数字图像处理课程设计Word文档下载推荐.docx
《数字图像处理课程设计Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《数字图像处理课程设计Word文档下载推荐.docx（13页珍藏版）》请在冰点文库上搜索。
细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。
三、涉及知识内容：
1、中值滤波
2、开运算
3、闭运算
4、二值化
5、贴标签
四、实例分析及截图效果：
（1）代码如下：
1、程序中定义图像变量说明
（1）Image-------------------------------------------------;
原图变量-------------
（2）Image_BW-------------------------------------------------------值化图象;
（3）Image_BW_medfilt-------------------------中值滤波后的二值化图像;
（4）Optimized_Image_BW---通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果；
（5）Reverse_Image_BW--------------------------优化后二值化图象取反；
（6）Filled_Image_BW----------------------已填充背景色的二进制图像；
（7）Open_Image_BW--------------------------------------开运算后的图像；
2、实现代码：
%-------图片前期处理-------------------
%第一步：
读取原图,并显示
A=imread（'
E:
\红细胞'
）;
Image=rgb2gray（A）;
%RGB转化成灰度图
figure,imshow（Image）;
title（'
【原图】'
%第二步：
进行二值化
Theshold=graythresh（Image）;
%取得图象的全局域值
Image_BW=im2bw（Image,Theshold）;
%二值化图象
figure,imshow（Image_BW）;
【初次二值化图像】'
%第三步二值化图像进行中值滤波
Image_BW_medfilt=medfilt2（Image_BW,[1313]）;
figure,imshow（Image_BW_medfilt）;
【中值滤波后的二值化图像】'
第四步：
通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图%．
像效果
Optimized_Image_BW=Image_BW_medfilt|Image_BW;
figure,imshow（Optimized_Image_BW）;
【进行“或”运算优化图像效果】'
%第五步：
优化后二值化图象取反，保证：
‘1'
-〉‘白色'
，‘0'
-〉‘黑色'
%方便下面的操作
Reverse_Image_BW=~Optimized_Image_BW;
figure,imshow（Reverse_Image_BW）;
【优化后二值化图象取反】'
%第六步：
填充二进制图像的背景色，去掉细胞内的黑色空隙
Filled_Image_BW=bwfill（Reverse_Image_BW,'
holes'
figure,imshow（Filled_Image_BW）;
【已填充背景色的二进制图像】'
%第七步：
对图像进行开运算，去掉细胞与细胞之间相粘连的部分
SE=strel（'
disk'
4）;
Open_Image_BW=imopen（Filled_Image_BW,SE）;
figure,imshow（Open_Image_BW）;
【开运算后的图像】'
%-------------开始计算细胞数--------------------
[LabelNumber]=bwlabel（Open_Image_BW,8）%初步取得细胞个数
Array=bwlabel（Open_Image_BW,8）;
%取得贴标签处理后的图像
Sum=[];
%依次统计贴标签后数组
fori=1:
Number
[r,c]=find（Array==i）;
%获取相同标签号的位置，将位置信息存入[r,c]
rc=[rc];
Num=length（rc）;
%取得vc数组的元素的个数
Sum（[i]）=Num;
%将元素个数存入Sum数组
End
Sum
N=0;
%假如Sum数组中的元素大于了400，表示有两个细胞相连，像素点较多，即分为两个细胞数
length（Sum）
if（Sum（[i]））>
1500
N=N+1;
end
end
%------------------统计最终细胞数-----------
Number=Number+N
3、运行效果截图：
第一步：
\红细胞'
【原图】'
第二步：
%取得图象的全局域值
%二值化图象
【初次二值化图像】'
第三步：
进行二值化图像
【中值滤波后的二值化图像】'
通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果
【进行“或”运算优化图像效果】'
'
黑色'
为'
0'
白色'
为:
'
1'
保证,第五步：
优化后二值化图象取反
【优化后二值化图象取反】'
第六步：
【已填充背景色的二进制图像】'
第七步：
第八步：
开始计算细胞数
[LabelNumber]=bwlabel（Open_Image_BW,8）%初步取得细胞个数
%取得贴标签处理后的图像
%获取相同标签号的位置，将位置信息存入[r,c]
数组的元素的个数vc取得Num=length（rc）;
%．
%将元素个数存入Sum数组
-----假如Sum数组中的元素大于了1500，表示有两个细胞相连，像素点较多，即分为两个细胞数---
Number=Number+N%----统计最终细胞数
第九步：
最终检测结果：
四、算法分析
（1）中值滤波
利用中值滤波可以对图像进行平滑处理。
算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。
很容易自适应化。
（2）开运算
先腐蚀后膨胀的过程称为开运算。
用来消除小物体、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。
（3）闭运算
先膨胀后腐蚀的过程称为闭运算。
用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
五、心得体会
耗费了半个月的时间来处理这份课程设计，期间虽然要去复习研究生考试但是我还是坚持了下来，也许实验不是很完美，但却是自己努力完成，因此很有成就感。
最开始以为自己做的很好，都自己完成了，但是跟大家对比后才发现原来自己已经做错了，还好有老师和同学的教导与指点，再次在此表示感谢。
对于这次的课程设计来说，由于是我我首次通过编写代码来完成对图像的处理，这些都是以前没有接触过的，难免出现一些失误，而且又由于自己以前没有接触过matlab，第一次的接触使用中也出现一些错误，不过都通过了后来的翻阅资料等一一解决，这实在是一份难得的经验。
在学习了很多之后我开始慢慢的对MATLAB的操作熟练起来，并且在实践中找到了学习的乐趣。
虽然在这短时间里需要不断查资料，然后对着电脑，把一个个的问题通过这样或那样的方法解决。
我坚信虽然道路是曲折的，但是前途是光明的。
升级会员 