基于颜色提取物体课设报告

因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。

基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。 常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。

设原始图像为f(x，y)，按照一定的准则f(x，y)中找到特征值T，将图像分割为两个部分，分割后的图像为：若取：b0=0(黑)，b1=1(白)，即为我们通常所说的图像二值化。

阈值分割常用的方法主要有实验法、根据直方图谷底确定阈值、迭代选择阈值法、最小均方误差法、最大类间方差法等。

阈值分割的优点是计算简单、运算效率较高、速度快。在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。目前，图像的阈值分割已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产应用中，机器视觉运用于产品质量检测等。

三 程序与结果

1.程序 clc,clear;

a=imread('5.jpg');%读取彩图 [m,n,d]=size(a);

b=uint8(a);%转为uint8数据类型，计算图像像素 level=15;%设置阈值

5

figure(1);

subplot(221);imshow(a);title('原图');%显示原图 %提取红分量，不满足阈值的变为白色 for i=1:m for j=1:n

if ((a(i,j,1)-a(i,j,2)>level)&&(a(i,j,1)-a(i,j,3)>level)) b(i,j,1)=a(i,j,1); b(i,j,2)=a(i,j,2); b(i,j,3)=a(i,j,3); else b(i,j,1)=255; b(i,j,2)=255; b(i,j,3)=255; end end end

subplot(222);imshow(b);title('提取红分量后');%显示提取红分量后的图%提取绿分量，不满足阈值的变为白色 for i=1:m for j=1:n

if ((a(i,j,2)-a(i,j,1)>level)&&(a(i,j,2)-a(i,j,3)>level)) b(i,j,1)=a(i,j,1); b(i,j,2)=a(i,j,2); b(i,j,3)=a(i,j,3); else b(i,j,1)=255; b(i,j,2)=255; b(i,j,3)=255; end end end

subplot(223);imshow(b);title('提取绿分量后');%显示提取绿分量后的图%提取蓝分量，不满足阈值的变为白色 for i=1:m for j=1:n

if ((a(i,j,3)-a(i,j,1)>level)&&(a(i,j,3)-a(i,j,2)>level)) b(i,j,1)=a(i,j,1); b(i,j,2)=a(i,j,2); b(i,j,3)=a(i,j,3); else b(i,j,1)=255; b(i,j,2)=255; b(i,j,3)=255; end end

6

end

subplot(224);imshow(b);title('提取蓝分量后');%显示提取蓝分量后的图 2.结果分析 阈值为15时：

原图提取红分量后提取绿分量后提取蓝分量后图3-2.1

阈值为120时：

原图提取红分量后提取绿分量后提取蓝分量后图3-2.2

7

从图中可看到，当阈值设置越大（判定条件愈加严格），提取结果更接近R/G/B纯色。

四 心得体会

经过这次课程设计，我学到了许多，感触颇多，总结起来有3点。 第一点就是准备要充分。古人云，磨刀不误砍柴工。前期的知识储备、文献储备、材料准备、方法准备可以避免手忙脚乱，充分的预准备使你充满信心。一步一个脚印，就不必“从头再来”。我就是没有在开始就做好准备，任务一下来就照着自己的一点想法上机调试，结果在很长一段时间里都做了无用功，许多指令都用错了，浪费了大把的时间。只好重新看书、查相关的资料，逐步完善并实现自己的构想。

其次就是交流是最好的老师。在前期我没有做好准备时，出现好多错误和难题，我总是想自己去解决，不想麻烦别人。但这样却没有好的效果，弄得我一度十分气恼和沮丧，都想放弃了。但最后我改变了想法，积极和同伴交流，向别人请教，与他们共同探讨，一起解决问题。这也使得我们很快解决了问题。所以，一个人的力量与才智是有限的，但交流能使无数灵感迸发！千万不能闭门造车，这样才能更快更好的解决问题，取得理想的效果。

第三点就是就是要有耐心。在调试时总是避免不了出这样或那样的问题、得不到预期的效果，这会使我们心浮气躁。这时，我们应该耐下心，一遍一遍的查找错误，与同伴交流，并修改错误，不要放弃。毕竟失败是成功之母，没有人能一步成功。只要我们能把所有的错误都改过来，那我们自然就成功了。 另外，我觉得这次课程设计十分有意义，既让我了解了许多关于图像处理的知识，如RGB模型、各分量的值的设置等，又让我熟悉了matlab里面各指令、函数的应用，提高了我的思考能力和动手能力。

最后，在此感谢在这个课程设计过程中各老师对我的耐心指导，感谢同学对我的无私帮助，谢谢你们！

8

五 参考文献

1 Rafael C.Gonzalez,Richard E.Woods 数字图像处理[M].北京：电子工业出版社.2007.8

2 姜慧研,冯锐杰. 基于改进的变分水平集和区域生长的图像分割方法的研究[J].电子学报.2012,40(8).

3 姜慧研,崔晓亮,周晓杰.基于改进的双快速行进法的图像分割方法[J].系统仿真学报,2008,(03):803-806.

4 何宁,张朋.基于边缘和区域信息相结合的变分水平集图像分割方法[J].电子学报,2009,(10):2215-2219.doi:10.3321/j.issn:0372-2112.2009.10.019.

5 吴舟舟,李树广.基于分级边缘间距的实时车牌检测[J].中国图象图形学报A,2007,(02):315-321.doi:10.3969/j.issn.1006-8961.2007.02.023.

9