matlab基于数字图像处理的表面缺陷检测设计（点线面）.zip代码82

%清除变量 clc;clear all,close all; I = imread('mixed1.jpg'); figure(1);imshow(I);title('原图像'); I = rgb2gray(I); [M,N]=size(I); figure(2);subplot(131),imshow(I);title('原灰度图像'); medfilt_I=midfilt(I,3);%进行模板为3×3的中值滤波 subplot(132),imshow(medfilt_I);title('中值滤波后图像'); P=adapthisteq(medfilt_I,'Numtiles',[4 4]);%对比度增强 P1=imadjust(P);%亮度调整 P2=midfilt(P1,3);%再次对处理后的图像进行中值滤波，平滑处理 subplot(133),imshow(P2);title('增强对比度和亮度后的图像'); H=im2double(P2);%转换为double类型 g_gradient=SobelFilter(H); %求梯度值 figure(3),subplot(221);imshow(g_gradient);title('梯度值'); th=0.997;% 梯度阈值 g_T=zeros(M,N);%初始化零矩阵 g_T=uint8(g_T);%转换uint8数据类型 ind=find(g_gradient>th);%把梯度值大于阈值的像素点位置记录下来 g_T(ind)=256;%把这些点的灰度级设为256，最高灰度级 subplot(222);imshow(g_T);title({'根据梯度值提取出的目标轮廓';'（图片四周也有梯度较大的区域）'}); lap = uint8(zeros(M,N));%初始化一张同样大小的黑色图像 for i=2:M-1 for j=2:N-1 lap(i,j) = g_T(i,j);%将g_T除了图片四周，其他的值赋给lap end end subplot(223),imshow(lap);title('缺陷目标轮廓'); se90=strel('line',3,90); se0=strel('line',3,0); %两个线型结构元素 BW2=imdilate(lap,[se90,se0]);%对目标轮廓lap进行膨胀 subplot(224);imshow(BW2);title('膨胀修复后的缺陷轮廓'); str1=sprintf('思路\n\n'); str2=sprintf('欢迎沟通交流Q：3752243968\n'); string=[str1 str2]; msgbox(string,'温馨提示','none');