数字图像处理实验报告 ma a数字图像处理大作业 期末论文

经典word整理文档，仅参考，双击此处可删除页眉页脚。本资料属于网络整理，如有侵权，请联系删除，谢谢！数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工MATLAB图像处理工MATLAB图像分析等图像处理。1.1课题研究目的及意义数字图像处理（DigitalImage等。总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。MathWorks公司推出的MATLAB软件是学习数理知识的好帮手。应用MATLAB友好的界面和丰富、实用、高效的指令及模块，可以使人较快地认识、理解图像和科研中的问题。图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大，已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。2所谓数字图像就是把传统图像的画面分割成如图2-1所示的被成为像素（pictureelement,简称pixel。有时候也用pel这一简写词）的小的离散点，各像digitalimagine的图像即模拟图像(picture)是有差别的。图2-1数字图像1．采样即像素）的集合的一种操作。先要把二维信号变成一维信号，因此要进行扫描（法是在二维平面上按一定间隔顺序地从上方顺序地沿水平方向的直线（扫描线）行水平，垂直两个方向的扫描以外，还有进行时间轴上的扫描。通过采样，如设横向的像素数为M，纵向的像素数为N，则画面的大小可以表示为“M*N”个像素。2．量化光的强度（亮度）值或灰度值。把这些连续的浓淡值或灰度值变为离散的值（整数值）的操作就是量化。如果把这些连续变化的值（灰度值）量化为8bit，则灰度值被分成0-2552的256个级别，分别对应于各个灰度值的浓淡程度，叫做灰度等级或灰度标度。在0-25500为白的方法，这取决于图像的输入方法以及用什么样的观点对图像进形，一般设0为白，1为黑。对连续的灰度值赋予量化级的，即灰度值方法有：均匀量化（uniform量化，锥形量化（taperedquantization）等。3.采样、量化和图像细节的关系上面的数字化过程，需要确定数值N和灰度级的级数K。在数字图像处理中，一般都取成2的整数幂，即:N2n(2.1)(2.2)K2m一幅数字图像在计算机中所占的二进制存储位数b为:blog(2)N*N*m(bit)(2.3)mN*N例如，灰度级为256级(m=8)的512×512的一幅数字图像，需要大约210万个存储位。随着N和m的增加，计算机所需要的存储量也随之迅速增加。的程度主要取决于采样样本的大小和数量(N值)以及量化的级数K(或m值)。N和K的值越大，图像越清晰。2.2数字图像处理概述数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。研究内容数字图像处理主要研究的内容有以下几个方面：（1）图像变换。由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离理中也有着广泛而有效的应用。（2）图像编码压缩。图像编码压缩技术可减少描述图像的数据量（即比特的方法，它在图像处理技术中是发展最早且比较成熟的技术。（3）图像增强和复原。图像增强和复原的目的是为了提高图像的质量，如所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；或重建原来的图像。（4）图像分割。图像分割是数字图像处理中的关键技术之一。图像分割是分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。（5）图像描述。图像描述是图像识别和理解的必要前提。作为最简单的二出了体积描述、表面描述、广义圆柱体描述等方法。容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，类在图像识别中也越来越受到重视。基本特点（1）数字图像处理的信息大多是二维信息，处理信息量很大。如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。因此对计算机的计算速度、存储容量等要求较高。（2）数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要求。（3）数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。（4）由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。（5）数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。主要应用型应用实例，而实际应用更广。（1）在生物医学中的应用显示分析；红、白血球分析计数；虫卵及组织切片的分析；癌细胞的识别；染色体分析等等。（2）遥感航天中的应用军事侦察、定位、导航、指挥等应用；多光谱卫星图像分析；地形、地图、国土普查；地质、矿藏勘探；天文、太空星体的探测及分析等。（3）工业应用CAD和CAM焊缝及内部缺陷检查；交通管制、机场监控；火车车皮识别等。（4）军事公安领域中的应用手迹、人像、印章的鉴定识别；过期档案文字的复原；集装箱的不开箱检查等。（5）其他应用图像的远距离通信；多媒体计算机系统及应用；电视电话；服装试穿显示；理发发型预测显示；电视会议；办公自动化、现场视频管理等。图像类型MATLAB中，一幅图像可能包含一个数据矩阵，也可能包含一个颜色映射表矩阵。MATLAB中有四种基本的图像类型：（1）索引图像引。颜色图为m*3双精度值矩阵，各行分别指定红绿蓝（RGB）单色值。Colormap=[R，G，B]，R，G，B为值域为[0，1]的实数值。图像矩阵与颜色图的关系依赖于图像矩阵是双精度型还是uint8（无符号8第二点对应于颜色图的第二行，依次类推。如果图像矩阵是uint8，有一个偏移量，第0点值对应于颜色图的第一行，第一点对应于第二行，依次类推；uint8长用于图形文件格式，它支持256色。（2）灰度图像在MATLAB中，灰度图像是保存在一个矩阵中的，矩阵中的每一个元素代表一个像素点。矩阵可以是双精度类型，其值域为[0，1]；也可以为uint8类型，其数据范围为[0，255]。矩阵的每个元素代表不同的亮度或灰度级。（3）二进制图像图像保存在一个由二维的由的索引图像。二进制图像可以保存为双精度或uint8uint8uint8类型逻辑数组来返回的。（4）RGB图像N4的和要求而异，并且所需的具体增强技术也可不同。处理。空域增强方法可表示为：g(x,y)=EH[f(x,y)]其中（x，）和（x，）分别为增强前后的图像，EH代表增强操作。4.1空域变换增强两个灰度值之间的动态范围来实现的（如图图4-1增强对比度在图中可以看出，通过变换可以使原图的较高的和较低的灰度值的加了。MATLAB代码所示：X1=imread('pout.tif');figure,imshow(X1)f0=0;g0=0;f1=70;g1=30;f2=180;g2=230;f3=255;g3=255;r1=(g1-g0)/(f1-f0);b1=g0-r1*f0;r2=(g2-g1)/(f2-f1);b2=g1-r2*f1;r3=(g3-g2)/(f3-f2);b3=g2-r3*f2;[m,n]=size(X1);X2=double(X1);fori=1:mforj=1:nf=X2(i,j);g(i,j)=0;if(f>=0)&(f<=f1)g(i,j)=r1*f+b1;elseif(f>=f1)&(f<=f2)g(i,j)=r2*f+b2;elseif(f>=f2)&(f<=f3)g(i,j)=r3*f+b3;endendendfigure,imshow(mat2gray(g))图像处理图示如图4-2和图4-3)图4-2原图图4-3增强对比度所得图像图像求反对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。的灰度值根据变换曲线进行映射。MATLAB代码所示：X1=imread('pout.tif');f1=200;g1=256;k=g1/f1;[m,n]=size(X1);X2=double(X1);fori=1:mforj=1:nf=X2(i,j);g(i,j)=0;if(f>=0)&(f<=f1)g(i,j)=g1-k*f;elseg(i,j)=0;endendendfigure,imshow(mat2gray(g))图像处理图如图4-4所示：图4-4图像求反后4.2空域滤波增强身以外还包括其他像素。在这种情况下，g(x,y)在(x,y)位置处的值不仅取决于s和t分别表示f(x,y)在(x,y)位置处的灰度值，并以n(s)代表f(x,y)在(x,y)邻域内像素的灰度值，则t=EA[s,n(s)]域滤波。基本原理空域滤波可分为线形滤波和非线形滤波两类。线形滤波器的设计常基于对傅立叶变换的分析。非线形空域滤波器则一般直接对邻域进行操作。实现，锐化可用高通来实现将这些分量滤去可使图像平滑。锐化滤波器：它能减弱或消除傅立叶空间的高频分量空域滤波器都是利用模板卷积，主要步骤如下：（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合；（2）将模板上的系数与模板下对应的像素相乘；（3）将所有的乘积相加；（4）将和（模板的输出响应）赋给图中对应的模板中心位置像素。下面分别介绍在MATLAB中如何应用平滑和锐化滤波器。线性平滑滤波器的。对3*3的模板来说，最简单的操作是取所有系数都为1。为保证输出图像仍R后要将其除以9平均法。MATLAB实现均值过滤器的代码所示：I=imread('saturn.tif');J=imnoise(I,'salt&pepper',0.02);imshow（I）figure，imshow（J）K1=filter2(fspecial('average',3),J)/255;figure,imshow(K1)title('3*3的均值滤波器')原图像，加入椒盐噪声的图像和均值滤波的图像分别如图4-5、图4-6和图4-7所示。图4-5原图图4-6加入椒盐噪声图像3*3的均值滤波器处理结果图4-7非线性平滑滤波器的中间值作为输出的像素值。具体步骤：（1）将模板在图像中漫游，并将模板中心和图像某个像素的位置重合；（2）读取模板下对应像素的灰度值；（3）将这些灰度值从小到大排成一列；（4）找出这些值排在中间的一个；（5）将这个中间值赋给对应模板中心位置的像素。MATLAB实现中值滤波器代码所示：I=imread('saturn.tif');J=imnoise(I,'salt&pepper',0.02);K1=medfilt2(J,[3,3]);figure,imshow(K1)中值滤波的结果如图4-8所示。图4-8中值滤波结果线性锐化滤波器的，而周围的系数都是负的。对3*3的模板来说，典型的系数取值是：[-1–1–1；-18–1；-1–1-1]事实上这是拉普拉斯算子，所有的系数之和为0。当这样的模板放在图像中0像中的零频域分量去除了，也就是将输出的图像的平均值变为0，这样就会有一部分像素的灰度值小于0。在图像处理中我们一般只考虑正的灰度值，所以还有将输出图像的灰度值范围通过尺度变回到所要求的范围。MATLAB代码所示：I=imread('saturn.tif');m=fspecial('laplacian')I1=filter2(m,I)h=fspecial('unsharp',0.5);I2=filter2(h,I)/255;subplot(1,2,1);imshow(I1);title('高通滤波laplacian算子')subplot(1,2,2);imshow(I2);title('高通滤波unsharp')处理结果如图4-9所示：图4-9空域高通滤波4.3频域增强基本原理卷积理论是频域技术的基础。设函数f（x,y）与线性位不变算子h（x,y）的卷积结果是g(x,y)=h(x,y)*f(x,y)那么根据卷积定理在频域有：G(x,y)=H(u,v)F(u,v)其中G(x,y)、换。频域增强的主要步骤是：（1）技术所需增强图的傅立叶变换；（2）将其与一个（根据需要设计的）转移函数相乘；（3）再将结果进行傅立叶反变换以得到增强的图。频域增强的两个关键步骤：（1）将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换；（2）在频域空间对图像进行增强加工操作。常用的频域增强方法有低通滤波和高通滤波。以下分别介绍在MATLAB中如何实现。低通滤波于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。Butterworth阶，截断频率为d0的Butterworth低通滤波器的转移函数为：1H（u，v）=1[d（u，/d0]2n用MATLAB实现Butterworth低通滤波器的代码所示：I1=imread('Saturn.tif');figure,imshow(I1)I2=imnoise(I1,'salt');figure,imshow(I2)f=double(I2);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=50;n1=fix(N1/2);n2=fix(N2/2);fori=1:N1forj=1:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+0.414*(d/d0)^(2*n));result(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));figure,imshow(X3)原图和处理结果如图4-10和图4-11所示图4-10加噪图4-11去噪高通滤波0频率处单位为传递函数的值逐渐增加；当频率增加到一定值之后传递函数的值通常又回到0值或者降低到某个大于1能够带通滤波器，只不过规定0频率处的增益为单位1。实际应用中，为了减少图像中面积大且缓慢变化的成分的对比度，有时让0频率处的增益小于单位1laplacian滤波器。n阶截断频率为d0的Butterworth高通滤波器的转移函数为：1H（u，v）=1[d0/d（u，v]2nMATLAB实现Butterworth高通滤波器代码所示：I1=imread('blood1.tif');figure,imshow(I1)f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);fori=1:N1forj=1:N2d=sqrt((i-n1)^2+(j-n2)^2);ifd==0h=0;elseh=1/(1+(d0/d)^(2*n));endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));figure,imshow(X3)原图和处理结果如图4-12和4-13所示。图4-12原图图4-13高通滤波50和10和1引言调用MATLAB提供的im2bw（）来实现，方法如下：I=imread('cameraman.tif');figure,imshow(I)J=im2bw(I);figure,imshow(J)title('二值化处理')原图和二值化的结果分别如图5-1和图5-2所示图5-1原图图5-2二值化的结果5.2二值形态学的基本运算数学形态学的基础是集合运算，我们把二值图像A看作是二维坐标点的集合，包含图像里为1的点，B通常是一个小的集合，作用类似于模板。膨胀（Dilation）运算A⊕B腐蚀（Erosion）运算AB开（Open）运算闭（Close）运算膨胀膨胀的算符为，A用B来膨胀写作AB，这里先将A和B看作是所有取^值为1的像素点的集合。其定义为：AB={x|B)]}AxB膨胀A的过程是：先对B做关于中心像素的映射，再将其映像平移x，换句话说，用B来膨胀A得到的集是B平移后与A至少有一个非零元素相交时B的中心像素的位置的集合。在MATLAB中运用dilate（）函数来实现膨胀操作。此外，MATLAB中还提供了预定义的形态函数bwmorph。MATLAB的代码：I=imread('cameraman.tif');J=im2bw(I);BW1=bwmorph(J,'dilate');subplot(1,2,1);subimage(J);title('二值处理的图像');subplot(1,2,2);subimage(BW1);title('使用bwmorph函数膨胀')图像处理结果如图5-3所示图5-3膨胀处理后腐蚀腐蚀的算符为，A用B来腐蚀写作AB。其定义为AB{x|(B)}x用B来腐蚀A得到集合是B完全包括在A中时B的中心像素位置的集合。MATLAB中用erode函数来实现腐蚀操作。MATLAB代码如下：I=imread('cameraman.tif');J=im2bw(I);SE=eye(5);BW1=erode(J,SE);subplot(1,2,1);subimage(J);title('二值处理的图像');subplot(1,2,2);subimage(BW1);title('使用erode函数腐蚀