2012图象处理综合训练设计书

PAGEPAGE19*******************实践教学*******************兰州理工大学计算机与通信学院2012年秋季学期图象处理综合训练题目：图像锐化程序设计专业班级：信息与计算科学二班姓名：杨海春学号：10500201指导教师：徐志刚成绩：目录TOC\o"1-2"\u摘要 1一、前言 2二、算法分析与描述 3三、详细设计过程 6四、调试过程中出现的问题及相应解决办法 9五、程序运行截图 10六、操作说明方法 15设计总结 16参考资料 18致谢 20附录 19摘要这次综合训练要实现图象的锐化处理，图像锐化的目的是突出图象中的细节或者增强被模糊了的细节。其主要被用于景物边界的检测与提取。本次训练中用数字微分锐化的方法通过实现微分算子来将图象锐化。用到的一阶微分算子有：Robirts微分算子、Sobel微分算子、Priwitt微分算子等。二阶微分算子用到了Laplacian微分算子。通过实现不同的微分算子，得到对图象轮廓在不同程度上的提取。关键字malab;数字图象处理；图像锐化；微分算子 一、前言数字图像处理的应用前景广阔，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。数字图像处理（DigitalImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理主要研究以下内容：图像几何变换；如傅立叶变换、沃尔什变换、离散余弦变换等；图象锐化处理；图像编码压缩；图像增强和复原；图像分割；图像描述；图像分类（识别）。其中图象锐化处理的目的是使模糊的图像变得更加清晰起来。图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。微分运算是通过实现微分算子来对图像进行锐化。微分算子有一阶微分算子和二阶微分算子。二、算法分析与描述由于我们常常无法事先确定轮廓的取向，因而挑选用于轮廓增强的微分算子时，必须选择那些不具备空间方向性的和具有旋转不变的线性微分算子。最基本的一类边缘检测算子是微分类算子。包括：梯度算子、Robel梯度算子、Sobel算子、Prewitt边缘检测算子、Kridch边缘检测算子、Laplacian算子等。2.1Sobel微分算子函数Sobel算子具有一定的噪声抑制能力，在检测阶跃边缘时得到的边缘宽度至少为二像素，它不依赖于边缘方向的二阶微分算子，是一个标准量而不是向量，具有旋转不变即各向同性的性质。在图像处理中常被用于提取图像的边缘。Sobel微分算子定义如下：（式1）（式2）如果用图像处理的模板来表示，则有：（式3）下面以一个简单的例子来体会该算法。设原图像为对中模板罩不住的地方其处理结果令为0，其它的像素一次按照式（式1）进行计算。例如，对的模板下的图像子块为：计算结果为最终处理结果为2.2Roberts交叉微分算子函数Roberts算子模板是一个2×2的模板，左上角的是当前待处理像素f(x.y)，则交叉微分算子定义如下：其模板可以表示为：2.3Priwitt微分算子函数Priwitt微分算子的思路与Sobel微分算子的思路类似，是在一个奇数大小的模板中定义其微分运算。Priwitt微分算子定义如下：2.4拉普拉斯微分算子函数最简单的二阶各向同性微分算子是拉普拉斯微分算子，二维图像f（x,y）的拉普拉斯微分算子定义为：写成模板系数形式形式即为Laplacian算子：二阶微分算子所提取出的细节较一阶微分算子提出的细节多，表明了二阶微分算子在对图像细节更加敏感。三、详细设计过程3.1MATLAB软件对图象的处理软件对图象的处理理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。二维图像均匀采样，可得到一幅离散化成M×N样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的。而MATLAB的长处就是处理矩阵运算，因此用MATLAB处理数字图像非常的方便。MATLAB支持五种图像类型，即索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP，GIF，HDF，JPEG，PCX，PNG，XWD，CUR，ICO等图像文件格式的读、写和显示。MATLAB对图像的处理功能主要集中在它的图像处理工具箱(ImageProcessingToolbox)中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作口.3.2图像的锐化 图象锐化概述图象锐化概述图象锐化概述图象锐化概述数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像。图象锐化的原理图象锐化的原理图象锐化的原理图象锐化的原理数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则称为线性滤波，否则称为非线性滤波。一、线性锐化滤波器线性高通滤波器是最常用的线性锐化滤波器。这种滤波器必须满足滤波器的中心系数为正数，其他系数为负数。线性高通滤波器3×3模板的典型系数二、非线性锐化滤波器非线性锐化滤波就是使用微分对图像进行处理，以此来锐化由于邻域平均导致的模糊图像。图像处理中最常用的微分是利用图y像沿某个方向上的灰度变化率，即原图像函数的梯度。梯度定义如下：△xf=f(x,y)-f(x+1,y)△xf=f(x,y)-f(x,y+1)梯度模的表达式如下：∣▽f∣=∣▽xf∣+∣▽yf∣在数字图像处理中，数据是离散的，幅值是有限的，其发生的最短距离是在两相邻像素之间。因此在数字图像处理中通常采用一阶差分来定义微分算子。其差分形式为：△xf=f(x+1,y)-f(x,y)△yf=f(x,y+1)-f(x,y)比较有名的微分滤波器算子包括Sobel梯度算子、Prewitt梯度算子和log算子，等等3.3设计过程图像锐化图像锐化Roberts算子Sobel算子Prewitt算子Kirsch算子Laplacian算子四、调试过程中出现的问题及相应解决办法1．第一次运行，图片没有出来。后经过检查发现，是没有把图片和程序放在一起。最后将图片和程序放在一起后，出现了正确的结果。五、程序运行截图1.Laplacian算子运行截图：2.prewitt算子运行截图：3.Roberts算子运行截图：4.sobel算子运行截图：5.tidu算子：六、操作说明方法1.将需要处理的图片与处理程序放在一起，用matlab打开相应的程序。2.点击运行，则程序会自动处理所需处理的一片。3.注：需要什么程序处理图片，就打开什么程序。4.相应的算子，会出现在左边的小程序框中，点击运行即可。设计总结课程综合训练的时间已接近尾声，在这次的综合训练中，我才正真体会到了知识用时方恨少的滋味。不过这次的综合训练让我受益匪浅，正真的锻炼了我的动手能力。并且使我对书本上的知识有了更深入的了解。以前在上图像处理课时，只知道图像锐化就是用数学公式来计算的。通过这次的训练才明白那些微分算子后面原来隐藏着好多知识，运用它们锐化后的图像发生了很大的变化。在作业过程中，也遇到了很多问题，体会最深的是，由于学校机房的环境有限，更多时候要用到个人的资源。在这种情况下同学们对我的帮忙很大，我非常感激！还感受到同学们坐在一起讨论问题时的快乐。这次的综合训练也使我对数字图像产生了浓厚的兴趣。终于对我们在日常生活中用的一些拍照设备的原理有了一点了解。总之，这次的训练很有意义。参考资料[1]朱虹.数字图像处理基础[M].科学出版社,2005[2]RC.Gonzalez,RE.Woods著,阮秋琦,阮宇智等译.数字图像处理(第2版).北京:电子工业出版社,2003[3]K.R.Castleman.数字图像处理.北京:电子工业出版社,2002[4]章毓晋.图像处理与分析-图像工程（上册）,清华大学,2001[5]何斌等编著.VisualC++数字图像处理.人民邮电出版社,2002[6]张宏林编著.VisualC++数字图像模式识别技术及工程实践.人民邮电出版社,2003.[7]黄维通.VisualC++面向对象与可视化程序设计.清华大学出版社,2003[8]RC.Gonzalez,RE.Woods,SL.Eddins著,阮秋琦,阮宇智等译.数字图像处理(MATLAB版).北京:电子工业出版社,2005致谢这次课程综合训练做完后要感谢的人太多了。首先感谢我的指导老师，他在我的课程设计过程中提出了指导性的方案和架构，并指引我阅读相关的资料和书籍，使我在不熟悉的领域中仍能迅速掌握新的技术。感谢我的计算机图象处理老师在以往的基础课学习中为我打下良好的基础，这是我这次课程设计能够顺利完成的前提。感谢我的同学们，他们与我一起探讨问题，帮助我完成了课程设计。附录梯度法锐化clcclearcloseallima=imread('123.bmp');%读入图像ifisrgb(ima)ima=rgb2gray(ima);%如果是彩色图像，则转为灰度图像endima=double(ima);bw1=edge(ima,'sobel');%sobel算子锐化figure;subplot(121);imshow(uint8(ima));title('原始图像');%图像显示subplot(122);imshow(bw1);title('sobel算子锐化');bw2=edge(ima,'prewitt');%prewitt算子锐化figure;subplot(121);imshow(uint8(ima));title('原始图像');subplot(122);imshow(bw2);title('prewitt算子锐化');bw3=edge(ima,'roberts');%roberts算子锐化figure;subplot(121);imshow(uint8(ima));title('原始图像');subplot(122);imshow(bw3);title('roberts算子锐化');bw5=edge(ima,'canny');figure;subplot(121);imshow(uint8(ima));title('原始图像');subplot(1