数字图像处理论文.docx
《数字图像处理论文.docx》由会员分享，可在线阅读，更多相关《数字图像处理论文.docx（13页珍藏版）》请在冰豆网上搜索。
数字图像处理论文
数字图像处理实验论文
数字图像频域处理增强方法
及在Matlab中的实现
学院：
理学院
班级：
姓名：
学号：
时间：
2012.12.25
绪论
数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
数字图像处理技术已经在各个领域上都有了比较广泛的应用。
图像处理的信息量很大，对处理速度的要求也比较高。
MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。
本文介绍了MATLAB语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。
主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。
关键词：
MATLAB，数字图像处理，图像增强，二值图像
目录
第一章绪论，介绍了课题研究目的及意义。
第二章数字图像增强处理的基本简介。
第三章Matlab处理图像基本方法介绍。
第四章利用MATLAB实现二值图像操作的高低通滤波与傅里叶变换。
第五章总结与展望。
第一章：
研究目的与意义
数字图像处理（DigitalImageProcessing），就是利用数字计算机或者其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。
例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。
总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。
由于计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向许多其他学科快速交叉渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。
目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。
第二章：
图像处理基本简介
像增强是一类基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视觉效果更好、更有用的图像。
这里的好和有用要因具体的应用目的和要求而异，并且所需的具体增强技术也可不同。
目前常用的增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变化域的方法：
第一类包括各种正交变换和空间滤波等方法，其共同点是将图像变换到其它域（如频域）中进行处理（如滤波）后，再变换到原来的空间（域）中。
第二类方法是直接在空间域中处理图像，它包括各种统计方法、微分方法及其它数学方法。
第三类方法是数学运算，它不同于常用的频域和空域的方法，是建立在积分几何和随机集合论的基础上的运算。
第三章：
图像增强处理的方法简介
空间变换增强
空间变换增强又包含了增强对比度和图像求反。
增强对比度实际是增强原图像的各部分的反差。
实际中往往是通过原图中某两个灰度值之间的动态范围来实现的。
对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。
普通的黑白底片和照片就是这样的关系。
具体的变换就是将图像中每个像素的灰度值根据变换曲线进行映射。
空域滤波增强
空域滤波可分为线形滤波和非线形滤波两类。
线形滤波器的设计常基于对傅立叶变换的分析。
非线形空域滤波器则一般直接对邻域进行操作。
另外各种滤波器根据功能又主要分成平滑滤波和锐化滤波。
平滑可用低通来实现，锐化可用高通来实现
平滑滤波器：
它能减弱或消除傅立叶空间的高频分量，但不影响在低频分量。
因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。
锐化滤波器：
它能减弱或消除傅立叶空间的高频分量
频域增强
频域增强的基本原理是：
卷积理论是频域技术的基础。
设函数f（x,y）与线性位不变算子h（x,y）的卷积结果是g（x,y），即g（x,y）=h（x,y）*f（x,y）
那么根据卷积定理在频域有：
G（x,y）=H（u,v）F（u,v）
其中G（x,y）、H（u,v）、F（u,v）分别是g（x,y）、h（x,y）、f（x,y）的傅立叶变换。
频域增强的两个关键步骤：
（1）将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换；
（2）在频域空间对图像进行增强加工操作。
常用的频域增强方法有低通滤波和高通滤波。
低通滤波也称低频滤波器。
图像的能量大部分集中在幅度谱的低频和中频度，而图像的边缘和噪声对应于高频部分。
因此能降低高频成分幅度的滤波器就能减弱噪声的影响。
高通滤波也称高频滤波器，它的频值在0频率处单位为1，随着频率的增长，传递函数的值逐渐增加；当频率增加到一定值之后传递函数的值通常又回到0值或者降低到某个大于1的值。
在前一种情况下，高频增强滤波器实际上是依照能够带通滤波器，只不过规定0频率处的增益为单位1。
第四章：
利用MATLAB实现二值图像操作的高低通滤波与傅里叶变换。
灰度变换
灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。
1）图像反转
灰度级范围为[0,L-1]的图像反转可由下式获得
2）对数运算：
有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。
解决的方法是对原图进行灰度压缩，如对数变换：
s=clog（1+r），c为常数，r≥0
3）幂次变换：
4）对比拉伸：
在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：
其对应的数学表达式为：
loadtrees;
[X,map]=imread（'forest.tif'）;
subimage（X,map）;
I=imread（'forest.tif'）;
imshow（I）;
imfinfo（'forest.tif'）;
ans=
平滑滤波器
1）线性平滑滤波器
线性低通平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3×3
的模板来说，最简单的是取所有系数为1，为了保持输出图像任然在原来图像的灰度值范围
内，模板与象素邻域的乘积都要除以9。
MATLAB提供了fspecial函数生成滤波时所用的模板，并提供filter2函数用指定的滤
波器模板对图像进行运算。
函数fspecial的语法格式为：
h=fspecial（type）;
h=fspecial（type,parameters）;
MATLAB提供了一个函数imnoise来给图像增添噪声，其语法格式为：
J=imnoise（I,type）;
J=imnoise（I,type,parameters）;
2）非线性平滑滤波器
中值滤波器是一种常用的非线性平滑滤波器，其滤波原理与均值滤波器方法类似，是把领域中的图像的象素按灰度级进行排序，然后选择改组的中间值作为输出像素值。
MATLAB提供了medfilt2函数来实现中值滤波，其语法格式为：
B=medfilt2（A,[mn]）;
B=medfilt2（A）;
其中，A是原图象，B是中值滤波后输出的图像。
[mn]指定滤波模板的大小，默认模
板为3×3。
读出eight.tif这幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。
I=imread（'forest.tif'）;
imshow（I）;
J=imnoise（I,'salt&pepper',0.05）;%noisedensity=0.05
K=imnoise（I,'gaussian',0.01,0.01）;
subplot（1,3,1）,imshow（I）,title（‘OriginalImage’）
subplot（1,3,2）,imshow（J）,title（‘Salt&PepperNoise’）
subplot（1,3,3）,imshow（K）,title（‘GaussianNoise’）
图2.1初始图像及椒盐噪声图像、高斯噪声污染图
频域增强
频域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其他空间
中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从
而得到处理后的图像。
频域增强的主要步骤是：
选择变换方法，将输入图像变换到频域空间。
在频域空间中，根据处理目的设计一个转移函数，并进行处理。
将所得结果用反变换得到增强的图像。
常用的频域增强方法有低通滤波和高通滤波。
低通滤波
图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部
分。
因此能降低高频成分幅度的滤波器就能减弱噪声的影响。
由卷积定理，在频域实现低通
滤波的数学表达式：
G（u,v）=H（u,v）F（u,v）
1）理想低通滤波器（ILPF）
2）巴特沃斯低通滤波器（BLPF）
3）指数型低通滤波器（ELPF）
傅立叶变换
1）读出一幅图像，对其进行傅立叶变换，分别显示其幅度图像和相位图像。
2）仅对幅度部分进行傅立叶反变换后查看结果图像。
3）将图像的傅立叶变换F置为其共轭后进行反变换，比较新生成图像与原始图像的差
异。
i=imread（'forest.tif'）;
figure
（1）;
imshow（i）,title（'原图像'）;
colorbar;
j=fft2（i）;
RR=real（j）;
II=imag（j）;
[M,N]=size（j）;
A=abs（j）;
A=（A-min（min（A）））/（max（max（A））-min（min（A）））*225;
figure
（2）;
imshow（A）,title（'图像幅度谱'）;
colorbar;
B=atan（RR/II）;
figure（3）;
imshow（B）,title（'图像相位谱'）;
colorbar;
k=fftshift（j）;
figure（4）;
l=log（abs（k））;
imshow（l,[]）,title（'图像频谱'）;
colorbar;
n=ifft2（j）/255;
figure（5）;
imshow（n）,title（'FFT逆变换'）;
colorbar;
频域增强
频域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其他空间
中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从
而得到处理后的图像。
频域增强的主要步骤是：
选择变换方法，将输入图像变换到频域空间。
在频域空间中，根据处理目的设计一个转移函数，并进行处理。
将所得结果用反变换得到增强的图像。
常用的频域增强方法有低通滤波和高通滤波。
高通滤波
由于图像中的细节部分与其高频分量相对应，所以高通滤波可以对图像进行锐化处理。
高通滤波与低通滤波相反，它是高频分量顺利通过，使低频分量受到削弱。
高通滤波器和低通滤波器相似，其转移函数分别为:
1）理想高通滤波器（IHPF）
2）巴特沃斯高通滤波器（BLPF）
3）指数型高通滤波器（ELPF）
图像经过高通滤波处理后，会丢失许多低频信息，所以图像的平滑区基本上会消失。
所
以，可以采用高频加强滤波来弥补。
高频加强滤波就是在设计滤波传递函数时，加上一
个大于0小于1的常数c，即：
H′（u,v）=H（u,v）+c
巴特沃斯高通滤波器
I=imread（'flowers.tif'）;
figure
（1）,imshow（I）
I=rgb2gray（I）;
figure
（2）,imshow（I）;
f=double（I）;
g=fft2（f）;
g=fftshift（g）;
[M,N]=size（g）;
nn=2;
d0=5;%截止频率
m=fix（M/2）;
n=fix（N/2）;
fori=1:
M
forj=1:
N
d=sqrt（（i-m）^2+（j-n）^2）;
if（d==0）
h=0;
else
h=1/（1+0.414*（d0/d）^（2*nn））;
end
result（i,j）=h*g（i,j）;
end
end
result=ifftshift（result）;
J2=ifft2（result）;
J3=uint8（real（J2））;
figure（3）,imshow（J3）;
截止频率d0=5：
第五章总结与展望。
总结
本文主要介绍了数字图像增强处理的方法以及MATLAB语言的特点，基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其数字图像增强处理的方法。
在第四章、第五章主要论述了图像增强及二值图像的原理，并利用MATLAB来实现图像增强、二值图像分析等图像处理。
展望
随着计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向许多其他学科快速交叉渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。
目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。
MathWorks公司开发的MATLAB最突出的特点就是简洁。
MATLAB用更直观的，符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。
MATLAB给用户带来的是最直观，最简洁的程序开发环境。
应用MATLAB友好的界面和丰富、实用、高效的指令及模块，可以使人较快地认识、理解图像处理的相关概念，逐步掌握图像信号处理的基本方法，进而能够解决相关的工程和科研中的问题。
利用MATLAB来实现数字图像处理使数字图像处理更加方便简单。
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，使数字图像处理成为一门引人注目、前景远大的新型学科。
参考文献
[1]徐明远，刘增力，《MATLAB仿真在信号处理中的应用》，西安电子科技大学出版社，2007.11
[2]于万波，《基于MATLAB的图像处理》，清华大学出版社，2008.3
[3]飞思科技产品研发中心，《MATLAB6.5辅助图像处理》，电子工业出版社，2003.1
[5]XX文库，《图像处理与分析》
升级会员 