腐蝕后膨脹的過程就稱為開運算。原圖經(jīng)過開運算后，能夠去除孤立的小點、毛刺和小橋即連通兩塊區(qū)域的小點，消除小物

13、體、平滑較大物體的邊界，同時并不明顯改變其面積。開啟：用B腐蝕A，再用B膨脹腐蝕的結(jié)果：閉運算實驗程序:BW1=imread(text.png); %讀取圖像BW2=bwmorph(BW1,close); %進(jìn)行閉操作imshow(BW1) %顯示原圖figure,imshow(BW2) %顯示處理后圖像實驗結(jié)果:實驗分析:閉運算是先膨脹后腐蝕的過程，其功能是用來填充物體內(nèi)細(xì)小空洞、連接臨近物體、平滑其邊界，同時不明顯改變其面積。閉合：用B膨脹A，再用B腐蝕膨脹的結(jié)果：骨架提取實驗程序:BW1=imread(circles.png); %讀取原圖BW2=bwmorph(BW1,skel,Inf

14、); %骨架提取subplot(1,2,1),imshow(BW1); %顯示原圖subplot(1,2,2),imshow(BW2); %顯示提取圖像實驗結(jié)果:實驗五一、 實驗內(nèi)容:圖像恢復(fù)維納濾波實驗程序：I,map=imread(LenaGRAY.bmp);J1=imnoise(I,gaussian,0,0.005);K=wiener2(J1,3 3)；subplot(131),imshow(I);title(原圖)subplot(132),imshow(J1);title(噪聲干擾圖)subplot(133),imshow(K);title(濾波后圖像)實驗結(jié)果:實驗分析：維納根據(jù)最小

15、均方誤差準(zhǔn)則(濾波器的輸出信號與需要信號之差的均方值最小)，求得了最正確線性濾波器的參數(shù)，這種濾波器被稱為維納濾波器。圖像恢復(fù)是通過電腦處理，對質(zhì)量下降的圖像加以重建或恢復(fù)的處理過程。因攝像機與物體相對運動、系統(tǒng)誤差、畸變、噪聲等因素的影響，使圖像往往不是真實景物的完善映像。在圖像恢復(fù)中，需建立造成圖像質(zhì)量下降的退化模型，然后運用相反過程來恢復(fù)原來圖像，并運用一定準(zhǔn)則來判定是否得到圖像的最正確恢復(fù)。實驗六一、 實驗內(nèi)容:小波變換二維小波變換和逆變換dwt2、idwt2實驗程序：clc;clear all;A=imread(Lena.bmp);A=rgb2gray(A);S1=size(A)ca

16、1,ch1,cv1,cd1=dwt2(A,db8);figure,subplot(2,2,1);imshow(ca1/255);subplot(2,2,2);imshow(ch1);subplot(2,2,3);imshow(cv1);subplot(2,2,4);imshow(cd1);F=idwt2(ca1,ch1,cv1,cd1,db8,S1);figure,imshow(F/255);size(F)實驗結(jié)果:小波逆變換后得到的結(jié)果如下：實驗分析：小波變換在時域和頻域同時具有良好的局部化性質(zhì)，而且由于對高頻成分采用逐漸精細(xì)的時域和空域取樣不常，從而可以聚焦到對象的任意細(xì)節(jié)，被譽為數(shù)學(xué)顯微

17、鏡。 小波變換的函數(shù)是dwt2()，其反變換的額函數(shù)是idwt()二維小波函數(shù)是通過一維小波函數(shù)經(jīng)過張量積變換得到的，二維小波函數(shù)分解是把尺度j的低頻部分分解成四部分：尺度j+1的低頻部分和三個方向水平、垂直、斜線的高頻部分實驗七一、 實驗內(nèi)容：完成從4光源圖像恢復(fù)出三維圖像。給出大家一組圖像實例，要求大家能夠在3D-MAX中繪制出其他圖像并完成重構(gòu)實驗程序：S3=imread(s1.bmp); %讀取s1S2=imread(s2.bmp); %讀取s2S1=imread(s3.bmp); %讀取s3S0=imread(s4.bmp); %讀取s4wid,len=size(S0);len=le

18、n/3;m_0=max(max(S0);m_1=max(max(S1);m_2=max(max(S2);m_3=max(max(S3);th1=pi/4;ph1=pi/4;th2=pi/4;ph2=pi/4+pi/2;th3=pi/4;ph3=pi/4+pi;th4=pi/4;ph4=pi/4+3*pi/2;L= cos(ph1)*cos(th1) sin(ph1)*cos(th1) sin(th1) cos(ph2)*cos(th2) sin(ph2)*cos(th2) sin(th2) cos(ph3)*cos(th3) sin(ph3)*cos(th3) sin(th3) cos(ph4

19、)*cos(th4) sin(ph4)*cos(th4) sin(th4) M=(inv(L*L)*Li1=0;e1=0;i2=0;e2=0;i3=0;e3=0;i4=0;e4=0;Q=L;A=Q(1:3,1:3);b=Q(:,4);x=Ab;a=x;a(4)=-1;for m=1:1:wid for n=1:1:len i0=double (S0(m,n); m0=double (m_0(1); i1=double (S1(m,n); m1=double (m_1(1); i2=double (S2(m,n); m2=double (m_2(1); i3=double (S3(m,n); m

20、3=double (m_3(1); I= i0 i1 i2 i3; MAX= m0 m1 m2 m3; e=a*I; ee=e*e; if(ee0.7) J,ind=sort(I); Ldark=L(ind(1),:) L(ind(2),:) L(ind(3),:); Idark=J(1:3); Mdark=inv(Ldark); Rd=Mdark*Idark; if Rd(3)=0 Rd(1)=-Rd(1)/Rd(3); Rd(2)=-Rd(2)/Rd(3); else Rd(1)=0; Rd(2)=0; end P(m,n)=Rd(1); Q(m,n)=Rd(2); flag=0; for

21、 index=1:1:4 v=L(index,:); nor=Rd(1),Rd(2),1; nor=nor./norm(nor); temp=dot(v,nor); if(temp0.4) flag=1; break; end end if(flag=1) Lbrig=L(ind(2),:) L(ind(3),:) L(ind(4),:); Ibrig=J(2:4); Mbrig=inv(Lbrig); Rb=Mbrig*Ibrig; if Rb(3)=0 Rb(1)=-Rb(1)/Rb(3); Rb(2)=-Rb(2)/Rb(3); else Rb(1)=0; Rb(2)=0; end P(m,n)=Rb(1); Q(m,n)=Rb(2); end else R=M*I; if R(3)=0 R(1)=-R(1)/R(3); R(2)=-R(2)/R(3); P