图像处理技术的综合应用

目录1引言........................................32图像增强技术................................42.1用MATLAB工具箱灰度调整.....................42.2比照度增强..................................52.3直方图均衡..................................72.4局部平滑....................................82.5中值滤波....................................92.6频率域平滑与锐化............................102.7实现彩色图像的增强处理......................113运用MATLAB工具箱实现实现图像处理的GUI程序设计......................................123.1菜单栏的设计................................123.2图像的读取和保存............................133.2.1图像的读取..................................133.2.2图像的保存..................................133.2.3程序的退出..................................143.3对图像进行任意的亮度和比照度变化调整，显示和比照变换前后的图像.................143.3.1亮度和比照度变化调整.......................143.4图像直方图统计和直方图均衡，比拟直方图均衡后的效果.........................153.4.1直方图均衡.................................153.4.2直方图统计.................................163.5设计滤波算法，实现去噪并显示结果...........173.5.1参加噪声程序...............................173.5.2滤除噪声程序...............................183.6图像分割...................................204结论.......................................20参考文献..........................................20摘要MATLAB是一款广泛应用于信号、图像、通信、控制、仿真、测试等众多领域的数学工具，其中在图像处理这一块尤为广泛。图像作为人类感知世界的视觉根底，是人类获取信息、表达信息和传递信息的重要手段。图像处理技术已经成为了信息科学、计算机科学、工程科学、生物科学、地球科学等学科的研究热点。本文重点介绍了图像处理技术中的利用MATLAB工具箱灰度调整、比照度增强、直方图均衡、局部平滑、中值滤波、频率域平滑与锐化等实现图像的增强处理。并利用MATLAB工具箱实现图像处理的GUI程序设计。关键词：MATLAB；图像处理；中值滤波；比照度增强；图形用户界面GUI程序设计；Abstract：MATLABisawidelyusedinsignal,image,communication,control,simulation,testandmanyotherfieldsmathematicaltools,includinginimageprocessingthisoneisparticularlyextensive.Imageasahumanperceptionoftheworldvisionfoundation,ishumantoobtaininformationandpresentinformationandinformationtheimportantmeans.Imageprocessingtechnologyhasbecometheinformationscience,computerscience,engineeringscience,biologyscience,earthscienceresearchhotspots,andotherdisciplines.ThispaperintroducesimageprocessingtechnologyintheuseofMATLABtoolboxgrayadjustment,contrastenhancement,histogramequalization,localsmooth,medianfiltering,frequencydomainsmoothandsharpenandrealizeofimageenhancementKeywords：MATLAB;Imageprocessing;Themedianfilter;Contrastenhancement;ThegraphicaluserinterfaceGUIprogramming;引言滤波器被广泛地用于图象的预处理，抑制图象噪声，增强比照度，以及强化图象的边沿特征。运用较为广泛的线性滤波器是平均值滤波器，能较好地抑制图象中的加性噪声。但是，线性滤波器会引起图象的钝化或模糊，使得图象中物体边界产生位移。特别是，在图象受到乘性噪声或脉冲噪声的干扰，如超声涉及雷达成像中普遍存在的斑点噪声，线性滤波器就不能取得预期的效果。中值滤波器，是用该像素的相邻像素的灰度中值来代替该像素的值，是一种非线性滤波器。对于离散的脉冲噪声，当其出现的次数小于窗口尺寸的一半时，将被抑制掉同时也能较好地保证图象的边沿特征，而且易于实现。因此它被广泛地应用于图象处理，尤其是医学图象处理，如超声波图象。但由于其使用的滤窗大小是固定不变的，当窗中噪声像素数超过有用像素之半时，中值滤波滤波作用大大降低。这样，自适应中值滤波器可以处理噪声概率更大的脉冲噪声，同时在平滑非脉冲噪声图像时能够更好地保持图像细节，这是传统中值滤波器做不到的。文中先后介绍了几个图像处理的技术，包括用MATLAB工具箱灰度调整、比照度增强、直方图均衡、局部平滑、中值滤波、频率域平滑与锐化、实现彩色图像的增强处理、用户图形界面设计。2.图像增强处理技术图像增强技术可改善图像地视觉效果，以便人眼或机器对图像进一步理解。从评价的标准来看，图像增强是一种以主观感受为向导的技术。图像增强的目的可以分为两大类：空间域方法和频域方法。空间域是指图像平面自身，这类方法是以对图像的像素直接处理为根底的。频率域处理技术是以修改图像的傅里叶变换为根底的。两者的具体方法包括以下内容：〔1〕空间域处理：点处理、模板处理和领域处理。〔2〕频率域处理：高、低通滤波、同态滤波等。本文用以下的原图来进行处理：2.1用MATLAB工具箱灰度调整直接灰度属于点处理技术，点处理可以将输入图像f(x,y)中灰度r，通过映射函数T()映射成输出图像g(x,y)中的灰度s，其运算结果与图像像素位置及被处理像素邻域灰度无关。其映射函数见式1.1，其示意图见图1.1g(x,y)=T[f(x,y)]...........式1.1TTf(x,y)=rg(x,y)=s图1.1映射函数示意图对其灰度调整的程序如下：>>clearall>>I=imread('1.JPG');>>figure;>>subplot(2,2,1);>>imshow(I);>>H=rgb2gray(I);>>subplot(2,2,2);>>imshow(H),holdon>>subplot(2,2,3);>>hist(double(I),16);>>subplot(2,2,4);>>hist(double(H),16);运行结果为2.2比照度增强比照度增强是图像增强技术中一种比拟简单但又十分重要的方法。这种方法是按一定的规那么修改输入图像每一个像素的灰度，从而改变图像的动态范围。设输入图像为f(x,y),处理后的图像为g〔x,y〕,那么比照度增强可以表示为一面的函数表达式：g〔x,y〕=T[f(x,y)]其中T表示输入图像和输出图像对应点的灰度映射关系。其程序如下：>>clearall>>I=imread('1.JPG');>>J=imadjust(I,[0.30.7],[]);>>imshow(I);>>title('原图');>>figure;>>imshow(J);Warning:Imageistoobigtofitonscreen;displayingat56%scale.>Intruesize>Resize1at308Intruesizeat44Inimshowat161>>title('增强比照度后的图像');运行结果为2.3直方图均衡直线直方图描述图像中各灰度级出现的相对频率。基于直方图的灰度变换，可调整图像直方图到一个预定的形状。比方一些图像由于其灰度分布集中在较窄区间，比照度很弱，图像仔细看不清。此时，可采用图像灰度直方图均衡化处理，使得图像地灰度分布趋于均匀，图像所占有的像素灰度空间距拉开，加大图像反差，改善视觉效果，到达增强目的。从人眼的角度来考虑，一幅图像的直方图如果是均匀分布的，该图像给人的感觉比拟协调。直方图的程序如下：>>clearall>>I=imread('1.JPG');>>I=rgb2gray(I);>>K=16;>>H=histeq(I,K);>>figure,subplot(2,2,1),imshow(I,[])>>subplot(2,2,2),imshow(H,[]),holdon>>subplot(2,2,3),hist(double(I),16),subplot(2,2,4),hist(double(H),16)运行结果为：2.4局部平滑图像空间的线性邻域卷积实际上是图像经过滤波器对信号频域成分的滤波，这种功能也可以在变换域实现，即把原始图像进行正变换，设计一个滤波器用点操作的方法加工频谱数据，然后再进行反变换，即完成工作。图像增强的频率域处理工作流程如下：g=(x,y)=f=(x,y)*h(x,y)G=(u,v)=F(u,v)*H(u,v)处理程序如下：img=rgb2gray(imread('1.JPG'));figure;imshow(img);img_noise=double(imnoise(img,'salt&pepper',0.06));figure,imshow(img_noise,[]);img_smoothed=imfilter(img_noise,fspecial('average',5));figure;imshow(img_smoothed,[]);显示结果为：2.5中值滤波中值滤波是一种非线性滤波，由于它在实际运算中并不需要图像的统计特性，所以比拟方便。中值滤波首先是应被应用在一维信号处理技术中，后来被二维图像信号处理技术应用。在一定条件下，可以克服线性滤波所带来的图像模糊，而且对滤波除脉冲干扰及图像扫描噪声最为有效。但是对于一些细节，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。中值滤波的根本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。程序如下：x=imread('1.JPG');运行结果如右图：y=imnoise(x,'gaussian');subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)2.6频率域平滑与锐化图像空间的线性邻域卷积实际上是图像经过滤波器对信号频域成分的滤波，这种功能也可以在变换域实现，即把原始图像进行正变换，设计一个滤波器用点操作的方法加工频谱数据，然后再进行反变换，即完成工作。图像增强的频率域处理工作流程如下：g=(x,y)=f=(x,y)*h(x,y)G=(u,v)=F(u,v)*H(u,v)其分为理想低通滤波器、巴特沃斯低通滤波器、指数低通滤波器、梯形低通滤波器。图像的边缘、细节主要位于高频局部，而图像的模糊是由于高频成分比拟弱产生的，频率域锐化就是为了消除模糊、突出边缘。因此采用高通滤波器让高频成分通过，使低频成分消弱，再经过傅里叶逆变换得到边缘的锐化的图像。常用的高通滤波有：理想高通滤波、巴特沃高通滤波、指数高通滤波、梯形高通滤波。线性平滑滤波器的模板为h=[-1-1-1；-18-1；-1-1-1]用该模板对图像1.JPG进行频率域平滑处理，程序如下：运行结果i=imread('1.JPG');j=fspecial('average');y=imfilter(i,j);subplot(1,2,1);imshow(i);subplot(1,2,2);imshow(y);线性锐化滤波器的模板为h=[-1-1-1；-18-1；-1-1-1]用该模板对图像1.JPG进行频率域平滑处理，程序如下：I=imread('1.JPG');运行结果H=[-1-1-1;-18-1;-1-1-1];y=imfilter(I,H);subplot(1,2,1);imshow(I);subplot(1,2,2);imshow(y);2.7实现彩色图像的增强处理在彩色处理中引入颜色主要由以下两个因素驱动：第一、颜色是一个强有力的描述子，它常常可以简化目标物的区分及从场景中抽取目标；第二、人类可以区分几千种颜色色调和亮度，相形之下只能区分几十种灰度层次。彩色处理有全彩色处理、伪彩色处理和彩色图像地分割。现在对彩色图像分别进行真彩色图像的红色分量、真彩色图像的绿色分量、真彩色图像的蓝色分量处理。其程序如下：>>RGB=imread('IMG_0379.JPG');subplot(2,2,1);imshow(RGB);title('原始真彩色图像');subplot(2,2,2);imshow(RGB(:,:,1));title('真彩色图像的红色分量');subplot(2,2,3);imshow(RGB(:,:,2));title('真彩色图像的绿色分量');subplot(2,2,4),imshow(RGB(:,:,3));title('真彩色图像的蓝色分量');运行结果如下：3.运用MATLAB工具箱实现实现图像处理的GUI程序设计利用matlab的GUI程序设计一个简单实用的图像处理程序。该程序应具备图像处理的常用功能，以满足用户的使用。现设计程序有以下根本功能：图像的读取和保存、设计图形用户界面，让用户能够对图像进行任意的亮度和比照度变化调整，显示和比照变换前后的图像、设计图形用户界面，让用户能够用鼠标选取图像感兴趣区域，显示和保存该选择区域、编写程序通过最近邻插值和双线性插值等算法将用户所选取的图像区域进行放大和缩小整数倍的操作，并保存，比拟几种插值的效果、图像直方图统计和直方图均衡，要求显示直方图统计，比拟直方图均衡后的效果、能对图像参加各种噪声，并通过几种滤波算法实现去噪并显示结果。3.1菜单栏的设计通过MenuEditor创立如下菜单，通过菜单来控制显示或隐藏功能按键，以“编辑〞菜单中“图像变形〞中的“图像翻转〞为例说明实现用户界面功能键“图像翻转〞的显示与隐藏。程序如下：>>functiontuxiangfanzhuan_Callback(hObject,eventdata,handles)set(handles.uipanel7,'Visible','on');ifstrcmp(get(gcbo,'Checked'),'on')set(handles.uipanel7,'Visible','on');set(gcbo,'Checked','off');set(handles.uipanel7,'Visible','off');elseset(gcbo,'Checked','on');end3.2图像的读取和保存3.2.1图像的读取利用“文件〞菜单中的“翻开〞实现文件读取。程序如下：>>globalI运行后出现以下对话框：[name,path]=uigetfile('1.JPG','');file=[path,name];axes(handles.axes1);x=imread(file);handles.img=x;guidata(hObject,handles);imshow(x);title('翻开'〕3.2.2图像的保存利用“文件〞菜单中的“另存为...〞实现文件保存。程序如下：functionsave_Callback(hObject,eventdata,handles)[sfilename,sfilepath]=uiputfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'保存图像文件','untitled.jpg');if~isequal([sfilename,sfilepath],[0,0])sfilefullname=[sfilepath,sfilename];imwrite(handles.img,sfilefullname);elsemsgbox('你按了取消键','保存失败');end运行结果为：3.2.3程序的退出程序为：clc;closeall;close(gcf);clear;3.3对图像进行任意的亮度和比照度变化调整，显示和比照变换前后的图像。3.3.1亮度和比照度变化调整运行程序后，通过“编辑〞菜单中的“常用处理〞选中“亮度调节〞，在显示出相应的功能键后，通过载入读取图像，比并进行处理。亮度变化程序：运行结果：globalTaxes(handles.axes2);T=getimage;prompt={'调整倍数'};defans={'1'};p=inputdlg(prompt,'input',1,defans);p1=str2num(p{1});y=imadjust(handles.img,[],[],p1);imshow(y);handles.img=y;guidata(hObject,handles);比照度调整程序：比照度增强functionuipanel10_SelectionChangeFcn(hObject,eventdata,handles)globalTstr=get(hObject,'string');axes(handles.axes2);switchstrcase'增强'运行结果如下：T=getimage;prompt={'输入参数:'};defans={'1'};p=inputdlg(prompt,'input',1,defans);p1=str2num(p{1});f=immultiply(handles.img,p1);imshow(f);handles.img=f;guidata(hObject,handles);case'减弱'T=getimage;prompt={'输入参数:'};defans={'1'};p=inputdlg(prompt,'input',1,defans);p1=str2num(p{1});f=imdivide(handles.img,p1);imshow(f);handles.img=f;guidata(hObject,handles);end3.4图像直方图统计和直方图均衡，比拟直方图均衡后的效果3.4.1直方图均衡直方图均衡程序如下：functionpushbutton7_Callback(hObject,eventdata,handles)globalTaxes(handles.axes2);T=getimage;h=histeq(handles.img);直方图均衡运行结果imshow(h);handles.img=h;guidata(hObject,handles);3.4.2直方图统计程序如下：functionpushbutton8_Callback(hObject,eventdata,handles)axes(handles.axes2);x=imhist(handles.img);x1=x(1:10:256);horz=1:10:256;bar(horz,x1);axis([0255015000]);set(handles.axes2,'xtick',0:50:255);set(handles.axes2,'ytick',0:2000:15000);运行结果为：3.5设计滤波算法，实现去噪并显示结果3.5.1参加噪声程序functionuipanel4_SelectionChangeFcn(hObject,eventdata,handles)globalTstr=get(hObject,'string');axes(handles.axes2);switchstrcase'椒盐噪声'T=getimage;prompt={'数日椒盐噪声参数1:'};defans={'0.02'};p=inputdlg(prompt,'input',1,defans);p1=str2num(p{1});f=imnoise(handles.img,'salt&pepper',p1);imshow(f);handles.img=f;guidata(hObject,handles);case'¸高斯噪声'T=getimage;prompt={'输入高斯噪声1:','输入高斯噪声2'};defans={'0','0.02'};p=inputdlg(prompt,'input',1,defans);p1=str2num(p{1});p2=str2num(p{2});f=imnoise(handles.img,'gaussian',p1,p2);imshow(f);handles.img=f;guidata(hObject,handles);case'乘性噪声'T=getimage;prompt={'输入乘性噪声1:'};defans={'0.02'};p=inputdlg(prompt,'input',1,defans);p1=str2num(p{1});f=imnoise(handles.img,'speckle',p1);imshow(f);handles.img=f;guidata(hObject,handles);