数字图像处理与分析
实
验
报
告
学院:
班级:
姓名:
学号:
实验六细胞图像的分割与测量
一、实验目的
1. 通过分析细胞图像特点,完成细胞图像的分割和测量,并分析测量结果。
2. 将图像预处理、分割、分析等关键技术结合起来,理论与实践相结合,提高图像处理关键技术的综合应用能力。
二、实验要求
1. 对比中值、均值和形态学开闭运算对细胞图像的滤波效果,选择适用于细胞图像的滤波方法
2. 运用大津阈值对细胞图像分割,观察分割后噪声情况,观察目标边缘处的分割效果;(使用函数:im2bw)
3. 实现连通区域的编号;(使用函数:bwlabel)
4. 计算各连通区域的相关信息,如面积、重心等。
(使用函数:regionprops )
三、实验步骤
预处理去噪大津阈值分割目标编号标记测量各个细胞的面积等参数输出测量结果
、预处理去噪1
); x=imread( \CHEN2-7.BMP'桌面Settings\Administrator\'C:\Documents and
y=medfilt2(rgb2gray(h));
subplot(2,2,1)
imshow(x)
); title(''原图像subplot(2,2,2)
imshow(y)
);
title('中值滤波处理'
I=fspecial() 'average'z=imfilter(rgb2gray(x),I);
subplot(2,3,4)
imshow(z)
title(); ''均值滤波处理se = strel(,5,5);
'ball'm = imopen(rgb2gray(x),se);
subplot(2,3,5)
imshow(m)
title(); '形态学开运算处理'se = strel(,5,5); 'ball'n = imclose(rgb2gray(x),se);
subplot(2,3,6)
imshow(n)
title(); ''形态学闭运算处理
2、大津阈值分割
先做出灰度图像的直方图,根据直方图选取合适的分割灰度值
);桌面\CHEN2-7.BMP'x=imread('C:\Documents and
Settings\Administrator\b=rgb2gray(x);
imhist(b);
title('灰度直方图');
由上图可知,选择阈值在附近可以达到最好的分割效果,则有:
185/255);\CHEN2-7.BMP''C:\Documents and Settings\Administrator\桌面
x=imread(b=rgb2gray(x);
y1=medfilt2(b);w1=im2bw(y1,185/255);
) ;h=fspecial('average'y2=imfilter(b,h);w2=im2bw(y2, 185/255);
,11,90);se=strel('line'y3=imopen(b,se);w3=im2bw(y3, 185/255);
y4=imclose(b,se);w4=im2bw(y4, 185/255);
figure subplot(2,2,1)imshow(w1));''中值大津阈值分割title(subplot(2,2,2) imshow(w2));'均值大津阈值分割title('subplot(2,2,3)imshow(w3););开运算大津阈值分割'title('subplot(2,2,4)imshow(w4);); 闭运算大津阈值分割title(''
3、目标编号标记
);桌面\CHEN2-7.BMP'x=imread('C:\Documents and Settings\Administrator\
b=rgb2gray(x);,5,5);'ball'se=strel(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);
)
'八连通
'title(
4、测量各个细胞的面积等参数);\CHEN2-7.BMP' x=imread('C:\Documents and
Settings\Administrator\桌面b=rgb2gray(x);
se = strel(,5,5); 'ball'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,对数字图像进行处理了。
TLABMA下学期再见的时候,我应该还能很熟练的运用.。