智能圖像處理與分析識(shí)別

《智能圖像處理與分析識(shí)別》圖像預(yù)處理技術(shù)4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過(guò)濾增強(qiáng)4.4形態(tài)學(xué)處理4.1圖像的灰度變換圖像灰度變換（Gray-ScaleTransformation，GST）是圖像增強(qiáng)的一種重要手段，它常用于改變圖像的灰度范圍及其分布，使圖像的動(dòng)態(tài)范圍增大及對(duì)比度擴(kuò)展，是圖像數(shù)字化及圖像顯示的重要工具之一。灰度變換的作用是為了改變圖像的質(zhì)量，使圖像的顯示效果更加清晰，并且有選擇地突出圖像中感興趣的特征或者抑制圖像中某些不需要的特征，使圖像與視覺(jué)響應(yīng)特性相匹配。4.1圖像的灰度變換線性灰度變換的變換函數(shù)滿足：4.1.1線性變換灰度變換4.1圖像的灰度變換4.1.1線性變換在Matlab環(huán)境中，采用函數(shù)imadjust()對(duì)圖像進(jìn)行灰度值線性變換，常用語(yǔ)法有：J=imadjust(I)J=imadjust(I,[low_inhigh_in],[low_outhigh_out])J=imadjust(I,[low_inhigh_in],[low_outhigh_out],gamma)4.1圖像的灰度變換I=imread('mengwa.jpg');%載入圖像I1=rgb2gray(I);figure,imshow(I1);%顯示圖像figure,imhist(I1);xlim([0255]);%規(guī)定橫縱坐標(biāo)ylim([010000]);xlim([0255]);ylim([010000]);%將圖像通過(guò)線性變換映射到0~255之間J=imadjust(I1,[0.3,0.7]);%對(duì)灰度圖像進(jìn)行線性變換figure,imshow(J);figure,imhist(J);xlim([0255]);ylim([010000]);4.1.1線性變換【代碼示例】：不同的分段線性變換4.1.1線性變換4.1圖像的灰度變換4.1.2分段線性變換在實(shí)際應(yīng)用中，為了突出圖像中感興趣的研究對(duì)象，常常要求局部擴(kuò)展拉伸某一范圍的灰度值，或?qū)Σ煌秶幕叶戎颠M(jìn)行不同的拉伸處理，即分段線性拉伸分段線性灰度變換4.1圖像的灰度變換4.1.2分段線性變換通過(guò)調(diào)整折線拐點(diǎn)的位置以及控制分段直線的斜率，可以實(shí)現(xiàn)對(duì)任意灰度區(qū)間的擴(kuò)展和壓縮不同的分段線性變換4.1圖像的灰度變換4.1.3灰度對(duì)數(shù)變換對(duì)數(shù)變換不是對(duì)圖像的整個(gè)灰度范圍進(jìn)行擴(kuò)展，而是有選擇地對(duì)低灰度值范圍進(jìn)行擴(kuò)展，其他范圍的灰度值則有可能被壓縮，也就是說(shuō)它主要用來(lái)將圖像暗的部分進(jìn)行擴(kuò)展，而將亮的部分進(jìn)行抑制。4.1圖像的灰度變換4.1.3灰度對(duì)數(shù)變換I=imread('mengwa2.jpg');%載入圖像figure,imshow(I)J=double(I);J=40*(log(J+1));H=uint8(J);%將圖像數(shù)組轉(zhuǎn)換成uint8類型，即8位圖figure,imshow(H)figure,imhist(I);figure,imhist(H);4.1圖像的灰度變換灰度對(duì)數(shù)變換【代碼示例】：4.1.4直方圖均衡化直方圖均衡化是一種圖像對(duì)比度增強(qiáng)技術(shù)，它可以改變圖像整體偏暗或偏亮，或灰度層次不豐富的情況，使得到的直方圖占據(jù)整個(gè)灰度范圍且均勻分布。直方圖均衡化通過(guò)使用累積函數(shù)對(duì)灰度值進(jìn)行“調(diào)整”以實(shí)現(xiàn)對(duì)比度的增強(qiáng),

直方圖均衡化映射函數(shù)為:N

是圖像的像素總數(shù),

nk是圖像中第k個(gè)灰度級(jí)的像素總數(shù)，fk為原圖第k個(gè)灰度級(jí)的灰度值，gk為均衡化后第k個(gè)灰度級(jí)的灰度值。

4.1圖像的灰度變換4.1.4直方圖均衡化實(shí)現(xiàn)步驟:原始圖像的灰度情況進(jìn)行統(tǒng)計(jì)分析，并計(jì)算出原直方圖分布然后根據(jù)計(jì)算出的累計(jì)直方圖分布求出到的灰度映射關(guān)系。重復(fù)上述步驟得到原圖像所有灰度級(jí)到目標(biāo)圖像灰度級(jí)的映射關(guān)系根據(jù)上述映射關(guān)系對(duì)原圖像各點(diǎn)像素進(jìn)行灰度轉(zhuǎn)換

4.1圖像的灰度變換4.1.4直方圖均衡化Matlab中采用histeq()函數(shù)對(duì)圖像進(jìn)行均衡化處理，調(diào)用形式如下：I=imread('mengwa.jpg');%載入原始圖像I1=rgb2gray(I);figure,imshow(I1);hgram=[0:255];%規(guī)定化函數(shù)J=histeq(I1,hgram);%直方圖均衡化figure,imshow(J);figure,imhist(I1,256);

figure,imhist(J,256);

圖像直方圖均衡化4.1圖像的灰度變換《智能圖像處理與分析識(shí)別》圖像預(yù)處理技術(shù)4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過(guò)濾增強(qiáng)4.4形態(tài)學(xué)處理4.2圖像的幾何變換圖像幾何變換是指用數(shù)學(xué)建模的方法來(lái)描述圖像位置、大小、形狀等變化的方法，通過(guò)對(duì)變形的圖像進(jìn)行幾何校正，可以得出準(zhǔn)確的圖像。圖像幾何變換只改變像素所在的幾何位置，而不改變圖像的像素值。平移旋轉(zhuǎn)鏡像比例縮放插值4.2圖像的幾何變換4.2.1平移圖像的平移是幾何變換中最簡(jiǎn)單的變換之一，是將一幅圖像上的所有點(diǎn)都按照給定的偏移量在水平方向沿x軸、在垂直方向沿y軸移動(dòng)。發(fā)生平移時(shí)，遵循以下公式：4.2圖像的幾何變換I=imread('mengwa.jpg');%載入原圖figure,imshow(I);se=translate(strel(1),[4040]);%向右向下平移40個(gè)像素J=imdilate(I,se);figure,imshow(J);4.2.1平移原圖平移圖像【代碼示例】：4.2圖像的幾何變換4.2.2旋轉(zhuǎn)圖像旋轉(zhuǎn)變換是指以圖像的中心為原點(diǎn)，將圖像中的所有像素（即整幅圖像）旋轉(zhuǎn)一個(gè)相同角度。4.2圖像的幾何變換4.2.2旋轉(zhuǎn)Matlab中采用imrotate()函數(shù)對(duì)圖像進(jìn)行旋轉(zhuǎn)操作，調(diào)用形式如下：B=imrotate(A,angle)B=imrotate(A,angle,method)B=imrotate(A,angle,method,bbox)A是旋轉(zhuǎn)的圖像矩陣，angle是旋轉(zhuǎn)角度，-45是順時(shí)針。method是插值的方法（如，nearest，bilinear，bicubic，注意：要打單引號(hào)，‘nearest’）。bbox是指旋轉(zhuǎn)后的顯示方式（兩種：crop，旋轉(zhuǎn)后的圖像跟原圖像大小一樣，超過(guò)邊框的舍去；loose，旋轉(zhuǎn)后的圖像不變，隨框大小而變化）。4.2圖像的幾何變換4.2.2旋轉(zhuǎn)I=imread('mengwa.jpg’)%載入原圖figure,imshow(I);J1=imrotate(I,45);%將圖像旋轉(zhuǎn)45°J2=imrotate(I,90);%將圖像旋轉(zhuǎn)90°J3=imrotate(I,135);%將圖像旋轉(zhuǎn)135°figure,imshow(J1);figure,imshow(J2);figure,imshow(J3);原圖旋轉(zhuǎn)45度旋轉(zhuǎn)90度旋轉(zhuǎn)135度【代碼示例】：4.2圖像的幾何變換4.2.3鏡像圖像的鏡像變換不改變圖像的形狀。圖像的水平鏡像操作是將圖像的左半部分和右半部分以圖像垂直中軸線為中心鏡像進(jìn)行對(duì)換；圖像的垂直鏡像操作是將圖像上半部分和下半部分以圖像水平中軸線鏡像進(jìn)行對(duì)換。可以單個(gè)像素進(jìn)行鏡像，也可以利用位圖存儲(chǔ)的連續(xù)性進(jìn)行整行復(fù)制。水平鏡像垂直鏡像4.2圖像的幾何變換4.2.3鏡像I=imread('mengwa.jpg');figure,imshow(I);[R,C,color]=size(I);J=zeros(R,C,color);fori=1:Rforj=1:Cx=i;y=C-j+1;J(x,y,:)=I(i,j,:);endendfigure,imshow(uint8(J));原圖鏡像圖像【代碼示例】：4.2圖像的幾何變換4.2.4比例放縮圖像比例縮放（imagescaling）是指對(duì)數(shù)字圖像的大小進(jìn)行調(diào)整的過(guò)程。圖像縮放需要在處理效率以及結(jié)果的平滑度和清晰度上做一個(gè)權(quán)衡。圖像的縮放操作將會(huì)改變圖像的大小，產(chǎn)生的圖像中的像素可能在原圖中找不到相應(yīng)的像素點(diǎn)，這樣就必須進(jìn)行近似處理。一般的方法是直接賦值為和它最相近的像素值，也可以通過(guò)一些插值算法來(lái)計(jì)算。4.2圖像的幾何變換4.2.4比例放縮Matlab中采用imresize()函數(shù)對(duì)圖像進(jìn)行縮放處理，其常用的調(diào)用格式如下：B=imresize(A,scale)B=imresize(A,[numrowsnumcols])scale大于1，則放大圖像；scale小于1，縮小圖像。numrows和numcols分別指定目標(biāo)圖像的高度和寬度。4.2圖像的幾何變換4.2.4比例放縮I=imread('mengwa1.jpg');%載入原圖figure,imshow(I);J1=imresize(I,2);%縮放J2=imresize(I,0.5);figure,imshow(J1);figure,imshow(J2);【代碼示例】：4.2圖像的幾何變換4.2.5插值圖像插值是圖像處理中較常用的一種提高分辨率的方法，它利用已知鄰近像素點(diǎn)的灰度值（或RGB圖像中的三色值）來(lái)產(chǎn)生未知像素點(diǎn)的灰度值，以便由原始低分辨圖像再生出具有更高分辨率的圖像。（1）最近鄰插值將一張M×N的圖像I放大為m×n的圖像J，則圖像I中任一點(diǎn)(i,j)的映射到圖像J的坐標(biāo)(x,y)，類比相似三角形的相似性質(zhì)計(jì)算圖像J中坐標(biāo)(x,y)的像素值為：4.2圖像的幾何變換4.2.5插值（2）雙線性插值該方法中輸出像素的值是它在輸入圖像中2×2的鄰域采樣點(diǎn)的平均值，它根據(jù)某像素周圍4個(gè)像素的灰度值在水平和垂直兩個(gè)方向上對(duì)其插值。（3）雙三次插值該插值的鄰域大小為4×4，它的插值效果比較好，但相應(yīng)的計(jì)算量較大。4.2圖像的幾何變換4.2.5插值在Matlab中提供的圖像縮放函數(shù)imresize()可以實(shí)現(xiàn)對(duì)圖像的縮放，在使用該函數(shù)時(shí)，可以選擇圖像縮放所采用的插值方法。其調(diào)用形式如下：B=imresize(A,scale,method)'nearest'：這個(gè)參數(shù)也是默認(rèn)的，即改變圖像尺寸時(shí)采用最近鄰插值算法；'bilinear'：采用雙線性插值算法；'bicubic'：采用雙三次插值算法；4.2圖像的幾何變換4.2.5插值I=imread('mengwa1.jpg');%載入原圖figure,imshow(I);J1=imresize(I,1.5,'nearest');%最近鄰插值縮放J2=imresize(I,1.5,'bilinear');%雙線性插值縮放J3=imresize(I,1.5,'bicubic');%雙三次插值縮放figure,imshow(J1);figure,imshow(J2);figure,imshow(J3);【代碼示例】：4.2圖像的幾何變換4.2.5插值原圖最近鄰插值放大雙線性插值放大雙三次插值放大《智能圖像處理與分析識(shí)別》圖像預(yù)處理技術(shù)4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過(guò)濾增強(qiáng)4.4形態(tài)學(xué)處理4.3空間濾波增強(qiáng)空間濾波器是由一個(gè)鄰域（通常是較小的矩形），對(duì)該鄰域所包圍圖像像素執(zhí)行的預(yù)定義操作組成。濾波產(chǎn)生一個(gè)新像素，新像素的坐標(biāo)等于鄰域中心的坐標(biāo)，像素的值是濾波操作的結(jié)果。濾波后的像素值通常會(huì)賦給新創(chuàng)建圖像中的對(duì)應(yīng)位置，以容納濾波的結(jié)果。均值濾波中值濾波對(duì)比度增強(qiáng)使用大小為3×3的濾波器模板的線性空間濾波機(jī)理4.3.1空間濾波機(jī)理4.3空間濾波增強(qiáng)4.3.2均值濾波均值濾波法也叫鄰域平均法，是一種局部空間域處理的算法，鄰域平均法具有良好的噪聲平滑效果，是最簡(jiǎn)單的一種平滑方法。f(i,j)為圖像信號(hào)h(i,j)為噪聲S為點(diǎn)(x,y)鄰域內(nèi)的點(diǎn)集4.3空間濾波增強(qiáng)4.3.2均值濾波在Matlab圖像處理工具箱中提供了fspecial()函數(shù)用來(lái)創(chuàng)建預(yù)定義的濾波器模板，并提供了filter2()函數(shù)用指定的濾波器模板對(duì)圖像進(jìn)行均值濾波運(yùn)算。filter2()的調(diào)用格式為：Y=filter2(h,X)；Y=filter2(h,X,shape)；h為指定的濾波器模板X為原始圖像。Y為濾波后的圖像。4.3空間濾波增強(qiáng)4.3.2均值濾波I=imread('mengwa1.jpg');%載入圖像I1=rgb2gray(I);J=imnoise(I1,'salt&pepper',0.02);%添加椒鹽噪聲K1=filter2(fspecial('average',3),J)/255;%進(jìn)行3×3模板均值濾波（默認(rèn)值）K2=filter2(fspecial('average',5),J,'full')/255;%進(jìn)行5×5模板均值濾波K3=filter2(fspecial('average',7),J,'same')/255;%進(jìn)行7×7模板均值濾波K4=filter2(fspecial('average',9),J,'valid')/255;%進(jìn)行9×9模板均值濾波4.3空間濾波增強(qiáng)【代碼示例】：4.3空間濾波增強(qiáng)4.3.2均值濾波灰度圖

3×3均值濾波加噪聲圖像5×5均值濾波7×7均值濾波9×9均值濾波4.3.3中值濾波中值濾波法也是一種非線性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值。4.3空間濾波增強(qiáng)中值濾波法是一種減少邊緣模糊的非線性平滑技術(shù)，在一定條件下，可以克服鄰域平均所帶來(lái)的圖像細(xì)節(jié)模糊，能保存完整的邊緣信息，而且能對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效。4.3.3中值濾波4.3空間濾波增強(qiáng)在Matlab圖像處理工具箱中提供了medfilt2()函數(shù)用指定的濾波器模板對(duì)圖像進(jìn)行中值濾波運(yùn)算。medfilt2()的調(diào)用格式為：J=medfilt2(I);J=medfilt2(I，[mn]);J=medfilt2(___，padopt);4.3空間濾波增強(qiáng)I=imread('mengwa1.jpg');I1=rgb2gray(I);figure,imshow(I1);%title('灰度圖','fontsize',14)J=imnoise(I1,'salt&pepper',0.02);figure,imshow(J);%title('加噪聲圖像','fontsize',14)K1=medfilt2(J,[3,3]);%進(jìn)行3×3模板中值濾波（默認(rèn)）K2=medfilt2(J,[5,5]);%進(jìn)行5×5模板中值濾波K3=medfilt2(J,[7,7]);%進(jìn)行7×7模板中值濾波K4=medfilt2(J,[9,9]);%進(jìn)行9×9模板中值濾波figure,imshow(K1);%title('3×3中值濾波','fontsize',14)figure,imshow(K2);%title('5×5中值濾波','fontsize',14)figure,imshow(K3);%title('7×7中值濾波','fontsize',14)figure,imshow(K4);%title('9×9中值濾波','fontsize',14)【代碼示例】：4.3空間濾波增強(qiáng)灰度圖

3×3中值濾波加噪點(diǎn)圖像5×5中值濾波7×7中值濾波9×9中值濾波4.3.3中值濾波《智能圖像處理與分析識(shí)別》圖像預(yù)處理技術(shù)4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過(guò)濾增強(qiáng)4.4形態(tài)學(xué)處理4.4形態(tài)學(xué)處理形態(tài)學(xué)，即數(shù)學(xué)形態(tài)學(xué)（MathematicalMorphology），是圖像處理中應(yīng)用最為廣泛的技術(shù)之一。其主要應(yīng)用是從圖像中提取對(duì)于表達(dá)和描繪區(qū)域形狀有意義的圖像分量，使后續(xù)的識(shí)別工作能夠抓住目標(biāo)對(duì)象最為本質(zhì)的形狀特征，如邊界和連通區(qū)域等；同時(shí)圖像細(xì)化、像素化和修剪毛刺等技術(shù)也常常應(yīng)用于圖像的預(yù)處理和后處理中，成為圖像增強(qiáng)技術(shù)的有力補(bǔ)充。4.4形態(tài)學(xué)處理4.4.1腐蝕腐蝕運(yùn)算的基本過(guò)程是，把結(jié)構(gòu)元素作為一個(gè)卷積模板，遍歷原圖像的每個(gè)像素，然后用結(jié)構(gòu)元素的中心點(diǎn)對(duì)準(zhǔn)當(dāng)前正在遍歷的像素，然后取當(dāng)前結(jié)構(gòu)元素所覆蓋下的原圖對(duì)應(yīng)區(qū)域內(nèi)的所有像素的最小值，用最小值替換當(dāng)前像素值。4.4形態(tài)學(xué)處理Matlab中和腐蝕相關(guān)的兩個(gè)常用函數(shù)為imerode()和strel()（1）imerode函數(shù)用于完成圖像腐蝕，其常用調(diào)用形式如下： J=imerode(I,SE)（2）strel()函數(shù)可以為各種常見(jiàn)形態(tài)學(xué)運(yùn)算生成結(jié)構(gòu)元素SE，當(dāng)生成二值形態(tài)學(xué)使用的結(jié)構(gòu)元素時(shí)，其調(diào)用形式入下。 SE=strel(shape,parameters)4.4.1腐蝕4.4形態(tài)學(xué)處理I=imread('jianzhiYFFS.jpg');I1=rgb2gray(I);figure,imshow(I1);%title('灰度圖','fontsize',14)se1=strel('disk',1);%生成圓形結(jié)構(gòu)元素，半徑r=1se2=strel('disk',2);%生成圓形結(jié)構(gòu)元素，半徑r=2se3=strel('disk',3);%生成圓形結(jié)構(gòu)元素，半徑r=3J1=imerode(I1,se1);%用生成的結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕J2=imerode(I1,se2);J3=imerode(I1,se3);figure,imshow(J1);%title('腐蝕r=1','fontsize',14)figure,imshow(J2);%title('腐蝕r=2','fontsize',14)figure,imshow(J3);%title('腐蝕r=3','fontsize',14)【代碼示例】：4.4形態(tài)學(xué)處理4.4.1腐蝕4.4形態(tài)學(xué)處理4.4.1膨脹膨脹運(yùn)算的基本過(guò)程是，把結(jié)構(gòu)元素作為一個(gè)卷積模板，遍歷原圖像的每個(gè)像素，然后用結(jié)構(gòu)元素的中心點(diǎn)對(duì)準(zhǔn)當(dāng)前正在遍歷的像素，然后取當(dāng)前結(jié)構(gòu)元素所覆蓋下的原圖對(duì)應(yīng)區(qū)域內(nèi)的所有像素的最大值，用最大值替換當(dāng)前像素值。4.4形態(tài)學(xué)處理4.4.2膨脹在Matlab中和膨脹相關(guān)的倆個(gè)常用函數(shù)為imdilate()和strel()。imdilate函數(shù)用于完成圖像膨脹，其常用調(diào)用形式如下：J=imdilate(I,SE);參數(shù)說(shuō)明：

I為原始圖像，可以是二值或灰度圖像(對(duì)應(yīng)于灰度膨脹）。

SE是由strel()函數(shù)返回的自定義或者預(yù)設(shè)的結(jié)構(gòu)元素對(duì)象。

J為膨脹后的輸出圖像。4.4形態(tài)學(xué)處理I=imread('jianzhiYFFS.jpg');%載入圖像se1=strel('disk',1);%生成圓形結(jié)構(gòu)元素，半徑r=1se2=strel('disk',2);%生成圓形結(jié)構(gòu)元素，半徑r=2se3=strel('disk',3);%生成圓形結(jié)構(gòu)元素，半徑r=3I1=rgb2gray(I);%轉(zhuǎn)化為灰度圖figure,imshow(I1);%title('灰度圖','fontsize',14)J1=imdilate(I1,se1);%用生成的結(jié)構(gòu)元素對(duì)圖像進(jìn)行膨脹J2=imdilate(I1,se2);J3=imdilate(I1,se3);figure,imshow(J1);%title('膨脹r=1','fontsize',14)figure,imshow(J2);%title('膨脹r=2','fontsize',14)figure,imshow(J3);%title('膨脹r=3','fontsize',14)【代碼示例】：4.4形態(tài)學(xué)處理4.4.2膨脹4.4形態(tài)學(xué)處理4.4.3開(kāi)運(yùn)算先對(duì)圖像進(jìn)行腐蝕運(yùn)算，再進(jìn)行膨脹運(yùn)算，稱為開(kāi)運(yùn)算。一般來(lái)說(shuō)，開(kāi)運(yùn)算使圖像的輪廓變得光滑，斷開(kāi)狹窄的連接和消除細(xì)毛刺。Matlab中直接提供了開(kāi)運(yùn)算函數(shù)imopen()，調(diào)用形式如下： J=imopen(I,SE);參數(shù)說(shuō)明：

I為原始圖像，可以是二值或灰度圖像。

SE是由strel()函數(shù)返回的自定義或者預(yù)設(shè)的結(jié)構(gòu)元素對(duì)象。

J為開(kāi)運(yùn)算后的輸出圖像。4.4形態(tài)學(xué)處理4.4.3開(kāi)運(yùn)算I=imread('jianzhiYFFS1.jpg');figure,imshow(I);%title('原圖','fontsize',14);I1=im2bw(I,0.55);%二值化figure,imshow(I1);%title('二值圖','fontsize',14);se=strel('disk',1);%采用半徑為1的圓作為結(jié)構(gòu)元素se=strel('disk',3);%采用半徑為3的圓作為結(jié)構(gòu)元素J=imopen(I1,se);%開(kāi)啟操作figure,imshow(J);%title('開(kāi)運(yùn)算圖像','fontsize',14);【代碼示例】：4.4形態(tài)學(xué)處理4.4.3開(kāi)運(yùn)算4.4形態(tài)學(xué)處理4.4.4閉運(yùn)算先對(duì)圖像進(jìn)行膨脹運(yùn)算，再進(jìn)行腐蝕運(yùn)算，稱為閉運(yùn)算。閉運(yùn)算同樣使輪廓變得光滑，但與開(kāi)運(yùn)算相反，它通常能夠彌合狹窄的間斷。Matlab中直接提供了閉運(yùn)算函數(shù)imclose()，其調(diào)用形式如下：

J=imclose(I,SE);參數(shù)說(shuō)明：

I為原始圖像，可以是二值或灰度圖像。

SE是由strel()函數(shù)返回的自定義或者預(yù)設(shè)的結(jié)構(gòu)元素對(duì)象。

J為閉運(yùn)算后的輸出圖像。4.4形態(tài)學(xué)處理I=imread('jianzhiYFFS1.jpg');figure,imshow(I);%title('原圖','fontsize',14)I1=im2bw(I);%二值化figure,imshow(I1);%title('二值圖','fontsize',14)se=strel('disk',1);%采用半徑為1的圓作為結(jié)構(gòu)元素J=imclose(I1,se);%閉合操作figure,imshow(J);%title('閉運(yùn)算圖像','fontsize',14)【代碼示例】：4.4形態(tài)學(xué)處理4.4.4閉運(yùn)算4.4形態(tài)學(xué)處理4.4.5細(xì)化圖像處理中物體的形狀信息是十分重要的，為了便于描述和抽取圖像特定區(qū)域的特征，對(duì)那些表示物體的區(qū)域通常需要采用細(xì)化算法處理，得到與原來(lái)物體區(qū)域形狀近似的由簡(jiǎn)單的弧或曲線組成的圖形，這些細(xì)線處于物體的中軸附近，這就是所謂的圖像的細(xì)化。4.4形態(tài)學(xué)處理4.4.5細(xì)化Matlab中直接提供了細(xì)化運(yùn)算函數(shù)bwmorph()