基于 MATLAB 的数字图像处理方法研究.docx

基于 MATLAB 的数字图像处理方法研究.docx

《基于 MATLAB 的数字图像处理方法研究.docx》由会员分享，可在线阅读，更多相关《基于 MATLAB 的数字图像处理方法研究.docx（11页珍藏版）》请在冰豆网上搜索。

基于MATLAB的数字图像处理方法研究

基于MATLAB的数字图像处理方法研究

1、研究的目的与意义

视觉是人类感知外部世界最主要、最直接的途径，而图像是最直观的视觉信息。

图像技术就是在研究人类视觉信息的基础上发展起来的。

图像处理技术主要集中在图像的获取、变换、增强、恢复（还原）、压缩编码、分割与边缘提取等方面。

随着信息技术的发展，图像特征分析、图像配准、图像融合、图像分类、图像识别、基于内容的图像检索与图像数字水印等技术都取得了长足的进展。

随着计算机技术的迅猛发展，图像和图形技术不断融合，产生了各种图像处理软件。

这些软件被广泛应用于众多领域，并取得了令人瞩目的成就。

MATLAB是适合多学科、多种工作平台的功能强大、界面友好、开放性很强、且具有出色的图像处理功能的大型优秀应用软件，用MATLAB解决图像处理中的问题、难题，节省了图像处理工作者地时间和精力，大大提高图像处理的效率。

2、数字图像处理概述

2.1图像与图像处理的概念

图像（Image）就是采用各种观测系统获得的，能够为人类视觉系统所感觉的实体。

图像的范围非常广泛，包括：

各类图片（Picture），如普通照片、X光片、遥感图片；各类光学图像，如电影、电视画面；客观世界在人们心目中的有形想象以及外部描述，如绘画、绘图等等。

数字图像处理是指，使用数字计算机对图像进行加工与处理。

2.2数字图像处理研究的内容

数字图像处理学科所涉及的知识非常广泛，具体的方法种类繁多。

传统的图像处理技术主要集中在图像的获取、变换、增强、恢复（还原）、压缩编码、分割与边缘提取等方面。

近十多年来，图像特征分析、图像配准、图像融合、图像分类、图像识别、基于内容的图像检索与图像数字水印等领域迅速崛起。

而这些图像处理技术在计算机上模仿、扩展了人的智能，具有智能化处理功能。

2.3数字图像处理系统

数字图像处理系统是执行图像处理、分析理解图像信息任务的计算机系统。

该系统通常包括：

计算机、图像显示器、大规模存储、硬拷贝输出装置、特殊的图像处理硬件、图像处理软件和图像传感器，如图2-1所示。

图2-1通用的数字图像处理系统框图

2.4数字图像处理的应用

目前，数字图像处理的应用越来越广泛，它渗透到许多领域，如遥感、生物医学、通信、工业、航空航天、军事、安全保卫等。

在遥感应用方面，人们采用数字图像处理技术和分析卫星或飞机拍摄的遥感图像，并成功地将它应用于土地测绘、国土规划、资源和矿藏的勘探、气象监测、环境监测、农作物估产与军事侦察等。

20世纪70年代以来，图像通信已逐渐成为人们生活中常用的通信方式。

图像通信包括：

电视广播、传真、可视电话、会议电视、图文电视与电缆电视等。

在工业上，应用图像处理技术可对加工、装配与拆卸、质量检验等方面的过程进行控制。

在航空航天方面，图像处理技术已经成功地应用在飞行器的导航方面。

在军事应用方面，很多武器系统可应用图像处理技术进行制导以提高命中

率。

在安全保卫方面，应用图像处理技术可进行人像、指纹以及其他痕迹的处理

与识别，以帮助实现监控、指纹档案与案件侦破等。

2.5人的视觉系统与色度学基础

在实际应用中，许多图像处理结果是由人的视觉来解释的，因此，需要了解人的视觉特性与色度学的一些知识，它有助于图像处理算法的研究与系统设计。

这里简单介绍人的视觉系统与色度学基础知识。

2.5.1人的视觉系统

人的视觉系统具有三个主要的功能：

成像、图像传输与图像理解。

人的视觉系统主要由眼睛、视神经传导途径、侧外膝状体与视觉皮层等四个部分组成。

图像的形成与传输过程可简要叙述为：

眼睛的视网膜接收器受到光的刺激而产生图像，并把光能转换成电脉冲；这些电脉冲经过视神经传输到神经交叉，再传输到侧外膝状体，最后到达大脑的视觉皮层。

2.5.2色度学基础

图像中的色彩是光刺激人的视觉系统而形成的，能够产生视觉的光的波长为

0.4um-0.7um，这个波段为可见光波段。

（1）彩色三要素

亮度与颜色是进入眼睛的可见光的强弱及波长成分的一种感觉属性。

彩色可用色调（H）、饱和度（S）和亮度（I）三个要素来描述，它们是根据视觉原理定义的三个互补相关的颜色属性。

（2）三基色表示原理

自然界中几乎所有的彩色都能由三种基本的彩色按一定的比例混合而成，这三种彩色称为三基色。

国际照明委员会（CIE）选择红色、绿色和蓝色三种颜色作为三基色，即RGB表色系统。

红色、绿色和蓝色的波长分别为0.7um、0.5461um、

0.4258um。

3、MATLAB简介

美国Mathwork公司于1967年推出了“MatrixLaboratory”（缩写为MATLAB）软件包，并不断更新和扩充。

目前最新的7.x版本（windows环境）是一种功能强、效率高便于进行科学和工程计算的交互式软件包。

其中包括：

一般数值分析、矩阵运算、数字信号处理、建模和系统控制和优化等应用程序，并集应用程序和

图形于一便于使用的集成环境中。

在此环境下所解决问题的Matlab语言表述形式和其数学表达形式相同，不需要按传统的方法编程。

不过，Matlab作为一种新的计算机语言，要想运用自如，充分发挥它的威力，也需先系统地学习它。

但由于使用Matlab编程运算与人进行科学计算的思路和表达方式完全一致，所以不象学习其它高级语言--如Basic、Fortran和C等那样难于掌握。

4、MATLAB应用于数字图像处理

4.1设计概括

本系统实现了对图像（bmp、jpg、tif、gif等）进行打开、保存、另存、打印、退出等功能操作，图像增强、图像分割处理，图像的几何变换等操作，整个界面设计如下图所示：

4.2图像处理基本操作

本系统能对图像（bmp、jpg、tif、gif等）进行打开、保存、打印、退出等功能操作。

这几个基本功能都可以由MATLAB本身带有的函数完成。

（1）打开

为了让使用者更方便的使用，所以在设计的时候，通过对话框的形式来选择文件，选择uigetfile函数来实现，uigetfile函数显示一个打开文件对话框，该对话框自动列出当前路径下的目录和文件，由于这个GUI程序的操作对象是图像文件，所以这里设置的后缀名为（.jpg）。

（2）保存

同样也通过对话框的形式来保存图像数据，通过uigetfile函数选择文件名和路径。

（3）打印

用print函数打印图像，程序如下所示：

print-dsetup;

（4）退出

退出比较简单，程序如下所示：

close（gcf）;

（5）相关信息

显示制作者的名字，程序如下：

helpdlg（‘作者：

赵小娜’，‘相关说明’）

4.3图像增强

影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由CCD（摄像头）获得的图像经过A/D（数/模）转换、线路传送都会产生噪声污染等等。

这些因素不可避免的使图像质量降低了，轻者表现为图像不干净，重者则图像模糊不清。

因此，在对图像进行分析之前，必须要对图像质量进行改善，一般改善的方法有两类：

图像增强和图像复原。

其中图像增强是用户感兴趣的信息，其目的主要有两个：

一是改善图像的视觉效果，提高图像成分的清晰度；二是使图像变得更有利于计算机处理。

本文主要介绍常用的图像增强方法，包括：

空间域单点增强、图像平滑、图像锐化、图像滤波等。

本系统完成了图像灰度化、直方图均值化、中值滤波、自适应滤波、加入三种噪声、图像锐化等图像处理的功能。

4.3.1空间域单点增强

数字图像是一个二维的空间像素阵列，阵列中的数值就是该位置像素的颜色灰度值。

空间域单点增强，就是将这个二维的像素阵列置于笛卡尔坐标系中，以单个像素为对象进行的增强处理，这是一种简单、实用的图像增强技术。

（1）灰度

灰度是一种最简单、有效的对比度增强方法，它是将原图像的灰度f（x,y）经过一个变换函数g=T（f）转换成一个新的灰度g（x,y）。

即

g（x,y）=T[f（x,y）]（4-1）

灰度变换可使图像灰度动态范围加大，图像对比度得到扩展，图像清晰，特征更加明显，是图像增强的重要手段。

本系统应用的程序如下：

globalim%定义im为全局变量，以便控件之间信息的获取和传递axes（handles.axes2）;%表示的是将该坐标轴做为当前坐标轴,在其上做图gray=rgb2gray（im）;%灰度化

imshow（gray）;%显示

点击“图像灰度化”按钮，得转换结果如下：

图4-1原图1.jpg与转换的灰度图

（2）直方图的修正

图像直方图是图像处理中一种十分重要的图像分析工具，它描述了一幅图像的灰度级内容，任何一幅图像的直方图都包含了丰富的信息，它主要用在图象分割，图像灰度变换等处理过程中。

在本系统中，先用rgb2gray这个函数实现把真彩图转换为灰度图，再用imhist函数用于显示灰度图像的N级直方图，最后对直方图上的灰度级进行统计。

打开名为1.jpg的图像，按“绘制直方图”效果如图4-2，按“统计直方图”效果如图4-3所示

图4-2直方图图4-3统计直方图

图4-2为1.jpg的原始图像对应的直方图，可以看出图像的灰度主要分布在中高灰度级上，在低灰度级上图像的像素数几乎为零。

图4-3是统计直方图。

直方图均衡化是灰度变换的一个重要应用，广泛应用在图像增强处理中，它

是以累计分布函数变换为基础的直方图修正法，可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素的取值动态范围。

以下是功能实现的效果图：

图4-4原始灰度图图4-5经过直方图均衡化处理的图像

从上述效果图可以看出，经过直方图均衡化处理后，灰度图像变的清晰。

4.3.2图像平滑

实际获得的图像一般都因受到某种干扰而含有噪声。

这些噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。

图像平滑的目的就是为了减少和消除图像中的噪声，以改善图像质量，有利于抽取对象特征进行分析。

（1）噪声

图像噪声：

原本我们可以清晰的看到一幅图像，但是有时候图像上会有一些我们不需要的图案，这就是图像的噪声。

不同原因产生的噪声，其分布特性也不完全相同，经常用到的噪声有三种，高斯噪声，椒盐噪声，乘性噪声，可以通过以下三个函数来实现：

Y=imnoise（handles.im,’gaussian’,p1,p2）;%高斯噪声

Y=imnoise（x,’salt&pepper’,p1）;%椒盐噪声

Y=imnoise（handles.im,’speckle’,p1）;%乘性噪声

1.加入高斯噪声，运行结果如下：

4-8加入高斯噪声的图像

2.加椒盐噪声，运行结果如下：

4-9加入噪声密度为0.02的椒盐噪声

3.加乘性噪声，运行结果如下：

4-10加乘性噪声

（2）平滑滤波

平滑滤波是低频增强的空间域滤波技术。

它的目的有两类：

一类是模糊，另一类是消除噪音。

这些函数是针对二维数据，所以要先判断是彩色图像还是灰度图像，然后分别进行处理。

这里选择两种滤波方法

k=medfilt2（handles.noise_img）;

k=wiener2（handles.noise_img,[5,5]）;

1.中值滤波

本系统先将灰度图用imnoise函数加椒盐噪声，采用5*5的窗口进行滤波。

其设计程序如下：

globalimaxes（handles.axes2）;gray=rgb2gray（im）;

x=imnoise（gray,'salt&pepper',0.04）;%加入