图像变换二.doc

实验报告实验名称：综合设计与应用学生姓名：王 涛学 号：2010051060018指导老师：彭 真 明日 期： 2013 年 5月 13 日一、 实验室名称：老计算机楼309二、 实验名称： 综合设计与应用三、 实验原理：Sobel算子主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量,在x和y方向上的sobel卷积因子分别为：101202-101-10+1-20+2-10+1该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：如果梯度G大于某个阈值，则认为该点（x，y）为边缘点。然后对图像进行二值化处理，可以得到图像的边缘轮廓图像。阈值分割是利用同一区域具有某种共同的灰度特征进行分割。用灰度阈值法分割图像就是选取一个合适的阈值，然后将图像中的每个像素和它进行比较，将会度超过阈值的点和低于阈值的点分别制定一个灰度值，就可以得到二值图像，此时目标和背景占据不同的灰度级范围的图像。阈值的选取有几种原则：直接阈值法、间接阈值法和自适应阈值法。常见的阈值选取的方法有：双峰法、最大方差阈值法、利用最小误判概率准则.四、 实验目的：1、熟悉各种图像预处理方法，如直方图处理、图像去噪声、图像增强与复原、图像变换等，了解这些方法在图像分析与识别、目标检测及跟踪等各种应用中所起的作用。2、熟悉各种经典的边缘检测算子、图像分割原理。3、能够利用Matlab 工具完整实现从图像预处理、图像分割、特征提取与分析及各种实际应用的完整流程。4、该实验为一个综合设计及应用的实验，目的是要求学生综合利用学到的光电图像处理知识，解决图像识别、目标检测及目标定位跟踪问题。进一步深入理解光电图像处理的重要性，提高学生利用光电图像处理基本理论、方法等解决实际问题及提高分析问题的能力。五、 实验内容：(一) 两方向Sobel 算子边缘检测的程序设计与实现(二) 车牌文字分割与提取的程序实现（选做内容）。(三) 序列图像运动目标检测与跟踪程序设计与实现(四) 序列图像运动目标相关跟踪的程序设计与实现（选做内容）六、实验器材计算机 、matlab程序七、 实验步骤(一) 两方向Sobel 算子边缘检测的程序设计与实现1、对如图1 所示的图像，首先进行灰度化处理，然后分别与Sobel 算子进行X、Y 两个方向的卷积处理。求得卷积结果，即求得图像的X、Y 两个方向梯度值Sx、Sy。2、求出图像的梯度幅值，即计算S = Sx2 + Sy23、设定一个阈值T，对梯度图像进行二值化处理，即得到最后的二值化的边缘图。(二) 序列图像运动目标检测与跟踪程序设计与实现1、序列图像的读取与显示本实验提供了 200 帧的图像序列，为BMP 文件，文件名后缀的序号按场景出现的先后顺序排列，源文件可在“课程网站中的实验指导“栏内下载。序列图像的读取及显示可参考本实验任务书最后的Matlab 代码提示。2、图像分割首先对图像进行必要的阈值分析，确定合适的阈值后，再对图像进行二值化处理（图像分割）。3、形心计算在分割的单帧图像上，计算图像的形心坐标（Xc，Yc）,确定目标在像素平面上的位置。4、形心跟踪1) 确定跟踪波门：即以形心位置为中心，在图像中包含目标的区域添加一个合适的矩形框（如取3216 pixels，3232 pixels，6432 pixels 等），2）实时跟踪：循环读取序列图像，对每帧图像均计算形心，和进行包含目标区域的波门绘制。实现对200 帧序列图像中运动目标的实时稳定跟踪，如图3 所示（仅为示意图，并非原图）。注：如果整幅图像中不能完整分割或提取目标，需要进行相应的预处理。可根据实际场景数据的特点，自行选择各种图像增强方法，以能稳定跟踪目标为准。八、实验数据及结果分析结果图像见附件观察图像sobel算子边沿检测图。图像的边缘清晰，层次分明。是由于本次原图像各个区域的灰度的差别比较大，因此sobel算子与图像卷积后使得图像的对比度较大，易于区分边缘和非边缘部分，因此，再将图像进行二值化处理之后，得到边缘效果较好，但是得到的边缘比较粗，主要是由于算子的大小是3x3。观察目标跟踪演示效果，目标始终被白框所包围跟踪，原始图像进行了二值化处理，选择了一个合适的阈值进行分割，并且对每一幅图像都求解了形心，以形心为参考点，做了一个白色的方框，所以目标才能始终处于白框之内九、 实验结论：利用sobel算子两个方向的作用，再对图像进行二值化处理后，可以有效的实现对图像的边沿检测。利用图像分割的方法可以提取和背景灰度级相差较大的目标，并且对图像进行二值化处理后，利用形心计算法可以找出目标的形心中心坐标，进而对目标进行跟踪。十、总结以及心得体会：Sobel算子对图像进行卷积后再进行二值化处理，对边沿检测的效果十分明显。计算图像的形心，并且以形心作为参考点化白框，可以有效地跟踪目标。十一、对实验过程和方法、手段的改进建议采用多种方法对目标进行跟踪，可以更加深入认识图像跟踪原理与方法。报告评分： 指导老师签名： 附件：附件一：clc,clear all,close all;I=imread(uestc.bmp);%I=imread(车牌图.jpg);subplot(221),imshow(I),title(原图);I0=rgb2gray(I);subplot(222),imshow(I0),title(灰度图);I0=double(I0);Sx=-1,0,1;-2,0,2;-1,0,1;Sy=-1,-2,-1;0,0,0;1,2,1;%sobel算子求X，Y梯度Ix=conv2(I0,Sx);Iy=conv2(I0,Sy);S=sqrt(Ix.2+Iy.2);subplot(223),imshow(mat2gray(S),title(梯度图);h,l=size(S);T=70;%取阈值为70for k=1:h for p=1:l if S(k,p)=T; B(k,p)=0; else B(k,p)=255; end endendsubplot(224),imshow(mat2gray(B),title(边沿检测图像);附件二：clc,clear all,close all;% 定义文件路径path = C:UsersAdministratorDocumentsMATLAB图像处理实验六images_seqimage200s;filecount=200;for i=1:filecount if i10 name=strcat(0000000,num2str(i),.bmp); elseif i100 name=strcat(000000,num2str(i),.bmp); else name=strcat(00000,num2str(i),.bmp); end Y=imread(path name); x,y=size(Y); for kk=1:x-10 for ll=1:y-10 if Y(kk,ll)200 F(kk,ll)=255; else F(kk,ll)=0; end end end Y=sum(F)/sum(sum(F); X=sum(F)/sum(sum(F); Xa=1:x-10; Ya=1:y-10; Xc=floor(sum(X.*Xa); Yc=floor(sum(Y.*Ya); F(Xc+18,Yc-30:Yc+40)=255;