數(shù)字圖像選修課結(jié)課論文

1、數(shù)學(xué)與計(jì)算科學(xué)學(xué)院結(jié)課論文 課程名稱 數(shù)字圖像處理 班 級(jí) 學(xué) 號(hào) 姓 名 成 績 摘要數(shù)字圖像處理（Digital Image Processing）又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)然后利用計(jì)算機(jī)對(duì)其進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。20世紀(jì)70年代后期到現(xiàn)在，各個(gè)應(yīng)用領(lǐng)域?qū)?shù)字圖像處理提出越來越高的要求，促進(jìn)了這門學(xué)科向更高級(jí)的方向發(fā)展。特別是在景物理解和計(jì)算機(jī)視覺（即機(jī)器視覺）方面，圖像處理已由二維處理發(fā)展到三維理解或解釋。近年來，隨著計(jì)算機(jī)和其它各有關(guān)領(lǐng)域的迅速發(fā)展，例如在圖像表現(xiàn)、科學(xué)計(jì)算可視化、多媒體計(jì)算技術(shù)等方面的發(fā)展，數(shù)字圖像處理已

2、從一個(gè)專門的研究領(lǐng)域變成了科學(xué)研究和人機(jī)界面中的一種普遍應(yīng)用的工具。在一個(gè)學(xué)期的理論學(xué)習(xí)和上機(jī)實(shí)踐中，我學(xué)會(huì)了對(duì)數(shù)字圖像的基本處理，其中包括： 1MATLAB圖像工具箱的使用和基本的圖像操作：通過最常用的imread（讀取灰度圖或真色彩圖像）、imwrite（保存圖像）、imfinfo（顯示圖像文件信息）、imshow（顯示圖像）、imresize、Imrotate、imcrop等函數(shù)完成讀取數(shù)字圖像文件，查看圖像文件信息，更改圖像的大小等基本的圖像處理。 2圖像灰度修正技術(shù)和直方圖均衡化：通過imhist、imadjust、imcomplement、imcontour、imhist、imad

3、just、imcomplement、imcontour等函數(shù)來獲取圖像數(shù)據(jù)直方圖，進(jìn)行圖像的灰度變換，對(duì)圖像數(shù)據(jù)進(jìn)行取反運(yùn)算（實(shí)現(xiàn)底片效果）等操作。 3圖像的平滑和銳化：通過上機(jī)，掌握了常見的圖像噪聲種類,理解了領(lǐng)域平均法和中值濾波的原理，同時(shí)也掌握了圖像銳化的主要原理和常用方法。 4圖像分割與邊緣檢測(cè)：了解了常見的邊緣檢測(cè)方法以及灰度閥值分割處理方法。 5傅立葉變換及圖象的頻域處理：掌握了傅立葉變換、離散余弦變換的概念和原理，并通過fft2,fftshift,ifftshift,ifft2,dct2等函數(shù)實(shí)現(xiàn)了其相應(yīng)的變換，同時(shí)也學(xué)會(huì)了編寫簡單的低通濾波器。主要內(nèi)容1、 灰度變換1.1背景原

4、理灰度變換就是把原圖像的像素灰度經(jīng)過某個(gè)變換函數(shù)變換成新的圖像灰度。常見的灰度變換方法有直接灰度變換法和直方圖修正法。直接灰度變換法可以分為線性、分段線性以及非線性變換，直方圖修正法可以分為直方圖均衡化和直方圖規(guī)定化。1.2編程實(shí)例顯示圖像pout.bmp，對(duì)它進(jìn)行灰度變換，增強(qiáng)對(duì)比度，顯示增強(qiáng)前后的圖像以及它們的灰度直方圖。代碼如下：clear;I=imread(pout.bmp);J=rgb2gray(I);figure,imhist(J);K=imadjust(J,110/255 150/255,0 1);figure,sublot(1,2,1),subimage(J),title(原始

5、圖像);figure,sublot(1,2,1),subimage(K),title(灰度拉伸后的圖像);結(jié)果如下：1）灰度直方圖：2）灰度變換對(duì)比圖：2、 直方圖均衡化2.1背景原理首先，了解直方圖，直方圖是灰度級(jí)的函數(shù)，它反映了圖像中每一灰度級(jí)出現(xiàn)的次數(shù)或頻率。直方圖有三個(gè)重要的性質(zhì)：1. 直方圖是一幅圖像中各灰度級(jí)出現(xiàn)頻數(shù)的統(tǒng)計(jì)結(jié)果，未反映某一灰度級(jí)像素所在的位置，即丟失了位置信息。2. 一幅圖像對(duì)應(yīng)一個(gè)直方圖，但不同的圖像可能有相同的直方圖，即圖像與直方圖之間是多對(duì)一的映射關(guān)系3. 各子圖像的直方圖之和等于整幅圖像的直方圖直方圖均衡化的基本思想是把原始圖像的直方圖變換為均勻分布的形式，

6、從而增加圖像灰度的動(dòng)態(tài)范圍，達(dá)到增強(qiáng)圖像對(duì)比度的效果。經(jīng)過均衡化處理的圖像，其灰度級(jí)出現(xiàn)的概率相同，此時(shí)圖像的熵最大，圖像所包含的信息量最大2.2編程實(shí)例對(duì)圖像pollen.bmp進(jìn)行直方圖均衡處理，顯示處理前后的圖像以及它們的灰度直方圖代碼如下：clear;f=imread(pollen.bmp);imshow(f)figure,imhist(f)ylim(auto)g=histeq(f,256);figure,imshow(g)figure,imhist(g)ylim(auto)hnorm=imhist(f)./numel(f);cdf=cumsum(horm);x=linspace(0,

7、1,256);figure,plot(x,cdf)axis(0 1 0 1)set(gca,xtick,0:.2:1)set(gca,ytick,0:.2:1)xlabel(Input itensity values,fontsize,9)ylabel(Input itensity values,fontsize,9)Text(0.18,0.5.Tranformation function,fontsize,9)結(jié)果如下：1）pollen.bmp原圖像如下 2）灰度直方圖如下： 3） 經(jīng)過均衡處理后的圖像如下：3、 圖像平滑3.1背景原理圖像平滑的目的之一就是消除噪聲，其二是模糊圖像。對(duì)圖像而

8、言，它的邊緣、跳躍以及噪聲等灰度變化劇烈的部分代表圖像的高頻分量，而大面積背景區(qū)和灰度變化緩慢的區(qū)域代表圖像的低頻分量。因此?？梢酝ㄟ^低通濾波即減弱或消除高頻分量而不影響低頻分量來實(shí)現(xiàn)圖像平滑。常見的噪聲種類有高斯噪聲、椒鹽噪聲和乘性噪聲，常用的消除噪聲的方法有鄰域平均法、中值濾波和多幅圖像平均法。其中，鄰域平均法的思想是用像素及其指定鄰域內(nèi)像素的平均值或者加權(quán)平均值作為該像素的新值，以便去除突變的像素點(diǎn)，從而濾除一定的噪聲。中值濾波的也原理很簡單，它把以某像素為中心的小窗口內(nèi)所有像素的灰度按從小到大排序，取排序結(jié)果的中間值作為該像素的灰度值，來消除噪聲。另外，中值濾波是一種非線性濾波，它能再

9、消除噪聲的同時(shí)很好的保持圖像邊緣。圖像銳化的目的是使模糊地圖像變清晰，增強(qiáng)圖像的邊緣等細(xì)節(jié)。圖像銳化在增強(qiáng)邊緣的同時(shí)會(huì)曾強(qiáng)噪聲，因此一般先去除或減輕噪聲，再進(jìn)行銳化處理 3.2編程實(shí)例對(duì)圖像lena512.bmp分別疊加零均值高斯噪聲、椒鹽噪聲和乘性噪聲，利用領(lǐng)域平均法和中值濾波法對(duì)圖像進(jìn)行濾波，顯示疊加噪聲前后的圖像和濾波后的圖像，比較濾波效果。代碼如下：clear;f=imread(lena512.bmp);f1=imnoise(f,gaussian);h=ones(3,3)/9;figure(1),subplot(2,2,1),imshow(f),title(原始圖像);subplot(

10、2,2,2),imshow(f1),title(加入高斯噪聲后的圖像);k1=conv2(f1,h);subplot(2,2,3),imshow(k1,),title(高斯噪聲圖像平均濾波結(jié)果); %顯示噪聲圖像均值平均濾波結(jié)果l1=medfilt2(f1);subplot(2,2,4),imshow(l1,),title(高斯噪聲圖像中值濾波結(jié)果); %顯示噪聲圖像中值濾波結(jié)果f2=imnoise(f,salt & pepper);figure(2),subplot(2,2,1),subimage(f),title(原始圖像);subplot(2,2,2),subimage(f2),titl

11、e(加入椒鹽噪聲后的圖像);k2=conv2(f2,h);subplot(2,2,3),imshow(k2,),title(椒鹽噪聲圖像平均濾波結(jié)果); %顯示噪聲圖像均值平均濾波結(jié)果l2=medfilt2(f2);subplot(2,2,4),imshow(l2,),title(椒鹽噪聲圖像中值濾波結(jié)果); %顯示噪聲圖像中值濾波結(jié)果f3=imnoise(f,speckle);figure(3),subplot(2,2,1),subimage(f),title(原始圖像);subplot(2,2,2),subimage(f3),title(加入乘性噪聲后的圖像);k3=conv2(f3,h)

12、;subplot(2,2,3),imshow(k3,),title(乘性噪聲圖像平均濾波結(jié)果); %顯示噪聲圖像均值平均濾波結(jié)果l3=medfilt2(f3);subplot(2,2,4),imshow(l3,),title(乘性噪聲圖像中值濾波結(jié)果); %顯示噪聲圖像中值濾波結(jié)果結(jié)果如下：(1)加入高斯噪聲后的平均濾波效果和中值濾波效果圖（2）加入椒鹽噪聲后的平均濾波效果和中值濾波效果圖（3）加入乘性噪聲后的中值濾波效果和平均濾波效果圖 4、 圖像分割與邊緣檢測(cè)4.1背景原理圖像分割就是指把圖像分成一系列有意義的、各具特征的目標(biāo)或區(qū)域的技術(shù)和過程。圖像分割一般可基于像素灰度值的兩個(gè)性質(zhì)：不連

13、續(xù)性和相似性。區(qū)域之間的邊界具有灰度不連續(xù)性，而區(qū)域內(nèi)部一般具有灰度相似性。因此，圖像分割算法可分為兩類：利用灰度不連續(xù)性的基于邊界的分割和利用灰度相似性的基于區(qū)域的分割。這里主要介紹閾值分割。閾值分割一般基于如下假設(shè)：圖像目標(biāo)或背景內(nèi)部的相鄰像素間的灰度值是高度相關(guān)的，目標(biāo)與背景之間的邊界兩側(cè)的灰度值差別很大，圖像目標(biāo)與背景的灰度分布都是單峰的。分割過程如下：1） 首先確定一個(gè)閾值T，并且，這是閾值分割的關(guān)鍵2） 對(duì)于圖像中的每個(gè)像素，其灰度值若大于T，則將其置為目標(biāo)點(diǎn)（值為1），否則置為背景點(diǎn)（值為0），或者相反，從而將圖像分為目標(biāo)區(qū)域與背景區(qū)域 關(guān)于邊緣檢測(cè)，圖像的邊緣是圖像最基本的特征

14、，它是灰度不連續(xù)的結(jié)果，通過計(jì)算一介導(dǎo)數(shù)或二階導(dǎo)數(shù)可以方便的檢測(cè)出圖像中每個(gè)像素在其鄰域內(nèi)的灰度變化，從而檢測(cè)出邊緣。4.2編程實(shí)例選擇一幅灰度圖象（lena512.bmp）分別利用 一階Sobel算子和二階Laplacian算子對(duì)其進(jìn)行邊緣檢測(cè)，驗(yàn)證檢測(cè)效果代碼如下：clear;I = imread(lena512.bmp);H1 = fspecial(sobel);Sobel = filter2(H1,I); Sobel=uint8(Sobel);H2 = fspecial(log);Log = filter2(H2,I); Log=uint8(Log);figure,subplot(2,

15、2,1); imshow(I); title(Original Image);subplot(2,2,3);imshow(I); title(Original Image);subplot(2,2,2); imshow(Sobel);title(Sobel filter);subplot(2,2,4); imshow(Log);title(Laplacian of Gaussian filter); 結(jié)果如下： 一階Sobel算子和二階Laplacian算子對(duì)其進(jìn)行邊緣檢測(cè)效果：5、 圖像的傅里葉變換和頻域處理5.1背景原理數(shù)字圖像處理的方法有兩大類：一種是空間域處理法，另一種是頻域分析法。把

16、圖像信號(hào)從空間域變換到頻域，可以從另外一個(gè)角度來分析數(shù)字信號(hào)的特性。圖像的頻域處理最大得特點(diǎn)就是運(yùn)算速度高，并可采用已有的二維數(shù)字濾波技術(shù)進(jìn)行所需要的各種圖像處理，因此得到了廣泛的應(yīng)用。傅里葉變換是一種常用的正交變換，它的理論完善，應(yīng)用廣泛。在圖像處理應(yīng)用領(lǐng)域，傅里葉變換起著非常重要的作用，可用它完成圖像分析、圖像增強(qiáng)以及圖像壓縮等工作。5.2編程實(shí)例 讀取圖像image.tif,依次顯示原圖、傅里葉變換頻譜、居中后的傅里葉頻譜、居中且對(duì)數(shù)變換后的頻譜、傅里葉逆變換后復(fù)原的原圖、原圖旋轉(zhuǎn)30度后的傅里葉頻譜代碼如下：f=imread(image.tif);subplot(2,2,1)imshow(f)title(原圖)F=fft2(f);S=abs(F);subplot(2,2,2)imshow(S,)title(傅里葉變換頻譜)Fc=fftshift(F);subplot(2,2,3)imshow(abs(Fc),)title(居中后的傅里葉頻譜)S2=log(abs(Fc);subplot(2,2,4)imshow(S2,)title(對(duì)數(shù)變換后的頻譜)F=ifftshift(Fc);g=ifft2(F);figure,imsh