【手掌识别】形态学手掌长宽检测【含Matlab源码 1382期】

Matlab图像处理：二值形态学操作与应用详解

原创已于 2024-11-22 19:23:51 修改 · 1k 阅读

26 ·

CC 4.0 BY-SA版权

文章标签：

#matlab

于 2024-01-17 10:54:02 首次发布

Matlab图像处理（进阶版）专栏收录该内容

1244 篇文章

订阅专栏

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀
在这里插入图片描述
🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、形态学简介

1 概述
1.1 基本思想
用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到对图像分析和识别的目的

1.2 基本运算
膨胀、腐蚀、开操作、闭操作

1.3 数学基础
集合论
在这里插入图片描述
结构元素：

原始图像需要扩充使得结构元素位于原始图像边缘时扩充部分可以涵盖整个结构元素。

2 二值图像形态学基本操作
2.1 腐蚀操作
结构元素B全部位于A中对应的位移量z，故会削弱边界
在这里插入图片描述
效果：

是一种收缩或细化的操作。

2.1 膨胀操作
结构元素B与A有交集对应的位移量z，故会扩张边界
在这里插入图片描述
效果：

是一种增长或粗化的操作。
注：腐蚀和膨胀是对偶的（即对前景腐蚀后求反=对背景膨胀的结果）

2.3 开操作
先腐蚀后膨胀，平滑物体的轮廓，断开较窄的连接条、消除细的突出物
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-k35subPp-1626615953008)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/0959bcda0e5c49a6801fd0c7c94e20e7~tplv-k3u1fbpfcp-zoom-1.image)]
在这里插入图片描述
2.4 闭操作
先膨胀后腐蚀，同样能平滑物体的轮廓，但会弥合较窄的间断和细长条

效果：向外的角保持不变，向内的角变圆了，填补间断—“加”

2.5 开操作和闭操作的比较
2.5.1 对偶性（闭操作后取反结果=对背景开操作）
在这里插入图片描述
2.5.2 性质
算子应用一次后，再用则无变化

2.5.3 对比效果
在这里插入图片描述
2.5.4 应用
开操作取出图像中的小目标（去噪）
闭操作连接目标（消除细小间隔）

2.6 击中击不中变换
目的：形状检测（检测某种特定形状的位置，要求每个物体至少被一个像素宽的背景所围绕）
将前景和背景一起匹配
在这里插入图片描述

3 二值图像形态学算法
3.1 边界提取

前景-被腐蚀的前景

3.2 孔洞填充
在这里插入图片描述
找一个起始点（位于孔洞中），不停膨胀后并上A反，直到不再发生变化

3.3 联通分量的提取
在这里插入图片描述
通过上述迭代公式可以从联通图案的一个已知点得到整个联通图案

3.4 凸壳
凸：集合A内连接任意两个点的连线都在A内，则称集合A是凸的
凸壳：任意集合S的凸壳H是包含于S的最小凸集
在这里插入图片描述
其中X0为A，Bi是不同方位的结构元素，一个Bi能够做出一个Di，A的凸壳为所有的Di相交

结果：

3.5 细化
A减去A与结构元B做击中击不中变换匹配到的那部分像素

其中B为结构元序列

步骤：
A被B1~Bn按次序细化，再返回B1，从B1开始按次序细化，直到收敛
在这里插入图片描述
3.6 粗化
细化的形态学对偶
A并上A与结构元B做击中击不中变换匹配到的那部分像素的和

3.7 骨架
A的骨架可用腐蚀和开操作表达

其中k代表对A进行k次腐蚀，而K则是A被腐蚀为空集前最后一次迭代
在这里插入图片描述
3.8 剪裁
是对细化处理和骨架绘制算法的补充，因为这些处理会将附加部分保留下来，应清楚干净，则需要剪裁来取出寄生的多余部分

4 灰度级形态学
4.1 操作
腐蚀：输出图像变暗，亮的细节被减少
膨胀：输出图像变亮，暗的细节被减少
4.2 效果
在这里插入图片描述
开操作：去除较小的明亮细节
闭操作：去除较小的暗细节

4.3 算法
图像平滑：先开（抑制亮细节）后闭（抑制暗细节）
形态学梯度：膨胀-腐蚀
顶帽变换：校正不均匀光照，增强阴影的细节

⛄二、部分源代码

function [ height,width,out_img ] = hand_height_width ( gray_img )
%%
%input
%gray_img : input hand image or any measure image like 2d with 0 to 255
%intensity
%output
%height : pixel count of height
%width : pixel count of width
%out_img : segmented image with line for height and width
%%
% hand_height_width function implements hand height and width of the image
% using the method outlined in:
% calculate the hand height and width value for gray image. In Proceedings of the Information Sciences 275 (2014) 45?6.
% Hand shape identification on multirange images.
% [ height width out_img ] = hand_height_width ( gray_img ) function is to find the hand height and width value of the image.
% The input is given to the gray scale image.
%%
%Author: AnAnD g
%Place : Nagercoil
%Contact No :+919994879483
%Contact Mail : anandg.embedd@gmail.com

level = graythresh(gray_img);
seg_img = im2bw(gray_img,level);

[L num] = bwlabel(seg_img);
for j = 1:num
if length(find(L == j)) < 20
L(L==j) = 0;
end
end
L1 = imdilate(L,ones(3));
[labe num] = bwlabel(L1);

%%impixelinfo
%hold on
box = regionprops(labe,'BoundingBox');
m_bounv=0;
m_bounl=0;

for j = 1:num
  

    r_size=  round(box(j).BoundingBox);
    
    
    
    if(m_bounv<(r_size(4)*r_size(3))  ) 
       
       
        m_bounv=r_size(4)*r_size(3);
        m_bounl=j;
    end
    
end
%hold off

if(m_bounl~=0)
r_size= round(box(m_bounl).BoundingBox);

r_img=(seg_img(r_size(2):r_size(2)+r_size(4)-1,r_size(1):r_size(1)+r_size(3)-1,:));

else
r_img=zeros(32,32);
end

seg_img=~r_img;

w_h_img=seg_img;
%Program for height measurement
pos=0;
height_val=0;
center_pos=1;
for i=1:size(seg_img,1)
for j=1:size(seg_img,2)
if(seg_img(i,j)0 && pos0)
pos=pos+1;
center_pos=j;
elseif(seg_img(i,center_pos)1 && pos1)
break;
end
if(jcenter_pos && pos1)
w_h_img(i,j)=1;
height_val=height_val+1;
end
end
end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合