數(shù)字圖像處理實(shí)驗(yàn)報(bào)告緒論1.1實(shí)驗(yàn)要求1）7~8人一組，每組一題；周一前組長(zhǎng)把自己的組員和選題題號(hào)發(fā)給我。2）用Matlab進(jìn)行處理，實(shí)現(xiàn)圖片下方文字要求。3）每組上交一份報(bào)告，每組選擇一人進(jìn)行答辯。程序代碼量、最終圖片處理效果以及上交報(bào)告的質(zhì)量決定最后的結(jié)課作業(yè)的最終成績(jī)，課程整體成績(jī)由平時(shí)出勤上課表現(xiàn)成績(jī)+實(shí)驗(yàn)老師給出的實(shí)驗(yàn)成績(jī)+結(jié)課考核大作業(yè)成績(jī)構(gòu)成。4）答辯上交材料：答辯ppt+Word報(bào)告文檔+MATLAB的*.M源程序+圖片處理前后結(jié)果。1.2研究的基本內(nèi)容豆子計(jì)數(shù)，即運(yùn)用matlab的形態(tài)學(xué),把一幅圖片的豆子數(shù)目數(shù)出來(lái)。2摘要針對(duì)目前谷物人工計(jì)數(shù)和光電計(jì)數(shù)方法存在的不足，提出了一種基于Matlab圖像識(shí)別和處理技術(shù)的谷物計(jì)數(shù)方法，并用實(shí)例驗(yàn)證了其可靠性。該方法減輕了操作者勞動(dòng)強(qiáng)度，彌補(bǔ)了人視覺(jué)的不足之處，提高了效率及準(zhǔn)確率，為今后進(jìn)一步研究奠定了必要的理論與實(shí)踐基礎(chǔ)，對(duì)完善精細(xì)農(nóng)業(yè)具有重要意義。在檢測(cè)盤上的顆粒往往會(huì)出現(xiàn)緊靠或者重疊的谷物，導(dǎo)致檢測(cè)圖像中常出現(xiàn)重疊區(qū)域，這給后續(xù)谷物檢測(cè)分析等工作帶來(lái)了很大的困難，本文利用極限腐蝕和條件膨脹相結(jié)合的方法解決此問(wèn)題，以達(dá)到精確計(jì)數(shù)的目的。關(guān)鍵詞：圖像處理，谷物，計(jì)數(shù)方法，Matlab。3MATLAB簡(jiǎn)介3.1MATLAB概述MATLAB是美國(guó)mathworks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。MATLAB是matrix&laboratory兩個(gè)詞的組合，意為矩陣工廠（矩陣實(shí)驗(yàn)室）。是由美國(guó)mathworks公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如C、Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。Matlab和Mathematics、Maple并稱為三大數(shù)學(xué)軟件。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。MATLAB可以進(jìn)行矩陣運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語(yǔ)言的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、圖像處理、信號(hào)檢測(cè)、金融建模設(shè)計(jì)與分析等領(lǐng)域。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用MATLAB來(lái)解算問(wèn)題要比用C，F(xiàn)ORTRAN等語(yǔ)言完成相同的事情簡(jiǎn)捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點(diǎn)，使MATLAB成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件。在新的版本中也加入了對(duì)C，F(xiàn)ORTRAN，C++，JAVA的支持。3.2MATLAB優(yōu)勢(shì)特點(diǎn)1)高效的數(shù)值計(jì)算及符號(hào)計(jì)算功能，能使用戶從繁雜的數(shù)學(xué)運(yùn)算分析中解脫出來(lái)；2)具有完備的圖形處理功能，實(shí)現(xiàn)計(jì)算結(jié)果和編程的可視化；3)友好的用戶界面及接近數(shù)學(xué)表達(dá)式的自然化語(yǔ)言，使學(xué)者易于學(xué)習(xí)和掌握；4)功能豐富的應(yīng)用工具箱(如信號(hào)處理工具箱、通信工具箱等)，為用戶提供了大量方便實(shí)用的處理工具。3.3MATLAB應(yīng)用方面MATLAB的應(yīng)用范圍非常廣，包括信號(hào)和圖像處理、通訊、控制系統(tǒng)設(shè)計(jì)、測(cè)試和測(cè)量、財(cái)務(wù)建模和分析以及計(jì)算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨(dú)提供的專用MATLAB函數(shù)集）擴(kuò)展了MATLAB環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問(wèn)題。4基于Matlab的豆子圖像處理過(guò)程4.1豆子圖像的讀入Matlab軟件中，圖像的讀入命令是imread(‘xx.xxx’)，xx是圖像的名字，xxx是圖像的格式。本實(shí)驗(yàn)中，圖像的格式為jpg，故，我們的讀入命令為I=imread(‘A.jpg’)。讀入圖像如圖（4.1）圖(4.1)4.2豆子圖像的處理4.2.1豆子灰度變換T的最簡(jiǎn)單形式是使用領(lǐng)域大小為1×1，此時(shí),(x,y)處的g值僅由f在該點(diǎn)處的亮度決定，T也變?yōu)橐粋€(gè)亮度或灰度級(jí)變化函數(shù)。當(dāng)處理單設(shè)(灰度)圖像時(shí)，這兩個(gè)術(shù)語(yǔ)可以互換。由于亮度變換函數(shù)僅取決于亮度的值，而與(x,y)無(wú)關(guān)，所以亮度函數(shù)通?？蓪?xiě)做如下所示的簡(jiǎn)單形式：s=T(r)其中，r表示圖像f中相應(yīng)點(diǎn)(x,y)的亮度，s表示圖像g中相應(yīng)點(diǎn)(x,y)的亮度?；叶忍幚淼拿钊缦拢篻=rgb2gray(I)。該指令主要作用是將jpg圖片轉(zhuǎn)為灰度圖像。效果如圖（4.2.1）圖（4.2.1）4.2.2在獲取圖像的過(guò)程中,由于受到各種因素的影響,所得到的圖像總會(huì)或多或少的感染一些噪聲信息,這些噪聲信息會(huì)惡化圖像的質(zhì)量,所以要進(jìn)行去噪處理。去噪的方法有很多,大致分為兩大類:一類是時(shí)域去噪,另一類是頻域去噪。時(shí)域去噪的代表方法有加權(quán)平滑法、中值濾波、二值形態(tài)學(xué)法等;頻域去噪的代表方法有經(jīng)典數(shù)字濾波器、同態(tài)濾波、小波分析等。本文采用時(shí)域去噪中的中值濾波法,其具有抑制干擾脈沖和點(diǎn)狀噪聲的作用,并且可保持較好的圖像邊緣,是指把以某點(diǎn)為中心的小窗口內(nèi)的所有像素的灰度按從小到大的順序排列,將中間值作為該處的灰度值。在Matlab中中值濾波的函數(shù)是medfilt2。中值濾波命令如下：m=medfilt2(g);濾波后得到的圖像如圖（4.2.2）圖（4.2.2）4.2.3二值化圖像函數(shù)主要有dither和im2bw函數(shù)。dither函數(shù)通過(guò)顏色抖動(dòng)來(lái)達(dá)到轉(zhuǎn)換圖像的目的。語(yǔ)法：BW=dither(I).Image是圖像矩陣資料，BW是二值化圖像矩陣.im2bw函數(shù)通過(guò)對(duì)灰度值進(jìn)行閾值判斷的方法達(dá)到目的.語(yǔ)法：BinaryImage=im2bw(Image,[Level])。Image是輸入圖像矩陣資料，Level是二值化程度值，其為介于0到1之間值，BW是二值化圖像矩陣?；叶葓D像二值化命令如下：level=graythresh(m);%得到合適閾值e=im2bw(m,level);%二值化得到的圖像結(jié)果如圖（4.2.3）。圖（4.2.3）4.2.4為了更好的讀取圖像、腐蝕，我們選擇對(duì)灰度圖像進(jìn)行取反。取反命令如下：bw=-e+1,得到的圖像如圖（4.2.4）圖（4.2.4）4.2.5去噪聲處理和由于豆子之間有連接情況出現(xiàn)，我們?yōu)榱烁酶鼫?zhǔn)確的辨識(shí)出大米粒數(shù)，采用了去噪+腐蝕的方式。實(shí)踐證明，這種途徑是相當(dāng)有效、可行的。去噪+腐蝕命令如下。se=strel('disk',4);LC=imClose(bw,se);se1=strel('disk',4);%%去噪處理Lo=imopen(LC,se1);Bw1=bwmorph(Lo,'open');%%開(kāi)運(yùn)算SE=strel('arbitrary',eye(18));%%設(shè)置腐蝕結(jié)構(gòu)參數(shù)Bw2=imerode(BW8,SE);%%腐蝕SE1=strel('arbitrary',eye(46));%%設(shè)置腐蝕結(jié)構(gòu)參數(shù)Bw3=imerode(BW,SE1);%%腐蝕[l,n]=bwlabel(BW0,8);display(n)%%計(jì)數(shù)第一次腐蝕結(jié)果如圖（4.2.5a圖（4.2.5a第二次腐蝕結(jié)果如圖（4.2.5b）圖（4.2.5b）程序執(zhí)行后我們獲得n=17，而原圖像中豆子的數(shù)目為17，這說(shuō)明處理過(guò)程正確了，對(duì)其他圖片進(jìn)行處理，結(jié)果依然正確。4.2.6為了方便觀察，我們將處理中各部分得到的圖像以流程形式展現(xiàn)出來(lái)。命令如下。figure;subplot(3,3,1);imshow(I);title('原圖像');subplot(3,3,2);imshow(g);title('灰度圖像');subplot(3,3,3);imshow(e);title('二值圖像');subplot(3,3,4);imshow(bw);title('圖像取反');subplot(3,3,5);imshow(bw1);title('開(kāi)運(yùn)算');subplot(3,3,6);imshow(bw2);title('腐蝕圖像');subplot(3,3,7);imshow(bw3);title('腐蝕圖像2');所得圖像如圖（4.2.6）圖（4.2.6）5實(shí)驗(yàn)程序I=imread('F:\shenhao1.jpg');figure;imshow(I);title('原始圖');g=rgb2gray(I);figure;imshow(g);title('灰度圖');m=medfilt2(g);figure;imshow(m);title('中值濾波');e=im2bw(m,0.65);figure;imshow(e);title('二值化');bw=-e+1;figure;imshow(bw);title('取反');se=strel('disk',4);Lc=imclose(bw,se);se1=strel('disk',4);Lo=imopen(Lc,se1);bw1=bwmorph(Lo,'open');SE=strel('arbitrary',eye(18));bw2=imerode(bw1,SE);figure;imshow(bw2);title('第一次腐蝕');SE1=strel('arbitrary',eye(46));bw3=imerode(bw2,SE1);figure;imshow(bw3);title('第二次腐蝕');[l,n]=bwlabel(bw3,8);display(n);6結(jié)果與討論通過(guò)以上實(shí)驗(yàn)，我們可以發(fā)現(xiàn)，使用Matlab處理圖片可以得到谷物顆粒的數(shù)目，當(dāng)然了，前提是做出程序。我們實(shí)驗(yàn)的結(jié)果顯示，此程序辨識(shí)谷物顆粒（包括疊壓下的情況），其準(zhǔn)確度100