形态学图像处理实验

1、形态学图像处理实验1. 算法原理1）提取与图像边界融合的颗粒可利用区域填充算法。 如图1所示为源图像，可将图像先转换为二值图像， 然后对其进 行取反，这样进行区域填充的结果将为与边界相连的颗粒，再与源图像进行比较， 即可得出在源图像中与边界相连的颗粒图像。2）提取彼此交叠的颗粒可利用图像的腐蚀与膨胀操作。先用模板对图像进行腐蚀操作，由于相交叠的颗粒面积必然比独立的颗粒大，因此腐蚀操作之后剩下的部分为交叠颗粒的部分，再对其进行膨胀，将其与源图像进行比较操作，则可得出交叠的颗粒图像。3）提取不交叠的颗粒得出交叠的颗粒之后，用源图像对其相减，则得出的为独立分布的颗粒图像。2. Matlab源代码cl

2、ear allclc第三次作业grain.jpg);imshow(origin);title(原图);origin = rgb2gray(origin);filterResult = medfilt2(origin);m,n = size(origin);%取与边界融合的粒子 %binaryIm = im2bw(origin);tmp =binary Im;%tmp为取反图像fieldFilling = imfill(tmp,holes);figure, imshow(fieldFilling);title(区域填充结果);boudaryGrains = origin;for i = 1:mf

3、orj = 1:nif fieldFilling(i,j) =1boudaryGrains(i,j) = 0;endendendfigure, imshow(boudaryGrains);title(与边界融合的粒子结果);%取交叠与未交叠的粒子%mask1 = strel(ball,12,12);%mask2 = ones(13,13);mask2 = strel(ball,7,7);mask3 = strel(disk,4);mask4 = strel(ball,6,6);resultl = imerode(filterResult,ones(15,15);result2 = filter

4、2(fspecial(average,7),im2double(result1);result2 = medfilt2(result2);result2 = im2uint8(result2);result3 = imdilate(result2,mask1);figure,imshow(result2);title(第一次腐蚀结果);figure,imshow(result3);title(第一次膨胀结果);result4 = origin;for i = 1:mforj = 1:nif result3(i,j) =20result4(i,j) = 0;elseresult4(i,j) =

5、origin(i,j);endendendfigure,imshow(result4);title(阈值处理结果);result5 = imerode(result4,mask4);result6 = imdilate(result5,mask4);figure,imshow(result6);title(交叠粒子结果);result7 = origin-result4;result8 = imerode(result7,mask4);result9 = imdilate(result8,mask4);figure,imshow(result9);title(未交叠粒子结果);3. 运行结果分

6、析1）提取与边界融合的颗粒区域填充结果原图与边界融合的粒子结果2) 提取交叠的颗粒第一次腐蚀结果第一次膨胀结果第一次腐蚀所示结果为在腐蚀之后进行了一次中值滤波和一次 使腐蚀的结果更好，去除独立颗粒的腐蚀残留图像。5X5均值滤波的结果，为阈值处理结果交叠粒子结果调整阈值大小，将腐蚀结果与源图像进行比对，在膨胀结果符合阈值要求的范围内获取源图像颗粒部分，可以看出阈值处理的结果边界有很多残余，为去除这些残余，对其进行开操作，即先腐蚀再膨胀，结果变得比较圆滑，符合颗粒的特征。3) 提取独立的颗粒未交叠粒子结果将源图像减去阈值处理的图像即为未交叠颗粒结果，上图也为将其进行开操作之后的结果。4. 实验结果分析对交叠与独