图像处理期末大作业

华南农业大学期末图像处理与分析开放考查题

09电气4班

曾思涛

200930530434

一、简答题。

1.如图所示，A和B的图形完全一样，其背景与目标的灰度值分别标注于图中，请问哪一个

目标人眼感觉更亮一些？为什么？

答：B感觉更亮一些。

,

因为目标比背景暗，所以越大，感觉越暗，所以A更暗，即B更亮一些。

2.简述图像平滑、图像锐化和边缘检测模板各自的特点。

答：图像平滑的特点：模板内系数全为正，且之和为1；对常数图像处理前后不变，对一般图像处理前后平均亮度不变。

图像锐化：模板内系数有正有负，且之和为1；对常数图像处理前后不变，对一般图像处理前后平均亮度不变。

边沿检测：模板内系数有正有负，且之和为0；对常数图像处理前后为0，对一般图像处理前后为边沿点。

3.有一幅包含水平的、垂直的、45度的和-45度直线的二值图像。假设直线的宽度为1个像素，

灰度值是1（背景的灰度值为0）。请给出一组能够检测出上述直线的3×3模板。

答：如下图所示。

4.简要说明开运算和闭运算各自在图像处理与分析中的作用。

答：1.先腐蚀后膨胀称为开运算；开运算能够有效的消除细小物体、毛刺，能在纤细连续点出分离物体，能平滑较大物体的边界但不明显改变物体的形状、面积和位置。

2.先膨胀后腐蚀称为闭运算：闭运算能够有效地填充物体内部细小的空洞，连接临近物体，

能在不明显改变物体面积的情况下平滑物体的边界。

5.简述描述区域边界的原链码、差分码和形状数的相互关系及各自的特点。

答：原链码具有平移不变性，没有唯一性，没有旋转不变性；差分码具有平移和旋转不变性，没有唯一性；形状数具有唯一性，平移和旋转不变性。

6.目标区域的骨架指的是什么？请画出下列图形的骨架: (1) 一个圆(2) 一个正方形。

答：骨架指的是图像经过细化之后得到的中轴。圆的骨架是它的圆心，正方形的骨架就是它的对角线。如下图所示。

二、计算分析

1.一幅16级灰度的图像，请分别采用3×3的均值滤波器和

中值滤波器对该图像进行降噪处理。绘出这两种滤波器对

图像的滤波结果（只处理灰色区域即可），并说明各自的

特点。

答：均值滤波：，

中值滤波：

均值滤波可以去除突然变化的点噪声，从而滤除一定的噪声，但其代价是图像有一定程度的模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。

均值滤波： 中值滤波：

2. 采用区域生长法分割下列数字图像，分别以图中的灰色点P （5，3）、Q （5，7）为起始生

长点， 生长准则为相邻像素的灰度差不超过2。画出分割后的图像，并计算目标区域的面积和

欧拉数。

答：第一个区域面积为50，第二个区域的面积为1，欧拉数为0。

3. 绘制 X 被结构元素S 腐蚀后的图像。

答：如右图所示

X S 图像

4.下图是一幅分割后的数字图像，试按四连通和八连通分别标出图中所示目标区域的边界。

答：如下图所示。

四连通目标区域八连通目标区域

5.给出图像中红色区域的边界描述：写出各自的原链码、差分码和形状数（※号表示起点）。

三、综合应用题

1.给定一个3×3正方形结构元素S，试采用数学形态学方法提取图中所示月球的边界？写出

算法流程，并编程测试。如果结构元素换成5×5 的正方形，提取到的边界会有何变化？

答：算法流程：

（1）图像分割；

（2）用结构化元素S对图像进行腐蚀；

（3）把二值化的图像减去腐蚀后的图像。如果结构元素换

成5×5的正方形，那么提取到的边界会加粗。（具体测试

程序如附录一所示）。

2.编程计算图中荔枝果实的质心点和采摘点的图像坐标（果

楴点）。写出解题分析、算法流程，上机编程测试，并给

出测试结果。

答：荔枝果实图像的分割主要根据果实的颜色和背景颜色

的差异进行的，在RGB颜色空间里，R通道代表了像素点的红色分量，根据R分量的大小，可以分割出荔枝果实部分图像，但是，由于图像有白色的背景，而白色的R分量也是很大的，所以，根据R分量的大小进行分割，其效果并不好。因而采用Lab颜色空间进行分割，Lab颜色模型由三个要素组成，一个要素是亮度（L），a 和b是两个颜色通道。a包括的颜色是从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；b是从亮蓝色（底亮度值）到灰色（中亮度值）再到黄色（高亮度值）。算法流程如图所示。

测试过程如下图所示（程序见附录二）：

最终的结果图像H ，白色点（圆心）可以认为是荔枝果实的质心，绿色点（圆心正上方）可认为果柄位置。

3. 图A 与图B 是两张核桃果实的 CT 图像， 今采用断层果仁面积 Ar 与果壳内轮廓区域面

积Ak 之比表示断层果实的饱满度S, 即：S=Ar/Ak 。试通过编程对比分析两张 CT 图像中所示核桃果实的饱满度。

答：图像经过中值滤波、腐蚀膨胀后，采用Opencv 中轮廓检测的方法对核桃壳和果肉部分进行分离并计算各自的面积，最终计算饱和度。（程序见附录三）

A 图像处理后的结果如下所示，饱和度8326747

13.15%57637

r k A S A -=

==。

B图像处理后的结果如下所示，饱和度

2195113632070200

29.6%

61868

r

k

A

S

A

---

===。