基于Matlab的数字图像处理课件

1基于matlab的数字图像处理主要内容1.图像的基本概念2.数字图像的类型3.图像与图像数字化过程4.基于matlab的图像处理的方法5.基于matlab和CVI的一个小例子21.图像的概念1.1图像的表示

当我们从某点观察某一景象时，物体所发出的光线(发光物的辐射光或物体受光源照射后反射或透射的光)进入人眼，在人眼的视网膜上成象，这就是人眼所看到的客观世界，我们称之为景象。这个“象”反映了客观景物的亮度和颜色随空间位置和方向的变化，因此“象”是空间坐标的函数。视网膜成像是一种自然生理现象，人类文明发展到一定时期才意识到它的存在，并设法用各种手段将其记录下来，这种记录下来的各种各样的“象”称为图像。3

基本概念图形：是指由外部轮廓线条构成的矢量图。即由计算机绘制的直线、圆、矩形、曲线、图表等；图像：是由扫描仪、摄像机等输入设备捕捉实际的画面产生的数字图像，是由像素点阵构成的位图。

数据描述图形：用一组指令集合来描述图形的内容，如描述构成该图的各种图元位置维数、形状等。描述对象可任意缩放不会失真。图像：用数字任意描述像素点、强度和颜色。描述信息文件存储量较大，所描述对象在缩放过程中会损失细节或产生锯齿。41.2图像与图形的区别屏幕显示图形：使用专门软件将描述图形的指令转换成屏幕上的形状和颜色。图像：是将对象以一定的分辨率分辨以后将每个点的信息以数字化方式呈现，可直接快速在屏幕上显示。适用场合图形：描述轮廓不很复杂，色彩不是很丰富的对象，如：几何图形、工程图纸、CAD、3D造型软件等。

图像：表现含有大量细节（如明暗变化、场景复杂、轮廓色彩丰富）的对象，如：照片、绘图等，通过图像软件可进行复杂图像的处理以得到更清晰的图像或产生特殊效果。5

矢量图：是用一系列绘图指令来表示一幅图。这种方法的本质是用数学(更准确地说是几何学)公式描述一幅图像。

特点如下：它的文件数据量很小；图像质量与分辨率无关，这意味着无论将图像放大或缩小了多少次，图像总是以显示设备允许的最大清晰度显示。缺点是：不易制作色调丰富或色彩变化太多的图像，绘出来的图像不是很逼真，同时也不易在不同的软件间交换文件。72.1矢量图位图：是通过许多像素点表示一幅图像，每个像素具有颜色属性和位置属性。位图又可以分成如下四种：二值图像（binaryimage)、灰度图像(gray-scaleimage)、索引颜色图像(indexcolorimage)和真彩色图像（truecolorimage）。

位图的优缺点正好和矢量图相反。

8

2.2位图

二值图像的表示方法很简单，只有黑白两种颜色。102.3二值图像在灰度图像中，像素灰度级一般用8bit表示，所以每个像素都是介于黑色（0）和白色（255）之间的256（28=256）种灰度中的一种。112.4灰度图像每一个像素由红、绿和蓝三个字节组成，每个字节为8bit，表示0到255之间的不同的亮度值，这三个字节组合可以产生1670万种不同的颜色。122.5.真彩色图像3.图像与图像数字化过程

3.1图像的表示计算机图像处理研究的主要内容是:①如何对模拟图像进行采样、量化以产生数字图像;②如何对数字图像做各种变换以方便处理;③如何压缩图像数据以便存储和传输。

图像的数字化

图像的数字化是指将一幅图像从原来的形式转化为数字的形式，主要研究如何对图像进行采样、量化以及编码等过程。

图像编码压缩

图像编码压缩可减少用于描述图像的数据量，以节省图像传输和处理的时间，减少存储容量。14图像变换

由于图像阵列很大，直接在空间域中进行处理涉及的计算量很大。因此，往往采用各种图像变换方法，如傅立叶变换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)等间接处理技术，将空间域的处理转换为变换域的处理，不仅可以减少计算量，而且可获得更有效的处理。图像变换还包括传统的几何变换，如图像缩放、旋转、平移、投影等。图像重构(ImageReconstruction)采用某种滤波方法，如去除噪声、干扰和模糊等，恢复或重建原来的图像。15二维平面图像隐式地包含着景深z的信息，它以x和y的某种函数的形式，即z=f(x,y)，隐含在x,y平面之中。因此平面图像同样可表示为：17在大多数情况下，要采用离散的技术来处理来自连续世界的图像。实际图像是连续的，计算机只能处理离散的数字图像，所以对连续图像要经过采样和量化以获取离散的数字图像。

现实中的图像是一种模拟信号。图像数字化的目的是把真实的图像转变成计算机能够接受的显示和存储格式，以便于计算机进行分析处理。

图像的数字化过程分为采样、量化与编码三步。采样的实质就是要用多少个点来描述一张图像，采样的结果即通常所说的图像分辨率。如，一幅640×480的图像，表示这幅图像由307200个像素点组成。采样频率是指一秒钟内采样的次数，它反映了采样点之间的间隔大小。采样频率越高，得到的图像样本就越细腻逼真，图像的质量也越高，但要求的存储量也越大。183.2图像数字化概述量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。如，若以4位来存储一个点，图像表示只能有16种颜色。若采用16位存储一个点，则有2的16次方=65536种颜色。所以，量化位数越大，表示图像可拥有更多的颜色，自然可产生更为细致的图像效果，但也会占用更大存储空间。假设有一幅黑白照片，因为它在水平与垂直方向上的灰度变化都是连续的，可认为有无数个像素，而且任一点上灰度的取值都是从黑到白可以有无限个可能值。通过沿水平和垂直方向的等间隔采样可将一幅模拟图像分解为近似的有限个像素，每个像素的取值代表该像素的灰度(亮度)，对灰度进行量化，使其取值变为有限个值。通常采用256级均匀量化(也称8比特量化)已能得到优质的图像。19经过这样采样和量化得到的一幅空间上表现为离散分布的有限个像素，灰度取值上表现为有限个离散的可能值的图像称为数字图像。只要水平与垂直方向采样点数N和M足够多，量化比特数足够大，则数字图像的质量比原始模拟图像毫不逊色。

在采样与量化处理后，才能产生一张数字化的图像，再运用计算机图像处理软件的各种技巧，对图像进行处理、修饰或转换，达到所需要的图像效果。20

计算机要感知图像，就要把图像分割成离散的小区域，即像素。像素是计算机系统生成和再现图像的基本单位，像素的亮度、色彩等特征通过特定的数值来表示。数字化图像的形成是计算机使用相应的软硬件技术把许多像素点的特征数据组织成行列，整齐地排列在一个矩形区域内，形成计算机可识别的图像。

图像采样就是将二维空间上模拟的连续亮度(即灰度)或色彩信息，转化为一系列有限的离散数值来表示。由于图像是一种二维分布的信息，所以具体的作法是对图像在水平方向和垂直方向上等间隔地分割成矩形网状结构，所形成区域，称之为像素点。被分割的图像若水平方向有M个间隔，垂直方向上有N个间隔，则一幅图像画面就被表示成MN个像素构成的离散像素点的集合(如图8.16)。MN表示图像分辨率。213.3图像的采样在进行采样时，采样点间隔的选取很重要。它决定了采样后的图像是否能真实地反映原图像的程度(如图下图所示)。一般说来，原图像中的画面越复杂，色彩越丰富，则采样间隔应越小。由于二维图像的采样是一维的推广，根据信号的采样定理，要从取样样本中精确地复原图像，我们可得到图像采样的奈奎斯特(Nyquist)定理：图像采样的频率必须大于或等于源图像最高频率分量的两倍。22

采样后得到的亮度或色彩值在取值空间上仍是连续值。把这些连续量表示的像素值离散化为整数值的操作叫量化。图像量化实际就是将图像采样后的样本值的范围分为有限多个区域，落入某区域中的所有样本值用同一值表示，是用有限的离散数值量来代替无限的连续模拟量的一种映射操作。

把图像颜色(黑白图像为灰度)取值范围分成K个子区间，在第i个区间中取某确定的色彩值Gi，落在第i个区间中的任何色彩值都以Gi代替，这样就有K个不同色彩值，即颜色值的取值空间被离散化为有限个数值。

量化时所确定的离散取值个数称为量化级数，表示量化的色彩或亮度值所需的二进制位数称为量化字长。一般可用8位、16位、24位或更高的量化字长来表示图像的颜色(如图8.18)。量化字长越大，越能真实反映原有图像的颜色。但得到的数字图像容量也越大。243.4图像量化255bit(32色)

4

bit(16色)

3

bit(8色)

2

bit(4色)

1

bit(2色)

不同量化字长的灰度图象效果图像的读取

27A=imread(FILENAME,FMT)FILENAME指定图像文件的完整路径和文件名。如果在work工作目录下只需提供文件名。FMT为图像文件的格式对应的标准扩展名。I_1=imread('D:\10.06.08nir\TTC10377.BMP');%读入图像4.1图像的读取和显示图像的写入

28imwrite(A，FILENAME,FMT)FILENAME参数指定文件名。FMT为保存文件采用的格式。imwrite(I6,'nirdilatedisk2TTC10373.bmp');

图像的显示

29imshow(I,[lowhigh])I为要显示的图像矩阵。[lowhigh]为指定显示灰度图像的灰度范围。高于high的像素被显示成白色；低于low的像素被显示成黑色；介于High和low之间的像素被按比例拉伸后显示为各种等级的灰色。

figure；imshow(I6);title('TheMainPassPartofTTC10373');figure；%创建一个新的窗口figure；subplot（m,n,p）；imshow（I）；Subplot(m,n,p)含义为：打开一个有m行n列图像位置的窗口，并将焦点位于第p个位置上。图像的格式转换

30im2bw(I,LEVEL);rgb2gray;从RGB图创建灰度图，存储类型不变。im2uint8将图像转换成uint8类型im2double将图像转换成double类型阈值法从灰度图、RGB图创建二值图。LEVEL为指定的阈值；（0,1）。4.2图像的点运算图像直方图31灰度直方图描述了一副图像的灰度级统计信息，主要应用于图像分割和图像灰度变换等处理过程中。从数学角度来说，图像直方图描述图像各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或概率。归一化直方图可以直接反映不同灰度级出现的比率。横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。imhist(I);%灰度直方图I=imread(‘red.bmp’);%读入图像

figure;%打开新窗口[M,N]=size(I);%计算图像大小[counts,x]=imhist(I,32);%计算有32个小区间的灰度直方图counts=counts/M/N;%计算归一化灰度直方图各区间的值stem(x,counts);%绘制归一化直方图32[J,T]=histeq(I);%J为输出图像，T为变换矩阵图像易受光照、视角、方位、噪声等的影响。使得同一类图像的不同变形体之间的差距有时大于该类图像与另一类图像之间的差距，影响图像识别、分类。图像归一化就是将图像转换到唯一的标准形式以抵抗各种变换，从而消除同类图像不同变形体之间的外观差异。也称为图像灰度归一化。

原图像及直方图直方图均衡化34图像变亮后灰度均衡化图像变暗后灰度均衡化噪声添加354.3空间域图像增强h=imnoise(I,type,parameters);type为噪声类型，合法值如下：‘gaussian’高斯白噪声：幅度为高斯分布，功率谱均匀分布‘salt&pepper’黑点如胡椒，白点如盐粒。由图像传感器、传输信道、解码处理、图像切割等产生的黑白相间的亮暗点噪声。添加高斯白噪声添加椒盐噪声空间域滤波36滤波过程就是在图像f(x,y)中逐点移动模板，使模板中心和点(x,y)重合，滤波器在每一点(x,y)的响应是根据模板的具体内容并通过预先定义的关系来计算的。W(-1,-1)W(-1,0)W(-1,1)W(0,-1)W(0,0)W(0,1)W(1,-1)W(1,0)W(1,