《数字图像处理课程设计(实验报告)》由会员分享，可在线阅读，更多相关《数字图像处理课程设计(实验报告)（11页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理课程设计报告姓 名： x x 学 号： xxxxxxx 班 级： xxxxxxxxxxxxxxx 设计题目： 红细胞数目检测 教 师： xxxxxx 老师 提交日期： xx月xx日 一、 设计内容：主题：红细胞数目检测详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。二、 现实意义：细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的
2、现实作用的。三、涉及知识内容：1、中值滤波2、开运算3、闭运算4、二值化5、贴标签四、实例分析及截图效果：（1） 代码显示：1、程序中定义图像变量说明 （1）Image-原图变量;（2）Image_BW-值化图象;（3）Image_BW_medfilt-中值滤波后的二值化图像;（4）Optimized_Image_BW-通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果；（5）Reverse_Image_BW-优化后二值化图象取反；（6）Filled_Image_BW-已填充背景色的二进制图像；（7）Open_Image_BW-开运算后的图像；2、实现代码：Image
3、 = imread(红细胞5.jpg);figure,imshow(Image);title(【原图】);Theshold = graythresh(Image);Image_BW = im2bw(Image,Theshold);figure,imshow(Image_BW);title(【初次二值化图像】);Image_BW_medfilt= medfilt2(Image_BW,13 13);figure,imshow(Image_BW_medfilt);title(【中值滤波后的二值化图像】);Optimized_Image_BW = Image_BW_medfilt|Image_BW;f
4、igure,imshow(Optimized_Image_BW);title(【进行“或”运算优化图像效果】);Reverse_Image_BW = Optimized_Image_BW;figure,imshow(Reverse_Image_BW);title(【优化后二值化图象取反】);Filled_Image_BW = bwfill(Reverse_Image_BW,holes);figure, imshow(Filled_Image_BW);title(【已填充背景色的二进制图像】);SE = strel(disk,4);Open_Image_BW = imopen(Filled_Im
5、age_BW,SE);figure, imshow(Open_Image_BW);title( 【开运算后的图像】);Label Number=bwlabel(Open_Image_BW,8)Array = bwlabel(Open_Image_BW,8);Sum = ;for i=1:Numberr,c = find(Array=i);rc = r c;Num = length(rc);Sum(i)=Num;EndSumN = 0;for i=1:length(Sum)if(Sum(i) 1500N = N+1;endendNumber = Number+N 3、运行效果截图：第一步：读取原
6、图,并显示Image = imread(红细胞5.jpg);figure,imshow(Image);title( 【原图】);第二步：进行二值化Theshold = graythresh(Image);%取得图象的全局域值Image_BW = im2bw(Image,Theshold);%二值化图象figure,imshow(Image_BW);title( 【初次二值化图像】);第三步：进行二值化图像Image_BW_medfilt= medfilt2(Image_BW,13 13);figure,imshow(Image_BW_medfilt);title( 【中值滤波后的二值化图像】)
7、;第四步：通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果Optimized_Image_BW = Image_BW_medfilt|Image_BW;figure,imshow(Optimized_Image_BW);title( 【进行“或”运算优化图像效果】);第五步：优化后二值化图象取反,保证:1为白色,0为黑色Reverse_Image_BW = Optimized_Image_BW;figure,imshow(Reverse_Image_BW);title( 【优化后二值化图象取反】);第六步：填充二进制图像的背景色，去掉细胞内的黑色空隙Filled_I
8、mage_BW = bwfill(Reverse_Image_BW,holes);figure, imshow(Filled_Image_BW);title( 【已填充背景色的二进制图像】);第七步：对图像进行开运算，去掉细胞与细胞之间相粘连的部分SE = strel(disk,4);Open_Image_BW = imopen(Filled_Image_BW,SE);figure, imshow(Open_Image_BW);title( 【开运算后的图像】);第八步：开始计算细胞数Label Number=bwlabel(Open_Image_BW,8)%初步取得细胞个数Array = b
9、wlabel(Open_Image_BW,8);%取得贴标签处理后的图像Sum = ;%依次统计贴标签后数组for i=1:Numberr,c = find(Array=i);%获取相同标签号的位置，将位置信息存入r,crc = r c;Num = length(rc);%取得vc数组的元素的个数Sum(i)=Num;%将元素个数存入Sum数组endSumN = 0;-假如Sum数组中的元素大于了1500，表示有两个细胞相连，像素点较多，即分为两个细胞数-for i=1:length(Sum)if(Sum(i) 1500N = N+1;endendNumber = Number+N %-统计最
10、终细胞数第九步：最终检测结果：Number =92Sum = Columns 1 through 10 3011 313 1501 329 2238 795 758 1438 1087 1472 Columns 11 through 20 1476 1465 2902 1128 1655 44 6261 1193 1306 215 Columns 21 through 30 1112 1074 1177 930 493 1438 1121 1678 1210 1330 Columns 31 through 40 1370 1369 1153 1284 1061 589 2146 1486 13
11、35 1049 Columns 41 through 50 1275 1101 1127 661 1530 1304 2861 90 1772 854 Columns 51 through 60 1554 1582 1287 1362 81 2090 608 1736 853 1040 Columns 61 through 70 2779 1500 246 77 1096 1481 9680 1404 783 724 Columns 71 through 80 1439 626 1097 1823 1511 1223 1494 2494 1519 1329 Columns 81 through 90 733 1119 1205 1147 1295 1398 344 1634 324 1081 Columns 91 through 92 529 239Number = 114四、算法分析（1）中值滤波 利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。（2）开运算先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细点处分离物体、平滑较大物体的
