【正文】 ,39。)。i=imread(39。clear。)。 ylabel(39。radius of stars(pixels)39。)。 title(39。m*39。 derivsurfarea=diff(surfarea)。sum of pixel values in snowflakes as a function of radius39。)。 xlabel(39。xtick39。)。 title(39。m*39。 %(5) intensity_area_prime=diff(intensity_area)。surface area of opened objects(pixels)39。)。 xlabel(39。surface area of opened objects as a function of radius39。,[0 2 4 6 8 10 12 14 16 18 20])。 set(gca,39。m*39。surfarea(counter+1)=sum(remain(:))。disk39。)。 ylabel(39。radius of opening(pixels)39。)。 title(39。sum of opening(pixels)39。),grid on。end figure,plot(intensity_area,39。,counter))。 %(4) for counter=0:22 remain=imopen(clahei,strel(39。tophat image39。 topi=imtophat(gi,se)。disk39。)。 figure,imshow(gi),title(39。 imshow(clahei)。,[10 10])。 %(2) clahei=adapthisteq(i,39。)。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % P221圖像粒度測(cè)定（雪花） i=imread(39。BW2 = ismember(L,idx)。PixelIdxList p元向量，存儲(chǔ)區(qū)域像素的索引下標(biāo)PixelList p行ndims(L)列矩陣，存儲(chǔ)上述索引對(duì)應(yīng)的像素坐標(biāo) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 基于特定原則的區(qū)域選擇當(dāng)你要基于特定準(zhǔn)則條件選擇某個(gè)區(qū)域時(shí)，將函數(shù) ismember 和 regionprops 聯(lián)合使用是很有用處的。Extent 是標(biāo)量，同時(shí)在區(qū)域和其最小邊界矩形中的像素比例。FilledArea 是標(biāo)量，填充區(qū)域圖像中的 on 像素個(gè)數(shù)ConvexHull 是p行2列的矩陣，包含某區(qū)域的最小凸多邊形 ConvexImage 二值圖像，用來畫出上述的區(qū)域最小凸多邊形 ConvexArea 是標(biāo)量，填充區(qū)域凸多邊形圖像中的 on 像素個(gè)數(shù) EulerNumber 等于圖像中目標(biāo)個(gè)數(shù)減去這些目標(biāo)中空洞的個(gè)數(shù) Extrema 8行2列矩陣，八方向區(qū)域極值點(diǎn)EquivDiameter 是標(biāo)量，等價(jià)直徑：：sqrt(4*Area/pi)Solidity 是標(biāo)量，同時(shí)在區(qū)域和其最小凸多邊形中的像素比例。data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[] data=[]Area 計(jì)算各個(gè)連通區(qū)域中的象素總數(shù) BoundingBox 包含相應(yīng)區(qū)域的最小矩形 Centroid 給出每個(gè)區(qū)域的質(zhì)心MajorAxisLength 與區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩（又叫標(biāo)準(zhǔn)差）的橢圓的長(zhǎng)軸長(zhǎng)度 MinorAxisLength 與區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的短軸長(zhǎng)度 Eccentricity 與區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的離心率Orientation 與區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸與x軸的交角 Image 二值圖像，與某區(qū)域具有相同大小的邏輯矩陣。 figure,hist([],20)。 figure,hist([],20)。%剔除連接米粒 %獲取完整米粒idxsuit=find([]=150amp。end hold off。k39。Color39。,k)。for k=1:num_big lab=sprintf(39。)。big_data=regionprops(lab_big,39。)。,39。rgb_big=label2rgb(lab_big,spring,39。figure,imshow(big)。%剔除碎米粒 %剔除連接米粒 idxup=find([]250)。end hold off。k39。Color39。,k)。for k=1:num_little lab=sprintf(39。)。little_data=regionprops(lab_little,39。)。,39。rgb_little=label2rgb(lab_little,spring,39。end hold off。k39。Color39。,k)。for k=1:numobjects lab=sprintf(39。)。 graindata=regionprops(labeled,39。)。,39。 rgb_label=label2rgb(labeled,spring,39。% figure,imshow(imnobord)。% figure,imshow(bw)。 level=graythresh(i3)。 i3=imadjust(i2,stretchlim(i2),[0 1])。 i2=imsubtract(imgray,background)。disk39。 imgray=rgb2gray(i)。)。 i=imread(39。clear。)。data=regionprops(labeled,39。bw=im2bw(i3,level)。i3=imadjust(i2,stretchlim(i2),[0 1])。,15))。background=imopen(i,strel(39。39。clc。close all。all39。 [labeled,numobjects]=bwlabel(bw,4)。 bw=im2bw(i3,level)。% figure,imshow(i3)。% figure,imshow(i2)。,15))。 background=imopen(i,strel(39。)。 i=imread(39。clear。 = norm(pt1)^2norm(pt2)^2。 = norm(pt139。10.[A(2, :), B(2)] = circle2line(pt2, pt3)。B = zeros(2, 1)。 3.%Inputs:4.%pt1, pt2, pt3: [x, y]5.%center: the circle center [x0。 and 39。, 39。第二篇：matlab圖像處理小結(jié) [center, r] = solve_circle(pt1, pt2, pt3)2.%Effect: solve the circle which across points 39。實(shí)驗(yàn)三：本次課程是醫(yī)學(xué)圖像實(shí)習(xí)的最后一次實(shí)習(xí)課，通過本次課程的學(xué)習(xí)和實(shí)踐，使學(xué)生基本掌握了平滑濾波、中值濾波、sobel算子和laplacian算子應(yīng)用方法，同時(shí)，進(jìn)一步熟悉和掌握了在Matlab下，圖像模板運(yùn)算的方法和技巧。第一篇：圖像處理實(shí)驗(yàn)教學(xué)小結(jié)實(shí)驗(yàn)一：通過學(xué)習(xí)Matlab的開發(fā)環(huán)境、基本語法和函數(shù)，使學(xué)生基本熟悉了Matlab的使用方法、開發(fā)規(guī)則和基本技巧，同時(shí)，通過上機(jī)獨(dú)立練習(xí)Matlab圖像處理的實(shí)例，進(jìn)一步鞏固了所學(xué)內(nèi)容，為后續(xù)的Matlab圖像處理課程，提供了保證。實(shí)驗(yàn)二：通過本次課程的學(xué)習(xí)和實(shí)踐，使學(xué)生對(duì)Matlab的圖像編碼知識(shí)有了全面深入的掌握，對(duì)Matlab的圖像處理方法有了深入的理解和認(rèn)識(shí)，并進(jìn)一步熟悉了Matlab的基本語法和程序設(shè)計(jì)流程，為獨(dú)立開發(fā)圖像處理程序奠定了良好的基礎(chǔ)。大部分學(xué)生能夠在老師的指導(dǎo)下，獨(dú)立完成設(shè)計(jì)工作，并完整正確運(yùn)行程序，得到正確結(jié)果，但有部分學(xué)生由于錄入速度較慢，沒有在課堂完成代碼錄入工作，安排其在課后完成剩余部分的錄入工作，并能夠正確運(yùn)行。pt139。pt239。pt339。y0] 6.%r: the radius of the circle 7.%Author: Su dongcai at 2012/1/2 = zeros(2, 2)。9.[A(1, :), B(1)] = circle2line(pt1, pt2)。 = AB。(y2^2 + y2^2)18.%(ax2)^2 +(by2)^2 = r^2 | 19.%Inputs:20.%pt1, pt2: [x1, y1], [x2, y2] 21.%Outputs:22.%A: 2[x1x2, y1y2]23.%B:(x1^2 + y1^2)pt2)。close all。clc。39。% imshow(i)。disk39。 i2=imsubtract(i,background)。 i3=imadjust(i2,stretchlim(i2),[0 1])。 level=graythresh(i3)。% figure,imshow(bw)。graindata=regionprops(labeled,39。)。clear。i=imread(39。)。disk39。i2=imsubtract(i,background)。level=graythresh(i3)。[labeled,numobjects]=bwlabel(bw,4)。all39。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % close all。clc。39。% figure,imshow(i)。 figure,imshow(imgray) background=imopen(imgray,strel(39。,15))。% figure,imshow(i2)。% figure,imshow(i3)。 bw=im2bw(i3,level)。 imnobord=imclearborder(bw,4)。 [labeled,numobjects]=bwlabel(bw,4)。c39。shuffle39。 figure,imshow(rgb_label)。all39。hold on。%d39。text(graindata(k).Centroid(1),graindata(k).Centroid(2),lab,39。,39。)。%剔除碎米粒 idxdown=find([][lab_little,num_little]=bwlabel(little,4)。c39。shuffle39。figure,imshow(rgb_little)。all39。hold on。%d39。text(little_data(k).Centroid(1),little_data(k).Centroid(2),lab,39。,39。)。% graindata(idxdown,:)=[]。%剔除連接米粒 big=ismember(labeled,idxup)。[lab_big,num_big]=bwlabel(big,4)。c39。shuffle39。figure,imshow(rgb_big)。all39。hold on。%d39。text(big_data(k).Centroid(1),big_data(k).Centroid(2),lab,39。,39。)。% graindata(numup,:)=[]。[] graindata mean([]) mean([]) mean([]) mean([]) mean([]) figure,hist([],20)。 figure,hist([],20)。 figure,hist([],20)。FilledImage 與上相同，唯一區(qū)別是這是個(gè)做了填充的邏輯矩陣！本例中和上面的沒有區(qū)別，只有 區(qū)域有空洞時(shí)才有明顯差別。計(jì)算公式為： Area/ConvexArea，這也是個(gè)仿射特征，實(shí)際上反映出區(qū)域的固靠性程度。計(jì)算公式為：Area除以邊界矩 形面積，這也是個(gè)仿射特征，實(shí)際上反映出區(qū)域的擴(kuò)展范圍程度。例如：創(chuàng)建一個(gè)只包含面積大于80的二值圖像，用以下命令idx = find([] 80)。regionprops函數(shù)的擴(kuò)展思路在regionprops函數(shù)的基礎(chǔ)上，你可以使用它提供的基本數(shù)據(jù)來擴(kuò)展它的功能，比如我就將區(qū)域的曲率數(shù)據(jù)和骨架數(shù)據(jù)作為它的另外屬性值來開發(fā)，從而希望它能用來做更細(xì)致的特征提取。39。 figure,imshow(i)。numtiles39。 clahei=imadjust(clahei)。 gi=imadjust(im2double(i),[],[0 1])。adjusted grayscale image39。 %(3) se=strel(39。,10)。 figure,imshow(topi),title(39。)。disk39。intensity_area(counter+1)=sum(remain(:))。m*39。 title(39。)。sum of opening values in opened image as a function of radius39。 xlabel(39。)。pixel value sum of opened objects(intensity)39。 for counter=0:20 remain=imopen(topi,strel(39。,counter))。end figure,plot(surfarea,39。),grid on。xtick39。 title(39。)。radius of opening(pixels)39。 ylabel(39。)。 figure,plot(intensity_area_prime,39。),grid on。Granulometr