Matlab一种二值化图像的形态学操作程序

1、Matlab中将一幅图像阈值分割二值化非常简单，若需要通过阈值th2二值化保留一些大面积的、且有灰度值含有大于th1的点的前景区域，而不需要小面积的区域(th1大于th2 ),这时会遇到这 样的问题：当阈值选为th2时会把一些小面积区域也保留下来； 若把 阈值增大到th1 ,小面积的区域没了，但是原来大面积的区域又会减 小；若要直接去掉阈值th2二值化图像中面积小于某一值的的区域， 需要计算每个区域的面积，计算量大，而且有的区域中并没有含有大 于th1的点。卜面利用数学形态学的方法来解决上述问题。这里主要是采用数学形态学中的腐蚀与膨胀操作， 采用均值滤波、灰度图像 高阈值二值化、种子点选择、灰

2、度图像低阈值二值化和选择滤波相结合的方法， 具体来说：腐蚀过程采用均值滤波和高阈值对第一细分图像二值化，滤掉面积较小的区域，得到较大的区域，然后选择每个区域的种子点；膨胀过程采用低阈值 对第一细分图像二值化，保留含有种子点的区域，其它的均过滤掉。经过腐蚀和 膨胀操作后，得到所希望的结果，见下图。程序如下：wmf10=imread('mwf1.bmp'); % 读取图像wmf1=wmf10(:,:,1);%由于是灰度图像，三个页面相同，故只对第一页面数据操 作figure(1);subplot(121);imagesc(wmf1);colormap(gray); % 显示原图象

3、h=fspecial( 'average' ,3);wmf1_filted=uint8(round(filter2(h,wmf1); %均值滤波th1=0.94*max(max(wmf1); % 确定阈值 th1wmf1th1=(wmf1_filted>th1); % 按阈值 th1 二值化wmf1th1_label numth1_label=bwlabel(wmf1th1,8);rc=zeros(2,numth1_label); % 选择种子点坐标for i=1:numth1_labelr c=find(wmf1th1_label=i);rc(1,i)=r(2);rc(

4、2,i)=c(2);endr=rc(1,:);c=rc(2,:);coe=1.4;th2=mean2(wmf1)+coe*std2(wmf1); % 确定阈值th2wmf1th2=(wmf1>th2); % 按阈值 th2 二值化wmf1th2_select=bwselect(wmf1th2,c,r,8); %保留含有种子点的前景区域subplot(122);imagesc(wmf1th2_select);colormap(gray);上述程序主要是采用了 bwlabel 和 beselect 函数，虽然没有直接使用Matlab 的形态学操作的膨胀、腐蚀函数，但其实质过程和达到的效果是遵

5、循形态学操作原理的， 因而这也为形态学操作提供了其他的编程实现过程。 有心的读者可以试试看，能否用 dilate 和 erosion 函数完成同样的任务。matlab 数学形态学图像边缘检测blood = imread('test.jpg');x,y,z=size(blood);b=double(blood);N =sqrt(100) * randn(x,y,z);I=b+N;for i=1:xfor j=1:yif (I(i,j)>255)I(i,j)=255;endif (I(i,j)<0)I(i,j)=0;endendendz0=max(max(I);z1=m

6、in(min(I);T=(z0+z1)/2;TT=0;S0=0; n0=0;S1=0; n1=0;allow=0.5;d=abs(T-TT);count=0;while(d>=allow)count=count+1;% 求出图象大小% 生成方差为 10 的白噪声% 噪声干扰图象%实际图象的灰度为0255% 求出图象中最大的灰度% 最小的灰度% 新旧阈值的允许接近程度% 记录几次循环% 迭代最佳阈值分割算法for i=1:xfor j=1:yif (I(i,j)>=T)S0=S0+I(i,j);n0=n0+1;endif (I(i,j)<T)S1=S1+I(i,j);n1=n1

7、+1;endendendT0=S0/n0;T1=S1/n1;TT=(T0+T1)/2;d=abs(T-TT);T=TT;endSeg=zeros(x,y);for i=1:xfor j=1:yif(I(i,j)>=T)Seg(i,j)=1;% 阈值分割的图象endendendSI=1-Seg;% 阈值分割后的图象求反， 便于用腐蚀算法求边缘se1=strel('square',3);% 定义腐蚀算法的结构% 腐蚀算法% 边缘检测SI1=imerode(SI,se1);BW=SI-SI1;%= 传统的边缘检测方法=%I=uint8(I);BW1=edge(SI,'sobel', 0.11);BW2=edge(SI,'log', 0.015);%= 图象显示 =% figure(1);% 显示阈值分割的图象% 显示新算法的边缘图imshow(I);title('Original')figure(2);imshow(BW2);title(&