数字图像处理之matlab大作业：自制图像处理小工具

苗妮

已于 2022-11-23 13:26:07 修改

阅读量1.4w

点赞数 27

分类专栏：数字图像处理之matlab 文章标签： matlab 图像处理

于 2022-11-02 13:33:07 首次发布

本文链接：https://blog.csdn.net/u014655960/article/details/127645119

版权

数字图像处理之matlab 专栏收录该内容

9 篇文章 29 订阅

订阅专栏

学习的过程向来不是容易的，创造一个作品的过程更是不容易的。因此，在文章的最后，提供了两个现成的示例代码，大家直接可以拿来运行。在完成大作业的时候，大家可以在已有作品的基础上，按照自己的需求进行修改，添加我们课程要求的功能，并体会如何完成一个完整的项目。

特别特别希望大家可以把下面的小功能整合成一个完整的项目~ 期待！

下面分功能演示实现细节（这些功能源自于发布的大作业要求）：

1、导入图片（或从摄像头加载图片）；

1）选择文件夹打开照片;

% '*.*'为显示当前文件夹中的所有文件；
% select a picture为文件对话框的标题；
% 'multiselect','on'为打开选择多个模式（默认为关）；
% '.\'为要打开的文件路径
[file,path] = uigetfile('*.*','select a picture','multiselect','on','.\'); 
file_path=fullfile(path,file);
img=imread(file_path);
imshow(img);
title("原图像");

2）从摄像头加载图片；

加载摄像头需要获取硬件支持，所以在matlab上需要安装一个类似于驱动的软件，安装了好久网速不给力呀 ~ 具体细节可参考：

MATLAB调用USB摄像头实现过程_飞天长虹的博客-CSDN博客_matlab调用摄像头

clear,clc,close all;
vid = videoinput('winvideo', 1, 'YUY2_640x480')
set(vid,'ReturnedColorSpace','rgb');
vidRes=get(vid,'VideoResolution');
width=vidRes(1);
height=vidRes(2);
nBands=get(vid,'NumberOfBands');
hImage=image(zeros(vidRes(2),vidRes(1),nBands));
preview(vid,hImage);
start(vid);
img = getsnapshot(vid);
image(img);
imshow(img);title("摄像头获取图像");

2、彩色图像灰度化；

3、灰度图像二值化；

4、目标检测（即两幅图像相减）；

功能2-4，请参考本人博客数字图像处理之matlab实验（一）：基本操作_苗妮的博客-CSDN博客_matlab 形态学区域填充

5、图像的灰度变换（包括指数变换、对数变换）；

6、直方图均衡化

显示处理后图像和处理后图像直方图；处理前后对比效果显示在一张图中。

功能5-6，请参考本人博客

数字图像处理之matlab实验（二）：图像增强_苗妮的博客-CSDN博客

7、图像平滑（去除噪声）

对图像分别添加高斯噪声和椒盐噪声，并分别用均值滤波器、中值滤波器、高斯滤波器处理，并将处理结果显示在一张图中；

8、图像锐化（提取边缘）

分别采用robert和二阶算子提取图像边缘，并将处理结果显示在一张图中；

功能7-8，请参考本人博客

数字图像处理之matlab实验（三）：空间滤波器_苗妮的博客-CSDN博客

9、频域处理

对图像做平滑处理和提取边缘，并将处理结果显示在一张图中；

10、图像复原

对原图做运动模糊，并进行图像复原处理，将原图、模糊图、恢复后的模糊图显示在一张结果图中；

功能9-10，参考本人博客：

11、形态学处理

（1）腐蚀、（2）膨胀、（3）开运算、（4）闭运算处理、（5）形态学滤波、（6）击中与不击中变换；

功能11，参考本人博客

数字图像处理之matlab实验（五）：形态学图像处理_苗妮的博客-CSDN博客

12、图像分割（提取图中的红苹果）

（1）将已知图像进行消噪处理

（2）对彩色图像进行目标和背景分析

（3）通过颜色将图像进行分割

（4）进行形态学处理，提取目标

在将苹果分割的过程中，我们发现直方图分割、阈值分割在这个场景下是失效的，此处给出的是kmeans算法，当然基于颜色的分割效果理论上也是ok的，代码可以自己尝试写一下。

clear,clc,close all;
Image=imread('fruit.jpg');
subplot(121);imshow(Image),title('原图像'); 
hsv=rgb2hsv(Image);
h=hsv(:,:,1);
h(h>330/360)=0;
[N,M]=size(h);
training=h(:);
startdata = [0;60/360;120/360;180/360;240/360;300/360];
[IDX,C]= kmeans(training,6,'Start',startdata);
idbw = (IDX == 1);
template = reshape(idbw, size(h));
subplot(122);imshow(template),title('分割后的图像');
imwrite(template,'clusterseg.jpg');

13、硬币检测及计数

（1）分割硬币

（2）去除噪声

（3）连通区域判断硬币个数

Image=imread('coin.bmp');
subplot(131),imshow(Image),title('原图像');
BW=im2bw(Image);
SE=strel('square',6);
subplot(132),imshow(BW),title('二值图像');
result1=imopen(imclose(BW,SE),SE);               %先闭后开
subplot(133);imshow(result1);title('先闭后开');
[L, NUM] = bwlabel(result1, 4) %检测二值图像中连通域的个数
%[L, NUM] = bwlabel(BW, N)
% BW 为输入二值化图像;
% N 可取值为4或8表示连接四连通或八连通区域;
% NUM 为找到的连通区域数目;
% L 为输出图像矩阵,其元素值为整数,背景被标记为0,第一个连通区域被标记为1,第二个连通区域被标记为2,依此类推.所以你不明白的1,2,3即为第1,2,3个连通区域的标记
S=sprintf('检测到的硬币个数为：%d',NUM);msgbox(S);%弹窗显示运行结果

14、检测特定的形状

本例演示了如何检测矩形:

clear,clc,close all;
image=rgb2gray(imread('shape.png'));
subplot(151),imshow(image),title('原图');
BW=edge(image,'canny');
subplot(152),imshow(BW),title('边界图像');
% imwrite(BW,'shapeedge.jpg');
SE=strel('disk',5); 
Morph=imclose(BW,SE);
subplot(153),imshow(Morph),title('形态学滤波'); 
% imwrite(Morph,'shapemorph.jpg');
Morph=imfill(Morph,'holes');
subplot(154),imshow(Morph),title('区域填充');
imwrite(Morph,'shapefill.jpg');
[B,L]=bwboundaries(Morph);
subplot(155),imshow(L),title('检测圆和矩形');
% imwrite(L,'Lplane.jpg');
STATS = regionprops(L,'Area', 'Centroid','BoundingBox');
len=length(STATS);
hold on
for i=1:len
    R=STATS(i).Area/(STATS(i).BoundingBox(3)*STATS(i).BoundingBox(4));
    boundary=fliplr(B{i});
    everylen=length(boundary);
    F=4*pi*STATS(i).Area/(everylen^2);
    dis=pdist2(STATS(i).Centroid,boundary,'euclidean');
    miu=sum(dis)/everylen;
    sigma=sum((dis-miu).^2)/everylen;
    C=miu/sigma;
    if R>0.9 && F<1 
        rectangle('Position',STATS(i).BoundingBox,'edgecolor','g','linewidth',2);
        plot(STATS(i).Centroid(1),STATS(i).Centroid(2),'g*');
    end
    if R>pi/4-0.1 && R<pi/4+0.1 && F>0.9 && C>10
        rectangle('Position',[STATS(i).Centroid(1)-miu,STATS(i).Centroid(2)-miu,2*miu,2*miu],...
            'Curvature',[1,1],'edgecolor','r','linewidth',2); 
        plot(STATS(i).Centroid(1),STATS(i).Centroid(2),'r*');
    end
end
hold off