应用MATLAB语言进行数字图像处理

1、应用MATLAB语言进行数字图像处理 一、前言 MATLAB是集数值计算，符号运算及图形处理等强大功能于一体的科学计算语言。作为强大的科学计算平台，它几乎能够满足所有的计算需求。自MATLAB4.0问世以来，MATLAB语言就一直受到工程应用的各个领域的学者和工程师们的关注。2001年Mathworks公司又推出了强大的MATLAB升级版本MATLAB6.0，使其在符号运算和图形处理功能上得到了进一步完善。除此之外，新版本的MATLAB还增强了它的各种应用工具箱，使MATLAB的应用面越来越广，功能也越来越强大。因此MATLAB已成为最为普遍的计算工具之一。 MATLAB软件具有很强的开放性和

2、适用性。在保持内核不便的情况下，MATLAB可以针对不同的应用学科推出相应的工具箱（toolbox）。目前，MATLAB已经把工具箱延伸到了科学研究和工程应用的诸多领域，诸如数据采集、概率统计、信号处理、图像处理和物理仿真等，都在工具箱（Toolbox）家族中有自己的一席之地。此外，MATLAB还支持用户用自己编写的M文件（MATLAB的程序文件）组成自己的工具箱，极大的方便了用户的使用和维护。本文想就MATLAB中提供的图像处理工具箱（Image Processing Toolbox）的使用作一些实例方面的介绍。 二、MATLAB数字图像处理 MATLAB全称是Matrix Laborato

3、ry（矩阵实验室），一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际上MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的。这一特点也就决定了MATLAB在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。二维图像进行均匀采样，就可以得到一幅离散化成M×N样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的了。而MATLAB的长处就是处理矩阵运算，因此用MATLAB处理数字图像非

4、常的方便。 MATLAB支持五种图像类型，即索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等图像文件格式的读，写和显示。MATLAB对图像的处理功能主要集中在它的图像处理工具箱（Image Processing Toolbox）中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作。下面用一些实例进行简单说明： 1、图像的读取 MATLAB中从图像文件中读取数据用函数imread()，

5、这个函数的作用就是将图像文件的数据读入矩阵中，此外还可以用imfinfo()函数查看图像文件的信息（见例1） %例1：图像数据及图像信息的读取 imfinfo e:matlabworktuxiangGirl.bmp %读取图像信息 A,M=imread('e:matlabworktuxiangGirl.bmp','bmp');  %图像数据的读取，将图像数据放入矩阵A中，颜色数据放入矩阵M中 imshow(A,M);title('原图像'); M(:,1)=0;%将颜色数据矩阵的一列置零 figure imshow(A,M);title

6、('改变颜色后的图像') 图1 图像数据的读取  MATLAB还提供了将数据写入一个文件的函数imwrite以及不同类型文件相互转换的函数，在此就不一一赘述了，可以参考MATLAB 的帮助文件。 2、灰度直方图及直方图均衡化 灰度直方图用于显示图像的灰度值分布情况，是数字图像处理中最简单和最实用的工具。MATLAB中提供了专门绘制直方图的函数imhist()。用它可以很简单的绘制出一幅图像的灰度直方图（见例2）。 %例2：直方图的显示 imshow('e:matlabworktuxiangGirl.bmp');title('原图像')

7、%显示原图像 A=imread('e:matlabworktuxiangGirl.bmp','bmp'); figure;imhist(A),title('对应直方图') 图2 直方图的显示  在图像处理中，点运算是简单而又重要的一种技术，其中最常用的一种应用就是直方图的均衡化（见例3）。 %例3：直方图均衡化 imshow('e:matlabworktuxiangGirl2.bmp');title('原图像') I=imread('e:matlabworktuxiangGirl2.bmp'

8、;,'bmp'); figure;imhist(I),title('对应直方图') %从得到的直方图可以看出，图像的对比度很低，灰度级集中在70-160范围内，如果只取 %这个范围内的灰度，并扩展到0,255，则会明显增强图像对比度 J=imadjust(I,70/255 160/255,); figure;imshow(J),title('经灰度级调整后的图') figure;imhist(J),title('灰度级调整后的直方图') %MATLAB还提供了histeq函数（自动直方图均衡化） K=histeq(I); figu

9、re;imshow(K),title('经直方图均衡化后的图') figure;imhist(K),title('直方图均衡化后的直方图') 图3 直方图均衡化  3、图像的代数运算 代数运算是指对两幅输入图像进行点对点的加、减、乘和除计算而得到输出图像的运算。对于相加和相乘的情形，可能不止有两幅图像参加运算。图像相加的一个重要应用是对同一场景的多幅图像求平均值。这点被经常用来有效地降低加性（additive）随机噪声的影响（见例4） %例4：图象加噪声再通过多次相加求平均的方法祛除噪声 I,M=imread('e:matlabworktuxi

10、angGirl.bmp','bmp'); J=imnoise(I,'salt & pepper',0.005); subplot(1,2,1),imshow(I,M),title('原图象'); subplot(1,2,2),imshow(J,M),title('加噪声后图象'); K=zeros(128); for i=1:100 J=imnoise(I,'salt & pepper',0.005); J1=im2double(J); K=K+J1; end K=K/100; %求图像的平

11、均 figure;imshow(K),title('相加求平均后的图象'); 图4 多次平均去噪声  4、图像滤波处理 在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除噪声的工作。最常用的祛除噪声的方法是用滤波器进行滤波处理。MATLAB的图像处理工具箱里也设计了许多的滤波器。如均值滤波器、中值滤波器、维纳滤波器等。用户可以很方便的运用一些函数完成数字滤波工作。（见例5）。 %例5：用滤波器祛除图象噪声（分别用均值滤波，中值滤波，及维纳滤波器祛除加入高斯噪声的图象） I=imread('e:matlabworktux

12、iangGirl.bmp','bmp'); J=imnoise(I,'gaussian',0,0.002);%加入高斯噪声 %进行均值滤波 h=fspecial('average',3); I2=uint8(round(filter2(h,I); %进行中值滤波 I3=medfilt2(J,3,3); %进行维纳滤波 I4=wiener2(J,3,3); %进行一次维纳滤波 I5=wiener2(I4,3,3);%进行二次维纳滤波 subplot(2,3,1),imshow(I),title('原图象') subplot(

13、2,3,2),imshow(J),title('加噪声图象') subplot(2,3,3),imshow(I2),title('均值滤波后图象') subplot(2,3,4),imshow(I3),title('中值滤波后图象') subplot(2,3,5),imshow(I4),title('维纳滤波后图象') subplot(2,3,6),imshow(I5),title('两次维纳滤波后图象') 图5 滤波器祛除图像噪声    5、傅立叶变换 傅立叶变换是线性系统分析的一个有力的工具

14、。它在图像处理，特别是在图像增强、复原和压缩中，扮演着非常重要的作用。实际中一般采用一种叫做快速傅立叶变换（FFT）的方法，MATLAB中的fft2指令用于得到二维FFT的结果，ifft2指令用于得到二维FFT逆变换的结果。（见例6） %例6：近似冲击函数的二维快速傅立叶变换（FFT） x=1:99;y=1:99; X,Y=meshgrid(x,y); A=zeros(99,99); A(49:51,49:51)=1; B=fft2(A); subplot(1,2,1),imshow(A),xlabel('空域图象'); subplot(1,2,2),imshow(B),xla

15、bel('时域图象'); figure subplot(1,2,1),mesh(X,Y,A),xlabel('空域'),grid on; subplot(1,2,2),mesh(X,Y,abs(B),xlabel('时域'),grid on; 图6 近似冲击函数的傅立叶变换      6、图像压缩 在图像的变换和压缩中，常常用到离散余弦变换（DCT）。DCT具有能使图像的最重要的信息集中在DCT的几个系数上的性能。正是基于此，DCT通常应用于图像的压缩。（见例7） %例7：DCT变换用于图象的压缩实例 I=imrea

16、d('e:matlabworktuxiangGirl.bmp','bmp'); I=im2double(I); T=dctmtx(8); B=blkproc(I,8,8,'P1*x*P2',T,T'); mask=1,1,1,1,0,0,0,0 1,1,1,0,0,0,0,0 1,1,0,0,0,0,0,0 1,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 B2=blkproc(B,8,8,'P1.*x',mask); I2=blkproc(B2,8,8,'P1*x*P2',T',T); imshow(I),title('原图象'); figure,imshow(I2),title('变换后的图象'); 图7 DCT变换用于图像压缩  可以看出，尽管由于85%的DCT系数被抛弃而使恢复后的图像质量有所降低，图像内容仍能清晰可辨，达到了图像压缩的目的。 三、结语 当然，MATLA