网站建设模式怎么写,做物流的网站有哪些内容,wordpress修改右键菜单,dw制作网站模板✅ 大三下时弄的 文章目录最终效果图摘要1 研究背景及意义2 基本原理描述3 实验数据来源3.1 原始图像的来源3.2 天空背景图像的来源4 实验步骤及相应处理结果4.1 原始图像的预处理4.2 区域生长法分割图像4.3 形态学处理填充孔洞4.4 边缘检测根据二值图像构造RGB图像4.5 图像拼接…
✅ 大三下时弄的 文章目录最终效果图摘要1 研究背景及意义2 基本原理描述3 实验数据来源3.1 原始图像的来源3.2 天空背景图像的来源4 实验步骤及相应处理结果4.1 原始图像的预处理4.2 区域生长法分割图像4.3 形态学处理填充孔洞4.4 边缘检测根据二值图像构造RGB图像4.5 图像拼接4.6 图像整体融合4.7 边缘处理5 实验结果分析6 总结与心得体会7 完整代码8 补充说明及下载链接最终效果图 ● 注 鼠标点击选完 “点” 后需要再按一下 “回车”。 摘要
● 本次从日常生活的实际需要出发主要研究了图像的分割转换及重组部分与原图像的融合基于区域生长法和形态学处理的方法可以将图像的背景转换为其他想要替换的图片并通过边缘融合等方法将转换后的背景与原图像进行调整减轻违和感以达到更好的显示效果。相比于人工手动抠图的方法这种处理方法更加方便简洁极大地简化了修图的繁琐步骤学习基础低容易上手使用并且大大缩短了同类型修图的时间处理速度较快故而可以广泛应用于日常的照片处理。 1 研究背景及意义
● 在生活中人们通常使用摄影来记录自己的各种日常拍照已经成为生活里不可缺少的重要组成部分融入了每个人的每个生活场景与欢声笑语每张照片都有其特定的含义传递着每个人的情感。可是有时候天气不好拍出来的照片常常会因为背景昏暗、色调阴沉而不够美观就譬如去景区旅游的时候如果当天是阴天或者雨天照片中的天空就是灰蒙蒙的整张图片也会显得暗淡这种情况难免会让人觉得可惜。
● 本次研究了一种自动处理图像的方法可以将拍摄于阴雨天的照片中灰蒙蒙的天空转换成蓝天白云、夕阳西下或者是彩虹以及其他想要的背景并将整体的色调调整成更明亮的显示效果。这种技术的操作十分简单上手处理速度较快可以很成功地对照片进行背景转换同时优化整合两部分内容使得处理后的图片看起来更加和谐视觉效果增强极大地省略了人工手动修图的繁琐步骤缩短了同类型图像进行修图的时间在日常的照片处理方面有重要意义用数字图像处理的技术解决了生活实际问题。 2 基本原理描述
1首先选择一张将要处理的图像将其从 unit 类型转化为 double 类型再将其转换为灰度图像。
2在灰度图像的背景上选择一个或多个生长点然后用区域生长法将目标和背景进行分割。应用区域生长算法时要根据不同的图像特征合理地选取其生长点、生长半径和生长阈值。如果有树枝类遮挡物那生长半径需要选大一点。如果前景和后景灰度值相差较小则需使用较大的生长阈值。
3得到一个二值图像之后再用形态学处理填充未分隔成功的孔洞得到最终的二值图像。
4根据此二值图像构造出前景底片和后景底片分别用于目标和新背景的贴印。另外通过边缘检测算法画出边缘图。
5将目标和新背景分别与前景底片和后景底片相乘得到两个“底图”然后将这两张“底图”相加即可得到拼接后的图像。
6然后将新背景的 RGB 转换为 HSV获取其亮度再将其亮度融合到目标所在的“底图”即实现对两张图像的融合。
7最后根据第三步得到边缘图的边缘线来对图像进行边缘处理和图像修复从而得到最终的融合图像。
● 基本原理流程图 3 实验数据来源
3.1 原始图像的来源
● 本次课程考核大作业一共选取了三幅图像作为原始待处理的图像图像类型为 RGB前两幅图像来源于网络最后一张是用手机拍摄后再用电脑调整分辨率后得到的。其中“总统府”的分辨率为 960×720 像素“长江边”的分辨率为 960×720 像素“操场”的分辨率为 960×720 像素。三幅原始待处理的图像如图 3.1、图 3.2、图 3.3 所示。
● 图3.1 总统府 ● 图3.2 长江边
● 图3.3 操场
3.2 天空背景图像的来源
● 本次课程考核大作业一共选取了三幅天空背景图像对原始图像进行转图像类型为 RGB两幅图像分别为“晴天”“黄昏”“星空”图像均来源于网络其中“晴天”背景图像的分辨率为960×720 像素“黄昏”背景图像的分辨率为 960×720 像素“星空”背景图像的分辨率为 960×720 像素。三幅天空背景图像如图 3.4、图 3.5、图 3.6 所示。
● 图3.4 晴天 ● 图3.5 黄昏 ● 图3.6 星空 4 实验步骤及相应处理结果
4.1 原始图像的预处理
● 由于后续的运算中数据类型都是 double 型所以需要先对图像矩阵中数据的数据类型进行转换将 unit 数据类型转换为 double 型。用 imread 函数读入原始图像将 unit 数据类型转换为 double 型然后用 imshow 函数显示原图像。相关程序代码如下。
%---------------原始图像读取(start)---------------
originalImageRGB imread(originalImageFilename); % 读入原始图像
originalImageRGB im2double(originalImageRGB); % 将 unit 类型转换为 double 类型
if draw_flag 0figure(1),imshow(originalImageRGB),title(原始图像);
elsesubplot(3,4,1),imshow(originalImageRGB),title(原始图像);
end
%---------------原始图像读取(end)---------------● 读入后显示的图像如图 4.1 所示 ● 后续操作需要用区域生长法对图像进行分割而 RGB 图像数据量大进行区域生长复杂为了提高程序运行的效率减少程序的运算量可以直接对灰度图像进行区域生长所以将原始的 RGB 图像转换为灰度图像。使用 rgb2gray 函数将原始的 RGB 图像转换为灰度图像灰度图像的数据类型转换为 double 型最后用 imshow 函数显示灰度图像。相关程序代码如下。
%---------------原始RGB图像 → 灰度图像(start)---------------
grayImage rgb2gray(originalImageRGB);
% imshow(grayImage),title(灰色图)
% imshow(originalImageRGB(:,:,1)),title(红色通道);
% imshow(originalImageRGB(:,:,2)),title(绿色通道);
% imshow(originalImageRGB(:,:,3)),title(蓝色通道);
if draw_flag 0figure(2),imshow(grayImage),title(灰度图像);
else subplot(3,4,2),imshow(grayImage),title(灰度图像);
end
%---------------原始RGB图像 → 灰度图像(end)-----------------● 图像类型转换后显示的图像如图 4.2 所示
4.2 区域生长法分割图像
● 完成图像的背景转换需要把原始图像的背景与目标预留部分进行分离在比较多种分割方法后选择采用区域生长法来分割图像背景。区域生长法主要考虑像素及其空间邻域像素之间的关系开始时确定一个或多个像素点作为种子然后按某种相似性准则增长区域将相邻的具有相似性质的像素或区域归并从而逐步增长区域直到没有可以归并的点或其他小区域为止。区域内像素的相似性度量可以是平均灰度值、纹理、颜色等信息本次选择灰度值为区域内像素的相似性度量进行区域生长。
● 首先用 size 函数获取灰度图像的尺寸然后用 getpts 函数需要鼠标自行点击选取选择种子点用 round 将种子点的坐标取整存放种子点的灰度值根据原灰度图像的尺寸大小构造相同大小的全零矩阵以提高运算的效率设置存储符合区域生长条件的点数初值为在屏幕中选取的种子点数 seeds_num然后设置一个阈值 threshold再根据嵌套的 for 循环和 if条件语句判断目标点以及其八零域的点是否满足生长规则最后即可得到区域生长的二值图像结果用 imshow 将其显示出来。
● 种子点和阈值的选择并不是固定不变的在区域生长分割图像的过程中可以根据区域生长的结果不断地对种子点和阈值 threshold 进行调整。同时对于生长半径r也要根据图像的特张来选取。如果有“树枝类”遮挡物分割了背景那么生长半径r应该适度地调大直到出现满意的结果为止。相关程序代码如下。
● 图4.3 区域生长原理图
%---------------区域生长算法(start)-----------------------
[seed_y,seed_x] getpts; % 选取种子点(可以选取多个)
seed_x round(seed_x); % 横纵坐标取整
seed_y round(seed_y); seeds_num length(seed_x); % 种子个数
seeds [seed_x,seed_y]; % 各个种子的坐标[Height,Width] size(grayImage); % 获取图像的大小
Mark_1 zeros(Height,Width); % 初始化标记矩阵(一开始均未标记)
total_gray 0;
for i1:seeds_numtotal_gray total_gray grayImage(seed_x(i),seed_y(i));Mark_1(seed_x(i),seed_y(i)) 1; % 将种子所在区域的点设为已标记
end
seed_mean_gray total_gray ./ seeds_num; % 种子区域的灰度平均值r grow_radius; % 扫描半径(生长半径)
flag true; % 生长条件的标志(结束时变为 flase)
i_sta 1;
i_end seeds_num;
threshold grow_threshold;
seeds [seeds;zeros(2000000,2)]; % 预分配, 提升运算时间
while flagflag false;for i i_sta:i_endx seeds(i,1);y seeds(i,2);for u -r:r % 判断周围 r^2-1 个点是否符合生长规则for v -r:rif xu0 xuHeight yv0 yvWidthif Mark_1(xu,yv)0 abs(grayImage(xu,yv)-seed_mean_gray)thresholdMark_1(xu,yv) 1;flag true;seeds_num seeds_num 1;seeds(seeds_num,1) xu;seeds(seeds_num,2) yv;seed_mean_gray (seed_mean_gray .* (seeds_num-1) ...grayImage(xu,yv)) ./ seeds_num;endendendend
end
i_sta i_end1;
i_end seeds_num;
end
if draw_flag 0figure(3),imshow(Mark_1),title(区域生长分割后的二值图像);
else subplot(3,4,3),imshow(Mark_1),title(区域生长分割后的二值图像);
end
%---------------区域生长算法(end)-----------------------● 图4.4 区域生长分割后的二值图像
4.3 形态学处理填充孔洞
● 在上一个步骤用区域生长法进行图像分割时由于人为对种子点和阈值进行选择得到的结果难免出现背景所对应的二值图像部分中存在空洞的现象这种空洞对后期结果的影响是非常大的所以需要用形态学处理对背景所对应的二值图像部分中的孔洞进行填充。形态学处理填充空洞选择imfill函数对得到的二值图像进行处理然后显示填充孔洞之后的二值图像。相关代码如下。
%---------------孔洞填充(start)-----------------------
Mark_1imfill(Mark_1,holes);
if draw_flag 0figure(4),imshow(Mark_1),title(填充孔洞后的二值图像);
else subplot(3,4,4),imshow(Mark_1),title(填充孔洞后的二值图像);
end
%---------------孔洞填充(end)-------------------------● 图4.5 填充孔洞后的二值图像
4.4 边缘检测根据二值图像构造RGB图像
● 原图像与背景图像均为 RGB 图像进行区域生长和形态学处理填充孔洞之后得到的图像是一个二值图像所以要根据此二值图像构造边缘图像和两个 RGB 图像(前景和后景)。之后会与后续步骤中与原图像、背景相乘以得到“底图”。 ● 边缘检测原理图遍历二值图像矩阵对每一个点进行扫描如果它周围存在一个与它值相反的像素点就把它周围 8 个点都标记为边缘点。
● 图4.6 边缘检测原理图 ● 前后景提取原理 先构造两个与原图像大小相同的全零矩阵然后用嵌套的 for 循环对图像进行遍历当一点像素值为 1 时给第一个全零矩阵中这个位置的像素的 RGB 颜色分量全部赋值 1给第二个全零矩阵中这个位置的像素的 RGB 颜色分量全部赋值 0当一点像素值为 0 时给第一个全零矩阵中这个位置的像素的 RGB 颜色分量全部赋值 0给第二个全零矩阵中这个位置的像素的 RGB 颜色分量全部赋值 1完成全部像素的遍历和赋值后显示这两个 RGB 图像。这样就根据二值图像构造了两个 RGB 图像。相关程序代码如下。
%---------------边缘检测原图前后景抠取(start)-----------------------
Edge zeros(Height,Width);
edge_points zeros(200000,2); % 预分配, 以提升运算时间
edge_points_sum 0;
Mark_2 zeros(Height,Width); % 准备放原图的前景
Mark_3 zeros(Height,Width); % 准备放背景的后景
for i 1:Heightfor j 1:Widthif Mark_1(i,j) 0for u -1:1for v -1:1if iu0 iuHeight jv0 jvWidthif Mark_1(i,j) 0 Mark_1(iu, jv) 1 % 把边缘找出来(1代表白色)edge_points_sum edge_points_sum 1;edge_points(edge_points_sum, 1) i;edge_points(edge_points_sum, 2) j;edge_points(edge_points_sum, 1) iu;edge_points(edge_points_sum, 2) jv;Edge(i,j) 1; Edge(iu, jv) 1;elseif Mark_1(i,j) 1 Mark_1(iu, jv) 0Edge(i,j) 0;Edge(iu, jv) 0; endendendendendif Mark_1(i,j) 0Mark_2(i,j,1) 1; % 白色是1Mark_2(i,j,2) 1; % 白色是1Mark_2(i,j,3) 1; % 白色是1Mark_3(i,j,1) 0; % 黑色是0Mark_3(i,j,2) 0; % 黑色是0Mark_3(i,j,3) 0; % 黑色是0elseMark_2(i,j,1) 0; Mark_2(i,j,2) 0; Mark_2(i,j,3) 0; Mark_3(i,j,1) 1; Mark_3(i,j,2) 1; Mark_3(i,j,3) 1; endend
end
if draw_flag 0figure(5),imshow(Edge),title(边缘检测图);
elsesubplot(3,4,5),imshow(Edge),title(边缘检测图);
endif draw_flag 0figure(6),imshow(Mark_2),title(准备放原图的前景底片(白色部分));
elsesubplot(3,4,6),imshow(Mark_2),title(准备放原图的前景底片(白色部分));
end
if draw_flag 0figure(7),imshow(Mark_3),title(准备放背景的后景底片(白色部分));
elsesubplot(3,4,7),imshow(Mark_3),title(准备放背景的后景底片(白色部分));
end
originalImageRGB_1 originalImageRGB .* Mark_2;
if draw_flag 0figure(8),imshow(originalImageRGB_1),title(去除背景后并在前后景底片区域的图像);
elsesubplot(3,4,8),imshow(originalImageRGB_1),title(去除背景后并在前后景底片区域的图像);
end
%---------------边缘检测原图前后景底片抠取(end)-----------------------● 图4.7 综合图片组
● 对于新背景我们做同样的处理这里需要剪裁一下使得新背景的大小和原图的一样。用剪裁后的新背景和后景底片相乘即得新的背景图像。
%---------------后景底片剪裁抠取(start)-----------------------
backgroungImage imread(backgroungImageFilename);
backgroungImage im2double(backgroungImage);backgroungImage backgroungImage(1:Height,1:Width,:); % 按比例剪裁图片
backgroungImage_1 backgroungImage .* Mark_3;
if draw_flag 0figure(9),imshow(backgroungImage_1),title(在底片区域的背景图像);
elsesubplot(3,4,9),imshow(backgroungImage_1),title(在底片区域的背景图像);
end
%---------------后景底片剪裁抠取(end)-------------------------● 图4.8 在后景底片区域的背景图像
4.5 图像拼接
● 由于去除后景后的图像中背景部分的 [R,G,B][0,0,0] 而在去除前景后的图像中背景区域的 [R,G,B][0,0,0]所以将二者直接相加即可将两张图片进行合成得到拼接后的图像。相关程序代码如下。
%---------------图片拼接(start)---------------------
jointImage originalImageRGB_1 backgroungImage_1;
if draw_flag 0figure(10),imshow(jointImage),title(拼接后的图像);
elsesubplot(3,4,10),imshow(jointImage),title(拼接后的图像);
end
%---------------图片拼接(end)-----------------------● 图4.9 拼接后的图像
4.6 图像整体融合
● 在对新获得的图像进行进一步处理的时候先通过颜色空间转换将 RGB 转化为 HSV然后选择提取原图片或者新背景图片的平均亮度作为主亮度值并依据获得的主亮度值将拼接后得到的图像中所有像素的亮度重新赋值再通过颜色空间转换重新变为 RGB得到整体融合后的图像。相关程序代码如下。
● 图4.10 亮度融合原理图
%---------------图像整体融合(start)---------------------
originalImageRGB_HSV rgb2hsv(originalImageRGB); % 颜色空间转换: RGB → HSV
o_s originalImageRGB_HSV(:,:,2); % 饱和度
o_v originalImageRGB_HSV(:,:,3); % 亮度
[n,m] size(o_s);
mean_o_s sum(sum(o_s)) ./ (n * m);
[n,m] size(o_v);
mean_o_v sum(sum(o_v)) ./ (n * m);
backgroungImageRGB_HSV rgb2hsv(backgroungImage);
b_s backgroungImageRGB_HSV(:,:,2); % 饱和度
b_v backgroungImageRGB_HSV(:,:,3); % 亮度
[n,m] size(b_s);
mean_b_s sum(sum(b_s)) ./ (n * m);
[n,m] size(b_v);
mean_b_v sum(sum(b_v)) ./ (n * m);
jointImage_HSV rgb2hsv(jointImage);
choose input(主亮度选择请输入0或10代表原图片1代表背景图片);
if choose 0for i 1:Heightfor j 1:Widthif Mark_2(i,j) 0tmp1 jointImage_HSV(i,j,3) .* mean_o_v ./ mean_b_v;if 0.95 tmp1jointImage_HSV(i,j,3) tmp1 .* 0.95;elsejointImage_HSV(i,j,3) tmp1;endendendend
elsefor i 1:Heightfor j 1:Widthif Mark_2(i,j) 1tmp1 jointImage_HSV(i,j,3) ./ mean_o_v .* mean_b_v;if 0.95 tmp1jointImage_HSV(i,j,3) tmp1 .* 0.95;elsejointImage_HSV(i,j,3) tmp1;endendendend
end
jointImage hsv2rgb(jointImage_HSV); % HSV → RGB 得到最终图片
if draw_flag 0figure(11),imshow(jointImage),title(图像整体融合后的图像);
elsesubplot(3,4,11),imshow(jointImage),title(图像整体融合后的图像);
end
%---------------图像整体融合(end)---------------------● 图4.11 整体融合后的图像
4.7 边缘处理
● 最后对融合后的图像做细节处理将每一个边缘点周围 8 个点的像素值(3 个通道)取平均值作为该边缘点新的像素值。
● 图4.12 边缘处理原理图
%---------------边缘处理(stert)---------------------
mix_r mix_radius; % 融合边缘的半径选取
for i 1:edge_points_sumx edge_points(i,1);y edge_points(i,2);R 0;G 0;B 0;for u -mix_r:mix_rfor v -mix_r:mix_rif xu0 xuHeight yv0 yvWidthR R jointImage(xu,yv,1);G G jointImage(xu,yv,2);B B jointImage(xu,yv,3);endendjointImage(x,y,1) R ./ (4*mix_r^2 4*mix_r^2);jointImage(x,y,2) G ./ (4*mix_r^2 4*mix_r^2);jointImage(x,y,3) B ./ (4*mix_r^2 4*mix_r^2);end
end
if draw_flag 0figure(12),imshow(jointImage),title(边缘融合后的图像);
elsesubplot(3,4,12),imshow(jointImage),title(边缘融合后的图像);
end
%---------------边缘处理(end)-----------------------● 图4.13 边缘处理后的图像 ● 图4.14 细节处理对比图(右边为已处理图) 5 实验结果分析
● 在对图像进行预处理时将 unit 数据类型转换成了 double 型有利于后续对图像的运算处理再将原 RGB 图像转换成灰度图像并成功地显示了出来。
● 在使用区域生长法分割图像时种子点和阈值的选择并不是固定不变的在区域生长分割图像的过程中可以根据区域生长的结果不断地对种子点和阈值进行调整直到出现我们满意的结果为止再将处理此图像的种子点和阈值设置为定值。有的时候二值图像中背景对应的部分会存在孔洞是由于种子点和阈值的选择不恰当所引起的但因为后续会对图像进行形态学处理所以对于最后的实验结果影响并不大。
● 在对图像的形态学处理中imfill 函数可以很好地对二值图像中背景对应的部分地孔洞进行填充有效地解决了区域生长分割图像时产生的孔洞。
● 通过边缘检测可以找出需要更换的背景部分的边缘。
● 在根据二值图像构造 RGB 图像时成功地得到了基于二值图像的一对 RGB 图像分别是准备放原图的前景底片白色部分和准备放背景的后景底片白色部分将准备放原图的前景底片白色部分与原 RGB 图像相点乘后得到了去除背景后并在前景底片区域的图像。将 RGB 背景图像放进程序处理使得 RGB 背景图像的尺寸与原图像尺寸相同。再将准备放背景的后景底片白色部分与背景图像相点乘后得到了在后景底片区域的背景图像。然后将去除背景后并在前景底片区域的图像与后景底片区域的背景图像相加成功地得到了拼接后的图像。
● 在图像的整体融合时先通过颜色空间转换化为 HSV再选择背景图片的亮度作为主亮度改变拼接后的图像的亮度使得原图亮度与背景亮度相近然后通过颜色空间转换重新转换为 RGB得到图像整体融合后的图像。
● 最后通过边缘处理使得拼接后图像拼接部分更加自然得到最终图像。各部分程序均起到了作用成功地实现了图像背景的转换与亮度融合。
6 总结与心得体会
● 通过这段时间的课程学习深入了解了许多数字图像的相关知识虽不能完全掌握图像处理技术但在此次课程大作业中我们把所学的知识付诸实践选择做了一种基于区域生长和形态学处理转换图片背景的方法。它能够将照片中的背景替换为其他想要的背景操作十分简单处理速度快可以成功地对照片进行背景转换并通过边缘融合等技术使得转换后的图片看起来更加和谐减轻违和感。这种技术大大缩短了同类型修图的时间可以广泛应用于日常照片的处理对于现实生活问题具有实际意义。
● 在进行课程作业实验的过程中我们选择通过区域生长法对原图像转换而来的灰度图像进行分割得到了区分背景与目标的二值图像并依据此二值图像构造一对 RGB 图像通过这对 RGB 图像分别提取背景与预留的目标图像部分再拼接完成图像的区域转换而后在进一步处理获得的新图像的时候提取想要替换的背景的信息将所有像素的亮度重新赋值并进行边缘融合以使得新背景与预留图像相融合实现更好的视觉效果。
● 但是在编写代码的过程中我们也遇到了很多问题例如对彩色图像处理还不是很熟练对图像的形态学处理也不熟悉但是可以快速去回顾理论课上所学的知识然后对这些知识进一步地进行验证并通过网络查找有关资料加以学习以运用到实践中实现想要的特定功能。我们研究出的这个方法仍存在一些不足还有许多地方可以进一步地优化以达到更好的使用效果。比如说对于生长阈值和生长半径需要人为地调整这需要一定的调试经验后才能调出理想的结果。通过本次课程大作业的合作我们每个人都受益匪浅。 7 完整代码
● Matlab2020
% 软件MATLAB2020
clc;
clear;
close all;%--------------初始值设定(start)-----------------
originalImageFilename ./test_img/river.jpg; % 原图片(自己设定)
backgroungImageFilename ./test_img/Xing_stars.png; % 背景图片(自己设定)
draw_flag 0; % 画图选择(0或者1)
grow_radius 3; % 生长半径
grow_threshold 0.13; % 生长阈值
mix_radius 1 ; % 融合边缘的半径
%--------------初始值设定(end)-------------------%---------------原始图像读取(start)---------------
originalImageRGB imread(originalImageFilename); % 读入原始图像
originalImageRGB im2double(originalImageRGB); % 将 unit 类型转换为 double 类型
if draw_flag 0figure(1),imshow(originalImageRGB),title(原始图像);
elsesubplot(3,4,1),imshow(originalImageRGB),title(原始图像);
end
%---------------原始图像读取(end)---------------%---------------原始RGB图像 → 灰度图像(start)---------------
grayImage rgb2gray(originalImageRGB);
% imshow(grayImage),title(灰色图)
% imshow(originalImageRGB(:,:,1)),title(红色通道);
% imshow(originalImageRGB(:,:,2)),title(绿色通道);
% imshow(originalImageRGB(:,:,3)),title(蓝色通道);
if draw_flag 0figure(2),imshow(grayImage),title(灰度图像);
else subplot(3,4,2),imshow(grayImage),title(灰度图像);
end
%---------------原始RGB图像 → 灰度图像(end)-----------------%---------------区域生长算法(start)-----------------------
[seed_y,seed_x] getpts; % 选取种子点(可以选取多个)
seed_x round(seed_x); % 横纵坐标取整
seed_y round(seed_y); seeds_num length(seed_x); % 种子个数
seeds [seed_x,seed_y]; % 各个种子的坐标[Height,Width] size(grayImage); % 获取图像的大小
Mark_1 zeros(Height,Width); % 初始化标记矩阵(一开始均未标记)total_gray 0;
for i1:seeds_numtotal_gray total_gray grayImage(seed_x(i),seed_y(i));Mark_1(seed_x(i),seed_y(i)) 1; % 将种子所在区域的点设为已标记
end
seed_mean_gray total_gray ./ seeds_num; % 种子区域的灰度平均值r grow_radius; % 扫描半径(生长半径)
flag true; % 生长条件的标志(结束时变为 flase)
i_sta 1;
i_end seeds_num;
threshold grow_threshold;
seeds [seeds;zeros(2000000,2)]; % 预分配, 提升运算时间
while flagflag false;for i i_sta:i_endx seeds(i,1);y seeds(i,2);for u -r:r % 判断周围 r^2-1 个点是否符合生长规则for v -r:rif xu0 xuHeight yv0 yvWidthif Mark_1(xu,yv)0 abs(grayImage(xu,yv)-seed_mean_gray)thresholdMark_1(xu,yv) 1;flag true;seeds_num seeds_num 1;seeds(seeds_num,1) xu;seeds(seeds_num,2) yv;seed_mean_gray (seed_mean_gray .* (seeds_num-1) ...grayImage(xu,yv)) ./ seeds_num;endendendendendi_sta i_end1;i_end seeds_num;
end
if draw_flag 0figure(3),imshow(Mark_1),title(区域生长分割后的二值图像);
else subplot(3,4,3),imshow(Mark_1),title(区域生长分割后的二值图像);
end
%---------------区域生长算法(end)-----------------------%---------------孔洞填充(start)-----------------------
Mark_1imfill(Mark_1,holes);
if draw_flag 0figure(4),imshow(Mark_1),title(填充孔洞后的二值图像);
else subplot(3,4,4),imshow(Mark_1),title(填充孔洞后的二值图像);
end
%---------------孔洞填充(end)-------------------------%---------------边缘检测原图底片抠取(start)-----------------------
Edge zeros(Height,Width);
edge_points zeros(200000,2); % 预分配, 以提升运算时间
edge_points_sum 0;
Mark_2 zeros(Height,Width); % 准备放原图的底片
Mark_3 zeros(Height,Width); % 准备放背景的底片
for i 1:Heightfor j 1:Widthif Mark_1(i,j) 0for u -1:1for v -1:1if iu0 iuHeight jv0 jvWidthif Mark_1(i,j) 0 Mark_1(iu, jv) 1 % 把边缘找出来(1代表白色)if Edge(i,j) 0edge_points_sum edge_points_sum 1;edge_points(edge_points_sum, 1) i;edge_points(edge_points_sum, 2) j;endedge_points_sum edge_points_sum 1;edge_points(edge_points_sum, 1) iu;edge_points(edge_points_sum, 2) jv;Edge(i,j) 1; Edge(iu, jv) 1;elseif Mark_1(i,j) 1 Mark_1(iu, jv) 0 if Edge(i,j) 0edge_points_sum edge_points_sum 1;edge_points(edge_points_sum, 1) i;edge_points(edge_points_sum, 2) j;endedge_points_sum edge_points_sum 1;edge_points(edge_points_sum, 1) iu;edge_points(edge_points_sum, 2) jv;Edge(i,j) 1;Edge(iu, jv) 1;endendendendendif Mark_1(i,j) 0Mark_2(i,j,1) 1; % 白色是1Mark_2(i,j,2) 1; % 白色是1Mark_2(i,j,3) 1; % 白色是1Mark_3(i,j,1) 0; % 黑色是0Mark_3(i,j,2) 0; % 黑色是0Mark_3(i,j,3) 0; % 黑色是0elseMark_2(i,j,1) 0; Mark_2(i,j,2) 0; Mark_2(i,j,3) 0; Mark_3(i,j,1) 1; Mark_3(i,j,2) 1; Mark_3(i,j,3) 1; endend
end
if draw_flag 0figure(5),imshow(Edge),title(边缘检测图);
elsesubplot(3,4,5),imshow(Edge),title(边缘检测图);
endif draw_flag 0figure(6),imshow(Mark_2),title(准备放原图的底片(白色部分));
elsesubplot(3,4,6),imshow(Mark_2),title(准备放原图的底片(白色部分));
endif draw_flag 0figure(7),imshow(Mark_3),title(准备放背景的底片(白色部分));
elsesubplot(3,4,7),imshow(Mark_3),title(准备放背景的底片(白色部分));
endoriginalImageRGB_1 originalImageRGB .* Mark_2;
if draw_flag 0figure(8),imshow(originalImageRGB_1),title(去除背景后并在底片区域的图像);
elsesubplot(3,4,8),imshow(originalImageRGB_1),title(去除背景后并在底片区域的图像);
end
%---------------边缘检测原图底片抠取(end)-----------------------%---------------背景底片剪裁抠取(start)-----------------------
backgroungImage imread(backgroungImageFilename);
backgroungImage im2double(backgroungImage);backgroungImage backgroungImage(1:Height,1:Width,:); % 按比例剪裁图片
backgroungImage_1 backgroungImage .* Mark_3;
if draw_flag 0figure(9),imshow(backgroungImage_1),title(在底片区域的背景图像);
elsesubplot(3,4,9),imshow(backgroungImage_1),title(在底片区域的背景图像);
end
%---------------背景底片剪裁抠取(end)-------------------------%---------------图片拼接(start)---------------------
jointImage originalImageRGB_1 backgroungImage_1;
if draw_flag 0figure(10),imshow(jointImage),title(拼接后的图像);
elsesubplot(3,4,10),imshow(jointImage),title(拼接后的图像);
end
%---------------图片拼接(end)-----------------------%---------------图像整体融合(start)---------------------
originalImageRGB_HSV rgb2hsv(originalImageRGB); % 颜色空间转换: RGB → HSV
o_s originalImageRGB_HSV(:,:,2); % 饱和度
o_v originalImageRGB_HSV(:,:,3); % 亮度
[n,m] size(o_s);
mean_o_s sum(sum(o_s)) ./ (n * m);
[n,m] size(o_v);
mean_o_v sum(sum(o_v)) ./ (n * m);backgroungImageRGB_HSV rgb2hsv(backgroungImage);
b_s backgroungImageRGB_HSV(:,:,2); % 饱和度
b_v backgroungImageRGB_HSV(:,:,3); % 亮度
[n,m] size(b_s);
mean_b_s sum(sum(b_s)) ./ (n * m);
[n,m] size(b_v);
mean_b_v sum(sum(b_v)) ./ (n * m);jointImage_HSV rgb2hsv(jointImage); choose input(主亮度选择请输入0或10代表原图片1代表背景图片);
if choose 0for i 1:Heightfor j 1:Widthif Mark_2(i,j) 0% jointImage_HSV(i,j,2) jointImage_HSV(i,j,2) .* mean_o_s ./ mean_b_s;tmp1 jointImage_HSV(i,j,3) .* mean_o_v ./ mean_b_v;if 0.95 tmp1jointImage_HSV(i,j,3) tmp1 .* 0.95;elsejointImage_HSV(i,j,3) tmp1;endendendend
elsefor i 1:Heightfor j 1:Widthif Mark_2(i,j) 1tmp1 jointImage_HSV(i,j,3) ./ mean_o_v .* mean_b_v;if 0.95 tmp1jointImage_HSV(i,j,3) tmp1 .* 0.95;elsejointImage_HSV(i,j,3) tmp1;endendendend
end
jointImage hsv2rgb(jointImage_HSV); % HSV → RGB 得到最终图片
if draw_flag 0figure(11),imshow(jointImage),title(图像整体融合后的图像);
elsesubplot(3,4,11),imshow(jointImage),title(图像整体融合后的图像);
end
%---------------图像整体融合(end)---------------------%---------------边缘处理(stert)---------------------
mix_r mix_radius; % 融合边缘的半径选取
for i 1:edge_points_sumx edge_points(i,1);y edge_points(i,2);R 0;G 0;B 0;for u -mix_r:mix_rfor v -mix_r:mix_rif xu0 xuHeight yv0 yvWidthR R jointImage(xu,yv,1);G G jointImage(xu,yv,2);B B jointImage(xu,yv,3);endendjointImage(x,y,1) R ./ (4*mix_r^2 4*mix_r^2);jointImage(x,y,2) G ./ (4*mix_r^2 4*mix_r^2);jointImage(x,y,3) B ./ (4*mix_r^2 4*mix_r^2);end
end
if draw_flag 0figure(12),imshow(jointImage),title(边缘处理后的图像);
elsesubplot(3,4,12),imshow(jointImage),title(边缘处理后的图像);
end
%---------------边缘处理(end)-----------------------8 补充说明及下载链接
● 完整文档、所有测试图片、代码使用说明的链接https://download.csdn.net/download/Wang_Dou_Dou_/87535824
● 若有写得不对的地方或有疑问欢迎评论交流。 ⭐️ ⭐️
