matlab图像处理论文.docx
《matlab图像处理论文.docx》由会员分享，可在线阅读，更多相关《matlab图像处理论文.docx（10页珍藏版）》请在冰豆网上搜索。
matlab图像处理论文
图像处理技术
课程考核论文
题目：
使用线性变换、分段线性变换和非线性
变换增强图像对比度。
院（系）：
物联网工程学院
专业:
计算机科学与技术
班级:
计科1102
学号:
0304110203
姓名:
陈涛
成绩：
1.1背景及意义
第1章绪论
1.1.1图像增强背景及意义
在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。
在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。
图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。
般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉及客观和统一的评价
1.1.2国内外研究现状
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上获得的成果。
1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（ComputerTomograph）。
CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。
与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、
军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。
随着图
像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学
研究的迅速发展，数字图像处理向更高、更深层次发展。
人们已开始研究如何用计算机
系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。
很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。
其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。
图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索新的领域。
1.1.3图像增强的应用
目前图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。
如对x射线图片、CT影像、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像细节区域中发现问题；对不同时间拍摄的同一地区的遥感图片进行增强处理，侦查是否有敌人军事调动或军事装备及建筑出现；在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象，减少电视系统维护的工作量。
图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。
1.2
利用基本灰度变换对图像进行增强
灰度变换原理：
灰度变换是一种空域处理方法,其本质是按一定的规则修改每个像素的灰度,从而改变图像的动态范围实现期望的增强效果。
灰度变换按映射函数可分为线性、分段线性和非线性等多种形式。
第2章实验内容
2.1.1线性灰度变换
线性灰度变换是将输入图像灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。
可突出感兴趣目标，抑制不感兴趣的目标。
在实际运算中,原图像f（x,y）的灰度范围为[a,b],使变换后图像g（x,y）的灰度扩展为[c,d],则采用下述线性变换来实现:
线性灰度变换对图像每个灰度范围作线性拉伸,将有效地改善图像视觉效果。
2.1.2分段线性灰度变换
为了突出图像中感兴趣的研究对象,常常要求局部拉伸某一范围的灰度值,或对不同范围的灰度值进行不同拉伸处理,即分段线性拉伸,数学表达式如下:
2.1.3.1非线性灰度变换
非线性灰度变换在整个灰度范围内采用统一的变换函数,利用变换函数的数学性质实现对不同灰度值区间的扩展和压缩。
1、对数扩展。
对数变换常用来扩展低值灰度,压缩高值灰度,这样可以使低值灰度的图像细节更容易看清,从而达到增强的效果。
还可使图像灰度分布与人视觉特性相匹配。
其具体形式为:
式中:
[f（x,y）+1]是为了避免对零求对数;C为尺度比例系数,用于调节动态范围。
2.1.3.2指数扩展。
指数扩展的基本形式为:
式中:
a为可以改变曲线的起始位置;c为可以改变曲线的变化速率,指数扩展可以对图像的高亮度进行大幅扩展。
2.2本人组要研究使用非线性灰度变换增强图像对比度，可通过对数函数和指数函数2种方法增强图像对比度。
对数变换常用来扩展低值灰度,压缩高值灰度,这样可以使低值灰度的图像细节更容易看清,从而达到增强的效果。
源代码如下：
clear;
A=imread（'trees.tif','tif'）;%读入图像
C=im2double（A）*255;%转换图片类型
d=40;
B=d*log（C+1）;%灰度调整
imwrite（uint8（B）,'e:
\4.tif'）;%图像保存
subplot（2,2,1）;imshow（A）;%显示调整前后图像及其直方图
subplot（2,2,2）;imhist（A）;
subplot（2,2,3）;imshow（uint8（B））;
subplot（2,2,4）;imhist（uint8（B））;
前后灰度值对比：
式中:
a为可以改变曲线的起始位置;c为可以改变曲线的变化速率,指数扩展可以对图像的高亮度进行大幅扩展
源代码如下：
clear;
a=0.10;%图像变换参数设定
b=255;
c=255;
A=imread（'trees.tif','tif'）;
[m,n]=size（A）;
B=im2double（A）;
fori=1:
1:
m
forj=1:
1:
n
B（i,j）=uint8（b^（c*（B（i,j）-a））-1）;
end
end
imwrite（B,'E:
\4.tif'）;%图像保存
subplot（2,2,1）;imshow（A）
subplot（2,2,3）;imhist（A）;
subplot（2,2,2）;imshow（B）;%显示调整前后图像及其直方图
subplot（2,2,4）;imhist（uint8（B））;
前后灰度值对比：
第3章总结
Matlab长于数值计算，能处理大量的数据，而且效率比较高。
MathWork公司在此基础上加强了Matlab的符号计算、文字处理、可视化建模和实时控制能力，增强了Matlab的市场竞争力，使Matlab成为了市场主流的数值计算软件。
MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。
MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。
高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。
可用于科学计算和工程绘图。
新版本的MATLAB对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。
同时对一些特殊的可视化要求，例如图形对话等，MATLAB也有相应的功能函数，保证了用户不同层次的要求。
另外新版本的MATLAB还着重在图形用户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。
图像处理工具包是由一系列支持图像处理操作的函数组成的。
所支持的图像处理操作有:
图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换（DCT变换等）、图像分析和统计、二值图像操作等。
下面就MATLAB在图像处理中各方面的应用分别进行介绍。
（1）图像文件格式的读写和显示。
MATLAB提供了图像文件读入函数imread（），用来读取如:
bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式图像文；图像写出函数imwrite（），还有图像显示函数image（）、imshow（）等等。
（2）图像处理的基本运算。
MATLAB提供了图像的和、差等线性运算，以及卷积、相关、滤波等非线性算。
例如conv2（I，J）实现了I，J两幅图像的卷积。
（3）图像变换。
MATLAB提供了一维和二维离散傅立叶变换（DFT）、快速傅立叶变换（FFT）、离散余弦变换（DCT）及其反变换函数，以及连续小波变换（CWT）、离散小波变换（DWT）及其反变换。
（4）图像的分析和增强。
针对图像的统计计算MATLAB提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。
（5）图像的数学形态学处理。
针对二值图像，MATLAB提供了数学形态学运算函数；腐蚀（Erode）、膨胀（Dilate）算子，以及在此基础上的开（Open）、闭（Close）算子、厚化（Thicken）、薄化（Thin）算子等丰富的数学形态学运算。
以上所提到的MATLAB在图像中的应用都是由相应的MATLAB函数来实现的,使用时，只需按照函数的调用语法正确输入参数即可。
具体的用法可参考MATLAB丰富的帮助文档。
图像边缘对图像识别和计算机分析十分有用，在MATLAB中，函数edge（）用于灰度图像边缘的提取，它支持六种不同的边缘提取方法，即Sobel方法、Prewitt方法、Robert方法，Laplacian2Gaussian方法、过零点方法和Canny方法。
在本次的实验中，让我更加深入的了解matlab的使用方法，如何利用灰黑度来处理图像，实现改变图像的各种效果，就本次实验而言，我知道了如何调用函数，通过变化灰黑度，改变直方图，实现色度的改变，增强灰度值。
本次实验中，让我收获良多。
参考文献
Matlab软件应用与开发
matlab的简明基础教程
MATLAB5.X语言工具箱—Toolbox实用指南
MATLAB5.X应用与技巧
MATLAB语言及应用
第4章致谢
小组成员：
孙佳慧，易亚雯，崔世莉，陈涛，庄保祥，朱俊清
感谢指导老师：
李岳阳老师
升级会员 