MATLAB：Image Processing Toolbox工具箱入门实战(2)，2024年阿里大数据开发高级面试题分享

imshow(rgb)
hBright = viscircles(centersBright, radiiBright,‘Color’,‘b’); % 蓝色画出
h = viscircles(centers,radii); % 红色画出

![](https://img-blog.csdnimg.cn/direct/270e92d7cd1745bf8020aa6533d0983c.png)


#### 3.实战项目二：图像增强（预处理）统计米粒


本案例说明如何在分析前的预处理步骤增强图像。例如校正背景亮度不均匀问题，并将图像转换为二值图像，以便于识别前景对象（单个米粒）。然后分析对象，例如计算每粒大米的面积，并计算图像中所有对象的统计量。


关于**形态学图像处理**的知识（strel腐蚀和imopen形态学开操作），可参考冈萨雷斯的数字图像处理第9章和以下资料：


[形态学运算与仿真：图像处理中形态学操作的简单解释 - 知乎 (zhihu.com)![icon-default.png?t=N7T8](https://csdnimg.cn/release/blog_editor_html/release2.3.6/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=N7T8)https://zhuanlan.zhihu.com/p/628780157](https://zhuanlan.zhihu.com/p/628780157 "形态学运算与仿真：图像处理中形态学操作的简单解释 - 知乎 (zhihu.com)")


简而言之，形态学运算包括膨胀、腐蚀、开运算、闭运算等。其中：


* 膨胀操作可以将图像中的物体变大，使它更加连通；
* 腐蚀操作则可以将图像中的物体变小，使它更加细化；
* 开运算可以去除噪声，平滑图像的边缘；
* 闭运算可以填补图像中物体的孔洞。


这里应用strel腐蚀和imopen形态学开操作，目的是得到背景。


经过预处理得到图像的二值版本，然后利用bwconncomp（）在二值图像中查找所有连通分量（对象）得到所有米粒的信息。最后展示了经过预处理后的图片和米粒面积的直方图：


![](https://img-blog.csdnimg.cn/direct/82d9cf0012354ea68dc81fed2b33180a.png)

I = imread(‘rice.png’);
% imshow(I)

% strel 对象表示一个平面形态学结构元素，该元素是形态学膨胀和腐蚀运算的重要部分。
se = strel(‘disk’,15);
% 开操作Open先对图像进行腐蚀操作，然后再进行膨胀操作的组合过程，可以用于消除小的物体或细节，并且可以平滑物体的边界
% 闭操作Close则相反，它是先对图像进行膨胀操作，然后再进行腐蚀操作的组合过程。可以用于填补小的空洞或裂缝，并且也可以平滑物体的边界。
% imopen执行形态学开操作，然后得到背景
background = imopen(I,se);
% imshow(background)
I2 = I - background;
% 默认情况下，imadjust 对所有像素值中最低的 1% 和最高的 1% 进行饱和处理。此运算可提高输出图像的对比度。
I3 = imadjust(I2);
bw = imbinarize(I3); % 使用 imbinarize 函数将灰度图像转换为二值图像
bw = bwareaopen(bw,50); % 使用 bwareaopen 函数去除图像中的背景噪声。
cc = bwconncomp(bw,4); % bwconncomp查找二值图像中的连通分量
% cc.NumObjects
labeled = labelmatrix(cc); % 使用 labelmatrix 根据 bwconncomp 的输出创建标签矩阵，将二进制图像中的连通分量标记为唯一的整数值。使用标签矩阵可视化不同的连通分量。
RGB_label = label2rgb(labeled,‘spring’,‘c’,‘shuffle’); % 为了更容易区分不同的连通分量，使用label2rgb将标签矩阵显示为RGB图像，并对标签的颜色随机。
% imshow(RGB_label)
graindata = regionprops(cc,‘basic’); % regionprops返回二值图像中每个8连通分量（对象）的属性集的测量值。
grain_areas = [graindata.Area];
histogram(grain_areas)
title(‘Histogram of Rice Grain Area’)

![](https://img-blog.csdni