（完整word版）数字图像处理实验报告6

3、目标编号标记

x=imread('C:\\Documents and Settings\\Administrator\\桌面\\CHEN2-7.BMP'); b=rgb2gray(x); se=strel('ball',5,5); y4=imclose(b,se); w4=im2bw(y4, 185/255); z=imcomplement(w4); subplot(2,2,1) imshow(z);

title('取反后图像')

z=bwareaopen(z,200); subplot(2,2,2); imshow(z);

title('去除像素点小于200的部分') BW = logical(z); L = bwlabel(BW,4); subplot(2,2,3); imshow(L); title('四连通') M=bwlabel(BW,8); Subplot(2,2,4) imshow(M); title('八连通')

4、测量各个细胞的面积等参数

x=imread('C:\\Documents and Settings\\Administrator\\桌面\\CHEN2-7.BMP');

b=rgb2gray(x);

se = strel('ball',5,5); I0=imclose(b,se);

I11=im2bw(I0,185/256); I12=imcomplement(I11); I13= bwlabel(I12);

s = regionprops(I13, 'centroid'); centroids = cat(1, s.Centroid); figure(1); imshow(I13)

title('重心标记图'); hold on

plot(centroids(:,1), centroids(:,2), 'r*') hold off

m=regionprops(I13,'Area'); areas=cat(1, m.Area); figure(3); plot(areas)

如图为重心标记和各区域面积分布图：

1． 为何需要预处理？直接分割的效果如何？

答：如果不进行预处理,在后续处理时如进行阈值分割会产生边缘毛刺，使效果不明显；

2． 选择何种预处理方法？

a) 中值适合于去除脉冲噪声和图像扫描噪声，同时不会使图像变模糊，但对消除

细节较多的图像不适合用中值滤波；

b) 均值可以有效的是噪声得到消除，但同时图像变得模糊，丢失了一些图像的细

节部分；

c) 形态学开运算对于消除背景噪声有很好的效果，尤其是一些胡椒噪声； d) 形态学闭运算对消除前景噪声效果较好，如：沙眼噪声；

通过以上分析及结合图像处理效果可以得出，利用形态学开闭运算对滤除图像中的沙眼噪声和胡椒噪声效果较好；

3.分析预处理的目的，有针对性的选择合适的方法

答：预处理的目的是为了事先消除图像的噪声，好为后处理做准备；

四、 思考题

1．若将预处理去噪的步骤省掉，则如何在目标编号的过程中加入滤波处理；

答：若预处理中没有去噪步骤，从图像处理结果可以看出，经过阈值分割后，图像中还有很多椒盐噪声，要在编号中滤除这些噪声，可通过形态学开运算后，再进行取反操作等后续操作；

2．将去噪过程与阈值分割前后调换，选择哪种滤波方法可以滤除二值图像上的噪声； 答：通过阈值分割之后，图像中有很多胡椒噪声，可通过形态学开操作将其去除； 3．总结大津阈值在细胞图像分割中存在的问题，想一想你所学的算法中哪种算法更适合于细胞图像的分割。 答：大津阈值是在最小二乘法的基础上建立起来的分割技术，是基于阈值的分割方法，因此在判断阈值时计算量大；可使用canny算子进行边缘检测；

五、 能否利用所学过的图象分析方法，设计一套算法流程，实现如下图所示的普通信封上邮政编码的定位和识别？车牌定位和识别？

（一） 普通信封上邮政编码的定位和识别

答：1、预处理，先将图像变成灰度图像，通过滤波去掉图像中的噪声 2、将变成的灰度图像通过大津阈值法进行二值化处理 3、采用Canny算子对图像进行边缘提取

4、使用形态学闭运算对图像中的毛刺进行去除，尽量改变需要的区域 5、对得到的边缘进行多边形逼近，逼近邮政编码区域

6、对邮政编码区域进行识别，根据长宽比的特征对数字进行识别 （二） 车牌定位和识别

答：1、根据车牌的蓝白相间的特征将车牌中的蓝色分量提取出来 2、对图像进行预处理，得出图像的灰度图像 3、利用大津阈值法进行图像的二值化 4、根据车牌的矩形特征将车牌提取出来 5、根据数字的特征将车牌中的数字识别出来

六、 实验总结

本次实验是这学期的最后一次实验，也就是因为这个原因，大家在进行实验时都特别的专心认真。这次实验的许多内容是要我们自己进行编程的，在自己进行编程的过程中学会对图像的预处理去噪、大津阈值分割、目标编号标记和相关参数的测量。在和同学的交流学习过程中，我们慢慢掌握其中的诀窍，关键还是在于掌握对于图像这样操作的思想流程。

在我看来，这次实验最有意思的地方就是最后老师给的两个构思题。通过前面的练习，自己独立构思，完成生活中需要的数字图像处理要求，这样不但锻炼了我们自己的思维，而且还使得我们对学过的知识进行了加固。

这是本学期的最后一次实验，我期待着和老师在下学期的见面。不出意外的话，下学期再见的时候，我应该还能很熟练的运用MATLAB对数字图像进行处理了。