数字图像处理结课论文Word文档下载推荐.docx
《数字图像处理结课论文Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《数字图像处理结课论文Word文档下载推荐.docx（18页珍藏版）》请在冰豆网上搜索。
R（x，y）=
G（x，y）=
B（x，y）=
其中R（x，y），G（x，y），B（x，y）分别表示伪彩色中三基色分量的数值；
f（x，y）为处理前图像的灰度值；
，
表示三基色与原灰度值f（x，y）的变换关系。
图c：
伪彩色图像处理的能力框图
程序如下：
a=imread（'
i_horse.bmp'
）;
%灰度到彩色的转换
a=rgb2gray（a）;
c=zeros（size（a））;
pos=find（（a>
=60）&
（a<
105））;
c（pos）=a（pos）;
b（:
:
1）=c;
=105）&
150））;
2）=c;
pos=find（a>
=150）;
pos=find（a>
3）=c;
b=uint8（b）;
subplot（1,2,1）,imshow（a,[]）,title（'
原始图像'
subplot（1,2,2）,imshow（b,[]）,title（'
灰度彩色变换后图像'
实验结果：
实验分析：
灰度图像变换成伪彩色图像，图像内容的层次变得较清晰，改善了图像的视觉效果。
2.彩色图像的两种平滑滤波
彩色图像实现平滑滤波共两种方法：
（1）彩色图像用传统的邻域单独平滑R、G、B三个分量图像，再对平滑后的分量图像合成。
（2）将RGB图像转换到HSI模型，仅对强度分量I进行平滑处理，而保持色度和饱和度分量不变，再将其转换到RGB空间进行显示。
最后可计算两种平滑滤波的差。
式中，
可以看出，如标量图像那样，该向量分量可以用传统的灰度邻域处理单独的平滑RGB图像的每一平面得到。
rgb1=imread（'
006.jpg'
rgb=im2double（rgb1）;
fR=rgb（:
1）;
fG=rgb（:
2）;
fB=rgb（:
3）;
figure（）;
imshow（fR）;
imshow（fG）;
imshow（fB）;
imshow（rgb）;
w=fspecial（'
average'
fR_filtered=imfilter（fR,w）;
fG_filtered=imfilter（fG,w）;
fB_filtered=imfilter（fB,w）;
imshow（fR_filtered）;
imshow（fG_filtered）;
imshow（fB_filtered）;
rgb_filtered=cat（3,fR_filtered,fG_filtered,fB_filtered）;
imshow（rgb_filtered）;
I1=（fR+fG+fB）/3;
tmp1=min（min（fR,fG）,fB）;
tmp2=fR+fG+fB;
tmp2（tmp2==0）=eps;
S=1-3.*tmp1./tmp2;
tmp1=0.5*（（fR-fG）+（fR-fB））;
tmp2=sqrt（（fR-fG）.^2+（fR-fB）.*（fG-fB））;
theta=acos（tmp1./（tmp2+eps））;
H1=theta;
H1（fB>
fG）=2*pi-H1（fB>
fG）;
H1=H1/（2*pi）;
H1（S==0）=0;
imshow（H1）;
imshow（S）;
imshow（I1）;
I=imfilter（I1,w）;
imshow（I）;
H=H1*2*pi;
R=zeros（size（rgb1,1）,size（rgb1,2））;
G=zeros（size（rgb1,1）,size（rgb1,2））;
B=zeros（size（rgb1,1）,size（rgb1,2））;
ind=find（（H>
=0）&
（H<
2*pi/3））;
B（ind）=I（ind）.*（1.0-S（ind））;
R（ind）=I（ind）.*（1.0+S（ind）.*cos（H（ind））./cos（pi/3.0-H（ind）））;
G（ind）=1.0-（R（ind）+B（ind））;
2*pi/3）&
4*pi/3））;
H（ind）=H（ind）-pi*2/3;
R（ind）=I（ind）.*（1.0-S（ind））;
G（ind）=I（ind）.*（1.0+S（ind）.*cos（H（ind））./cos（pi/3.0-H（ind）））;
B（ind）=1.0-（R（ind）+G（ind））;
=4*pi/3）&
2*pi））;
H（ind）=H（ind）-pi*4/3;
G（ind）=I（ind）.*（1.0-S（ind））;
B（ind）=I（ind）.*（1.0+S（ind）.*cos（H（ind））./cos（pi/3.0-H（ind）））;
R（ind）=1.0-（G（ind）+B（ind））;
hsi_rgb=cat（3,R,G,B）;
imshow（hsi_rgb）;
diff=（abs（hsi_rgb-rgb_filtered））;
imshow（diff）;
实验结果如下：
R分量G分量
B分量原始彩色图像
R分量平滑G分量平滑
B分量平滑三分量平滑合成
H分量S分量
I分量I分量平滑
仅I分量平滑RGB两种结果之差
实验结果分析：
从实验结果可以看出：
用两种方法对图像进行平滑所得结果不完全相同。
3.彩色图像的两种锐化滤波
对图像实行锐化滤波的方法有两种
（1）彩色图像用传统的Laplacian分别锐化R、G、B3个分量图像，再对锐化后的分量图像合成。
（2）将RGB图像转换到HSI模型，仅对强度分量I进行锐化处理，而保持色度和饱和度分量不变，再将其转换到RGB空间进行显示。
最后可计算两种锐化滤波的差。
在RGB彩色系统中，向量c的Laplacian变换为
可以通过分别计算每一分量图像的Laplacian去计算全彩色图像的Laplacian。
%彩色图像的锐化
lapMatrix=[111;
1-81;
111];
fR_filtered=imfilter（fR,lapMatrix,'
replicate'
fG_filtered=imfilter（fG,lapMatrix,'
fB_filtered=imfilter（fB,lapMatrix,'
rgb_tmp=cat（3,fR_filtered,fG_filtered,fB_filtered）;
rgb_filtered=imsubtract（rgb,rgb_tmp）;
tmp1=0.5*（（fB-fG）+（fR-fB））;
I=imfilter（I1,lapMatrix,'
%I分量锐化
R分量G分量
R分量锐化G分量锐化
B分量锐化三分量锐化合成
I分量I分量锐化
两种方法对图像进行锐化所得结果不完全相同。
4.彩色图像的边缘检测
原理：
令r，g，b是RGB彩色空间沿R，G，B轴的单位向量，可定义向量为
数量
定义为这些向量的点乘，如下所示：
利用该表示法，c（x,y）的最大变化率方向可以由角度给出：
（x,y）点在θ方向上变化率的幅值由下式给出：
rgb=imread（'
chaopao.jpg'
%边缘检测
sob=fspecial（'
sobel'
%输出彩色原图
Rx=imfilter（double（rgb（:
1））,sob,'
Ry=imfilter（double（rgb（:
Gx=imfilter（double（rgb（:
2））,sob,'
Gy=imfilter（double（rgb（:
Bx=imfilter（double（rgb（:
3））,sob,'
By=imfilter（double（rgb（:
gxx=Rx.^2+Gx.^2+Bx.^2;
gyy=Ry.^2+Gy.^2+By.^2;
gxy=Rx.*Ry+Gx.*Gy+Bx.*By;
theta=0.5*（atan（2*gxy./（gxx-gyy+eps）））;
G1=0.5*（（gxx+gyy）+（gxx-gyy）.*cos（2*theta）+2*gxy.*sin（2*theta））;
theta=theta+pi/2;
G2=0.5*（（gxx+gyy）+（gxx-gyy）.*cos（2*theta）+2*gxy.*sin（2*theta））;
G1=G1.^0.5;
G2=G2.^0.5;
rgb_gradiant=mat2gray（max（G1,G2））;
imshow（rgb_gradiant）;
%向量梯度边缘
通过对彩色图像向量梯度计算，根据向量梯度的幅值检测边缘，能够很好的提取出汽车的边缘。
5.彩色图像直方图处理：
在灰度图像处理中，直方图均衡自动的确定一种变换，该变换试图产生具有均匀的灰度值的直方图。
由于彩色图像是由多个分量组成的，所以，必须考虑适应多于一个分量的直方图的灰度级技术。
而独立地进行彩色图像分量的直方图均衡通常是不可取得，这将产生不正确的色彩，一个更符合逻辑的方法是均匀的扩展彩色强度，而保留彩色本身（即色调饱和度）不变。
下面程序将会呈现这两种方法的对比：
rgb1=im2double（rgb）;
r=rgb1（:
g=rgb1（:
b=rgb1（:
I1=（r+g+b）/3;
tmp1=min（min（r,g）,b）;
tmp2=r+g+b;
tmp1=0.5*（（r-g）+（r-b））;
tmp2=sqrt（（（r-g）.^2+（r-b）.*（g-b）））;
H1（b>
g）=2*pi-H1（b>
g）;
I=histeq（I1）;
%对图像I1进行均衡化
%均衡化结果
hsi=cat（3,H1,S,I）;
H=hsi（:
1）*2*pi;
S=hsi（:
I=hsi（:
imhist（I1）;
%I分量直方图
imhist（I）;
%I分量直方图均衡化后直方图
R=zeros（size（hsi,1）,size（hsi,2））;
G=zeros（size（hsi,1）,size（hsi,2））;
B=zeros（size（hsi,1）,size（hsi,2））;
RGB=cat（3,R,G,B）;
imshow（rgb1）;
%RGB原图像
imshow（RGB）;
%对I分量均衡化后的彩色图像转换成拥有显示的RGB图像
H分量I分量
I分量直方图均衡化后结果I分量直方图
S分量I分量直方图均衡化后直方图
RGB原图对I分量均衡化后的色彩图像转化成拥有显示的RGB图像
其强度分量I的范围值归一化后为[0,1]。
正如在处理前强度分量I直方图中看到的，强度分布还是比较宽的。
只对强度I均衡化处理而不改变图像的色调H和饱和度值S，将其结果转换到RGB空间，从显示的图像上可以看出，它的确影响啦整体图像的彩色感官。
6.RGB彩色空间分割：
imshow（r）;
imshow（g）;
imshow（b）;
r1=r（129:
256,86:
170）;
r1_u=mean（mean（r1（:
）））;
[m,n]=size（r1）;
sd1=0.0;
fori=1:
m
forj=1:
n
sd1=sd1+（r1（i,j）-r1_u）*（r1（i,j）-r1_u）;
end
end
r1_d=sqrt（sd1/（m*n））;
r2=zeros（size（rgb1,1）,size（rgb1,2））;
ind=find（（r>
r1_u-1.25*r1_d）&
（r<
r1_u）+1.25*r1_d）;
r2（ind）=1;
imshow（r2）;
参考文献：
（1）数字图像处理及MATLAB实现，电子工业出版社，杨杰。
（2）数字图像处理及MATLAB实现—学习与实验指导，电子工业出版社，杨杰。
（3）刘维一，于德月，王肇圻等.用迭代法消除数字图像放大后
的模糊[J].光电子激光，2002，13（4）：
398~400.
（4）陶洪.数字共焦显微技术及其图像复原算法研究四川大学
硕士学位论文[D].CNKI:
:
CDMD:
10610.2.2003.6632.
（5）罗军辉，冯平等.MATLAB7.0在图像处理中的应用[M].北
京：
机械工业出版社，2006：
202~204，257~278.
升级会员 