数字图像处理(MATLAB)课件

1、数字图像处理（MATLAB）主要内容一、数字图像处理的基本知识二、图像增强技术三、图像分割四、二值图像处理与形状分析五、总结基本知识1、一幅图像可以被看做是空间上各点光强度的集合。其数学表达式： g = f ( x, y, z, , t )静止图像单色图像平面图像图像强度空间坐标波长时间与时间t无关与z轴无关与光线的波长无关将图像定义一个二维函数g=f(x,y)即平面的，静止的，单色的图像。 f(x,y)表示像素点（x,y)的亮度值或灰度值。 空间坐标（x,y)的数字化称为图像采样。 将像素灰度转换为离散的整数值的过程称为量化。 采样和量化的结果即为一个实数矩阵。而MATLAB的长处就是处理矩

2、阵运算，因此用MATLAB处理数字图像非常的方便。MATLAB中从图像文件中读取数据用函数imread()，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 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 像素点AA采样间隔几种具体算法形式 局部处理：平滑、锐化、对比度增强等。 迭代处理：反复对图像进行某种运算处理，直至满足条件。细化处理。 跟踪处理：选择满足适合的像素作为起始像素，检查输入图像。边缘检测 窗口处理和模板处理：只对图像的特定部

3、分进行处理二、图像增强技术目的：用一系列技术改善图像的视觉效果，提高图像的清晰度；将图像转移成一种更适合于人或机器进行分析处理的形式。方法： 点运算：灰度变换、直 空间域 方图修正、局部统计 图像增强 局部运算：平滑和锐化 频率域：高通、低通滤波，同态 彩色增强、代数运算直方图修正法（均衡化和规定化）直方图均衡化过程如下：（1）计算原图像的灰度直方图 ；（2）计算原图像的灰度累积分布函数 Sk= T(rk)= ，进一步求出灰度变换表；（3）根据灰度变换表，将原图像各灰度级映射为新的灰度级 直方图均衡的实质是减少灰度等级换取对比度的扩大。在MATLAB中，histeq函数可以实现直方图均衡化。直

4、方图匹配（规定化）就是使原图像灰度图变成规定形状的直方图而对图像作修正的增强方法。过程：（单值图像） （1）对原图像作直方图均衡化处理 （2）按照希望得到的灰度概率密度函数求得变换函数G(z)。 （3）用步骤一得到的灰度级s作逆变换 z=G-1(s)=G-1(T(r) matlab工具箱中使用histeq的形式实现： g=histeq(f,hspec)制定的直方图 huoxing=imread(C:UsersAdministratorDocumentsMATLABhuxhux.jpg);figure,imshow(huoxing); X=rgb2gray(huoxing);figure, im

5、show(X); h=imhist(X); h1=h(1:5:256);horz=1:5:256;subplot(3,1,1);bar(horz,h1);axis(0 255 0 500);条形图set(gca,xtick,0:50:255);set(gca,ytick,0:50:500);subplot(3,1,2);stem(horz,h1,fill);离散图axis(0 255 0 500);set(gca,xtick,0:50:255);set(gca,ytick,0:50:500);subplot(3,1,3);plot(h);连续图axis(0 255 0 500);set(gca

6、,xtick,0:50:255);set(gca,ytick,0:50:500);直方图在数字图像处理中，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。图像平滑通过积分过程在消除噪声的同时使得图像边缘模糊，那么图像锐化通过而使图像边缘突出、清晰。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的

7、灰度个g（x，y），即个g（x，y）=1/m f（x，y） m为该模板中包含当前像素在内的像素总个数。图像锐化最常用的是梯度法。 grad(x,y)= fx fy 梯度是一个矢量，其大小和方向分别为： grad(x,y)= =arctan(fx/ fy) 梯度方向是f(x,y)在该点灰度变化率最大的方向。近似表示： grad(x,y)= fx+ fy-1 1-1 1梯度算子 1 1 1 0 0 0-1-1-1-1-1-1 0 0 0prewitt算子 1 2 1 0 0 0-1-2-1-1-2-1112 0 0 0sobel算子111g，t=edge(f，method，T，dir)图像分割也要

8、用到这些算子还有laplacian算子。滤波I=imread(19.jpg);figure,B=rgb2gray(I);C=imnoise(B,salt & pepper,0.02);D=imfilter(B,fspecial(average,3);E=medfilt2(B);subplot(1,3,2)imshow(D)title(均值滤波)subplot(1,3,3)imshow(D)title(中值滤波)subplot(1,3,1)imshow(C)title(加入椒盐噪声图像) 锐化处理I=imread(19.jpg);A=rgb2gray(I);figure,subplot(2,3,

9、1),imshow(A);title(原图);hs=fspecial(sobel);S=imfilter(A,hs);hp=fspecial(prewitt);P=imfilter(A,hs);A=double(A);%双精度型H=0 1 0,1 -4 1,0 1 0;%拉普拉斯算子J=conv2(A,H,same);K=A-J;subplot(2,3,2),imshow(K);title(拉普拉斯锐化图像);B=edge(A,roberts,0.1);subplot(2,3,3),imshow(B);title(罗伯特锐化图像);subplot(2,3,4),imshow(S);title(

10、sobel算子锐化图像);subplot(2,3,5),imshow(P);title(prewitt算子锐化图像);三、图像分割图像分割的一种重要途径是通过边缘检测。图像中边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到。常用微分算子进行边缘检测。边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合。常用的一阶微分算子有Roberts算子、Prewitt算子和Sobel算子，二阶微分算子有Laplace算子和Kirsh算子等。在实际中各种微分算子常用小区域模板来表示，微分运算是利用模板和图像卷积来实现。这些算子对噪声敏感，只适合于噪声较小不太复杂的图像。霍夫变换线检测法 设

11、在直角坐标系中的一条直线l，原点到该直线的垂直距离为，垂线与x轴的夹角为可用, 来表示直线： =xcos +ysin 直角坐标系中的一条直线对应极坐标系的一点。 0 0.50.50.51.01.0 y x1.0 x y霍夫变换检测直线的原理： 设平面上有若干点，过每点的直线系分别对应于极坐标上的一条正弦曲线。若这些正弦曲线有共同的交点（ , ），则这些点共线，且对应的直线方程为： =xcos +ysin 00.50.50.51.01.0 y图像二值化 （选取一个域值，(5)将图像变为黑白图像）I=imread(beauty.tif);bw=im2bw(I,0.5);%选取阈值为0.5subplot(1,3,1);imshow(I);title(原图);subplot(1,3,2);imshow(bw);title(显示二值图像);J=find(I=150);I(J)=255;subplot(1,3,3);imshow(I);title( 图像二值化 ( 域值为150 ） );边缘检测I=imread(19.jpg);A=rgb2gray(I);figuresubplot(1,4,1),imshow(A);title(原图像)B=edge(A,sobel,0.1);%ed