精华内容
下载资源
问答
  • 图像处理 膨胀腐蚀 matlab算法实现
  • 数学形态学具有腐蚀膨胀,开运算和闭运算四种基本运算;...本文以腐蚀膨胀为基础,同时也运用以腐蚀膨胀为基础的其他操作,利用MATLAB图像处理工具箱中的函数对麦积山佛半身图像进行了处理。
  • MATLAB 函数处理图像实现膨胀腐蚀一、实验目的1、了解二值形态学的基本运算2、掌握二值图像膨胀、腐蚀的基本方法3、编程实现膨胀、腐蚀二、实验要求1、使用imdilate 函数进行图像膨胀,并观察膨胀后图像的变化。...

    MATLAB 函数处理图像实现膨胀腐蚀

    一、实验目的

    1、了解二值形态学的基本运算

    2、掌握二值图像膨胀、腐蚀的基本方法

    3、编程实现膨胀、腐蚀

    二、实验要求

    1、使用imdilate 函数进行图像膨胀,并观察膨胀后图像的变化。

    2、使用imerode 函数进行图像腐蚀,观察腐蚀后的图像变化情况。

    三、实验原理

    膨胀:将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程。利用它可以填补物体中的空洞。B 对X 膨胀所产生的二值图像D 是满足以下条件的点(x,y )的集合:如果B 的原点平移到点(x,y ),那么它与X 的交集非空。 数学表达式:B A C ⊕=

    腐蚀:一种消除边界点,使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。B 对X 腐蚀所产生的二值图像E 是满足以下条件的点(x,y)的集合:如果B 的原点平移到点(x,y ),那么B 将完全包含于X 中。数学表达式:B A C Θ=

    膨胀处理:一种消除边界点,使边界点向内部收缩的过程。

    腐蚀处理:将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程。

    四、实验步骤

    1.图像膨胀的Matlab 实现:

    可以使用imdilate 函数进行图像膨胀,imdilate 函数需要两个基本输入参数,即待处理的输入图像和结构元素对象。结构元素对象可以是strel 函数返回的对象,也可以是一个自己定义的表示结构元素邻域的二进制矩阵。此外,

    展开全文
  • 【转载】:Matlab 图像处理 形态学 腐蚀 膨胀 开闭运算 连通分量 - yangyangyang20092010的专栏 - 博客频道 - CSDN.NET http://blog.csdn.net/yangyangyang20092010/article/details/8289572  形态学是提取...

    【转载】:Matlab 图像处理 形态学 腐蚀 膨胀 开闭运算 连通分量 - yangyangyang20092010的专栏 - 博客频道 - CSDN.NET  http://blog.csdn.net/yangyangyang20092010/article/details/8289572

          形态学是提取图像特征的有力工具,针对二值图像和灰度图像的腐蚀、膨胀和重构的基本操作可以组合使用,以执行非常宽泛的任务。其练习代码和结果如下:

     

      1 %% 第9章 形态学处理
      2 
      3 %% imdilate膨胀
      4 clc
      5 clear
      6 
      7 A1=imread('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif');
      8 info=imfinfo('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif')
      9 B=[0 1 0
     10    1 1 1
     11    0 1 0];
     12 A2=imdilate(A1,B);%图像A1被结构元素B膨胀
     13 A3=imdilate(A2,B);
     14 A4=imdilate(A3,B);
     15 
     16 subplot(221),imshow(A1);
     17 title('imdilate膨胀原始图像');
     18 
     19 subplot(222),imshow(A2);
     20 title('使用B后1次膨胀后的图像');
     21 
     22 subplot(223),imshow(A3);
     23 title('使用B后2次膨胀后的图像');
     24 
     25 subplot(224),imshow(A4);
     26 title('使用B后3次膨胀后的图像');
     27%imdilate图像膨胀处理过程运行结果如下:

     28 
     29 %% imerode腐蚀
     30 clc
     31 clear
     32 A1=imread('.\images\dipum_images_ch09\Fig0908(a)(wirebond-mask).tif');
     33 subplot(221),imshow(A1);
     34 title('腐蚀原始图像');
     35 
     36 %strel函数的功能是运用各种形状和大小构造结构元素
     37 se1=strel('disk',5);%这里是创建一个半径为5的平坦型圆盘结构元素
     38 A2=imerode(A1,se1);
     39 subplot(222),imshow(A2);
     40 title('使用结构原始disk(5)腐蚀后的图像');
     41 
     42 se2=strel('disk',10);
     43 A3=imerode(A1,se2);
     44 subplot(223),imshow(A3);
     45 title('使用结构原始disk(10)腐蚀后的图像');
     46 
     47 se3=strel('disk',20);
     48 A4=imerode(A1,se3);
     49 subplot(224),imshow(A4);
     50 title('使用结构原始disk(20)腐蚀后的图像');
     51 %图像腐蚀处理过程运行结果如下:
     52 
     53 %% 开运算和闭运算
     54 clc
     55 clear
     56 f=imread('.\images\dipum_images_ch09\Fig0910(a)(shapes).tif');
     57 %se=strel('square',5');%方型结构元素
     58 se=strel('disk',5');%圆盘型结构元素
     59 imshow(f);%原图像
     60 title('开闭运算原始图像')
     61%运行结果如下:

     62 
     63 %开运算数学上是先腐蚀后膨胀的结果
     64 %开运算的物理结果为完全删除了不能包含结构元素的对象区域,平滑
     65 %了对象的轮廓,断开了狭窄的连接,去掉了细小的突出部分
     66 fo=imopen(f,se);%直接开运算
     67 figure,subplot(221),imshow(fo);
     68 title('直接开运算');
     69 
     70 %闭运算在数学上是先膨胀再腐蚀的结果
     71 %闭运算的物理结果也是会平滑对象的轮廓,但是与开运算不同的是,闭运算
     72 %一般会将狭窄的缺口连接起来形成细长的弯口,并填充比结构元素小的洞
     73 fc=imclose(f,se);%直接闭运算
     74 subplot(222),imshow(fc);
     75 title('直接闭运算');
     76 
     77 foc=imclose(fo,se);%先开后闭运算
     78 subplot(223),imshow(foc);
     79 title('先开后闭运算');
     80 
     81 fco=imopen(fc,se);%先闭后开运算
     82 subplot(224),imshow(fco);
     83 title('先闭后开运算');
     84%开闭运算结果如下:

     85 
     86 %先膨胀再腐蚀
     87 fse=imdilate(f,se);%膨胀
     88 
     89 %gcf为得到当前图像的句柄,当前图像是指例如PLOT,TITLE,SURF等
     90 %get函数为得到物体的属性,get(0,'screensize')为返回所有物体screensize属性值
     91 %set函数为设置物体的属性
     92 figure,set(gcf,'outerposition',get(0,'screensize'));%具体目的是设置当前窗口的大小
     93 subplot(211),imshow(fse);
     94 title('使用disk(5)先膨胀后的图像');
     95 
     96 fes=imerode(fse,se);
     97 subplot(212),imshow(fes);
     98 title('使用disk(5)先膨胀再腐蚀后的图像');
     99%先膨胀后腐蚀图像如下:

    100 
    101 %先腐蚀再膨胀
    102 fse=imerode(f,se);
    103 figure,set(gcf,'outerposition',get(0,'screensize'))
    104 subplot(211),imshow(fse);
    105 title('使用disk(5)先腐蚀后的图像');
    106 
    107 fes=imdilate(fse,se);
    108 subplot(212),imshow(fes);
    109 title('使用disk(5)先腐蚀再膨胀后的图像');
    110%先腐蚀后膨胀的图像如下:

    111 
    112 %% imopen imclose在指纹上的应用
    113 clc
    114 clear
    115 f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');
    116 se=strel('square',3);%边长为3的方形结构元素
    117 subplot(121),imshow(f);
    118 title('指纹原始图像');
    119 
    120 A=imerode(f,se);%腐蚀
    121 subplot(122),imshow(A);
    122 title('腐蚀后的指纹原始图像');
    123%指纹原始图像和腐蚀后的图像结果如下:

    124 
    125 fo=imopen(f,se);
    126 figure,subplot(221),imshow(fo);
    127 title('使用square(3)开操作后的图像');
    128 
    129 fc=imclose(f,se);
    130 subplot(222),imshow(fc);
    131 title('使用square闭操作后的图像');
    132 
    133 foc=imclose(fo,se);
    134 subplot(223),imshow(foc);
    135 title('使用square(3)先开后闭操作后的图像')
    136 
    137 fco=imopen(fc,se);
    138 subplot(224),imshow(fco);
    139 title('使用square(3)先闭后开操作后的图像');
    140%指纹图像开闭操作过程结果如下:

    141 
    142 %% bwhitmiss击中或击不中变换
    143 clc
    144 clear
    145 f=imread('.\images\dipum_images_ch09\Fig0913(a)(small-squares).tif');
    146 imshow(f);
    147 title('击中或不击中原始图像');
    148%击中或不击中原始图像显示结果如下:

    149 
    150 B1=strel([0 0 0;0 1 1;0 1 0]);%击中:要求击中所有1的位置
    151 B2=strel([1 1 1;1 0 0;1 0 0]);%击不中,要求击不中所有1的位置
    152 B3=strel([0 1 0;1 1 1;0 1 0]);%击中
    153 B4=strel([1 0 1;0 0 0;0 0 0]);%击不中
    154 B5=strel([0 0 0;0 1 0;0 0 0]);%击中
    155 B6=strel([1 1 1;1 0 0;1 0 0]);%击不中
    156 
    157 g=imerode(f,B1)&imerode(~f,B2)%利用定义来实现击中或击不中
    158 figure,subplot(221),imshow(g);
    159 title('定义实现组1击中击不中图像');
    160 
    161 g1=bwhitmiss(f,B1,B2);
    162 subplot(222),imshow(g1);
    163 title('结构数组1击中击不中后的图像');
    164 
    165 g2=bwhitmiss(f,B3,B4);
    166 subplot(223),imshow(g2);
    167 title('结构数组2击中击不中的图像');
    168 
    169 g3=bwhitmiss(f,B5,B6);
    170 subplot(224),imshow(g3);
    171 title('结构数组3击中击不中的图像');
    172%击中击不中变换后图像如下:

    173 
    174 %%makelut
    175 clc
    176 clear
    177 
    178 f=inline('sum(x(:))>=3');%inline是用来定义局部函数的
    179 lut2=makelut(f,2)%为函数f构造一个接收2*2矩阵的查找表
    180 lut3=makelut(f,3)
    181 
    182 %% Conway生命游戏
    183 clc
    184 clear
    185 lut=makelut(@conwaylaws,3);
    186 bw1=  [0     0     0     0     0     0     0     0     0     0
    187        0     0     0     0     0     0     0     0     0     0
    188        0     0     0     1     0     0     1     0     0     0
    189        0     0     0     1     1     1     1     0     0     0
    190        0     0     1     0     0     0     0     1     0     0
    191        0     0     1     0     1     1     0     1     0     0
    192        0     0     1     0     0     0     0     1     0     0
    193        0     0     0     1     1     1     1     0     0     0
    194        0     0     0     0     0     0     0     0     0     0
    195        0     0     0     0     0     0     0     0     0     0  ];
    196 subplot(221),imshow(bw1,'InitialMagnification','fit');
    197 title('Generation 1');
    198 
    199 bw2=applylut(bw1,lut);
    200 subplot(222),imshow(bw2,'InitialMagnification','fit'),
    201 title('Generation 2');
    202 
    203 bw3=applylut(bw2,lut);
    204 subplot(223),imshow(bw3,'InitialMagnification','fit');
    205 title('Generation 3');
    206 
    207 temp=bw1;
    208 for i=2:100
    209     bw100=applylut(temp,lut);
    210     temp=bw100;
    211 end
    212 subplot(224),imshow(bw100,'InitialMagnification','fit')
    213 title('Generation 100');
    214%显示Generation结果如下:

    215 
    216 %% getsequence
    217 clc
    218 clear
    219 se=strel('diamond',5)
    220 decomp=getsequence(se)%getsequence函数为得到分解的strel序列
    221 decomp(1)
    222 decomp(2)
    223 
    224 %% endpoints
    225 clc
    226 clear
    227 
    228 f1=imread('.\images\dipum_images_ch09\Fig0914(a)(bone-skel).tif');
    229 subplot(121),imshow(f1);
    230 title('原始形态骨架图像');
    231 
    232 g1=endpoints(f1);
    233 %set(gcf,'outerposition',get(0,'screensize'));%运行完后自动生成最大的窗口
    234 subplot(122),imshow(g1);
    235 title('骨架图像的端点图像');
    236 %骨架头像端点检测头像如下:
    237 
    238 f2=imread('.\images\dipum_images_ch09\Fig0916(a)(bone).tif');
    239 figure,subplot(121),imshow(f2);
    240 title('原始骨头图像');
    241 
    242 g2=endpoints(f2);
    243 subplot(122),imshow(g2);
    244 title('骨头图像端点头像');%结果是没有端点
    245%骨头头像端点检测图像如下:

    246 
    247 %% bwmorph组合常见形态学之细化
    248 clc
    249 clear
    250 f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');
    251 subplot(221),imshow(f);
    252 title('指纹图像细化原图');
    253 
    254 g1=bwmorph(f,'thin',1);
    255 subplot(222),imshow(g1);
    256 title('指纹图像细化原图');
    257 
    258 g2=bwmorph(f,'thin',2);
    259 subplot(223),imshow(g2);
    260 title('指纹图像细化原图');
    261 
    262 g3=bwmorph(f,'thin',Inf);
    263 subplot(224),imshow(g3);
    264 title('指纹图像细化原图');
    265%指纹图像细化过程显示如下:

    266 
    267 %% bwmorph组合常见形态学之骨骼化
    268 clc
    269 clear
    270 f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');
    271 subplot(131),imshow(f);
    272 title('指纹图像骨骼化原图');
    273 
    274 fs=bwmorph(f,'skel',Inf);
    275 subplot(132),imshow(fs);
    276 title('指纹图像骨骼化');
    277 
    278 for k=1:5
    279     fs=fs&~endpoints(fs);
    280 end
    281 subplot(133),imshow(fs);
    282 title('指纹图像修剪后骨骼话');
    283%指纹图像骨骼化过程显示:

    284 
    285 %% 使用函数bwlabel标注连通分量
    286 clc
    287 clear
    288 f=imread('.\images\dipum_images_ch09\Fig0917(a)(ten-objects).tif');
    289 imshow(f),title('标注连通分量原始图像');
    290%其结果显示如下:

    291 
    292 [L,n]=bwlabel(f);%L为标记矩阵,n为找到连接分量的总数
    293 [r,c]=find(L==3);%返回第3个对象所有像素的行索引和列索引
    294 
    295 rbar=mean(r);
    296 cbar=mean(c);
    297 
    298 figure,imshow(f)
    299 hold on%保持当前图像使其不被刷新
    300 for k=1:n
    301     [r,c]=find(L==k);
    302     rbar=mean(r);
    303     cbar=mean(c);
    304     plot(cbar,rbar,'Marker','o','MarkerEdgeColor','k',...
    305          'MarkerFaceColor','k','MarkerSize',10);%这个plot函数用法不是很熟悉
    306     plot(cbar,rbar,'Marker','*','MarkerFaceColor','w');%其中的marker为标记
    307 end
    308 title('标记所有对象质心后的图像');

    309 
    310 %% 由重构做开运算
    311 clc
    312 clear
    313 f=imread('.\images\dipum_images_ch09\Fig0922(a)(book-text).tif');
    314 subplot(321),imshow(f);
    315 title('重构原始图像');
    316 
    317 fe=imerode(f,ones(51,1));%竖线腐蚀
    318 subplot(322),imshow(fe);
    319 title('使用竖线腐蚀后的结果');
    320 
    321 fo=imopen(f,ones(51,1));%竖线做开运算
    322 subplot(323),imshow(fo);
    323 title('使用竖线做开运算结果');
    324 
    325 fobr=imreconstruct(fe,f);%fe做标记
    326 subplot(324),imshow(fobr);
    327 title('使用竖线做重构开运算');
    328 
    329 ff=imfill(f,'holes');%对f进行孔洞填充
    330 subplot(325),imshow(ff);
    331 title('对f填充孔洞后的图像');
    332 
    333 fc=imclearborder(f,8);%清除边界,2维8邻接
    334 subplot(326),imshow(fc);
    335 title('对f清除边界后的图像');
    336%图像重构过程显示如下:

    337 
    338 %% 使用顶帽变换和底帽变换
    339 clc
    340 clear
    341 f=imread('.\images\dipum_images_ch09\Fig0926(a)(rice).tif');
    342 subplot(221),imshow(f);
    343 title('顶帽底帽变换原始图像');
    344 
    345 se=strel('disk',10);%产生结构元素
    346 %顶帽变换是指原始图像减去其开运算的图像
    347 %而开运算可用于补偿不均匀的背景亮度,所以用一个大的结构元素做开运算后
    348 %然后用原图像减去这个开运算,就得到了背景均衡的图像,这也叫做是图像的顶帽运算
    349 f1=imtophat(f,se);%使用顶帽变换
    350 subplot(222),imshow(f1);
    351 title('使用顶帽变换后的图像');
    352 
    353 %底帽变换是原始图像减去其闭运算后的图像
    354 f2=imbothat(imcomplement(f),se);%使用底帽变换,为什么原图像要求补呢?
    355 %f2=imbothat(f,se);%使用底帽变换
    356 subplot(223),imshow(f2);
    357 title('使用底帽变换后的图像');
    358 
    359 %顶帽变换和底帽变换联合起来用,用于增加对比度
    360 f3=imsubtract(imadd(f,imtophat(f,se)),imbothat(f,se));%里面参数好像不合理?
    361 subplot(224),imshow(f3);
    362 title('使用顶帽底帽联合变换后图像');
    363%顶帽底帽变换过程图像如下:

    364 
    365 %%使用开运算和闭运算做形态学平滑
    366 %由于开运算可以除去比结构元素更小的明亮细节,闭运算可以除去比结构元素更小的暗色细节
    367 %所以它们经常组合起来一起进行平滑图像并去除噪声
    368 clc
    369 clear
    370 f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');
    371 subplot(221),imshow(f);
    372 title('木钉图像原图');
    373 
    374 se=strel('disk',5);%disk其实就是一个八边形
    375 fo=imopen(f,se);%经过开运算
    376 subplot(222),imshow(f);
    377 title('使用半径5的disk开运算后的图像');
    378 
    379 foc=imclose(fo,se);
    380 subplot(223),imshow(foc);
    381 title('先开后闭的图像');
    382 
    383 fasf=f;
    384 for i=2:5
    385     se=strel('disk',i);
    386     fasf=imclose(imopen(fasf,se),se);
    387 end
    388 subplot(224),imshow(fasf);
    389 title('使用开闭交替滤波后图像');
    390%使用开运算和闭运算做形态学平滑结果如下:

    391 
    392 %% 颗粒分析
    393 clc
    394 clear
    395 f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');
    396 
    397 sumpixels=zeros(1,36);
    398 for k=0:35
    399     se=strel('disk',k);
    400     fo=imopen(f,se);
    401     sumpixels(k+1)=sum(fo(:));
    402 end
    403 
    404 %可以看到,连续开运算之间的表面积会减少
    405 plot(0:35,sumpixels),xlabel('k'),ylabel('surface area');
    406 title('表面积和结构元素半径之间的关系');
    407%其运算结果如下:   

    408 
    409 figure,plot(-diff(sumpixels));%diff()函数为差分或者近似倒数,即相邻2个之间的差值
    410 xlabel('k'),ylabel('surface area reduction');
    411 title('减少的表面积和结构元素半径之间的关系');
    412%其运算结果如下:

    413 
    414 %% 使用重构删除复杂图像的背景
    415 clc
    416 clear
    417 f=imread('.\images\dipum_images_ch09\Fig0930(a)(calculator).tif');
    418 subplot(221),imshow(f);
    419 title('灰度级重构原图像');
    420 
    421 f_obr=imreconstruct(imerode(f,ones(1,71)),f);
    422 subplot(222),imshow(f_obr);
    423 title('经开运算重构图');
    424 
    425 f_o=imopen(f,ones(1,71));
    426 subplot(223),imshow(f_o);
    427 title('经开运算后图');
    428 
    429 f_thr=imsubtract(f,f_obr);
    430 subplot(224),imshow(f_thr);
    431 title('顶帽运算重构图')
    432%使用重构删除复杂图像的背景1:

    433 
    434 f_th=imsubtract(f,f_o)
    435 figure,subplot(221),imshow(f_th);
    436 title('经顶帽运算图');
    437 
    438 g_obr=imreconstruct(imerode(f_thr,ones(1,11)),f_thr);
    439 subplot(222),imshow(g_obr);
    440 title('用水平线对f_thr经开运算后重构图');
    441 
    442 g_obrd=imdilate(g_obr,ones(1,2));
    443 subplot(223),imshow(g_obrd);
    444 title('使用水平线对上图进行膨胀');
    445 
    446 f2=imreconstruct(min(g_obrd,f_thr),f_thr);
    447 subplot(224),imshow(f2);
    448 title('最后的重构结果');
    449%使用重构删除复杂图像的背景2:

     

        形态学这一章很有用,因为它还可以应用在图像分割中。

     


    展开全文
  • 图像形态学处理的概念 数字图像处理中的形态学处理是指将数字形态学作为工具从图 像中提取对于表达和描绘区域形状有用处的图像分量比如边 界骨架以及凸壳还包括用于预处理或后处理的形态学过滤 细化和修剪等图像形态...
  • 图像处理matlab腐蚀膨胀

    热门讨论 2009-04-03 11:51:43
    不是直接的函数调用,老师不让直接调用是根据腐蚀膨胀的原理自己编的小程序.
  • 基于 Matlab腐蚀膨胀的边缘检测 一实验目的 : 掌握运用 Matlab 软件对灰度与二值图像膨胀腐蚀处理方法 二实验环境(软件条件) Windws2000/XP MATLAB 7.x 三实验内容 1图像膨胀Matlab 实现 实验原理 ...
  • 1.膨胀 strel函数是创造一个形态学结构元素,常见的二维形态学结构元素如图所示,也可以自己设计。 膨胀填充了图像小孔 2.腐蚀 y = imerode(x,strel) 用法与膨胀相同 ...

    1.膨胀

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    strel函数是创造一个形态学结构元素,常见的二维形态学结构元素如图所示,也可以自己设计。
    在这里插入图片描述
    在这里插入图片描述
    膨胀填充了图像小孔

    2.腐蚀

    在这里插入图片描述
    y = imerode(x,strel)
    用法与膨胀相同

    在这里插入图片描述
    在这里插入图片描述

    展开全文
  • img_gray=imread'rice.png; img_erzhi=imread'testpat1.png; imshow(img_gray) figure,imshow(img_erzhi) [m n]=size(img_gray; img_gray_fu=zeros(m,n; img_gray_peng=zeros(m,n; img_erzhi_fu=zeros(m,n;...
  • matlab图像处理--膨胀腐蚀2

    千次阅读 2020-04-19 21:53:31
    参考前一篇:matlab图像处理--膨胀腐蚀 https://mp.csdn.net/console/editor/html/105622640 左边是一个二值化的测试图像,白色为图像元素,黑色为背景;右边是经过腐蚀后的结果图像 下面是测试用的matlab...

     参考前一篇:matlab与图像处理--膨胀与腐蚀

     https://mp.csdn.net/console/editor/html/105622640

    左边是一个二值化的测试图像,白色为图像元素,黑色为背景;右边是经过腐蚀后的结果图像

    下面是测试用的matlab代码,代码中还有详细注解

    %手动实现膨胀和腐蚀
    img=imread('ces2.bmp');
    
    %关于img:img图像中进行了二值化,非零值(白色1),零值(黑色0)
    %其中图像元素为非零值(白色1),图像背景为零值(黑色0)
    
    sc=[0,1,0;1,1,1;0,1,0]; %结构元素
    Csc=sum(sc(:)); %结构元素sc中关心的元素个数
    
    Height=size(img,1);
    Width=size(img,2);
    
    %对img进行腐蚀
    imgout=img;
    for i=2:Height-1
        for j=2:Width-1
            pitch=img(i-1:i+1,j-1:j+1);
           convtmp= pitch.*sc; %用img中的一块与结构元素作卷积
           %所谓腐蚀,指图像中关心的像素(结构元素sc中值为1的部分)有0,则结果赋值为0,没有0,则赋值1
            if sum(convtmp(:))<Csc %只要卷积结果中有零元素,则将输出图像的对应位置赋值0
                 imgout(i,j)=0;
            else
                imgout(i,j)=1;
            end
        end
    end
    
    figure
    imshow(img,[]);
    figure
    imshow(imgout,[]);

     

    展开全文
  • matlab 图像膨胀indilate和腐蚀imerode

    万次阅读 多人点赞 2014-11-04 10:51:14
    1.图像膨胀Matlab实现: 可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数,即待处理的输入图像和结构元素对象。结构元素对象可以是strel函数返回的对象,也可以是一个自己定义的表示结构...
  • matlab与数字图像处理--膨胀腐蚀

    千次阅读 2020-04-19 21:33:52
    左边是一个二值化的测试图像,白色为图像元素,黑色为背景;右边是经过膨胀后的结果图像 下面是测试用的matlab代码,代码中...%手动实现膨胀腐蚀 img=imread('ces2.bmp'); %关于img:img图像中进行了二值化...
  • 图像腐蚀图像膨胀Matlab代码

    热门讨论 2008-12-28 22:10:16
    该代码首先实现了图像腐蚀处理图像膨胀处理。然后,经过先腐蚀(Erosion)处理,后膨胀(Dilation)处理得到了Opening Image;又经过先膨胀(Dilation)处理,后腐蚀(Erosion)处理得到了Closing Image。 程序执行后...
  • 关于图像分割和hough变换(19_01_23学习进度)图像形态处理(文字区域识别)数学形态学是一种应用于图像处理和模式识别的方法,基本思想是用具有一定形态的结构元素去度量和提取图像中对应的形状以达到对图像分析和识别...
  • 是个GUI界面。进行了中值滤波,范围默认为3*3,...利用类间方差阈值算法实现图像的分割处理,利用形态学中的腐蚀膨胀处理进行处理结果修正。注意,本程序用的滤波、分割、形态学处理等都是调用的matlab自带的函数。
  • MATLAB图像处理

    千人学习 2019-12-04 16:01:32
    介绍MATLAB提供的图像处理功能,包括图像基础知识、图像合成、空间变换、邻域和块处理、局部滤波、正交变换、数学形态学、图像分析、图像增强、图像恢复、图像分割、图像配准和图像三维重建等内容。
  • MATLAB 图像处理命令1、 MATLAB图像处理的一些简单函数A、 imread imread函数用于读入各种图像文件,其一般的用法为 [X,MAP]=imread(‘filename’,‘fmt’)其中,X,MAP分别为读出的图像数据和颜色表数据,fmt...
  • Matlab图像处理代码.zip

    2021-05-16 20:32:39
    (6)二值图像处理腐蚀膨胀、开运算与闭运算 (7)彩色图像处理:彩色图像的常规处理、彩色图像的平衡处理、彩色图像的彩色补偿处理 (8)图像变换:傅里叶变换、离散余弦变换、沃尔什变换、斜变换、小波变换
  • 代码 目的使用33算子实现形态学图像处理中的膨胀腐蚀、闭运算、开运算。使用bwmorph函数实现骨架提取、粗化、细化。原理选用33模板.:ICOperator = [0 1 0; 1 1 1; 0 1 0];使用prewitt算子获得图像边缘,并二值化...
  • matlab图像进行开操作,闭操作,膨胀腐蚀,基于边缘的图像分割 基于阈值的图像分割 有代码有图像处理前后)
  • 形态学在数字图像处理中表示的是图像的数学形态里的内容,将数学形态学作为工具从图像中提取区域图像形状的有用的图像分量,如边缘、骨架,区域分割等。 如例: 如例: 如例: 2、数学形态学的语言是集合论。这个...
  • MATLAB图像处理常用函数

    千次阅读 2020-02-28 19:28:03
    MATLAB图像处理常用函数 作者:陈若愚 日期:2020年2月28日 QQ:2389388826 一、基本操作: 1. 显示索引图像和灰度图像 [X,map]=imread('trees.tif'); gmap=rgb2gray(map); figure,imshow(X,map); figure,imshow(X...
  • matlab图像处理

    2020-09-20 10:33:13
    matlab图像处理1、报错问题2、打开一张图片+保存一张图片2.1打开一张图片2.2保存一张图片 1、报错问题 1.1如果报错信息为: 找不到文件的定义,那么首先就要看你定义的文件目录是否正确。 2、打开一张图片+保存一张...
  • 关于图像处理matlab源程序,包括图像腐蚀膨胀、细化等等内容。
  • 用于图像处理去噪精细,可以利用程序快速处理图像

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,375
精华内容 550
关键字:

matlab图像处理膨胀腐蚀

matlab 订阅