数字图像处理9：形态学图像处理 III 基于形态学的粒度测定基于形态学的纹理分割

最新推荐文章于 2025-10-08 08:51:52 发布

原创

最新推荐文章于 2025-10-08 08:51:52 发布 · 5.3k 阅读

44 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #matlab

本文介绍了基于形态学的图像处理技术，包括粒度测定和平滑处理，通过使用不同大小的结构元进行开闭操作，有效提取图像特征。实验结果显示，形态学方法能清晰区分图像中的不同尺寸颗粒和纹理区域。

基于形态学的粒度测定

设计思路

在图像处理方面，粒度测定属于判断图像中颗粒的尺寸分布的领域。
其原理十分简单。对比比背景亮并且具有规则形状的颗粒，该方法由使用逐渐增大的结构元对图像执行开操作组成。

基本思想是，某个特殊尺寸的开操作应该对包含类似尺寸的颗粒的输人图像的区域具有最大的影响。对于每次开操作，计算该开操作中像素值的和。该和有时称为表面区域，它会随着结构元的增大而减小，因为开操作会降低亮特征的灰度。该过程会得到一个这样的数字的一维阵列，阵列中的每个元素等于对应于阵列中该位置的结构元素的大小的开操作中的像素之和。为了强调连续开操作间的变化，计算一维阵列的相邻元素的差。

代码

主函数：

clc;
clear;
close all;

%% 课本图 9.41
im=imread('wood_dowels.tif'); %注意图片的路径要设置正确

%% 图像平滑处理  图像粒度检测
[im1,im2,im3,im4,im5,y] = my_detectSize(im);

%% 将结果保存到当前目录下的result文件夹下
imwrite(im1, sprintf('result/%s.jpg','3_im1'));
imwrite(im2, sprintf('result/%s.jpg','3_im2'));
imwrite(im3, sprintf('result/%s.jpg','3_im3'));
imwrite(im4, sprintf('result/%s.jpg','3_im4'));
imwrite(im5, sprintf('result/%s.jpg','3_im5'));

%% 显示结果
figure;
subplot(231); imshow(im); title('图像'); axis on
subplot(232); imshow(im1); title('平滑图像'); axis on
subplot(233); imshow(im2); title('10图像'); axis on
subplot(234); imshow(im3); title('20图像'); axis on
subplot(235); imshow(im4); title('25图像'); axi