激光光斑中心位置及大小的确定Matlab

1、燕山大学课 程 设 计 说 明 书题目： 20 目标位置及大小的确定 学院（系）： 电气工程学院 年级专业： 11级仪表1班 学 号： 学生姓名： 张钊 指导教师： 赵彦涛 吴飞 教师职称： 副教授 副教授 燕山大学课程设计（论文）任务书院（系）：电气工程学院 基层教学单位： 自动化仪表系 学 号学生姓名张钊专业（班级）11级仪表1班设计题目20 目标位置及大小的确定 设计技术参数 几句图像处理的知识，确定图像中两点的中心点的位置，并能确定其大小（即半径），尽量使用较多的方法实现，并且比较每种方法的处理速度。设计要求 实际确定图像中两点的中心点的位置，并且确定该两点的半径。实际中应具有自己的实

2、际思想、设计体会。 工作量了解Matlab的基本操作，查找与课程设计相关的资料，编写程序并调试，写论文，准备课程设计答辩。工作计划12月23日，熟悉Matlab的基本操作12月24日，查找与课程设计课题相关的资料12月25日，设计程序并调试12月26日，调试程序并写论文12月27日，整理论文，课程设计答辩参考资料1、 数字图像处理学 电子公告也出版社 贾永红 20032、 数字图像处理（Matlab版） 电子工业出版社 冈萨雷斯 20063、 其他数字图像处理和matlab变成发面的书记及相关学习资料指导教师签字赵彦涛 吴飞基层教学单位主任签字说明：此表一式四份，学生、指导教师、基层教学单位、

3、系部各一份。2013年12 月 27日 摘要首先对图像进行二值化，然后对二值图像进行去除噪声操作，通过找出与所求区域具有相同标准二阶中心矩的椭圆的长轴长度，短轴长度，离心率等，并找出包含所求区域的最小凸多边形，的顶点坐标。通过一定的方法，用所求椭圆的相关参数确定一个正多边形。使该正多边形具有一个相当大的边数，是该多边形接近一个圆。这个圆就是所要拟合的圆。最后通过三个点求圆的中心和半径。运用多种方法实现改程序，并计算各种方法所需时间。关键字 二值化处理 去噪声处理 圆的拟合 已知三点求圆的中心和半径 计算时间目 录第一章 彩色图像的二值化1.图像的二值化原理 52. 图像的二值化的程序

4、实现. 53.二值化前后效果对比 6第二章 去除噪声1去除噪声的原理 72去除噪声的程序实现 73去除噪声前后的图像对比 9第三章 圆拟合1圆拟合原理 92圆拟合的程序实现 103拟合效果 12第四章 求圆心及半径. 14第五章 Matlab中计算程序运行的时间 14第六章 Matlab程序 15总结. 29参考文献资料. 29第一章 彩色图像的二值化第一节 图像的二值化原理图像的二值化处理就是将图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非

5、常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。第二节  图像的二值化的程序实现方法一：首先将图像转变为灰度图像，再利用max，min等函数求阈值分割点，最后转化为二值化图像相关程序：J=i

6、mread(' C:UsersDELLDesktop软件20亮点图像4.JPG'); %读图像figure;imshow(J); %显示原始图像P=rgb2gray(J); %转换为灰度图像m,n=size(P); %获取图像的行数和列数ma=max(max(P); %求最大值mi=min(min(P); %求最小值limen=(ma+mi)/2; %求分割阈值I=(P>limen); %二值化figure;imshow(I); %显示二值化图像方法二：首先将图像转变为灰度图像，再利用graythresh等函数求阈值分割点，最后用函数im2bw进行二值化。I=imread

7、(' C:UsersDELLDesktop软件20亮点图像4.JPG '); %读图像P=rgb2gray(I);%转换为灰度图像level=graythresh(P);%求分割阈值I=im2bw(P,level);%二值化imshow(I); %显示二值化图像第三节 二值化前后效果对比第二章 去除噪声第一节 去除噪声的原理噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、相片底片上感光材料的颗粒、传输通道的干扰及量化噪声等。噪声产生的原因决定了噪声的分布特性及它和图像信号

8、的关系。第二节 去除噪声的程序实现方法1L = bwlabel(I); % 功能：标注二进制图像中已连接的部分。stats = regionprops(L, 'Area', 'ConvexHull', 'MajorAxisLength', .'MinorAxisLength', 'Eccentricity', 'Centroid'); %用来度量图像区域属性的函数。测量标注矩阵L中每一个标注区域的一系列属性。L中不同的正整数元素对应不同的区域。 %A = ; %定义数组A%for i = 1 : l

9、ength(stats) A = A stats(i).Area; % 'Area'是标量，计算出在图像各个区域中像素总个数。%EndmA, ind = max(A);I1 = I;I1(find(L=ind) = 0; Figure ;imshow(I1);方法二，中值滤波clearclcI=imread('C:UsersDELLDesktop1.bmp'); I=im2double(I);I=medfilt2(I);imshow(I,); title(''); 第三节 去除噪声前后的图像对比第三章 圆拟合第一节 圆拟合原理首先通过region

10、props函数找出与所求区域具有相同标准二阶中心矩的椭圆的长轴长度，短轴长度，离心率等，并找出包含所求区域的最小凸多边形，的顶点坐标。通过一定的方法，用所求椭圆的相关参数确定一个正多边形。使该正多边形具有一个相当大的边数，是该多边形接近一个圆。这个圆就是所要拟合的圆。在指令t = linspace(0, 2*pi，N)中，N-1表示所求正多边形的边数，N越大，所拟合的圆越精确。第二节 圆拟合的程序实现stats = regionprops(L, 'Area', 'ConvexHull', 'MajorAxisLength', .'Mino

11、rAxisLength', 'Eccentricity', 'Centroid'); %用来度量图像区域属性的函数。测量标注矩阵L中每一个标注区域的一系列属性。L中不同的正整数元素对应不同的区域。 %A = ; %定义数组A%for i = 1 : length(stats) A = A stats(i).Area; % 'Area'是标量，计算出在图像各个区域中像素总个数。%EndmA, ind = max(A);I1 = I;I1(find(L=ind) = 0; figure;imshow(I1)hold on;temp = sta

12、ts(ind).ConvexHull; % 'ConvexHull'是p行2列的矩阵，包含某区域的最小凸多边形。此矩阵的每一行 存储此多边形一个顶点的xy坐标。%t = linspace(0, 2*pi); % 用法：linspace(x1,x2,N)功能：linspace是Matlab中的一个指令，用于产生x1,x2之间的N点行矢量。其中x1、x2、N分别为起始值、终止值、元素个数。若缺省N，默认点数为100。 应用举例例一：在matlab的命令窗口输入：   X=linspace(1,100)将产生从1到100步长为1的数组。类似于在命令窗口中输入：X=

13、1:1:100例二：在命令窗口中输入：X=linspace(5,100,20)将输出：X =5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100这和X=5:5:100的效果是一样的。%c1 = stats(ind).Centroid; % 'Centroid'是1行ndims(L)列的向量，给出每个区域的质心（重心）。 注意：Centroid 的第一个元素是重心水平坐标（x坐标）、第二个元素是重心垂直坐标（y坐标）。Centroid 所有其它元素则按照维顺序排列。a1 = stats(ind).MajorAxis

14、Length; % 'MajorAxisLength'是标量，椭圆的长轴长度（像素意义下）。 标准二阶中心矩就是标准方差 %b1 = stats(ind).MinorAxisLength; % 'MinorAxisLength'是标量，的椭圆的短轴长度（像素意义下）%d1 = stats(ind).Eccentricity; % 'Eccentricity'是标量，椭圆的离心率（可作为特征）%x1 = c1(1) + d1*b1*cos(t);y1 = c1(2) + d1*a1*sin(t);m=plot(x1, y1, 'b-'

15、;); %拟合出一个蓝色的圆第三节 拟合效果t = linspace(0, 2*pi，N)中,N=5时的效果t = linspace(0, 2*pi，N)中,N=700时的效果第四章 求圆心及半径通过在所拟合的圆上任取三个点，通过这三个点确定远的圆心和半径。x2=x1(1,1);y2=y1(1,1);x3=x1(1,100);y3=y1(1,100);x4=x1(1,300);y4=y1(1,300);a=2*(x3-x2);b=2*(y3-y2);n=(x3*x3+y3*y3-x2*x2-y2*y2);d=2*(x4-x3);e=2*(y4-y3);f=(x4*x4+y4*y4-x3*x3-

16、y3*y3);x0=(b*f-e*n)/(b*d-e*a+eps) % 求圆心坐标y0=(d*n-a*f)/(b*d-e*a+eps)r0=sqrt(x0-x2)*(x0-x2)+(y0-y2)*(y0-y2) % 求半径第五章Matlab中计算程序运行时间一，tic和toc组合计算tic和toc之间那段程序之间的运行时间，它的经典格式为1. tic 2. 。3. toc 复制代码换句话说程序，程序遇到tic时Matlab自动开始计时，运行到toc时自动计算此时与最近一次ti之间的时间。二，etime(t1,t2)并和clock配合来计算t1 t2之间的时间差，它是通过调用windows系统的

17、时钟进行时间差计算得到运行时间的，应用的形式1. t1=clock; 2. 。3. t2=clock; 4. etime(t2,t1) 第六章 Matlab程序程序一：t1=clock;I = imread('C:UsersDELLDesktop软件20亮点图像4.JPG');P=rgb2gray(I);%转换为灰度图像level=graythresh(P);%求分割阈值I = im2bw(I);figure; imshow(I); L = bwlabel(I); stats = regionprops(L, 'Area', 'ConvexHull

18、9;, 'MajorAxisLength', . 'MinorAxisLength', 'Eccentricity', 'Centroid'); A = ; for i = 1 : length(stats) A = A stats(i).Area; end mA, ind = max(A); I1 = I; I1(find(L=ind) = 0; figure; imshow(I1); hold on;1 temp = stats(ind).ConvexHull; t = linspace(0, 2*pi,500); c1 =

19、stats(ind).Centroid; a1 = stats(ind).MajorAxisLength; b1 = stats(ind).MinorAxisLength; d1 = stats(ind).Eccentricity; x1 = c1(1) + d1*b1*cos(t); y1 = c1(2) + d1*a1*sin(t); m=plot(x1, y1, 'g-'); x2=x1(1,1); y2=y1(1,1); x3=x1(1,30); y3=y1(1,30); x4=x1(1,80); y4=y1(1,80); a=2*(x3-x2); b=2*(y3-y2

20、); n=(x3*x3+y3*y3-x2*x2-y2*y2); d=2*(x4-x3); e=2*(y4-y3); f=(x4*x4+y4*y4-x3*x3-y3*y3); x0=(b*f-e*n)/(b*d-e*a+eps) % 求圆心y0=(d*n-a*f)/(b*d-e*a+eps) r0=sqrt(x0-x2)*(x0-x2)+(y0-y2)*(y0-y2) % 求半径t2=clock; etime(t2,t1)运行结果及图像：程序二：应用利用max，min等函数求阈值分割点，最后转化为二值化图像，去噪后利用中值滤波处理clear all;clc;t1=clock;I=imread(&

21、#39;C:UsersDELLDesktop软件20亮点图像4.JPG'); figure;imshow(I); %显示原始图像P=rgb2gray(I); %转换为灰度图像m,n=size(P); %获取图像的行数和列数ma=max(max(P); %求最大值mi=min(min(P); %求最小值limen=(ma+mi)/2; %求分割阈值I=(P>limen); %二值化figure;imshow(I); %显示二值化图像L = bwlabel(I);stats = regionprops(L, 'Area', 'ConvexHull',

22、'MajorAxisLength', . 'MinorAxisLength', 'Eccentricity', 'Centroid');A = ;for i = 1 : length(stats) A = A stats(i).Area;endmA, ind = max(A);I1 = I;I1(find(L=ind) = 0;figure;imshow(I1);I=im2double(I); K2=medfilt2(I1); figure;imshow(K2); hold on; t = linspace(0, 2*pi,700

23、); c1 = stats(ind).Centroid; a1 = stats(ind).MajorAxisLength; b1 = stats(ind).MinorAxisLength; d1 = stats(ind).Eccentricity; x1 = c1(1) + d1*b1*cos(t); y1 = c1(2) + d1*a1*sin(t); m=plot(x1, y1, 'g-'); x2=x1(1,1); y2=y1(1,1); x3=x1(1,30); y3=y1(1,30); x4=x1(1,80); y4=y1(1,80); a=2*(x3-x2); b=

24、2*(y3-y2); n=(x3*x3+y3*y3-x2*x2-y2*y2); d=2*(x4-x3); e=2*(y4-y3); f=(x4*x4+y4*y4-x3*x3-y3*y3); x0=(b*f-e*n)/(b*d-e*a+eps) % 求圆心y0=(d*n-a*f)/(b*d-e*a+eps) r0=sqrt(x0-x2)*(x0-x2)+(y0-y2)*(y0-y2) % 求半径t2=clock; etime(t2,t1)运行结果及图像：程序三：先转化灰度图像，利用graythresh等函数惊醒阈值分割clear all;clc;t1=clock;I=imread('C:

25、UsersDELLDesktop软件20亮点图像4.JPG'); P=rgb2gray(I);%转换为灰度图像level=graythresh(P);%求分割阈值I = im2bw(I);figure; imshow(I);I=im2double(I); K2=medfilt2(I1); imshow(K2); L = bwlabel(I); stats = regionprops(L, 'Area', 'ConvexHull', 'MajorAxisLength', . 'MinorAxisLength', 'E

26、ccentricity', 'Centroid'); A = ; for i = 1 : length(stats) A = A stats(i).Area; end mA, ind = max(A); I1 = I; I1(find(L=ind) = 0; figure; imshow(I1); I=im2double(I); subplot(2,1,1);imshow(I); title('原始图像'); K2=medfilt2(I1); subplot(2,1,2);imshow(K2); title('去噪后再用中值滤波处理的图像'); hold on; t = linspace(0, 2*pi,N); c1 = stats(ind).Centroid; a1 = stats(ind).MajorAxisLength; b1 = stats(ind).MinorAxisLength; d1 = stats(ind).Eccentricity; x1 = c1(1) + d1*b1*cos(t); y1 =