图像边沿平滑处理的matlab实现

完成图像处理的算法：

1、读入文件

通过matlab读取图像文件。



2、获取蒙版

对图像进行逐点扫描，当点的三个通道值至少有一个小于阈值时让这个点变为纯黑色。如图，可见此时的蒙版中心有空缺，且边缘有噪声而且有粘连小块。为了消除这些噪声和小块，我们对图像的蒙版进行腐蚀和扩张操作。



3、对蒙版进行腐蚀

应用matlab的腐蚀函数，选择腐蚀的结构元素为11*11的全1矩阵，对图像进行腐蚀操作，腐蚀后，图像缩小，边缘变得平滑。腐蚀后效果如图：



4、对图像进行扩张操作

将图像复原到原始蒙版，该扩张或丢失边缘信息，正好删除掉噪声和多余的小块。进行扩张所用的结构元素和腐蚀所用的结构元素相同。可以明显看到边缘得到改善。扩张后效果如图：



5、用蒙版遮罩生成图像

利用蒙版的遮罩方式，通过原图生成新的图像。能明显看出边沿的噪声和多余小块被去除。产生的图像如下图：



6、调整图像大小

首先通过getFrame函数得到图像的边框，该函数的原理是从上下左右四个方向对图像进行逼近，记录四个边缘的位置，以便计算缩放的大小。原理如下图：



在获得了边框后，将框内的图像进行一个缩放，使该子图像的长或宽和原图一致，再用空白补齐另外一个方向。最后达到缩放后的图像如下：



附matlab程序：

附1：main.m

inputFilePrefix = 'datacache\\';

outFilePrefix = 'output\\';

fileNamePrefix = 'dst_';

picNum = 79;

pxmin = 10000000;

pdxmax = 0;

pymin = 10000000;

pdymax = 0;

for p = 0:picNum-1

if(p<10)fileName = sprintf('%s0%d.jpg',fileNamePrefix,p);

else fileName = sprintf('%s%d.jpg',fileNamePrefix,p);end;

inputFilePath = [inputFilePrefix fileName];

outputFilePath = [outFilePrefix fileName];

BW = imread(inputFilePath);

[BW1 mask] = getSmoothImage(BW,230);

[px py pdx pdy] = getFrame(mask);

pxmin = min(pxmin,px);

pdxmax = max(pdxmax,pdx);

pymin = min(pymin,py);

pdymax = max(pdymax,pdy);

imwrite(BW1,outputFilePath,'jpg');

p

end

%重新调整大小

for p = 0:picNum-1

if(p<10)fileName = sprintf('%s0%d.jpg',fileNamePrefix,p);

else fileName = sprintf('%s%d.jpg',fileNamePrefix,p);end;

inputFilePath = [outFilePrefix fileName];

outputFilePath = [outFilePrefix fileName];

I = imread(inputFilePath);

INew = reScale(I,pxmin,pdxmax,pymin,pdymax);

imwrite(INew,outputFilePath,'jpg');

imshow(INew);

p

End

附2：getSmoothImage.m

function [ BW1 mask ] = getSmoothImage( BW,threshold )

%GETSMOOTHIMAGE Summary of this function goes here

% Detailed explanation goes here

% 该函数首先得到图形的蒙版，然后对蒙版进行腐蚀和扩张，最后利用蒙版收缩和扩张

HEIGHT = size(BW,1);

WIDTH = size(BW,2);

mask = zeros(HEIGHT,WIDTH,'uint8');

%得到蒙版

threshold = 230;

for i = 1:HEIGHT

for j = 1:WIDTH

if(BW(i,j,1)>threshold&&BW(i,j,2)>threshold&&BW(i,j,3)>threshold)

mask(i,j) = 255;

end

end

end

%腐蚀扩张蒙版

SE = strel('square',11);

mask = imdilate(mask,SE);

mask = imerode(mask,SE);

%利用蒙版遮罩获取图像

BW1 = BW;

for i = 1:HEIGHT

for j = 1:WIDTH

if(mask(i,j) == 255)

BW1(i,j,1) = 255;

BW1(i,j,2) = 255;

BW1(i,j,3) = 255;

end

end

end

end

附3：getFrame.m

function [ x,y,dx,dy ] = getFrame( mask )

%GETFRAME Summary of this function goes here

% Detailed explanation goes here获取图像外框

backGroundColor = 255;

found = false;

for i = 1:size(mask,1)

for j = 1:size(mask,2)

if(mask(i,j) ~= backGroundColor)

y = i;

found = true;

break;

end

end

if found

break;

end

end

found = false;

for i = 1:size(mask,1)

for j = 1:size(mask,2)

if(mask(size(mask,1)-i+1,j) ~= backGroundColor)

dy = size(mask,1)-i+1-y;

found = true;

break;

end

end

if found

break;

end

end

found = false;

for i = 1:size(mask,2)

for j = 1:size(mask,1)

if(mask(j,i) ~= backGroundColor)

x = i;

found = true;

break;

end

end

if found

break;

end

end

found = false;

for i = 1:size(mask,2)

for j = 1:size(mask,1)

if(mask(j,size(mask,2)-i+1) ~= backGroundColor)

dx = size(mask,2)-i+1-x;

found = true;

break;

end

end

if found

break;

end

end

end

附4：reScale.m

function [ INew ] = reScale(I,pxmin,pdxmax,pymin,pdymax)

%RESCALE Summary of this function goes here

% Detailed explanation goes here

global WIDTH;

global HEIGHT;

ISub = I(pymin:pymin+pdymax,pxmin:pxmin+pdxmax,:);

ISubScaled = imresize(ISub,min(WIDTH/pdxmax,HEIGHT/pdymax));

INew = 255*ones(HEIGHT,WIDTH,3,'uint8');

copyWidth = min(size(ISubScaled,2),WIDTH);

copyHeight = min(size(ISubScaled,1),HEIGHT);

if(copyWidth==WIDTH)

pstarty = max(1,floor((HEIGHT-copyHeight)/2));

pstartx = 1;

else

pstartx = max(1,floor((WIDTH-copyWidth)/2));

pstarty = 1;

end

t = ISubScaled(1:copyHeight,1:copyWidth,1);

%INew(pstarty:pstarty+copyHeight-1,pstartx:pstartx+copyWidth-1,3) = t;

for i = 1:copyHeight

for j = 1:copyWidth

INew(pstarty+i-1,pstartx+j-1,:) = ISubScaled(i,j,:);

end

end

end

附:5：在探索过程中所写的一些函数：

1、获取主体中的像素点：

通过getRect函数，通过逐行扫描，依次查找不是纯白色的点，在找到这个点之后，搜索以这个点为左上定点以estimateLength为边长的矩形，统计出纯白点和非纯白点的比例，让这个比例达到一个阈值时，我们认为这个点就是主体中的一个点，可以根据这个点采用floodfill算法。

2、去除其他干扰块的算法：

通过getRect找到的主体中的一个点，向上下左右扩展，采用广度优先的方式，用数组openTable储存每一个搜索到得点，当这个数组为空时说明元素已经全部搜索完成。建立和原图一样大小的indicaterMap来指示该店是否被搜索过。通过该算法，产生图像蒙版。

3、获取图像边框算法

通过逐点扫描图像蒙版，判断每一个点的上下左右是否与自己不同，如果不同，则标记该点为边沿。

4、获取图像最大外缘

通过就收图像蒙版mask，从上下左右四个方向想中间逼近，在遇到图像时，记录当前位置，并储存该位置。该位置用于将所有图像放大到一个合适的大小

5、缩放图像

该函数通过输入图像的最大边框，将所有图像最大边框里的东西放大到原始图像大小。

6、外包框缩减找边沿

先在图形的边框上划出一条边界，逐渐往里面收缩，遇到物体就不移动该点，直到所有点都不能移动，终止。该方法的问题是在物体是直角时会出现边界断裂的情况。