数字图像处理期末论文作业doc.docx

数字图像处理期末论文作业doc.docx

《数字图像处理期末论文作业doc.docx》由会员分享，可在线阅读，更多相关《数字图像处理期末论文作业doc.docx（9页珍藏版）》请在冰豆网上搜索。

数字图像处理期末论文作业doc

摘　要

数字图像处理是用计算机对图像信息进行处理的一门技术，主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。

本文论述了用Matlab编程对数字图像进行图像运算的基本方法。

 图像运算涵盖了MATLAB程序设计、图像点运算、代数运算、几何运算等基本知识及其应用（点运算是图象处理的一个重要运算）。

以及对图像加入噪声、图像缩放和图像旋转。

关键词:

图像点运算；代数运算；几何运算；图像缩放；图像旋转

1绪论

数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

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、生物医学过程、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的新领域。

对图像进行处理（或加工、分析）的主要目的有三个方面:

（1）提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。

（2）提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。

提取特征或信息的过程是计算机或计算机视觉的预处理。

提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。

（3）图像数据的变换、编码和压缩,以便于图像的存储和传输。

不管是何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。

数字图像处理主要研究的内容有以下几个方面：

（1）图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

（2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

（3）图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。

如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。

图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。

（4）图像分割图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。

虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。

因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

（5）图像描述图像描述是图像识别和理解的必要前提。

作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。

对于特殊的纹理图像可采用二维纹理特征描述。

随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

（6）图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

常用方法。

（1）图像变换：

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

（2）图像编码压缩：

图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

（3）图像增强和复原：

图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。

如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。

图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。

（4）图像分割：

图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。

虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。

因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

（5）图像描述：

图像描述是图像识别和理解的必要前提。

作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。

对于特殊的纹理图像可采用二维纹理特征描述。

随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

（6）图像分类（识别）：

图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

2强大的matlab工具

MATLAB语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。

它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。

MathWorks公司针对不同领域的应用，推出了信号处理、控制系统、神经网络、图像处理、小波分析、鲁棒控制、非线性系统控制设计、系统辨识、优化设计、统计分析、财政金融、样条、通信等30多个具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。

同时，工具箱内的函数源程序也是开放性的，多为M文件，用户可以查看这些文件的代码并进行更改，MALAB支持用户对其函数进行二次开发，用户的应用程序也可以作为新的函数添加到相应的工具箱中。

MATLAB中的数字图像是以矩阵形式表示的，这意味着MATLAB强大的矩阵运算能力用于图像处理非常有利，矩阵运算的语法对MATLAB中的数字图像同样适用。

本文对MATLAB图像处理工具箱进行探索及应用，实验证明该软件功能强大，语言简洁易学，人机界面友好，工具箱具有丰富的技

术支持并集成了该领域专家的智慧，应用简单而效果良好。

3MATLAB图像处理工具箱及数字图像处理基本过程简介

数字图像处理工具箱函数包括以下15类:

⑴、图像显示函数;⑵、图像文件输入、输出函数;⑶、图像几何操作函数;⑷、图像像素值及统计函数;⑸、图像分析函数;⑹、图像增强函数;⑺、线性滤波函数;⑻、二维线性滤波器设计函数;⑼、图像变换函数;⑽、图像邻域及块操作函数;⑾、二值图像操作函数;⑿、基于区域的图像处理函数;⒀、颜色图操作函数;⒁、颜色空间转换函数;⒂、图像类型和类型转换函数。

MATLAB图像处理工具箱支持四种图像类型，分别为真彩色图像、索引色图像、灰度图像、二值图像，由于有的函数对图像类型有限制，这四种类型可以用工具箱的类型转换函数相互转换。

MATLAB可操作的图像文件包括JPG、HDF、JPEG、PCX、TIFF、XWD等格式。

下面就图像处理的基本过程讨论工具箱所实现的常用功能。

3.1.常用图像操作

图像的读写与显示操作:

用imread（）读取图像，imwrite（）输出图像，把图像显示于屏幕有imshow（），image（）等函数。

imcrop（）对图像进行裁剪，图像的插值缩放可用imresize（）函数实现，旋转用imrotate（）实现。

3.2.图像增强功能

图像增强是数字图像处理过程中常用的一种方法，目的是采用一系列技术去改善图像的视觉效果或将图像转换成一种更适合于人眼观察和机器自动分析的形式。

常用的图像增强方法有以下几种:

1）灰度直方图均衡化

均匀量化的自然图像的灰度直方图通常在低灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚，采用直方图修整可使原图像灰度集中的区域拉开或使灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强目的。

直方图均衡化可用histeq（）函数实现。

2）灰度变换法

照片或电子方法得到的图像，常表现出低对比度即整个图像偏亮或偏暗，为此需要对图像中的每一像素的灰度级进行标度变换，扩大图像灰度范围，以达到改善图像质量的目的。

这一灰度调整过程可用imadjust（）函数实现。

3）平滑与锐化滤波

平滑技术用于平滑图像中的噪声，基本采用在空间域上的求平均值或中值。

或在频域上采取低通滤波，因在灰度连续变化的图像中，我们通常认为与相邻像素灰度相差很大的突变点为噪声点，灰度突变代表了一种高频分量，低通滤波则可以削弱图像的高频成分，平滑了图像信号，但也可能使图像目标区域的边界变得模糊。

而锐化技术采用的是频域上的高通滤波方法，通过增强高频成分减少图像中的模糊，特别是模糊的边缘部分得到了增强，但同时也放大了图像的噪声。

在MATLAB中，各种滤波方法都是在空间域中通过不同的卷积模板即滤波算子实现，可用fspecial（）函数创建预定义的滤波算子，然后用filter2（）或conv2（）函数在实现卷积运算的基础上进行滤波。

3.3.边缘检测和图像分割功能

边缘检测是一种重要的区域处理方法，边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。

如果一个像素落在边界上，那么它的邻域将成为一个灰度级变化的带。

对这种变化最有用的两个特征是灰度的变化率和方向。

边缘检测算子可以检查每个像素的邻域并对灰度变化率进行量化，也包括对方向的确定，其中大多数是基于方向导数掩模求卷积的方法。

MATLAB工具箱提供的edge（）函数可针对sobel算子、prewitt算子、Roberts算子、log算子和canny算子实现检测边缘的功能。

基于灰度的图像分割方法也可以用简单的MATLAB代码实现。

3.4.图像变换功能

图像变换技术是图像处理的重要工具，常运用于图像压缩、滤波、编码和后续的特征抽取或信息分析过程。

MATLAB工具箱提供了常用的变换函数，如fft2（）与ifft2（）函数分别实现二维快速傅立叶变换与其逆变换，dct2（）与idct2（）函数实现二维离散余弦变换与其逆变换，Radon（），iradon（）函数实现Radon变换与逆Radon变换。

除了以上基本的图像处理功能，MATLAB还提供了如二值图像的膨胀运算dilate（）函数、腐蚀运算erode（）函数等基于数学形态学与二值图像的操作函数。

4MATLAB图像处理工具箱运用实例

为了证明MATLAB语言是一种简洁，可读性较强的高效率编程软件，本文通过运用图像处理工具箱中的有关函数对一实拍的芯片图像进行处理。

如图1，图“Fig.jpg”为一幅原图像，该图像右边的剪切图像为从“Fig.jpg”中剪切出的将用于分析的子图像块。

为了便于分析与观察，把子图像块旋转90度置于水平位置并把该图存在名为“Fig1.jpg”的图像文件中。

以上的过程可用以下代码实现。

x=imread（'C:

\Users\Administrator\Desktop\实验\university.jpg'）;

figure,imshow（x）;

y=imcrop（x）;

figure,imshow（y,[]）;

z=imrotate（y,90）;

imwrite（z,'C:

\Users\Administrator\Desktop\实验\university1.jpg','jpg'）;

isrgb（z）

原图university.jpg剪贴图university1.jpg

图1

经判断得知该图像为一真彩色图像,首先把它转换为灰度图像,以下所有的进一步处理均采用经过灰度化处理后的图像作为原图。

4.1对灰度图进行直方图均衡化处理

通过比较灰度原图和经均衡化后的图形可见图像变得清晰，均衡化后的直方图形状比原直方图的形状更理想。

效果比较见图2，程序代码如下:

x=imread（'C:

\Users\Administrator\Desktop\ʵÑé\university.jpg'）;

y=rgb2gray（x）;

subplot（221）,imshow（y）;title（'university.jpg»Ò¶È»¯Í¼Ïñ'）;

subplot（222）,imhist（y）;title（'¾ùºâ»¯Ç°Ö±·½Í¼'）;

I=histeq（y）;

subplot（223）,imshow（I）;title（'¾ùºâ»¯ºóͼÏñ'）;

subplot（224）,imhist（I）;title（'¾ùºâ»¯ºóÖ±·½Í¼'）;

图2

4.2灰度调整

通过灰度调整把感兴趣的灰度范围拉开，使图像中亮的越亮，暗的越暗，分别取原图中要变换的灰度范围为（0.3，0.7）和（0.5，0.6），把变换后的图像相比较，见图3，可知原图所变换的灰度范围小，则调整后的图像反差大。

程序代码如下:

x=imread（'C:

\Users\Administrator\Desktop\实验\mri_s6.jpg'）;

y=imadjust（x,[0.30.7],[]）;

z=imadjust（x,[0.50.6],[]）;

subplot（211）,imshow（y）;title（'原图所变换的灰度范围（0.3,0.7）'）;

subplot（212）,imshow（z）;title（'原图所变换的灰度范围（0.5,0.6）'）;

图3

4.3灰度图像平滑与锐化处理

MATLAB图像工具箱中有多种平滑与锐化滤波函数，也可以自定义滤波算子。

在此我们采用可根据图像的局部方差来调整滤波器输出的自适应滤波对图像进行平滑，及采用拉氏算子运算使图像的模糊部分得到增强。

处理后的图像见图4，实现代码如下:

x=imread（'C:

\Users\Administrator\Desktop\实验\girl.png'）;

x=rgb2gray（x）;

x=double（x）;

p=wiener2（x）;

subplot（211）,imshow（p,[]）;title（'自适应滤波平滑'）

h=[010;1-40;010];

q=conv2（x,h,'same'）;

r=x-q;

subplot（212）,imshow（r,[]）;title（'拉式算子卷积锐化'）

图4

5结论

以上图像处理实例只是对MATLAB图像工具箱的一小部分进行运用，经过更进一步的图像分割、二值化、归一化等处理，可以把芯片中的字符特征提取出来送入神经网络分类器进行识别，我们应用MATLAB神经网络工具箱对字符分类进行模拟仿真也取得了较好的效果。

由此可以看出MATLAB语言简洁，可读性强，工具箱涉及的专业领域广泛且功能强大。

图像工具箱几乎包括所有经典的图像处理方法。

由于工具箱具有可靠性和开放性，我们可以方便地直接加以使用，也可以把自己的代码加到工具箱中以改进函数功能，同时，MATLAB中的小波工具箱也有许多函数可运用于图像处理技术。

因此，在图像处理技术中使用MATLAB语言可以快速实现模拟仿真，大大提高实验效率，如果要开发实用程序，MATLAB语言还可以通过MEX动态连接库实现与C语言的混合编程，为工程应用提供了更多的便利条件。

参考文献

[1]王新成.高级图像处理技术[M].北京:

中国科学技术出版社.2001，18-90;

[2]Kenneth.R.Castleman.数字图像处理技术[M].北京:

电子工业出版社.1998，14-16;

[3]周龙等.基于MATLAB的储粮害虫图像处理方法[J].微计算机信息.2005，2-0;