实战演练篇课件

1、实战演练之一 1.课题题目 基于模糊集理论的图像增强算法研究 2.任务布置（1）掌握数字图像的预处理方法；（2）掌握图像增强的基本概念和常用算法；（3）学习掌握模糊集的理论和方法，设计基于模糊集理论 的图像增强算法；（4）掌握Matlab软件的使用和编程，完成上述算法的软件实现和验证课题要求： 三人一组，分工协作；一周时间内完成；课题报告一份3.完成步骤（1）查阅本课题有文献；（2）采集低质的彩色图像或对采集到的彩色图像进行加噪处理； （3）常用的图像增强算法及实现；（4）使用Matlab软件工具实现算法，并用样本检验其有效性；（5）撰写报告。4.自我阐述 课题小组根据分工和研究步骤分别阐述，

2、时间15分钟，老师及其他学生提问5分钟。实战演练5.实例讲解基于模糊增强算子的经典算法Pal算法一基本原理 J.M.B.Prewitt在1970年首次表示物体的图像子集可以看作模糊集，这是向图像模糊理解的第一次靠近。 S.K.Pal等人在1981年提出一种新隶属度函数和模糊增强算子分别对图像进行了对比度增强和X射线图像的边缘检测，其算法如下:实战演练 (2)通过变换将图像从空间域变换到模糊域: (3) 模糊增强算子(INT)的回归调用修正隶属度: 式(2)式(1) 实战演练 模糊增强的关键在于用模糊增强算子通过增大大于0.5的隶属度值而减小小于0.5的隶属度值，从而减小G的模糊性。模糊增强算子

3、在模糊集G上产生另一模糊集。其中 定义为的T多次调用。在极限情况下，当 时，产生一个二灰度级(二值)的图像。为了避免细节信息的丢失和模糊图像增强的不足，根据不同的增强目的和图像，通常选择为1,2或3。 式(3) 实战演练（4）通过反变换，产生新灰度级式，从而将数据从模糊域变换到图像的空间域: 式(4)实战演练二 用MATLAB实现基于模糊增强算子的图像模糊增强 1. 软件流程图读入待处理的图像通过变换将图像从空间域变换到模糊域设置隶属度参量输出模糊增强后的图像修正隶属度通过反变换将图像从空间域变换到模糊域图1 模糊增强的软件流程图实战演练3 试验结果比较分析 未经处理的原始图像清晰度一般，但整

4、体颜色的亮度不是太好，有点偏暗，尤其是边缘提取的效果不是很好。 利用模糊增强算子对原始图像进行模糊增强后，看起来比原始图像更清晰，各个细胞内部的纹路与细胞核也变的清晰了很多，图像内部每一个物体的边缘都得到了明显的增强，同时图像失真较小，很平滑；并且可选择性，适用范围更广泛。实战演练实战研究之二1.课题题目: 图像中的噪声分析及其复原方法的比较研究2.任务布置: （1）了解并掌握常用的图像复原方法在采集图像中的应用 （2）理解常用的典型图像复原方法的原理 （3）在Windows平台下通过软件，利用几种常用的图像复原 方法对采集图像进行去噪，并对去噪结果进行比较分析。 课题要求： 三人一组，分工协

5、作；一周时间内完成；课题报告一份。 5.实例讲解（1）中值滤波方法 中值滤波使用一个矩形区域的窗口。不同的中值滤波过程, 中值滤波器的滤窗大小不同（本文采用滤窗大小为）。同时当判断滤窗中心的像素是噪声时,该值用中值代替,否则不改变其当前像素值,这样用滤波器的输出来替代像素处(即目前滤窗中心的坐标)的值。实战演练中值滤波程序流程图如下：计算滤窗内的点的灰度大小 计算B1,B2 判断B10且B20)&(b20) a=1； else u(i,j)=zmed end实战演练（2）小波去噪方法小波去噪实际上是特征提取和低通滤波功能的综合小波去噪方法大体可以分成小波萎缩法、投影方法等小波萎缩法是目前研究最

6、为广泛的方法可分成如下两类：第1类是阈值萎缩第2类方法称为比例压缩实战演练小波降噪具体代码 %use sym4 3层小波分解 c,s=wavedec2(I,3, sym4)； %门限 n=1,2,3； p=150,120,60； %阈值处理 nc=wthcoef2(d,c,s,n,p,s)； %recover图像重构 rx=waverec2(nc,s,sym4)； 实战演练中值滤波器较好地保留图像的边缘信息对高斯噪声的抑制能力却很小小波阈值去噪方法对高斯噪声有很好的抑制作用对椒盐噪声基本无效总的说来，小波阈值要优于中值滤波器d) 小波去噪后的图像c) 中值滤波后的图像实战演练实战研究之三 1.

7、课题题目 复杂背景的图像分割算法研究 2.任务布置（1）掌握有关图像识别的基本理论和基本方法，（2）针对复杂图像特点，确定最佳的分割与识别方案，满足实际要求。 课题要求： 三人一组，分工协作；一周时间内完成；课题报告一份。5.实例讲解 第一步 阈值分割1直方图阈值双峰法：一幅图像的总像素N为： 灰度级出现的概率为： 实战演练直方图阈值双峰法选择双峰间低谷处所对应的灰度值为阈值，将两个区域分离。这种方法适用于目标和背景灰度差较大，直方图有明显谷底的情况。 具体实现的方法：先做图像的灰度直方图再取谷底点所对应的灰度值作为阈值然后根据该阈值进行分割实战演练图2为彩色图像处理后得出的灰度图像 图2灰度

8、图像实战演练为了得到适当的阈值，我们需要利用灰度直方图，下面做出对灰度图像的直方图3。图3灰度直方图实战演练我们从图3可以看出有两个明显的波峰第一个波峰所表示的是图像的背景第二个波峰则是我们想要提取出来的目标图像找出目标图像显示目标图像4图4阈值分割后的图像实战演练 图像的一维灰度投影可用下面的公式表示，假设有MN的图像F（x,y） （以向x轴投影为例），现在以左下角的那点为原点，向x轴作叠加投影，向x轴投影后的一维图像为： 其中M表示图像的宽度，F(i,j)表示图像中每一点的灰度值，Fx(i)表示对图像进行垂直投影，投影曲线上每一点上灰度的累加值。实战演练 通过对投影曲线的分析分割点在整幅图

9、像中的大致位置，通过求极大值点确定分割点的具体坐标。 图1原始图中可以看出此图中有六个完整的管。 为了将它们从整幅图像中一一分割出来，结合其投影特征的特点，在此分为 两大步骤：实战演练 1）首先从图5水平投影图中可以看出，上中下三层物体具有较明显的分界线图5灰度直方图实战演练 抓住图像的这个特点，利用定位的结果，将图像第一层分割来，由图6表示；由直方图5可以明显的看出有三排管子。而第二牌管子所在的纵坐标为。所以把第二排管子分割出来了。到此分割任务只完成了一半，利用第一步分割的结果，结合一维投影定位的方法，对图6进行上述分析；图6第一层钢管实战演练2）对图6进行垂直投影，如图7所示， 图7灰度直

10、方图实战演练分析这条一维投影曲线的特点，利用求局部极大值的方法确定图6的分割点坐标，结合 MATLAB图像显示的方法，可将图6分割成了三个完整的圆形图像，其中第二个圆的横坐标为显示出来为图8，是第二排的第二个管子，第三排的管子通过此方法都可以一一分割出来，在此不予以演示。 图8二值图像分割出来的钢管实战演练3）图像的还原。 有了得出每个管子的坐标后，就可以通过MATLAB图像显示的方法来截取原图像上面的目标物体了。图9为所截出的目标图像。至此完成了将多目标图像分割成多个单目标图像的全过程。图9被分割出来的钢管实战演练实战研究之四1.课题题目图像的特征提取2.任务布置（1）了解并掌握常用的图像特

11、征提取方法；（2）理解常用的图像特征提取方法的原理；（3）在Windows平台下通过软件，实现图像的特征提取 课题要求：三人一组，分工协作；一周时间内完成；课题报告一份3.完成步骤（1）查阅相关资料总结图像特征提取技术的发展状况；（2）对常用的特征提取方法进行深入研究；（3）掌握和比较图像图像特征提取方法中各种典型方法的原理及优缺点；（4）用软件编程实现图像特征提取；（5）撰写报告。4.自我阐述 课题小组根据分工和研究步骤分别阐述，时间15分钟，老师及其他学生提问5分钟。实战演练5.实例讲解 脑CT图像特征提取脑部疾病相对较多，为了能较好的对图像分析，我们针对一种疾病进行其正异常的判断，本文图

12、像特征是针对脑CT图像中某一层图像进行提取及分类的。医学图像的特征提取包括灰度（强度）特征；几何特征和纹理特征。脑部图像有明显的对成性，分别从粗糙（和细致两方面提取了其对称特征。实战演练灰度特征均值： 方差：偏度： 峰值：由于头部图像具有对称性，在分块提取特征后，根据对提取上面的四个的特征的欧式距离作为新特征，相似测度是匹配是的一种计算方法，因此体现对称性这个特征。实战演练几何特征NMI（转动惯量）：根据图像的质心和转动惯量的定义，可给出灰度图像绕质心的归一化转动惯量即NMI 为图像质量，代表图像所有灰度值之和经验证，NMI具有良好的缩放、旋转和平移不变性，因此可以作为物体的识别特征。实战演练纹理特征能量（角二