基于形态学运算的中药材显微图像分割.docx
《基于形态学运算的中药材显微图像分割.docx》由会员分享,可在线阅读,更多相关《基于形态学运算的中药材显微图像分割.docx(9页珍藏版)》请在冰点文库上搜索。
基于形态学运算的中药材显微图像分割
《数字图像处理》课程设计报告
报告名称:
基于形态学运算的中药材显微图像分割
学生姓名:
学号:
专业班级:
指导教师:
二0一七年十一月三十日
一课程设计任务书:
二目录
基于形态学运算的中药材显微图像分割
一、设计目的:
基于形态学运算对中药材的显微图像进行分割
二、设计方案:
三、主要内容:
在获取中药材显微图像的过程中,由于某些因素的影响,获得的中药材显微图像存在噪声,而且中药材显微图像的背景经常是不均匀的,为中药材显微图像的分割造成了极大的困难。
膨胀和腐蚀是形态学的两个基本运算。
用形态学运算对中药材显微图像进行处理,补偿不均匀的中药材显微图像背景,然后进行中药材显微图像的阈值分割。
四、要求:
1>图像预处理:
对原始中药材显微图像进行滤波去噪处理;
2>对去噪后的图像进行形态学运算处理;
3>选取自适应阈值对形态学运算处理后的图像进行二值化;
4>显示每步处理后的图像;
5>对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。
五、实验详细设计步骤:
1、图像预处理:
对原始中药材显微图像进行滤波去噪处理
clc;
clear;
I=imread('E:
\zy.jpg');%选取E盘中中药材显微图像
subplot(3,3,1);imshow(I);title('原图');%显示原图
I1=imnoise(I,'salt&pepper',0.1);%对I1加入值为0.1的椒盐噪声
[h,w]=size(I1);
n=9;
f=double(I1);%转换为双精度
a=ones(n,n);
y=f;
fori=1:
h-n+1
forj=1:
w-n+1
a=f(i:
i+(n-1),j:
j+(n-1));
s=sum(sum(a));%计算均值
y(i+(n-1)/2,j+(n-1)/2)=s/(n*n);%通过均值滤波进行去噪
end
end
2、对去噪后的图像进行形态学运算处理
subplot(3,3,4),imshow(I1),title('滤波去噪');
SE=strel('arbitrary',eye(5));%创建一个任意形状的结构元素对象I2=imclose(I,SE);%闭合操作
subplot(3,3,6);imshow(I2);title('形态学图像处理');
3、选取自适应阈值对形态学运算处理后的图像进行二值化%形态学后自适应阈值二值化
%rgb转灰度
ifisrgb(I2)==1
I2_gray=rgb2gray(I2);else
I2_gray=I2;
end
I2_double=double(I2_gray);%转化为双精度
[wid,len]=size(I2_gray);colorlevel=256;%灰度级
hist=zeros(colorlevel,1);%直方图
%threshold=128;%初始阈值
%计算直方图
fori=1:
wid
forj=1:
len
m=I2_gray(i,j)+1;
hist(m)=hist(m)+1;
end
end
hist=hist/(wid*len);%直方图归一化
miuT=0;
form=1:
colorlevel
miuT=miuT+(m-1)*hist(m);end
xigmaB2=0;
formindex=1:
colorlevel
threshold=mindex-1;
omega1=0;
omega2=0;
form=1:
threshold-1
omega1=omega1+hist(m);
end
omega2=1-omega1;
miu1=0;
miu2=0;
form=1:
colorlevel
ifmmiu1=miu1+(m-1)*hist(m);
else
miu2=miu2+(m-1)*hist(m);
end
end
miu1=miu1/omega1;
miu2=miu2/omega2;
xigmaB21=omega1*(miu1-miuT)^2+omega2*(miu2-miuT)^2;
xigma(mindex)=xigmaB21;
ifxigmaB21>xigmaB2
finalT=threshold;
xigmaB2=xigmaB21;
end
end
fT=finalT/255%阈值归一化
T=graythresh(I2_gray)%matlab函数求阈值
I3=im2bw(I2_gray,T);subplot(3,3,7);imshow(I3);title('形态学后自适应阈值二值化')
%未形态学运算自适应阈值二值化
%rgb转灰度
ifisrgb(I1)==1
I1_gray=rgb2gray(I1);else
I1_gray=I1;
end
I1_double=double(I1_gray);%转化为双精度
[wid,len]=size(I1_gray);colorlevel=256;%灰度级
hist=zeros(colorlevel,1);%直方图
%threshold=128;%初始阈值
%计算直方图
fori=1:
wid
forj=1:
len
m=I1_gray(i,j)+1;
hist(m)=hist(m)+1;
end
end
hist=hist/(wid*len);%直方图归一化
miuT=0;
form=1:
colorlevel
miuT=miuT+(m-1)*hist(m);end
xigmaB2=0;
formindex=1:
colorlevel
threshold=mindex-1;
omega1=0;
omega2=0;
form=1:
threshold-1
omega1=omega1+hist(m);
end
omega2=1-omega1;
miu1=0;
miu2=0;
form=1:
colorlevel
ifmmiu1=miu1+(m-1)*hist(m);
else
miu2=miu2+(m-1)*hist(m);
end
end
miu1=miu1/omega1;
miu2=miu2/omega2;
xigmaB21=omega1*(miu1-miuT)^2+omega2*(miu2-miuT)^2;
xigma(mindex)=xigmaB21;
ifxigmaB21>xigmaB2
finalT=threshold;
xigmaB2=xigmaB21;
end
end
fT=finalT/255%阈值归一化
T=graythresh(I1_gray)%matlab函数求阈值
I5=im2bw(I1_gray,T);
subplot(3,3,9);imshow(I5);title('未形态学运算自适应阈值二值化');
六、设计结果及分析
从结果可以看出进行过形态学运算的图像中的中药材更为明亮,效果更为好一些,而未进行形态学运算的图像中的中药材数量较少,亮度暗一些,可以得出结论,经过形态学运算的图像更好。
七、总结:
实验对中药材显微图像进行了形态学运算处理,它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像进行分析和识别的目的。
形态学的应用可以简化图像数据,保持它们基本的形状特性,并除去不相干的结构。
八、设计体会
通过本次实验掌握了形态学运算的基本方法,数学形态学对图像的处理具有直观上的简明性和数学上的严谨性,在定量描述图像的形态特征上具有独特的优势,为基于形状细节进行图像处理提供了强有力的手段。
建立在集合理论基础上的数学形态学,主要通过选择相应的结构元素采用膨胀、腐蚀、开启、闭合4种基本运算的组合来处理图像。
数学形态学在图像处理中的应用广泛,有许多实用的算法,但在每种算法中结构元素的选取都是一个重要的问题.腐蚀与膨胀不是相反的运算,即腐蚀后的图像不能通过膨胀直接恢复成原来的图像,膨胀后的图像也不能通过腐蚀直接恢复成原来的图像。
但是可以通过闭合和开启运算对腐蚀或膨胀后的图像进行一定的修复。
腐蚀、膨胀操作的结果受结构元素的影响。
九、附实验结果图: