二维灰度图象的统计分析及FFT变换处理.docx
《二维灰度图象的统计分析及FFT变换处理.docx》由会员分享,可在线阅读,更多相关《二维灰度图象的统计分析及FFT变换处理.docx(14页珍藏版)》请在冰豆网上搜索。
二维灰度图象的统计分析及FFT变换处理
学号
《基础强化训练》设计报告
题 目:
二维灰度图象的统计分析及FFT变换处理
专业班级:
学生姓名:
指导教师:
武汉理工大学信息工程学院
2010年7月17日
《基础强化训练》设计任务书
学生姓名:
专业班级:
指导教师:
工作单位:
信息工程学院
题 目:
二维灰度图象的统计分析及FFT变换处理
课程设计目的:
1较全面了解常用的数据分析与处理原理及方法;
2能够运用相关软件进行模拟分析;
3掌握基本的文献检索和文献阅读的方法;
4提高正确地撰写论文的基本能力。
课程设计内容和要求
1采集一幅像素大于64*64黑白图像;
2常规的数学统计数据处理:
计算图象各象素点灰度值得均值、标准差、方差,并绘出灰度直方图;
3采用[FFT(傅立叶变换)]对图像进行分析
初始条件:
1MATLAB软件。
2数字信号处理与图像处理基础知识。
时间安排:
第18周周一:
安排任务
19~20周:
仿真设计(鉴主13楼计算机实验室)
第20周周六:
完成(答辩,提交报告,演示)
指导教师签名:
年 月日
系主任(或责任教师)签名:
年 月 日
摘要ﻩ1
Abstractﻩ2
1数据采集3
1。
1 图像的选取3
1.2MATLAB读取方法ﻩ4
1.2。
1编辑M文件4
1。
2。
2图像的读取ﻩ4
1.2。
4灰度值的获取ﻩ6
2 数据统计处理7
2。
1均值计算ﻩ7
2.1.1原理介绍ﻩ7
2.1.2仿真结果ﻩ7
2。
2标准差计算ﻩ8
2.2.1原理介绍8
2.2.2 仿真结果8
2。
3方差计算9
2。
3。
1原理介绍9
2.3。
2 仿真结果9
2.4绘制灰度直方图9
2。
4.1直方图定义9
2.4。
1直方图的绘制10
3.1原理介绍ﻩ11
3.2 仿真结果ﻩ12
4 总结和心得ﻩ13
参考文献ﻩ14
摘要
数字图像处理是一门新兴的综合性学科,它在交通、通信、工业、军事、医学、遥感等多领域被广泛应用。
伴随着计算机技术的发展,图像处理的应用领域还在不断扩大。
图像处理工程可分为图像处理、图像分析和图像理解三个层次,图像处理是比较低层的操作,它主要在图像的像素级上进行处理,而且处理的数据非常庞大,需要用到大量的工程数学知识。
Matlab集数值计算、符号运算及图形处理等强大功能于一体,是当今国际上公认的最优秀的科技应用软件之一。
它编写简单,具有强大的科学计算能力、可视化功能和开放式可扩展环境,因此在图像处理领域得到了广泛的应用。
本次练习就是Matlab环境下的一些最基本的图像处理操作,如图像的读取、显示、直方图统计、图像增强、傅里叶变换等处理,为将来迅速进入图像处理应用领域打下基础。
Abstract
Digitalimageprocessingisanewcomprehensivesubjectwhichhasbeenwidelyused in manyfieldsliketransportation,communications,industrial,military,medical,remotesensing.With thedevelopmentofcomputertechnology,imageprocessingapplicationsisstillexpanding。
Image processingprojectscanbedividedintothree levels,imageprocessing, imageanalysis andimageunderstanding.Image processingoperations areconsideredrelativelylow-level.Itis mainlyused onthe pixellevelandithandlesvery largedata。
Soit needstouse alot ofengineeringmathematics。
Matlab is goodat numericalcalculations,symbolicmanipulation andgraphicsprocessing. Itisinternationallyrecognized asthebestapplicationof technology today.It canbeusedforprogrammingwithitspowerfulscientific computing, visualizationandopen extensibleenvironment.Thereforeithasbeenwidelyusedinimageprocessing.
Wewilldothemostbasicimage processing operations underthe Matlabenvironment,suchasimagereading,displaying,histogramstatistics,imageenhancementandFouriertransformprocessing.Thispractice can helpuspreparefor do imageprocessing quicklyin thefuture.
ﻬ1数据采集
Matlab软件的图像采集工具箱提供了大量的函数用于采集图像和视频信号,该工具箱支持的硬件设备包括工业标准的PC图像采集卡和相应的设备.所支持的硬件包括:
Matrox和DataTranslation公司提供的视频采集设备,同时还支持Windows平台下支持USB视频摄像头等设备。
Matlab可以支持很多很多图片的文件格式,例如﹡cur、﹡bmp、﹡hdf、﹡ico、﹡jpg、﹡tif、﹡gif、﹡pcx等。
用于读写图像数据的函数有imread(从图像格式的文件中读取数据)和imwrite(将数据写入图像格式的文件).这里我们主要是用到图像的读取。
1.1 图像的选取
目前我们刚接触图像的处理,为了便于学习和降低难度,根据训练要求,我们采集一幅像素略大于64*64黑白图像如下:
图1.1选取的图片
1.2MATLAB读取方法
1.2.1 编辑M文件
打开Matlab软件,在File下选择New\M-File便可以编辑M文件.M文件分为脚本式和函数式,我们可以利用M文件实现自己的算法即可以建立自己的函数工具箱。
例如读取图像我们可以编辑一个read。
m的文件来实现读取图像的功能。
在以后的处理过程中我们几乎每部分都要建立M文件,到时将具体列出其内容。
1.2.2 图像的读取
imread函数用于读入各种图象文件,其一般的用法为:
利用函数imread()可完成图形图像文件的读取,语法:
A=imread()
fmt为图象的格式,为读取的图象文件(可以加上文件的路径)。
通常,读取的大多数图像均为8bit,当这些图像加载到内存中时,Matlab就将其存放在类uint8中.
例如本次练习中:
I=imread(‘tree.jpg’);利用函数imread函数实现图像文件的读取,然后运用imshow函数显示图像。
具体操作如下:
将所要处理的图片存在D:
\matlab\work里,若要将图片“tree。
jpg”写入Matlab中。
需要先打开运行Matlab,然后在File里面新建M-File文件,再将读取图片
M文件read。
m的程序如下:
I=imread (’tree.jpg');
figure
imshow(I);
title('西院的老树');
在Matlab的command windows栏里运行read
图1.2读取后显示图片
1.2.3查看图像的格式
图形图像文件信息的查询 imfinfo()函数
imfinfo( ’tree.jpg')
在Matlab的command windows栏里运行该函数,可查看该图像的格式
>>imfinfo('tree.jpg')
ans =
:
’tree.jpg’
:
'25-May-201022:
17:
58’
:
58954
Format:
'jpg’
FormatVersion:
'’
Width:
353
Height:
250
BitDepth:
8
ColorType:
'grayscale’
FormatSignature:
''
NumberOfSamples:
1
CodingMethod:
'Huffman'
CodingProcess:
'Sequential’
Comment:
{'ACDSystemsDigitalImaging'}
1。
2。
4 灰度值的获取
从上述文件的信息可以看到该文件的颜色类型ColorType:
'grayscale’,所以我们不需转换格式便可以查看该图片的灰度值.
灰度图像的数据通常是保存在一个二维矩阵中,本图像的像素为250X353即有一个250X353的矩阵。
只要在commandwindows输入I=imread('tree.jpg')运行便可得该图像的矩阵(部分):
图1.3图像的灰度值矩阵
2数据统计处理
2.1均值计算
2.1。
1原理介绍
均值计算的原理较简单,在MATLAB的函数库中表示均值的函数是mean2,其格式是mean2(),括号里面就是待处理分析的信号。
均值计算主要是获得图像矩阵每列灰度值的平均值(函数mean)或者是总的平均值(函数mean2)。
1、新建M文件average1.m编辑如下:
I=imread(’tree.jpg’);
mean(I)
2、M文件average2。
m编辑如下:
I=imread(’tree.jpg');
mean2(I)
2。
1.2 仿真结果
1、每列的平均值仿真结果(部分)如下:
〉>average1
ans=
Columns 1through11
93。
5800 98。
0280 99.6160 105。
2520108。
9000108.8640 109.0560106。
9680 105。
8760 103。
8640103.5200
Columns 12 through22
104.6520 104。
3400103.3840102.096099.7320 98。
0240101.3360104.5320103.0720102.3080 101.8880
Columns 23through 33
103。
0040 101.4360 98。
6360 99。
8600 99.180095.052093.816092.976091.428091。
988094.2520
Columns34th