数字图像开运算

图像的开运算处理

1.课程设计目的

（1）加深对数字图像处理基本理论知识的理解。

（2）培养独立开展科研的能力和编程能力。

（3）掌握数字图像的开运算处理的编码及其原理。

2.课程设计要求

（1）掌握课程设计的相关知识、概念清晰。

（2）程序设计合理、能够正确运行。

3.相关知识

3.1 MATLAB在图像处理中的应用

MATLAB6．x提供了2O类图像处理函数，涵盖了图像处理包括近期研究成果在内的几乎所有的技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按功能可分为图像显示、图像文件I／O、图像算术运算、几何变换、图像登记、像素值与统计、图像分析、图像增强、线性滤波、线性二元滤波设计、图像去模糊、图像变换、邻域与块处理、灰度与二值图像的形态学运算、结构元素创建与处理、基于边缘的处理、色彩映射表操作、色彩空间变换及图像类型与类型转换

Maflab数字图像处理工具箱函数包括以下几类：(1)图像显示函数；(2)图像文件输入、输出函数；(3)图像几何操作函数；(4)图像像素值及统计函数；(5)图像分析函数；(6)图像增强函数；(7)线性

滤波函数；(8)二维线性滤波器设计函数；(9)图像变换函数；(10)

图像邻域及块操作函数；(11)二值图像操作函数；(12)基于区域的图像处理函数；(13)颜色图操作函数；(14)颜色空间转换函数；(15)

图像类型和类型转换函数。

3.2 图像处理概念

图像处理并不仅限于对图像进行增强、复原和编码，还

要对同乡进行分析，图像分析旨在对图像进行描述，即用一

组数或符号表征图像中目标区的特征、性质和相互间的关

系，为模式识别提供基础。描述一般针对图像或景物中的特

定区域或目标。开运算通常用来消除小对象物，在纤细点处

分离物体，平滑较大物体的边界的同时不明显改变其面积。

4.课程设计分析

开运算

虽然腐蚀处理可以将粘连的目标物进行分离，膨胀处理可以将断开的目标物进行接续，但同时都存在一个问题，就是经过腐蚀处理后，目标物的面积小于原有面积，而经过膨胀处理之后，目标物的面积大于原有面积。开、闭运算就是为了解决这个问题而被提出的。

使用同一个结构元素对图像先腐蚀再进行膨胀的运算称为开运算。在结构元素B下的开运算定义如下：

∨

(

X)

X

⊕

Θ

=B

B

B

开运算通常用来消除小对象物、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。开运算通常是在需要去除小颗粒噪声，以及断开目标物之间粘连时使用。其主要作用与腐蚀相似，与腐蚀操作相比，具有可以基本保持目标原有大小不变的优点。

5.仿真

点击桌面上的MATLAB6.5图标进入软件，点击菜单工具栏上

的File->M-file，新建一个文件。在弹出的工作窗中输入

以下程序代码：

(1)图像腐蚀源代码

采用以下结构要素矩阵

10000

01000

SE= 00100

00010

00001

I=imread('cameraman.tif');

figure,imshow(I)

J=im2bw(I);

figure,imshow(J)

SE=eye(5);

BW1=erode(J,SE);

figure,imshow(BW1)

(2)图像膨胀源代码

采用以下结构要素矩阵

11

11

SE= 11

11

11

I=imread('cameraman.tif'); figure,imshow(I)

J=im2bw(I);

figure,imshow(J)

SE=ones(6,2);

BW1=dilate(J,SE);

figure,imshow(BW1)

(2)图像开运算源代码

I = imread('cameraman.tif'); se = strel('ball',5,5);

% 创建strel结构

I1 = imerode(I,se);

% 灰度图像的腐蚀

subplot(131)

imshow(I), title('Original')

subplot(132)

imshow(I1), title('Dilated')

I2 = imdilate(I,se);

% 灰度图像的膨胀

subplot(133)

imshow(I2), title('Eroded')

6.结果分析

通过理论与编程实践，我完成了这次设计的任务，其运行结果如图所示：

原图像

(1)利用腐蚀源代码得到的图像结果：

(2)利用膨胀源代码得到的图像

(3)原图像经开运算得到的图像腐蚀图像

被腐蚀的图像膨胀

从以上五幅图可以看出，原始图像中有很多比结构元素

矩阵小的细小轮廓，在开始操作时都将原始图像中的细节去

掉了，而将其中较大的方形轮廓按照原来的大小显示出来

了。

7.结论

7.1工作总结，工作难点

获得的图像可能会因为各种原因而被污染,产生噪声。常见

的图像噪声主要有加性噪声、乘性噪声和量化噪声等。噪声

并不仅限于人眼所见的失真,有些噪声只针对某些具体的图

像处理过程产生。影响。图像中的噪声往往和正常信号交织

在一起,尤其是乘性噪声,如果处理不当,就会破坏图像本身

的细节,如会使线条、边界等变得模糊不清。

7.2创新点，有意义的实现

MATLAB 为图像处理提供了一种简单、快捷的方法,大大提高了图像处理的效率,提升了图像处理的效果。只需掌握基本的编程基础,就可以进行MATLAB 程序的编写,并运用到图像处理的各个方面。Matlab具有强大、高效的矩阵和数组运算功能。语法规则与一般的高级语言类似,一个稍有编程基础的人能很快熟悉掌握。语言简洁紧凑,使用灵活,程序书写形式自由。而且库函数十分丰富,避免了繁杂的子程序编程任务。向用户提供各种方便的绘图功能。提供了图像处理工具箱、数字信号处理工具箱、小波工具箱等各种功能强大的工