DIP 数字图像处理3：形态学综合题（粒子测度实现）

---

DIP 数字图像处理3：形态学综合题（粒子测度实现）

1. 题目：计算粒子大小分布，并画出分布图

提示：
1)选择合适的开运算结构元大小及增量步长，结构元取元素全为1的正方形结构元
2)原始图像与图像开运算后相减后，还要做灰度阈值处理，只考虑哪些灰度差足够大的区域
3)分布频率对应于灰度显著变化的区域的面积除以结构元大小（33,55,…)
提示：

• 可用自动或手动方法排除背景干扰（即去掉自动评测的区域）！
• 某一尺度下的WTH将保留比该尺度小的所有亮细节，要想得到单一尺度的亮细节，应该把比它小的细节都减去。比如WTH(n)- WTH(n-2)保留的就是尺度介于n到n-2的亮细节 （比如尺度n是(2n+1)*(2n+1)的结构元！）

2. 实验环境：

win10 + Python3.7 + OpenCV4.1

3. 实验步骤：

3.1 将原始图片转成灰度图，高斯去燥；
3.2 设置阈值二值化图像；
3.3 不断增加开运算中正方形结构元的大小，记录相邻两次的差值；
3.4 用面积的变化除以结构元的宽度，反应原图中粒子的尺寸；

4. 实验中使用到的图像处理操作：

4.1 彩色转灰度图
4.2 高斯模糊
4.3 阈值分割
4.4 开运算

5. 实验结果：

5.1 习题图片对应的粒子测度结果如下：

上图对应的粒子测度如下：

5.2 实验过程中，为了便于调试程序，自己绘制了更加简单的图片用于测试。测试图片和结果如下：

上图对应的粒子测度如下：

5.3. 实验结果说明：
图中的条状图越高，代表原始图片中，当前尺寸的圆越多。
图像中极大值的数目表示图片中圆的尺寸分布情况。
分析可知，第一张图片中主要存在三种尺寸的圆，小圆很多，中等圆较少，最大的“圆”（纸片）最少。

6. 所有代码如下：

#! -*- coding: utf-8 -*-
# py37
# 时间:2019年4月30日09:56:17
# DIP：形态学操作处理应用（粒子测度）
# 粒子测度是一种对图像中粒子的尺度分布进行测量的操作
# 原理：开操作对输入图像中与结构元尺度相似的粒子的亮区域影响最大

import cv2
import matplotlib.pyplot