数字图像处理作业

1、数字图像处理作业题目：图像膨胀与图像腐蚀 学院： 班级： 学号： 姓名：一、实验原理1、膨胀：给图像中的对象边界添加像素。将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。利用它可以填补物体中的空洞。B对X膨胀所产生的二值图像D是满足以下条件的点（x,y）的集合:如果B的原点平移到点（x,y），那么它与X的交集非空。数学表达式：BACÅ=可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数，即待处理的输入图像和结构元素对象。结构元素对象可以是strel函数返回的对象，也可以是一个自己定义的表示结构元素邻域的二进制矩阵。此外，imdilate

2、还可以接受两个可选参数：PADOPT(padopt) 影响输出图片的大小、PACKOPT(packopt).说明输入图像是否为打包的二值图像(二进制图像)。2、腐蚀：删除对象边界某些像素。一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y)的集合：如果B的原点平移到点（x,y），那么B将完全包含于X中。数学表达式： BACQ可以使用imerode函数进行图像腐蚀。imerode函数需要两个基本输入参数：待处理的输入图像以及结构元素对象。此外，imerode函数还可以接受3个可选参数：PADOPT(padopt) 影响

3、输出图片的大小、PACKOPT(packopt).说明输入图像是否为打包的二值图像(二进制图像)。M指定原始图像的行数。二、实验内容1、膨胀的实验步骤步骤1，首先创建一个包含矩形对象的二值图像矩阵。BW=zeros(9,10);BW(4:6,4:7) =1步骤2，使用一个3×3的正方形结构元素对象对创建的图像进行膨胀。SE=strel('square',3)步骤3，将图像BW和结构元素SE传递给imdilate函数。BW2=imdilate(BW,SE)步骤4，显示结果。imshow(BW,'notruesize')imshow(BW2,'no

4、truesize');效果图2、腐蚀的实验步骤步骤1，读取图像cameraman.tif （该图像是Matlab当前目录下自带的图片）BW=imread('D:1.jpg '); BW1=rgb2gray(BW);步骤2，创建一个任意形状的结构元素对象SE=strel('arbitrary',eye(5);步骤3，以图像BW1和结构元素SE为参数调用imerode函数进行腐蚀操作。BW2=imerode(BW1,SE);步骤4，显示操作结果imshow(BW1) ,title('原图像');figure,imshow(BW2),title

5、('腐蚀后的图像');效果图3、膨胀和腐蚀联合操作的步骤：步骤1，创建结构元素：clear;close allSE = strel('rectangle',40 30); %注意:结构元素必须具有适当的大小,既可以删电流线又可以删除矩形.步骤2,使用结构元素腐蚀图像: %将会删除所有直线,但也会缩减矩形BW=imread('D:1.jpg ');BW1=rgb2gray(BW);BW2=imerode(BW1,SE);imshow(BW2),title('腐蚀后的图像');figure,imshow(BW1),title('

6、;原图像');步骤3,恢复矩形为原有大小,使用相同的结构元素对腐蚀过的图像进行膨胀.BW3=imdilate(BW2,SE);figure,imshow(BW3), title('膨胀后的图像');效果图4、基于膨胀与腐蚀的形态操作骨架化和边缘检测（1）骨架化：某些应用中，针对一副图像，希望对图像中所有对象简化为线条，但不修改图像的基本结构，保留图像基本轮廓，这个过程就是所谓的骨架化。提供了专门的函数bwmorph，可以实现骨架化操作。clear;close allBW=imread('D:1.jpg ');BW1=rgb2gray(BW);BW2=bw

7、morph(BW1,'skel',Inf);imshow(BW1) ,title('原图像');figure,imshow(BW2) , title('骨架化');效果图（2）边缘检测对于一副灰度二进制图像,如果图像像素值为1,则该像素的状态为ON,如果其像素值为0,则该像素的状态为OFF。在一副图像中，如果图像某个像素满足以下两个条件：1.该像素状态为ON,2.该像素邻域中有一个或多个像素状态为OFF。则认为该像素为边缘像素。Matlab中提供了专门的函数bwperim,可以用于判断一副二进制图像中的哪些像素为边缘像素。>>clea

8、r;close allBW=imread('D:1.jpg ');BW1=rgb2gray(BW);>> BW2=bwperim(BW1);imshow(BW1) ,title('原图像');figure,imshow(BW2) , title('边缘检测后');效果图三、实验结论1、腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。2、膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。3、先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。4、先膨胀后腐蚀的过程称为闭运算。用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。5、通常，由于噪声的影响，图象在阈值化后所得到边界往往是很不平滑的，物体区域具有一些噪声孔，背景区域上散布着一些小的噪声物体。连续的开和闭运算可以有效地改善这种情况。有时需要经过多次腐蚀之后再加上相同次数的膨胀，才可以产生比较好的效果。6、腐蚀操作会去掉物体的边缘点，细小物体所有的点都会被认为是边缘点