Trong quá trình thực hiện luận văn, mặc dù gặp rất nhiều khó khăn về thiết bị cũng như những hạn chế về kiến thức nghiên cứu, nhưng được sự quan tâm giúp đỡ của gia đình, quý thầy cô bộ môn Kỹ Thuâṭ Điều Khiển và Tự Động Hóa Trường Đại học Giao Thông Vâṇ Tải Thành Phố Hồ Chí Minh và bạn bè đồng nghiệp đã giúp tôi hoàn thành cơ bản yêu cầu của luận văn. Đạt được kết quả như ngày hôm nay, tôi xin gửi lời cảm ơn chân thành đến thầy TS. Đăṇ g Xuân Kiên đã định hướng và hướng dẫn tôi thực hiện đề tài luận văn này. Xin chân thành cảm ơn quý thầy cô bộ môn Kỹ Thuâṭ Điều Khiển và Tự Động HóaKhoa Điện Điện Tử Trường Đại học Giao Thông Vâṇ Tải Thành Phố Hồ Chí Minh, các thành viên trong gia đình, bạn bè và đồng nghiệp đã giúp đỡ trong suốt quá trình làm luận văn
BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM - oOo NGUYỄN MINH TOÀN HỆ THỐNG PHÂN LOẠI HẠT CÀ PHÊ DỰA TRÊN XỬ LÝ HÌNH ẢNH LUẬN VĂN THẠC SĨ KỸ THUẬT TP HCM, NĂM 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM - oOo NGUYỄN MINH TOÀN HỆ THỐNG PHÂN LOẠI HẠT CÀ PHÊ DỰA TRÊN XỬ LÝ HÌNH ẢNH CHUYÊN NGÀNH: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA MÃ SỐ: 60520216 LUẬN VĂN THẠC SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: TS ĐẶNG XUÂN KIÊN TP HCM, NĂM 2016 LUẬN VĂN ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH Cán hướng dẫn khoa học : TS ĐẶNG XUÂN KIÊN Cán chấm nhận xét : TS HOÀNG MINH TRÍ Cán chấm nhận xét : TS VÕ CÔNG PHƯƠNG Luận văn thạc sĩ bảo vệ Trường Đại học Giao thông vận tải Tp HCM Ngày 22 tháng 10 năm 2016 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS NGUYỄN HỮ U KHƯƠNG TS HOÀNG MINH TRÍ Chủ tịch Hội đồng; Ủy viên, phản biện; TS VÕ CÔNG PHƯƠNG TS TRẦN THANH VŨ PGS.TS NGUYỄN THANH PHƯƠNG Ủy viên, phản biện; Ủy viên, thư ký; Ủy viên Xác nhận Chủ tịch Hội đồng đánh giá luận văn Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa CHỦ TỊCH HỘI ĐỒNG PGS.TS NGUYỄN HỮ U KHƯƠNG TRƯỞNG KHOA ĐIỆN- ĐTVT TS VÕ CÔNG PHƯƠNG i LỜI CẢM ƠN Trong triǹ h thực luận văn, gặp nhiều khó khăn thiết bị hạn chế kiến thức nghiên cứu, quan tâm giúp đỡ gia đình, quý thầy cô môn Kỹ Thuâ ̣t Điều Khiển và Tự Động Hóa - Trường Đại học Giao Thông Vâ ̣n Tải Thành Phố Hồ Chí Minh bạn bè đồng nghiệp đã giúp tơi hồn thành u cầu luận văn Đạt kết ngày hôm nay, xin gửi lời cảm ơn chân thành đến thầy TS Đă ̣ng Xuân Kiên định hướng hướng dẫn thực đề tài luận văn này Xin chân thành cảm ơn quý thầy cô môn Kỹ Thuâ ̣t Điều Khiển và Tự Động HóaKhoa Điện- Điện Tử Trường Đại học Giao Thông Vâ ̣n Tải Thành Phố Hồ Chí Minh, thành viên gia đình, bạn bè và đồng nghiệp đã giúp đỡ suố t trin ̀ h làm luận văn Tôi xin chân thành cảm ơn! Tp Hồ Chí Minh, ngày 06 tháng 09 năm 2016 Người thực Nguyễn Minh Tồn ii LỜI CAM ĐOAN Tơi xin cam đoan đề tài nghiên cứu “HỆ THỐNG PHÂN LOẠI HẠT CÀ PHÊ DỰA TRÊN XỬ LÝ HÌNH ẢNH” đảm bảo tính chân thật viết chương trình, kết mô thực nghiệm, giá trị thông số nêu cách rõ ràng sở lý thuyết trích dẫn đầy đủ chiếu theo tài liệu tham khảo Tp Hồ Chí Minh, ngày 06 tháng 09 năm 2016 Tác giả l ̣n văn Ngũn Minh Tồn iii TĨM TẮT Trong thập kỷ gần đây, có nhiều cơng trình nghiên cứu ứng dụng xử lý ảnh vào lĩnh vực: quân sự, y tế, công nghiệp, nông nghiệp, an ninh, hàng không vũ trụ, nơi công cộng, giao thông Trong nông nghiệp, hệ thống phân loại sản phẩm ứng dụng nhiều: dùng camera để nhận dạng, phân loại, bám theo mục tiêu phía trước nhận dạng vật thể cần nhận dạng phạm vi nhìn thấy camera…hệ thống phân loại hạt cà phê trang bị camera CCD chuyên nhận dạng hình ảnh, trang bị súng bắn khí tốc độ cao khoản 20000 lần / phút Hạt di chuyển qua camera để thu nhận ảnh phân tích hạt cà phê theo màu sắc hình dạng so sánh với hạt mẫu xem có đạt yêu cầu hệ thống đưa đinh đạt hay không đạt Một vấn đề quan tâm thiết kế hệ thống phân loại hạt cà phê điều khiển cho hệ thống nhận dạng hoạt động ổn định, tốc độ xử lý đáp ứng yêu cầu hệ thống tấn/giờ Hiện giới có nhiều tác giả áp dụng các phương pháp kỹ thuật thông minh khác để điề u khiể n hệ thống phân loại sản phẩm loại hạt, có hạt cà phê Có nhiều phương pháp khác việc nhận dạng phân loại hạt cà phê: Phương pháp phân loại sản phẩm theo biên dạng (edge, cany,) [13], Sobel, [14], hệ thống phân loại hạt cà phê mơ hình ghép nhiều phương pháp thuật toán nhận dạng, biên dạng, màu sắc [15]… Mỗi phương pháp cho thấy có ưu điểm định Trong luâ ̣n văn này, tác giả áp dụng nhiều phương pháp nhận dạng xử lý màu sắc để phân loại hạt cà phê Để chứng minh tính đắn thuật tốn mà tác giả xây dựng mơ hình hệ thống phân loại hạt cà phê dựa xử lý hình ảnh, nhầm theo giỏi kiểm tra chất lượng hạt cà phê, tác giả kết hợp mơ hình với phần mềm matlab 2009b để kiểm tra thuật toán mà tác giả xây dựng, hệ thống hoạt động tốt, nhận dạng xác biên dạng màu sắc theo hạt mẫu iv MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN ii TÓM TẮT iii MỤC LỤC iv MỤC LỤC HÌNH ix DANH MỤC BẢNG xii Danh mục chữ viết tắt xiii MỞ ĐẦU Lý chọn đề tài Ý nghĩa khoa học thực tiễn đề tài nghiên cứu Ý nghĩa khoa học Ý nghĩa thực tiễn Chương 1:TỔNG QUAN HỆ THỐNG PHÂN LOẠI HẠT CÀ PHÊ DỰA TRÊN XỬ LÝ HÌNH ẢNH 1.1 Tình hình nghiên cứu giới 1.2 Tình hình nghiên cứu nước 1.3 Ứng dụng xử lý ảnh 1.3.1 Ứng dụng xử lý ảnh giao thông 1.3.2 Ứng dụng công nghiệp 1.3.3 Ứng dụng quân 1.3.4 Ứng dụng y học 1.4 Một số khái niệm xử lý ảnh 1.5 Khái niệm ảnh 1.6 Điểm ảnh (Pixel) 1.6.1 Ảnh xám 1.6.2 Ảnh nhị phân 1.6.3 Ảnh số 1.6.4 Ảnh màu 10 1.6.5 Độ sáng ảnh ví trí 11 1.6.6 Số bits cần thiết để lưu trữ ảnh 11 v 1.6.7 Độ phân giải ảnh 11 1.7 Xử lý ảnh 11 1.8 Nâng cao chất lượng ảnh 12 1.8.1.Tăng cường ảnh 12 1.9 Cơ camera 12 1.10 Phân loại camera 12 1.11 Phân loại theo kĩ thuật hình ảnh 13 1.11.1 Camera Analog 13 1.11.2 Camera CCD 13 1.11.3 Camera CMOS 14 1.12 Phân loại theo kĩ thuật đường truyền 14 1.12.1 Camera có dây 15 1.12.2 Camera không dây 15 1.12.3 Camera mạng 15 1.13 CÁC THÔNG SỐ CAMERA CẦN QUAN TÂM 16 1.13.1 Camera Indoor, Outdoor Indoor 16 1.13.2 Camera hồng ngoại (Camera IR) 16 1.13.3 Chất lượng hình ảnh 16 1.14 Điều kiện hoạt động 16 1.14.1.Cường độ ánh sáng nhỏ 16 1.14.2.Nguồn cung cấp 17 1.14.3.Dãy nhiệt độ hoạt động 17 1.14.4.Độ ẩm cho phép 17 1.14.5.Góc quan sát 17 Chương 2: NGUYÊN LÝ HOẠT ĐỘNG CỦA HỆ THỐNG PHÂN LOẠI HẠT CÀ PHÊ DỰA TRÊN XỬ LÝ HÌNH ẢNH 19 2.1.Hệ thống phân loại hạt cà phê 19 2.2.Thiết kế 3D hệ thống phân loại hạt cà phê dựa xử lý ảnh máy tính 21 2.2.1.Sơ đồ khối tổng quát hệ thống 21 2.2.2.Khối xử lý tính hiệu 22 2.2.3.Khối khí thiết kế phần mềm Pro/ENGINEER 2001 28 2.3.Mơ hình nhiễu 33 vi 2.3.1.Mơ hình khơi phục ảnh 33 2.3.2.Các mơ hình nhiễu 34 Chương CÁC BỘ LỌC KHÔI PHỤC ẢNH, PHƯƠNG PHÁP TÁCH BIÊN TRONG MATLAB 37 3.1.Các lọc trung bình 37 3.1.1 Bộ lọc trung bình số học 37 3.1.2 Bộ lọc trung bình điều hịa 38 3.2.Bộ lọc max 38 3.3.Bộ lọc điểm 39 3.4.Suy giảm nhiễu có tính tuần hồn lọc miền tần số 39 3.4.1 Các lọc chắn dải (bandreject filters) 40 3.4.2 Các lọc thông dãy 41 3.4.3 Bộ lọc notch tối ưu 41 3.5.Một số lọc 42 3.5.1.Lọc miền không gian 42 3.5.2.Lọc miền tần số 43 3.5.3.Lọc thích nghi 44 3.6.Nén ảnh 44 3.7.Phương pháp phát tách biên hình ảnh 46 3.7.1 Các tách biên ảnh 46 3.7.2 Phát điểm 47 3.7.3 Phát dòng 48 3.8.Phát cạnh 49 3.8.1 Phương trình 49 3.8.2 Các toán tử Đạo hàm cấp 52 3.9.Phát biên Canny 56 3.10.Xử lý histogram 59 3.10.1.Cân hàm histogram 59 3.10.2.Phối hợp histogram 61 Chương : MƠ HÌNH VÀ ĐÁNH GIÁ KẾT QUẢ THỰC NGHIỆM 64 4.1.Nội dung thực 64 4.1.1 Ảnh mẫu cần so sánh 64 vii 4.1.2 Thu nhận ảnh tiền xử lý 64 4.1.3 Các thuật toán xử lý ảnh 65 4.1.3.1.Tạo nhiễu gaussian 65 4.1.3.2.Tạo nhiễu muối tiêu 65 4.1.3.3.Bộ Lọc trung bình 65 4.1.3.4.Lọc tuyến tính miền khơng gian 66 4.1.3.5.Vẽ lại biên dạng 66 4.2.Tách biên ảnh 67 4.2.1 Đạo hàm cấp để phát biên ảnh 67 4.2.2 Thuật toán Sobel 68 4.2.3 Thuật toán Prewitt 68 4.2.4 Thuật toán Canny 68 4.2.5 Chuyển ảnh màu sang ảnh đa mức xám 69 4.3.Phân loại theo màu 71 4.3.1 Đọc ảnh vẽ lược đồ mức xám (histogram) ảnh 71 4.4.Giải thuật xử lý ảnh 72 4.4.1 Giải thuật xử lý biên dạng 72 4.4.2 Giải thuật xử lý màu 73 4.5.Kết đạt 74 4.5.1.Mơ hình thực nghiệm 74 4.6.Năng suất thực nghiệm hệ thống 75 4.6.1.Năng suất làm việc theo biên dạng 75 4.6.2.Năng suất làm việc theo màu sắc 76 Chương : KẾT LUẬN VÀ KIẾN NGHỊ 77 5.1.Kết đề tài 77 5.2.Kiến thức thu 77 5.3.Những hạn chế đề tài 77 5.4.Hướng phát triển 77 TÀI LIỆU THAM KHẢO 78 Tài liệu Tiếng Việt 78 Tài liệuTiếng Anh 78 70 - Chuyển ảnh RGB sang ảnh trắng đên dãy màu (0; 255) hàm ind2gray matlab 200b - Chuyển ảnh nhị phân - Làm rỏ đường biên - Chu vi diên tích hạt cà phê Diện tích, chu vi của ảnh xác định việc đếm số pixel biên biên Để việc đếm pixel xác, thực đếm đến đâu xóa đến đó, chu vi ảnh hạt cà phê tính số lượng điểm ảnh nằm biên ảnh biên ảnh phải làm mảnh đến độ dày pixel Phương pháp mã xích để tìm chu vi cho ta kết xác Mã xích hệ thống chuỗi dùng để xác định ranh giới đối tượng cho mục đích đo lường nhận dạng Một hệ thống chuỗi theo đường bao đối tượng thay đổi hướng theo hướng chuẩn trình bày sau đây: (a) (c) (b) (d) Hình 4.10 Tính diên tích hạt cà phê 71 4.3 Phân loại theo màu 4.3.1 Đọc ảnh vẽ lược đồ mức xám (histogram) ảnh S(k) = T(rk) = , (4.7) k = 0,1,2,3,4….L – S(k) :mức xám k ảnh biến đổi g(x, y) T :hàm biến đổi mức xám Rk :mức xám k ảnh ngõ vào f(x, y) Pr (rj) :Xác suất xảy mức xám thứ rj nj :mức xám thứ j (j=0-k) n :tổng số pixel ảnh Hình 4.11 Hạt cà phê mẫu histogram Hình 4.12 Hạt cà phê lược đồ mức xám 72 4.4 Giải thuật xử lý ảnh 4.4.1 Giải thuật xử lý biên dạng Hình 4.13 Sơ đồ khối xử lý biên dạng diện tích hạt cà phê 73 4.4.2 Giải thuật xử lý màu Hình 4.14 Sơ đồ khối xử lý hạt cà phê theo lược đồ mức xám histogram 74 4.5 Kết đạt 4.5.1 Mơ hình thực nghiệm Hình 4.15 Hệ thống băng tải Hình 4.16 Hệ thống điện 75 Hình 4.17 Phần mềm xử lý hệ thống 4.6 Năng suất thực nghiệm hệ thống 4.6.1 Năng suất làm việc theo biên dạng Bảng 4.1: Kết hiệu suất nhận dạng biên dạng Stt Số lượng hạt Thời gian t(s) Năng suất (%) 200 100 82 200 132 87 200 140 91 Sau xử lý tính hiệu kết hình 7.8(c) hình 7.8(d) Kết thực nghiệm chương trình lập lại khoảng 100 lần tiến hành lấy kết thực nghiệm Các kết thực nghiệm thống kê thể bảng 4.1, hiệu suất làm việc hệ thống tương đối ổn định, đạt đươc yêu cầu với dung sai hình dạng và diện tích 76 7%, thời gian thực nghiệm hệ thống tương đối lớn q trình xử lý máy tính nhiều thời gian, cải thiện giải thuật rút gọn tăng tốc độ máy tính, camera CCD 4.6.2 Năng suất làm việc theo màu sắc Kết hiệu suất nhận dạng theo màu sắc Hình 4.18 Chuyển thành ảnh nhị phân Bảng 4.2 Kết hiệu suất nhận dạng màu sắc Stt Số lượng hạt Thời gian (s) Năng suất (%) 200 105 79 200 135 86 200 140 88 Kết thực nghiệm bảng 4.2 ta thấy hiệu suất làm việc khoản 9% sai lệch màu sắc, hệ thống hoạt động ổn định, xác, nhiên thời gian đáp ứng chưa nhanh camera chuyên dùng, giải thuật chưa phải tối ưu 77 Chương : KẾT LUẬN VÀ KIẾN NGHỊ 5.1 Kết đề tài Xây dựng chương trình mơ xử lý ảnh nhận dạng hạt cà phê di chuyển qua hệ thống băng tải So Sánh ưu nhược điểm với phương pháp khác Nhận dạng xác ảnh sở liệu đến 93% Nhận dạng tương đối xác ảnh chụp từ camera (webcam) 5.2 Kiến thức thu Hiểu nguyên lý làm việc hệ thống nhận dạng hạt cà phê dựa phần mềm xử lý ảnh Sử dụng hàm xử lý ảnh Matlab Nắm rõ phương pháp tính tốn pixel ảnh để so sánh Tính tốn hệ thống làm việc 5.3 Những hạn chế đề tài Độ xác cịn phụ thuộc vào chất lượng ảnh từ camera (CCD) hệ thống khí, súng bắng Kỷ lập trình xử lý ảnh, thuật tốn, giải thuật cịn đơn giản Do thời gian thực đề tài có hạn nên tác giả thực phân tích dựa diện tích màu sắc Đối với biên dạng khối lượng tác giả có hướng giải Do khơng có điều kiện kinh phí tác giả sử dụng webcam nên kết thông số đạt chưa cao, phần cứng cịn có sai số 5.4 Hướng phát triển Ứng dụng nhiều vào ngành nông nghiệp phân loại hạt điều, gạo, đậu Ứng dụng công nghiêp, lắp ráp dây chuyền tự đông, phân loại sản phẩm, theo giỏi nơi mà người không trưc tiếp giám xác Về giao thông, xe tự lái, cảnh báo kẹt xe tự đông Phục vụ cho việc học tập, nghiên cứu hệ thống tự động hóa mini 78 TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt Nguyễn Thị Phương Hà (2007) Lý thuyết điều khiển đại Nhà xuất Đại học Quốc Gia TP.HCM, Đào văn hiệp (2006) Kỹ thuật robot (in lần thứ 3) Nhà xuất Khoa học kỹ thuật Nguyễn Doãn Phước (2005) Lý thuyết điều khiển nâng cao Nhà xuất Khoa học Kỹ thuật, Hà Nội Vũ Mạnh Hùng(2013) Nhận dạng mặt người sử dụng đặc trưng PCA, Luận văn thạc sĩ, Trường Học viện cơng nghệ bưu viễn thơng Nguyễn Đức Thành (2004) Matlab ứng dụng điều khiển Nhà xuất Đại học Quốc Gia TP.HCM Hồ Văn Sung(2009) Xử lý ảnh số - lý thuyết thực hành với Matlab Nhà xuất Khoa học kỹ thuật Tài liệuTiếng Anh Zhiqing Wen and Yang Tao (1999) Building a rule-based machine-vision system for defect inspection on apple sorting and packing lines (Expert Systems with Applications), pp 307–313 P Sudhakara Rao and S Renganathan (2002) New Approaches for Size Determination of Apple Fruits for Automatic Sorting and Grading.( iranian journal of electrical and computer engineering), Vol 1, No 2, November TELKOMNIKA, Vol.9, No.3, December 2011, pp 547~554 ISSN: 16936930 10 Ercan Ozyildiz, Nils Krahnst-over, Rajeev Sharma (2002) Adaptive texture and color segmentation for tracking moving objects (Pattern recognization), pp 2013-2029 11 International Journal of Engineering Research & Technology (IJERT), ISSN: 2278-0181, Vol Issue 2, February - 2014 79 12 John F Canny, “A Computational Approach to Edge Detection”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.8, No 6, Nov, 1986 13 SOBEL, I., Camera Models and Perception, Ph.D thesis, Stanford University, Stanford, CA, 1970 14 I T Young and L J van Vliet, “Recursive implementation of the gaussian filter,” Signal Processing, vol 44, pp 139–151, 1995 15 M S Allili, N Bouguila and D Ziou, "Finite Generalized Gaussian Mixture Modeling and Applications to Image and Video Foreground Segmentation,"Computer and Robot Vision, 2007 CRV '07 Fourth Canadian Conference on, Montreal, Que., 2007, pp 183-190 doi: 10.1109/CRV.2007.33 16 Digital Image Processing: Principles and Applications by Gregory A Baxes, English / 480 pages ISBN: 978-0471009498 17 Anisotropic Diffusion in Image Processing, Joachim Weickert Department of Computer Science University of Copenhagen Copenhagen, Denmark Websites 18 http://www.sortingasm.com/index.php/en/application-en/50-coffee 19 http://www.buhlergroup.com/global/en/process-technologies/optical- sorting/coffee-sorting.htm#.V7Wm5Pag-So 20 http://www.buhlergroup.com/europe/en/downloads/SR_Coffee_Brochure_20 14_EN.pdf 21 https://www.alibaba.com/product-detail/LED-Light-Coffee-Bean-Sorting- Machine_489645088.html?spm=a2700.7724857.29.3.EhZGSr&s=p 80 Phụ lục Chương trình Hàm camera function varargout = testcam(varargin) % gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, 'gui_Singleton', gui_Singleton, 'gui_OpeningFcn', @testcam_OpeningFcn, 'gui_OutputFcn', @testcam_OutputFcn, 'gui_LayoutFcn', [] , 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end global vid vid = videoinput('winvideo'); vidRes = get(vid, 'VideoResolution'); nBands = get(vid, 'NumberOfBands'); hImage = image();% zeros(vidRes(2), vidRes(1), nBands) ); axes(handles.axes1); 81 h = imshow(hImage); h= image( zeros(vidRes(2), vidRes(1), nBands) ); % Display the video data in your GUI preview(vid,h); %preview(vid); Hàm tách biên function tb_Callback(hObject, eventdata, handles) global vid; pic0=imread('Mau2.jpg'); pic = imcrop(pic0,[50 50 160 120]); s = rgb2gray(pic); e1= edge(s,'sobel',0.055); %0.055 se90 = strel('line', 3, 90); se0 = strel('line', 3, 0); BWsobel = imdilate(e1, [se90 se0]); e2 = edge(s,'prewitt',0.04); % se90 = strel('line', 3, 90); se0 = strel('line', 3, 0); BWprewitt = imdilate(e2, [se90 se0]); e3 = edge(s,'roberts',0.04); % se90 = strel('line', 3, 90); se0 = strel('line', 3, 0); BWroberts = imdilate(e3, [se90 se0]); 82 e4 = edge(s,'log',0.004);% 0.007 se90 = strel('line', 3, 90); se0 = strel('line', 3, 0); BWlog = imdilate(e4, [se90 se0]); e5 = edge(s,'canny',0.12 );% se90 = strel('line', 3, 90); se0 = strel('line', 3, 0); BWcanny = imdilate(e5, [se90 se0]); BWdfill = imfill(BWprewitt, 'holes'); BWnobord = imclearborder(BWdfill, 4); seD = strel('diamond',1); BWfinal = imerode(BWnobord,seD); % BWfinal = imerode(BWfinal,seD); BWoutline = bwperim(BWfinal); Segout = pic; Segout(BWoutline) = 255; figure 83 subplot(2,2,1),imshow(Segout),title('outlined original image'); subplot(2,2,2),imshow(BWdfill),title('binary image with filled holes'); subplot(2,2,3),imshow(BWnobord), title('cleared border image'); subplot(2,2,4),imshow(BWfinal), title('segmented image'); figure subplot(2,3,1),imshow(Segout),title('outlined original image'); subplot(2,3,2),imshow(BWsobel),title('BWsobel'); subplot(2,3,3),imshow(BWprewitt),title('BWprewitt'); subplot(2,3,4),imshow(BWroberts),title('BWroberts'); subplot(2,3,5),imshow(BWlog),title('BWlog'); subplot(2,3,6),imshow(BWcanny),title('BWcanny'); figure subplot(2,3,1),imshow(Segout), title('outlined original image'); subplot(2,3,2), imshow(e1), title('sobel'); subplot(2,3,3), imshow(e2), title('prewitt'); subplot(2,3,4), imshow(e3), title('roberts'); subplot(2,3,5), imshow(e4), title('log'); subplot(2,3,6), imshow(e5), title('canny') figure 84 imshow(Segout); function call1_Callback(hObject, eventdata, handles) vid = videoinput('winvideo',1,'RGB24_640x480'); preview(vid); pic=getsnapshot(vid); axes(handles.axes2) imshow(pic) subplot(); title('Picture modem '); handles.img=pic; guidata(hObject, handles); axes(handles.axes2)