中值滤波论文模板

基于数学形态学的织物经纬密度的研究论文编号:TX027 论文字数:27422,页数:63摘 要织物的经纬密度是衡量织物质量的其中的一项指标之一。目前多采用人工的方法，不可避免的会存在一些主观性，所以本文提出利用数字图像技术（主要是数学形态学理论）来对织物的经纬密度进行研究，实现测量指标的量化和自动化。本文提出了一种利用数学形态学进行织物经纬密度分析的新方法。首先阐述了数学形态学的基本运算，接着提出了基于数学形态学的图像滤波、图像增强、经纬纱图像的提取、二值化和细化的方法。最后通过对提取的经、纬纱细化图像进行进一步的分析和测量，得到织物的经纬密度。通过对结果进行分析后可以得出使用数学形态学算法得到的织物经纬密度和手工识别结果基本相符。且算法分析过程较简单，执行效率较高，具有一定的实用价值。 关键词：数学形态学；图像处理；织物；经纬密度ABSTRACTWarp and weft density of fabric is one of the index to measure the quality of fabric. At present, because of the using of artificial ways, there will be some subjectivity inevitably. Therefore, this paper proposes to research the warp and weft density of fabric and achieve the quantitative measurement of indicators and automation by using digital image technology (mainly the theory of mathematical morphology) .This paper presents a new method for fabric density analysis by using the mathematical morphology. It firstly describes the basic operations of mathematical morphology, and then presents the methods of image filtering based on mathematical morphology, image enhancing, image extracting of warp and weft, binary and thinning. Finally, we could get the warp and weft density of fabric density through further analysis and measurements to warp and weft images. It can be seen from the analysis of the results that the warp and weft density by using the mathematical morphology is basically same as the artificial recognition. And the algorithm analysis process is simple and higher efficient, and it has some application value. Key words：Mathematical morphology; Image Processing ; Fabric ;Warp and weft- density目 录前 言 1第一章 绪 论 经纬纱密度及其测定方法简介 国内外研究现状 本论文的研究目的和意义 课题完成的主要工作 5第二章 数学形态学 数学形态学的定义和分类 数学形态学的基本运算 腐蚀运算和膨胀运算 开运算和闭运算 结构（体）元素 结构体元素的影响 结构元素的选取方法 13第三章算法的设计 图像的滤波 邻域平均法滤波 中值滤波 Wiener滤波 全方位自适应加权组合形态滤波器 图像增强 经、纬纱排列图像的提取 图像的二值化 基于数学形态学的细化算法 细化算法的定义 结构元素 形态学的细化算法 经纬密度的测量 30第四章基于MATLAB在图像中的处理及应用 概述 MATLAB 图像处理工具箱简介 MATLAB中常用的图像处理函数 32第五章实验结果及分析 测试图像 实验结果及分析 35结 论 37参考文献 38附 录 39谢 辞 53以上回答来自:

你指的是这个吗？g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。意思是：g(x,y) = 0 ;num++ ;a 为模板;for k{for l{g(x,y) = g(x,y) + f(x-k,y-l) * a[k][l] if(a[k][l] != 0 ) num++}}g(x,y) = g(x,y) / num ;中值滤波一般的模板：a = 0 1 0 1 1 1 0 1 0

1.对鸟的颜色进行采样，可以用鼠标点取值也可以自行设置ROI分析2.对图像进行颜色分割，把GRB转为HSV图像对H和S通道的图像进行处理，最后把一种鸟的颜色的区域大体分割出来3.对模糊的不成块的分割结果（都是二值图）进行预处理，建议使用中值滤波和形态学结合最后把零散的图片处理成一个大的物体4.对这个物体进行位置识别，建议使用findcontour等方法这样就知道了这个物体的坐标5.最后这个鸟就识别出来了。