数字图像处理角点实验报告北信科Word文档格式.docx
- 文档编号:22860143
- 上传时间:2023-02-05
- 格式:DOCX
- 页数:15
- 大小:1.15MB
数字图像处理角点实验报告北信科Word文档格式.docx
《数字图像处理角点实验报告北信科Word文档格式.docx》由会员分享,可在线阅读,更多相关《数字图像处理角点实验报告北信科Word文档格式.docx(15页珍藏版)》请在冰豆网上搜索。
L0.bmp),图像中的角点是要提取的目标。
图1视觉测量标定板采集图
(1)图像预处理
主要包括彩色到灰度图像转换,边缘提取、二值化等,根据需要选择。
(2)角点检测
确定图像中正方向目标特征角点的坐标。
常用方法是Harris角点检测算法。
参考“机器视觉中的图像特征提取.ppt”。
二、实验结果
1.算法设计说明。
1)Harris角点提取算法。
1 X方向梯度算子为[-2-1012]梯度算子为[-2;
-1;
0;
1;
2]时滤波。
2 X方向梯度算子为[50-5;
80-8;
50-5]Y方向梯度算子为[585;
000;
-5-8-5]时滤波。
2)高斯低通滤波。
(h=fspecial('
gaussian'
[77],2))
3)统计角点个数,记录角点个数。
4)在图像上标记角点。
2.每个环节的图片处理结果。
1 原图
图1-1原图
2 prewitt滤波后的图像
图1-2prewitt滤波后的图像
3 高斯低通滤波后的图像
图1-3高斯低通滤波后的图像
4 提取角点
图1-4提取角点
图1-5提取角点局部放大图
5 角点标记
1.X方向梯度算子为[-2-1012]
Y方向梯度算子为[-2;
2]
角点个数=139
2.X方向梯度算子为[50-5;
50-5]
Y方向梯度算子为[585;
-5-8-5]
角点个数=145
图1-6角点标记后的图像
3.完整的程序。
clc
clearall
a=imread('
e:
\L0.bmp'
);
figure
(1),imshow(a)
[l,r]=size(a);
fx=[-2-1012];
%高斯函数一阶微分,x方向梯度算子(harris角点提取算法)
%fx=[50-5;
50-5];
%高斯函数一阶微分,x方向梯度算子(改进后的harris角点提取算法)
e=double(a)/255;
%unit8转化为64为位精度double64
Ix=filter2(fx,a);
%x方向滤波
fy=[-2;
2];
%fy=[585;
-5-8-5];
%高斯函数一阶微分,y方向梯度算子
Iy=filter2(fy,a);
%y方向滤波
Ix2=Ix.^2;
Iy2=Iy.^2;
Ixy=Ix.*Iy;
clearIx;
clearIy;
figure
(2),imshow(Ixy)
h=fspecial('
[77],2);
%产生7*7的高斯窗函数,sigma=2
Ix2=filter2(h,Ix2);
Iy2=filter2(h,Iy2);
Ixy=filter2(h,Ixy);
figure(4),imshow(Ixy)
height=size(a,1);
width=size(a,2);
result=zeros(height,width);
%记录角点位置,角点处值为1
R=zeros(height,width);
Rmax=0;
%图像中最大的R值
fori=1:
height
forj=1:
width
M=[Ix2(i,j)Ixy(i,j);
Ixy(i,j)Iy2(i,j)];
%自相关矩阵M
R(i,j)=det(M)-0.06*(trace(M))^2;
%计算R
ifR(i,j)>
Rmax
Rmax=R(i,j);
end;
end;
cnt=0;
fori=2:
height-1
forj=2:
width-1%进行非极大抑制,窗口大小3*3
0.01*Rmax&
&
R(i,j)>
R(i-1,j-1)&
R(i-1,j)&
R(i-1,j+1)&
R(i,j-1)&
R(i,j+1)&
R(i+1,j-1)&
R(i+1,j)&
R(i+1,j+1)
result(i,j)=1;
cnt=cnt+1;
i=1;
forj=1:
fork=1:
ifresult(j,k)==1;
corners1(i,1)=j;
corners1(i,2)=k;
i=i+1;
[posc,posr]=find(result==1);
figure(5),imshow(result)
cnt%角点个数
figure(3),imshow(a)
holdon;
plot(posr,posc,'
r+'
实验项目实验二视觉圆形特征提取
班级/学号测控1001/2010010638
学生姓名张頔
视觉圆形特征提取
2.圆形特征提取
视觉测量采集图像见图一,图像中的圆形(一般成像为椭圆)的亮标志中心是要提取的目标。
图片文件:
“DSC_0001.jpg”,注意这是一幅彩色格式的图片,需要转成灰度图或者二值图。
图2视觉测量现场采集图
(2)特征粗定位
确定图像中目标特征所处的位置,一般是一个矩形区域,包括左上角坐标、宽、高等信息。
提示:
参考Matlab的bwlabel等函数。
(3)特征亚像素定位
在上一步确定的单个矩形区域内,选用1种亚像素定位算法确定圆点(一般成像为椭圆)的中心坐标。
常用亚像素定位算法有:
拟合法、基于灰度矩和空间矩的方法、基于正交矩的方法等。
鉴于不同算法的特点,建议可以选用较简单的形心法、灰度重心法、平方加权重心法等。
参考课堂补充内容“4.3补机器视觉中的图像特征提取.ppt”。
1)将彩图变为灰度图像。
2)用sobel算子进行边缘提取。
3)对图像进行二值化处理,用bwlabel进行特征区域获取。
4)用“stats=regionprops(L,'
Centroid'
)”获取特征区域质心。
5)在原图中标记出特征点的质心。
图2-1原图
2 sobel边缘提取
图2-2sobel边缘提取
图2-3sobel边缘提取局部放大图
3 bwlabel特征点区域获取
图2-4bwlabel特征点区域获取
图2-5bwlabel特征点区域获取局部放大
4 在原图上标记质心
图2-6在原图上标记质心
图2-7在原图上标记质心局部放大
A=imread('
\DSC_0001.jpg'
figure
(1),imshow(A)
B=rgb2gray(A);
%灰度图像
[a,b]=size(B);
form=1:
a
forn=1:
b
p1(m,n)=B(m,n)*2;
end
end
C=edge(p1,'
sobel'
0.07);
%sobel边缘提取
figure
(2),imshow(C)
p2=im2bw(p1,0.1);
%二值化
L=bwlabel(p2,8);
%连通区域
figure(3),imshow(L)
stats=regionprops(L,'
)%质心坐标
centroids=cat(1,stats.Centroid);
[a1,b1]=size(L);
figure(4)
imshow(A)
holdon
plot(centroids(:
1),centroids(:
2),'
b*'
)
holdoff
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字图像 处理 实验 报告 北信科