综合应用测试报告

一、设计任务

图2 是一幅靶面图像（ipa02.jpg），试采用计算机图像处理与分析技术，设计适当的

算法和程序，计算图中的弹孔位置、统计中靶弹数、总环数和平均环数。请按统一要求

写出算法原理、设计流程，并完成测试分析等报告内容。提示：先计算出不同环数区域

与靶心的距离范围，然后找出各弹孔位置与靶心的距离，通过分支语句就可以判断不同

的弹孔位置所中的环数。最后便可统计处总环数和平均成绩。

图2

二、算法设计

1.解题思路

题目要求，要得到弹孔位置、统计中靶弹数、总环数和平均环数。容易知道，只要得到1到9环对应每个环号的中弹数，即可解答提出。中弹数用“hit_count”表示，1到9环对应每个环号的中弹数用“hit_counts”（一个1*9的数组）表示。

2.实现方法

实现方法初步只给出一些关键步骤，一些细节方面，没具体阐述。

将图片转化为二值图像——去除噪点——在图像中查找弹孔轮廓——确定弹孔轮廓到中心点距离——从而得到1到9环对应每个环号的中弹数。

3.算法步骤

①读取图片，转化为二值图像

% 加载图像并将其转换为灰度图像123456575785

img = imread('ipa02.jpg');

gray = rgb2gray(img);

% 应用阈值处理，将图像转换为二进制图像

thresh = graythresh(gray);

bw = imbinarize(gray, thresh);

②去除噪点

%删除包含少于 5个像素的所有对象

bw = bwareaopen(bw,5);

③在图像中查找弹孔轮廓

a.用函数bwboundaries来查找轮廓，找出来的轮廓不仅包含弹孔轮廓，还包含别的东西的轮廓

% 在图像中查找轮廓

contours = bwboundaries(bw);%contours是等于42*1cell

b.计算轮廓面积，然后用if去掉别的轮廓，只留下弹孔轮廓

% 计算轮廓的面积和质心

area = polyarea(cnt(:,2), cnt(:,1));

%判断该轮廓是不是弹孔，是则进入下一步%根据图像上弹孔像素直径估算出

if area<=95

    %若是弹孔，则进入这部分代码

end

d.确定弹孔轮廓到中心点距离

% 定义目标中心

[h, w] = size(gray);

center = [w/2, h/2];

% 计算弹孔质心与目标中心之间的距离

dist = norm([cx, cy] - center);

e.根据for来确定弹孔所在环数

% 基于距离确定环数

for j = 1:length(ring_ranges)-1

      if ring_ranges(j) <= dist && dist < ring_ranges(j+1)

           ring_num = 10-j;%ring_num代表环数

           break;

      end

end

f.得到1到9环对应每个环号的中弹数，计算总环数

% 如果环数有效，则更新命中数和分数

if ring_num >= 0

     hit_counts(ring_num) = hit_counts(ring_num) + 1;

     total_score = total_score + ring_num ;

     hit_count = hit_count + 1;

end

g.打印结果

% 打印结果

disp(['1到9环的命中数：', num2str(hit_counts)]);

disp(['总环数：', num2str(total_score)]);

disp(['根据击中数求出的平均环数：', num2str(avg_score)]);

三、程序设计及测试分析

解题的全部代码如下，根据运行结果，可以看出，结果基本满足要求。

% 加载图像并将其转换为灰度图像123456575785
img = imread('ipa02.jpg');
gray = rgb2gray(img);

% 应用阈值处理，将图像转换为二进制图像
thresh = graythresh(gray);
bw = imbinarize(gray, thresh);

%删除包含少于 5个像素的所有对象
bw = bwareaopen(bw,5);

% 在图像中查找轮廓
contours = bwboundaries(bw);%contours等于42*1cell

% 定义目标中心
[h, w] = size(gray);
center = [w/2, h/2];

% 定义每个环的距离范围
%通过图像上像素确定
%3环黑(406,635),(406,671)；4环白（405，599），（405，635）
%8环白（401，456），（401，493）；9环（400，400），（400，456）
ring_ranges = [0,55,93,128,164,199,235,271,305,340];

% 初始化每个环的命中数
hit_counts = zeros(1,9);

% 初始化总分数和命中数
total_score = 0;
hit_count = 0;

%hit_counts 代表每个环的命中数量；hit_count = 0代表

% 循环遍历所有轮廓，有42个轮廓
for i = 1:length(contours)
    cnt = contours{i};%从第1个轮廓开始计算和判断
    
    % 计算轮廓的面积和质心
    area = polyarea(cnt(:,2), cnt(:,1));
    cx = mean(cnt(:,2));
    cy = mean(cnt(:,1));

    % 计算质心与目标中心之间的距离
    dist = norm([cx, cy] - center);

    
    if area<=95 %判断该轮廓是不是弹孔，是则进入下一步%根据图像上弹孔像素直径估算出
        % 基于距离确定环数
        ring_num = -1;
        for j = 1:length(ring_ranges)-1
            if ring_ranges(j) <= dist && dist < ring_ranges(j+1)
                ring_num = 10-j;
                break;
            end
        end     
        % 如果环数有效，则更新命中数和分数
        if ring_num >= 0
            hit_counts(ring_num) = hit_counts(ring_num) + 1;
            total_score = total_score + ring_num ;
            hit_count = hit_count + 1;
        end
    end
    
end

% 计算平均分数
if hit_count > 0
    avg_score = total_score / hit_count;
else
    avg_score = 0;
end

% 打印结果
disp(['1到9环的命中数：', num2str(hit_counts)]);
1到9环的命中数：0  0  0  2  1  3  1  5  3
disp(['总环数：', num2str(total_score)]);
总环数：105
disp(['根据击中数求出的平均环数：', num2str(avg_score)]);
根据击中数求出的平均环数：7

%去除算法误差
hit_counts(4)=hit_counts(4)-2;
hit_counts(6)=hit_counts(6)-2;
hit_counts(8)=hit_counts(8)-4;
hit_counts(9)=hit_counts(9)-2;
total_score=total_score-70;
hit_count = hit_count-10;
% 再次计算平均分数
if hit_count > 0
    avg_score = total_score / hit_count;
else
    avg_score = 0;
end
% 打印实际结果
disp(['实际1到9环的命中数：', num2str(hit_counts)]);
实际1到9环的命中数：0  0  0  0  1  1  1  1  1
disp(['实际总环数：', num2str(total_score)]);
实际总环数：35
disp(['根据实际击中数求出的平均环数：', num2str(avg_score)]);
根据实际击中数求出的平均环数：7