激光光斑中心位置及大小的確定Matlab

1、燕山大學(xué)課 程 設(shè) 計(jì) 說(shuō) 明 書(shū)題目： 20 目標(biāo)位置及大小的確定 學(xué)院（系）： 電氣工程學(xué)院 年級(jí)專業(yè)： 11級(jí)儀表1班 學(xué) 號(hào)： 學(xué)生姓名： 張釗 指導(dǎo)教師： 趙彥濤 吳飛 教師職稱： 副教授 副教授 燕山大學(xué)課程設(shè)計(jì)（論文）任務(wù)書(shū)院（系）：電氣工程學(xué)院 基層教學(xué)單位： 自動(dòng)化儀表系 學(xué) 號(hào)學(xué)生姓名張釗專業(yè)（班級(jí)）11級(jí)儀表1班設(shè)計(jì)題目20 目標(biāo)位置及大小的確定 設(shè)計(jì)技術(shù)參數(shù) 幾句圖像處理的知識(shí)，確定圖像中兩點(diǎn)的中心點(diǎn)的位置，并能確定其大?。窗霃剑M量使用較多的方法實(shí)現(xiàn)，并且比較每種方法的處理速度。設(shè)計(jì)要求 實(shí)際確定圖像中兩點(diǎn)的中心點(diǎn)的位置，并且確定該兩點(diǎn)的半徑。實(shí)際中應(yīng)具有自己的實(shí)

2、際思想、設(shè)計(jì)體會(huì)。 工作量了解Matlab的基本操作，查找與課程設(shè)計(jì)相關(guān)的資料，編寫(xiě)程序并調(diào)試，寫(xiě)論文，準(zhǔn)備課程設(shè)計(jì)答辯。工作計(jì)劃12月23日，熟悉Matlab的基本操作12月24日，查找與課程設(shè)計(jì)課題相關(guān)的資料12月25日，設(shè)計(jì)程序并調(diào)試12月26日，調(diào)試程序并寫(xiě)論文12月27日，整理論文，課程設(shè)計(jì)答辯參考資料1、 數(shù)字圖像處理學(xué) 電子公告也出版社 賈永紅 20032、 數(shù)字圖像處理（Matlab版） 電子工業(yè)出版社 岡薩雷斯 20063、 其他數(shù)字圖像處理和matlab變成發(fā)面的書(shū)記及相關(guān)學(xué)習(xí)資料指導(dǎo)教師簽字趙彥濤 吳飛基層教學(xué)單位主任簽字說(shuō)明：此表一式四份，學(xué)生、指導(dǎo)教師、基層教學(xué)單位、

3、系部各一份。2013年12 月 27日 摘要首先對(duì)圖像進(jìn)行二值化，然后對(duì)二值圖像進(jìn)行去除噪聲操作，通過(guò)找出與所求區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸長(zhǎng)度，短軸長(zhǎng)度，離心率等，并找出包含所求區(qū)域的最小凸多邊形，的頂點(diǎn)坐標(biāo)。通過(guò)一定的方法，用所求橢圓的相關(guān)參數(shù)確定一個(gè)正多邊形。使該正多邊形具有一個(gè)相當(dāng)大的邊數(shù)，是該多邊形接近一個(gè)圓。這個(gè)圓就是所要擬合的圓。最后通過(guò)三個(gè)點(diǎn)求圓的中心和半徑。運(yùn)用多種方法實(shí)現(xiàn)改程序，并計(jì)算各種方法所需時(shí)間。關(guān)鍵字 二值化處理 去噪聲處理 圓的擬合 已知三點(diǎn)求圓的中心和半徑 計(jì)算時(shí)間目 錄第一章 彩色圖像的二值化1.圖像的二值化原理 52. 圖像的二值化的程序

4、實(shí)現(xiàn). 53.二值化前后效果對(duì)比 6第二章 去除噪聲1去除噪聲的原理 72去除噪聲的程序?qū)崿F(xiàn) 73去除噪聲前后的圖像對(duì)比 9第三章 圓擬合1圓擬合原理 92圓擬合的程序?qū)崿F(xiàn) 103擬合效果 12第四章 求圓心及半徑. 14第五章 Matlab中計(jì)算程序運(yùn)行的時(shí)間 14第六章 Matlab程序 15總結(jié). 29參考文獻(xiàn)資料. 29第一章 彩色圖像的二值化第一節(jié) 圖像的二值化原理圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為0或255，也就是講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。即將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非

5、常重要的地位，特別是在實(shí)用的圖像處理中，以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。第二節(jié)  圖像的二值化的程序?qū)崿F(xiàn)方法一：首先將圖像轉(zhuǎn)變?yōu)榛叶葓D像，再利用max，min等函數(shù)求閾值分割點(diǎn)，最后轉(zhuǎn)化為二值化圖像相關(guān)程序：J=i

6、mread(' C:UsersDELLDesktop軟件20亮點(diǎn)圖像4.JPG'); %讀圖像figure;imshow(J); %顯示原始圖像P=rgb2gray(J); %轉(zhuǎn)換為灰度圖像m,n=size(P); %獲取圖像的行數(shù)和列數(shù)ma=max(max(P); %求最大值mi=min(min(P); %求最小值limen=(ma+mi)/2; %求分割閾值I=(P>limen); %二值化figure;imshow(I); %顯示二值化圖像方法二：首先將圖像轉(zhuǎn)變?yōu)榛叶葓D像，再利用graythresh等函數(shù)求閾值分割點(diǎn)，最后用函數(shù)im2bw進(jìn)行二值化。I=imread

7、(' C:UsersDELLDesktop軟件20亮點(diǎn)圖像4.JPG '); %讀圖像P=rgb2gray(I);%轉(zhuǎn)換為灰度圖像level=graythresh(P);%求分割閾值I=im2bw(P,level);%二值化imshow(I); %顯示二值化圖像第三節(jié) 二值化前后效果對(duì)比第二章 去除噪聲第一節(jié) 去除噪聲的原理噪聲在理論上可以定義為“不可預(yù)測(cè)，只能用概率統(tǒng)計(jì)方法來(lái)認(rèn)識(shí)的隨機(jī)誤差”。實(shí)際獲得的圖像一般都因受到某種干擾而含有噪聲。引起噪聲的原因有敏感元器件的內(nèi)部噪聲、相片底片上感光材料的顆粒、傳輸通道的干擾及量化噪聲等。噪聲產(chǎn)生的原因決定了噪聲的分布特性及它和圖像信號(hào)

8、的關(guān)系。第二節(jié) 去除噪聲的程序?qū)崿F(xiàn)方法1L = bwlabel(I); % 功能：標(biāo)注二進(jìn)制圖像中已連接的部分。stats = regionprops(L, 'Area', 'ConvexHull', 'MajorAxisLength', .'MinorAxisLength', 'Eccentricity', 'Centroid'); %用來(lái)度量圖像區(qū)域?qū)傩缘暮瘮?shù)。測(cè)量標(biāo)注矩陣L中每一個(gè)標(biāo)注區(qū)域的一系列屬性。L中不同的正整數(shù)元素對(duì)應(yīng)不同的區(qū)域。 %A = ; %定義數(shù)組A%for i = 1 : l

9、ength(stats) A = A stats(i).Area; % 'Area'是標(biāo)量，計(jì)算出在圖像各個(gè)區(qū)域中像素總個(gè)數(shù)。%EndmA, ind = max(A);I1 = I;I1(find(L=ind) = 0; Figure ;imshow(I1);方法二，中值濾波clearclcI=imread('C:UsersDELLDesktop1.bmp'); I=im2double(I);I=medfilt2(I);imshow(I,); title(''); 第三節(jié) 去除噪聲前后的圖像對(duì)比第三章 圓擬合第一節(jié) 圓擬合原理首先通過(guò)region

10、props函數(shù)找出與所求區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸長(zhǎng)度，短軸長(zhǎng)度，離心率等，并找出包含所求區(qū)域的最小凸多邊形，的頂點(diǎn)坐標(biāo)。通過(guò)一定的方法，用所求橢圓的相關(guān)參數(shù)確定一個(gè)正多邊形。使該正多邊形具有一個(gè)相當(dāng)大的邊數(shù)，是該多邊形接近一個(gè)圓。這個(gè)圓就是所要擬合的圓。在指令t = linspace(0, 2*pi，N)中，N-1表示所求正多邊形的邊數(shù)，N越大，所擬合的圓越精確。第二節(jié) 圓擬合的程序?qū)崿F(xiàn)stats = regionprops(L, 'Area', 'ConvexHull', 'MajorAxisLength', .'Mino

11、rAxisLength', 'Eccentricity', 'Centroid'); %用來(lái)度量圖像區(qū)域?qū)傩缘暮瘮?shù)。測(cè)量標(biāo)注矩陣L中每一個(gè)標(biāo)注區(qū)域的一系列屬性。L中不同的正整數(shù)元素對(duì)應(yīng)不同的區(qū)域。 %A = ; %定義數(shù)組A%for i = 1 : length(stats) A = A stats(i).Area; % 'Area'是標(biāo)量，計(jì)算出在圖像各個(gè)區(qū)域中像素總個(gè)數(shù)。%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列的矩陣，包含某區(qū)域的最小凸多邊形。此矩陣的每一行 存儲(chǔ)此多邊形一個(gè)頂點(diǎn)的xy坐標(biāo)。%t = linspace(0, 2*pi); % 用法：linspace(x1,x2,N)功能：linspace是Matlab中的一個(gè)指令，用于產(chǎn)生x1,x2之間的N點(diǎn)行矢量。其中x1、x2、N分別為起始值、終止值、元素個(gè)數(shù)。若缺省N，默認(rèn)點(diǎn)數(shù)為100。 應(yīng)用舉例例一：在matlab的命令窗口輸入：   X=linspace(1,100)將產(chǎn)生從1到100步長(zhǎng)為1的數(shù)組。類似于在命令窗口中輸入：X=

13、1:1:100例二：在命令窗口中輸入：X=linspace(5,100,20)將輸出：X =5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100這和X=5:5:100的效果是一樣的。%c1 = stats(ind).Centroid; % 'Centroid'是1行ndims(L)列的向量，給出每個(gè)區(qū)域的質(zhì)心（重心）。 注意：Centroid 的第一個(gè)元素是重心水平坐標(biāo)（x坐標(biāo)）、第二個(gè)元素是重心垂直坐標(biāo)（y坐標(biāo)）。Centroid 所有其它元素則按照維順序排列。a1 = stats(ind).MajorAxis

14、Length; % 'MajorAxisLength'是標(biāo)量，橢圓的長(zhǎng)軸長(zhǎng)度（像素意義下）。 標(biāo)準(zhǔn)二階中心矩就是標(biāo)準(zhǔn)方差 %b1 = stats(ind).MinorAxisLength; % 'MinorAxisLength'是標(biāo)量，的橢圓的短軸長(zhǎng)度（像素意義下）%d1 = stats(ind).Eccentricity; % 'Eccentricity'是標(biāo)量，橢圓的離心率（可作為特征）%x1 = c1(1) + d1*b1*cos(t);y1 = c1(2) + d1*a1*sin(t);m=plot(x1, y1, 'b-'

15、;); %擬合出一個(gè)藍(lán)色的圓第三節(jié) 擬合效果t = linspace(0, 2*pi，N)中,N=5時(shí)的效果t = linspace(0, 2*pi，N)中,N=700時(shí)的效果第四章 求圓心及半徑通過(guò)在所擬合的圓上任取三個(gè)點(diǎn)，通過(guò)這三個(gè)點(diǎn)確定遠(yuǎn)的圓心和半徑。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) % 求圓心坐標(biāo)y0=(d*n-a*f)/(b*d-e*a+eps)r0=sqrt(x0-x2)*(x0-x2)+(y0-y2)*(y0-y2) % 求半徑第五章Matlab中計(jì)算程序運(yùn)行時(shí)間一，tic和toc組合計(jì)算tic和toc之間那段程序之間的運(yùn)行時(shí)間，它的經(jīng)典格式為1. tic 2. 。3. toc 復(fù)制代碼換句話說(shuō)程序，程序遇到tic時(shí)Matlab自動(dòng)開(kāi)始計(jì)時(shí)，運(yùn)行到toc時(shí)自動(dòng)計(jì)算此時(shí)與最近一次ti之間的時(shí)間。二，etime(t1,t2)并和clock配合來(lái)計(jì)算t1 t2之間的時(shí)間差，它是通過(guò)調(diào)用windows系統(tǒng)的

17、時(shí)鐘進(jìn)行時(shí)間差計(jì)算得到運(yùn)行時(shí)間的，應(yīng)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軟件20亮點(diǎn)圖像4.JPG');P=rgb2gray(I);%轉(zhuǎn)換為灰度圖像level=graythresh(P);%求分割閾值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) % 求圓心y0=(d*n-a*f)/(b*d-e*a+eps) r0=sqrt(x0-x2)*(x0-x2)+(y0-y2)*(y0-y2) % 求半徑t2=clock; etime(t2,t1)運(yùn)行結(jié)果及圖像：程序二：應(yīng)用利用max，min等函數(shù)求閾值分割點(diǎn)，最后轉(zhuǎn)化為二值化圖像，去噪后利用中值濾波處理clear all;clc;t1=clock;I=imread(&

21、#39;C:UsersDELLDesktop軟件20亮點(diǎn)圖像4.JPG'); figure;imshow(I); %顯示原始圖像P=rgb2gray(I); %轉(zhuǎn)換為灰度圖像m,n=size(P); %獲取圖像的行數(shù)和列數(shù)ma=max(max(P); %求最大值mi=min(min(P); %求最小值limen=(ma+mi)/2; %求分割閾值I=(P>limen); %二值化figure;imshow(I); %顯示二值化圖像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) % 求圓心y0=(d*n-a*f)/(b*d-e*a+eps) r0=sqrt(x0-x2)*(x0-x2)+(y0-y2)*(y0-y2) % 求半徑t2=clock; etime(t2,t1)運(yùn)行結(jié)果及圖像：程序三：先轉(zhuǎn)化灰度圖像，利用graythresh等函數(shù)驚醒閾值分割clear all;clc;t1=clock;I=imread('C:

25、UsersDELLDesktop軟件20亮點(diǎn)圖像4.JPG'); P=rgb2gray(I);%轉(zhuǎn)換為灰度圖像level=graythresh(P);%求分割閾值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('原始圖像'); K2=medfilt2(I1); subplot(2,1,2);imshow(K2); title('去噪后再用中值濾波處理的圖像'); 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 =