基于MATLAB的彩色圖像灰度化處理(共13頁)

1、PAGE - I - 目 錄 TOC o 1-3 h z u HYPERLINK l _Toc313973726 第1章 緒論(xln) PAGEREF _Toc313973726 h - 1 - HYPERLINK l _Toc313973727 第2章 設(shè)計(jì)(shj)原理 PAGEREF _Toc313973727 h - 2 - HYPERLINK l _Toc313973728 第3章 彩色圖像的灰度化處理(chl) PAGEREF _Toc313973728 h - 3 - HYPERLINK l _Toc313973729 3.1加權(quán)平均法 PAGEREF _Toc31397372

2、9 h - 3 - HYPERLINK l _Toc313973730 3.2平均值法 PAGEREF _Toc313973730 h - 3 - HYPERLINK l _Toc313973731 3.3最大值法 PAGEREF _Toc313973731 h - 4 - HYPERLINK l _Toc313973732 3.4舉例對比 PAGEREF _Toc313973732 h - 5 - HYPERLINK l _Toc313973733 3.5結(jié)果分析 PAGEREF _Toc313973733 h - 6 - HYPERLINK l _Toc313973734 第4章 結(jié) 論

3、PAGEREF _Toc313973734 h - 8 - HYPERLINK l _Toc313973735 參考文獻(xiàn) PAGEREF _Toc313973735 h - 9 - HYPERLINK l _Toc313973736 附錄 PAGEREF _Toc313973736 h - 10 -PAGE - 13 -基于(jy)Matlab的彩色圖像灰度化處理(chl)探究(tnji)第1章 緒論在計(jì)算機(jī)領(lǐng)域中，灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從最暗的黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以是任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色?；叶葓D像

4、與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏色深度。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像1。彩色圖像的灰度化技術(shù)在現(xiàn)代科技中應(yīng)用越來越廣泛, 例如人臉目標(biāo)的檢測與匹配以及運(yùn)動物體目標(biāo)的監(jiān)測等等, 在系統(tǒng)預(yù)處理階段, 都要把采集來的彩色圖像進(jìn)行灰度化處理, 這樣既可以提高后續(xù)算法速度, 而且可以提高系統(tǒng)綜合應(yīng)用實(shí)效, 達(dá)到更為理想的要求。因此研究圖像灰度化技術(shù)具有重要意義。本設(shè)計(jì)是在MATLAB設(shè)計(jì)

5、環(huán)境中完成的。Matlab的圖像處理工具箱提供一套全方位的參照標(biāo)準(zhǔn)算法和圖形工具，用于進(jìn)行圖像處理、分析、可視化和算法開發(fā)?？捎闷鋵τ性肼晥D像或退化圖像進(jìn)行去噪聲或還原、增強(qiáng)圖像以獲得更高清晰度、提取特征、分析形狀和紋理以及對兩個(gè)圖像進(jìn)行匹配等。本文主要描述基于Matlab仿真軟件，通過加權(quán)法平均法，平均值法，最大值法三種方法，實(shí)現(xiàn)彩色圖像的灰度化處理，并對三種方法的處理結(jié)果進(jìn)行分析對比。第2章 設(shè)計(jì)(shj)原理將彩色圖轉(zhuǎn)化成為灰度圖的過程稱為圖像的灰度化處理。彩色圖像中的每個(gè)像素的顏色有R、G、B三個(gè)分量決定，而每個(gè)分量有255個(gè)中值可取，這樣一個(gè)像素點(diǎn)可以有1600多萬（255*255*

6、255）的顏色的變化范圍。而灰度圖像是R、G、B三個(gè)分量相同的一種特殊的彩色圖像，其中一個(gè)像素點(diǎn)的變化范圍為255種，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計(jì)算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級(dngj)的分布和特征(tzhng)2。在RGB模型中，如果R=G=B時(shí)，則彩色表示一種灰度顏色，其中R=G=B的值叫做灰度值。因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0-255。本設(shè)計(jì)采用三種方法對圖像進(jìn)行灰度化處理。加權(quán)平均法根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行

7、加權(quán)平均。由于人眼對綠色的敏感最高，對藍(lán)色敏感最低，因此，對RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。平均值法求出每個(gè)像素點(diǎn)的R、G、B三個(gè)分量的平均值，然后將彩色圖像中的這個(gè)平均值賦予給這個(gè)像素的三個(gè)分量。最大值法將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。本課程設(shè)計(jì)分別采用了以上三種設(shè)計(jì)方案，即加權(quán)平均法、平均值法和最大值法。在MATLAB中，通過編程實(shí)現(xiàn)了彩色圖像的灰度化處理。第3章 彩色圖像的灰度化處理(chl)本設(shè)計(jì)采用的三種方法，都實(shí)現(xiàn)了對彩色圖像的灰度化處理。下面(xi mian)分別對其作具體分析。3.1加權(quán)平均法3根據(jù)重要性及其它指標(biāo)，將R、G、B三個(gè)分量(fn

8、 ling)以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對綠色的敏感度最高，對藍(lán)色敏感度最低。因此，在MATLAB中我們可以按下式系統(tǒng)函數(shù)對RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。 f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j) （3-1）程序首先讀取一個(gè)RGB格式的圖象,然后調(diào)用已有的函數(shù)rgb2gray()來實(shí)現(xiàn)彩色圖像灰度化。圖3.1加權(quán)平均法的圖像灰度處理3.2平均值法3將彩色圖像中的R、G、B三個(gè)分量的亮度求簡單的平均值，將得到均值作為灰度值輸出而得到灰度圖。其表達(dá)式見下式： f(i,j)=(R(i,j)+G(i,j)+B(i,j) /3 （3-2）用s

9、ize函數(shù)讀取原圖像圖像的尺寸，并以該尺寸構(gòu)建一個(gè)全零矩陣來存儲用下面的方法產(chǎn)生的灰度圖像。由于在此之前的語句創(chuàng)建之后圖像為雙精度型， 因而我們采用uint8（）將其轉(zhuǎn)化成無符號整型。然后對原圖像中的像素逐點(diǎn)處理，首先采用的是均值法，即將每個(gè)像素點(diǎn)上的R，G,B分量取其平均，將處理后均值作為該像素點(diǎn)的灰度值輸出，對應(yīng)代碼中MyYuanLaiPic( i,j,k )/3語句，在對所有像素點(diǎn)處理完畢后即可實(shí)現(xiàn)彩色圖像的灰度化處理。圖3.2平均值法的圖像(t xin)灰度處理3.3最大值法3將彩色圖像中的R、G、B三個(gè)分量中亮度(lingd)的最大值作為灰度圖的灰度值。其表達(dá)式見下式： f(i,j)

10、=max(R(i,j),G(i,j),B(i,j) （3-3）調(diào)用max（）函數(shù)讀取像素點(diǎn)上RGB分量中的最大值作為該點(diǎn)灰度值輸出(shch)，從而實(shí)現(xiàn)彩色圖像的灰度化處理。圖3.3最大值法的圖像灰度處理稍作比較即可發(fā)現(xiàn)，以三種方法得到的處理結(jié)果并不完全相同，這是由于不同的處理方法對于灰度值的選取不同，考慮庫函數(shù)rgb2gray(),其轉(zhuǎn)化是依據(jù)亮度方程f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)來實(shí)現(xiàn)的，即依據(jù)人眼對不同顏色的敏感度不同，對RGB分量以不同系數(shù)的加權(quán)平均，得到較為合理(hl)的灰度化結(jié)果。而采用方法二處理是對RGB三個(gè)分量取簡單的平均，從而得

11、到對應(yīng)灰度值，而方法三則是直接取用RGB分量中最大值作為灰度值輸出。3.4舉例(j l)對比3為作進(jìn)一步說明問題，我們可以分別選用紅色圖，綠色圖以及(yj)藍(lán)色圖用如上方法處理后來進(jìn)一步比較說明。首先，我們選用以紅色分量較多的圖像進(jìn)行處理，結(jié)果如圖3.4所示。（此處僅給出灰度圖之間的對比，原彩色圖見附錄彩頁）圖3.4紅色圖像灰度化對比觀察如上對比結(jié)果可以發(fā)現(xiàn)，對于前兩種方法處理得到的圖2和圖3，兩圖中紅色分量灰度化之后基本沒有區(qū)別，這是由于采用加權(quán)平均法對紅色分量R的加權(quán)系數(shù)為0.30，而采用簡單平均法的紅色分量系數(shù)為0.33，故兩者對于紅色分量的處理結(jié)果區(qū)別不大，而對于figure4，其采用

12、最大值法，故在亮度現(xiàn)實(shí)上明顯大于前面二者。接下來，選取一綠色分量為主的圖像進(jìn)行處理分析，結(jié)果如圖3.5所示。圖3.5綠色圖像灰度化對比觀察如上對比圖像結(jié)果可以發(fā)現(xiàn)，圖3的亮度明顯低于圖2，而圖4的亮度則為三個(gè)處理結(jié)果中最大的。稍加分析，不難發(fā)現(xiàn)，這是由于在方法一的處理中，其對于綠色分量的加權(quán)系數(shù)為0.59，而方法二中綠色分量的系數(shù)約為0.33，加之上圖中物體部分顏色為綠色，故作處理后，方法一所得的灰度值大于方法二處理得到(d do)的灰度值，因而在顯示上，方法一對應(yīng)的圖2較之方法二對應(yīng)的圖3更亮；而對于方法三所得的圖4，因其取的是最大值，故最終的灰度值也最大，所以顯示最亮。最后，選取一藍(lán)色分量

13、為主的圖像進(jìn)行處理，結(jié)果如圖3.6所示。（此處僅給出灰度圖之間的對比，原彩色(cis)圖見附錄彩頁）圖3.6藍(lán)色圖像(t xin)灰度化對比對比如上圖像可以發(fā)現(xiàn)，此時(shí)圖3的亮度大于圖2的，而圖4的亮度依然是三個(gè)圖像中最大的。這是由于在得到圖2的方法中，其對于藍(lán)色分量的加權(quán)系數(shù)是0.11，而圖3對應(yīng)的方法二中藍(lán)色分量的系數(shù)約為0.33，加之此圖像中藍(lán)色分量居多，因而就不難解釋如上現(xiàn)象，對于方法一處理后對應(yīng)像素點(diǎn)的灰度值小于方法三處理后對應(yīng)點(diǎn)的灰度值，故顯示在圖像上，圖2就偏暗，而圖4取的是最大值，故最終在亮度顯示上最亮。3.5結(jié)果分析本課程設(shè)計(jì)中采用的三種不同設(shè)計(jì)方法對同一彩色圖像的灰度化處理結(jié)

14、果不相同，究其原因是由于它們在對同一像素點(diǎn)的灰度值確定上采取的手段不一。對于方法一，其轉(zhuǎn)換公式為f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j) （3-4）其對于不同顏色分量RGB的加權(quán)系數(shù)不相同，對比方法二中采用的f(i,j)=(R(i,j)+G(i,j)+B(i,j) /3 （3-5）其采用的加權(quán)系數(shù)約為0.33，且對于RBG三個(gè)分量采用統(tǒng)一加權(quán)系數(shù)，所以，當(dāng)一幅圖像中紅色分量居多的時(shí)候，由于對于紅色分量，公式（3-4）計(jì)算結(jié)果與公式（3-5）計(jì)算結(jié)果基本相同，即對應(yīng)點(diǎn)像素灰度值基本一致，故處理結(jié)果在亮度顯示上區(qū)別不大；而對于綠色分量，公式（3-4）計(jì)算結(jié)果大

15、于公式（3-5）計(jì)算結(jié)果，也即處理所得的像素灰度值更大，所以在綠色分量居多的圖像中，兩者在處理后，方法一所得圖像亮度大于方法二處理得到的圖像；同理，對于藍(lán)色分量居多的圖像，其方法一處理所得的圖像在亮度顯示上會低于方法二處理得到的圖像。對于方法三，由于其對灰度值的選取上取的是最大值，故在最終顯示上也最亮。根據(jù)上文分析，也就不難解釋在圖像3.1，3.2和3.3之間顯示不同的問題。由于原圖是一七彩圖，其包含了紅、綠、藍(lán)以及這三者組合得到的其他顏色分量，故在最終顯示上，由方法一所得的圖3.1可在對比方法二所得的圖3.2時(shí)，有些部分偏亮，而有些部分則偏暗，這都是由于兩種方法中對不RGB三個(gè)不同分量的加權(quán)

16、平均系數(shù)不一致而造成的。而對于方法三，由于它只是簡單的選取三個(gè)分量中的最大值作為(zuwi)灰度值輸出，故圖3.3的亮度最大。第4章 結(jié) 論通過對彩色圖像灰度處理，可以看出載不同(b tn)情況下得出的圖像不同。在老師的指導(dǎo)下，我進(jìn)一步熟悉了MATLAB仿真平臺使用方法(fngf)，并且加深了對彩色圖像處理的相關(guān)知識的了解，然后在查閱了大量的書籍后，設(shè)計(jì)出了三種彩色圖像灰度化的方案，并順利實(shí)現(xiàn)了仿真。在本次課程設(shè)計(jì)過程中，由于對MATLAB中庫函數(shù)不太熟悉，在一開始的設(shè)計(jì)過程過程中碰到了很多釘子(dng zi)，但是在老師耐心的指導(dǎo)與同學(xué)的幫助下都一一克服了。在一次次的糾錯(cuò)過程中與不斷的摸索下

17、，我終于設(shè)計(jì)出了彩色圖像灰度化的實(shí)現(xiàn)代碼，并且運(yùn)行出了正確的結(jié)果。通過這次的課程設(shè)計(jì)，我深深的感受到了自身的不足。進(jìn)行課程設(shè)計(jì)不但需要多方面的知識，同時(shí)還要考驗(yàn)一個(gè)人的獨(dú)立動腦能力和動手能力，這在課本上學(xué)不到的。另外，這還要求我們具有一定的自學(xué)能力，在面對多次錯(cuò)誤時(shí)要能冷靜，并且還要有堅(jiān)定的意志力。在這次課程設(shè)計(jì)中，我得到的不僅僅是知識的補(bǔ)充，更多的是問題分析能力的提高，雖然只有短短兩周時(shí)間，卻給了我比平常更多的磨練，也讓我在鞏固書本知識的同時(shí)學(xué)到了更多的東西。在這次的課程設(shè)計(jì)中，我看到了理論與實(shí)際相結(jié)合的重要性，同樣，我還感受到了將理論實(shí)現(xiàn)于現(xiàn)實(shí)的重大喜悅，當(dāng)代碼最終成功運(yùn)行并出現(xiàn)正確的仿真

18、結(jié)果時(shí)，那種巨大的成就感是無法用言語來形容的4。在實(shí)際中，僅僅擁有理論知識是遠(yuǎn)遠(yuǎn)不夠的，如果不能把理論賦予實(shí)踐，再豐富的理論知識也只能是“紙上談兵”，只有將理論與實(shí)踐相結(jié)合，才能結(jié)出智慧的果實(shí)。課程設(shè)計(jì)是對我們綜合能力的檢測，是培養(yǎng)我們的專業(yè)素養(yǎng)以及學(xué)習(xí)興趣的很好的途徑，學(xué)習(xí)把理論付諸于實(shí)現(xiàn)，能夠讓我們更加清楚的看到我們努力的結(jié)果。雖然本次課程設(shè)計(jì)已經(jīng)結(jié)束了，但是我不會忘記從中收到的感受與啟發(fā)，相信在以后的學(xué)習(xí)中，我將更加認(rèn)真努力，爭取從知識以及動手能力方面都能更上一層樓！ 附錄(fl)MyYuanLaiPic = imread(F:/3055.jpg); %讀取RGB格式(g shi)的圖像

19、MyFirstGrayPic = rgb2gray(MyYuanLaiPic); %用已有的函數(shù)(hnsh)進(jìn)行RGB到灰%度圖像的轉(zhuǎn)換rows , cols , colors = size(MyYuanLaiPic); %得到原來圖像的矩陣的參數(shù)SecGrayPic = zeros(rows,cols); %用得到的參數(shù)創(chuàng)建一個(gè)全零的矩陣，這個(gè)矩%陣用來存儲用下面的方法產(chǎn)生的灰度圖像SecGrayPic = uint8(SecGrayPic); %將創(chuàng)建的全零矩陣轉(zhuǎn)化為uint8格式，因%為用上面的語句創(chuàng)建之后圖像是double型的ThirdGrayPic=zeros(rows,cols); ThirdGrayPic=uint8(ThirdGrayPic);for i = 1:rows for j = 1:cols sum1 = 0; sum2 = 0; for k = 1:colors sum1=sum1+MyYuanLaiPic( i,j,k )/3; %用均值法進(jìn)行RGB到%灰度圖像的轉(zhuǎn)換 sum2=sum2+ma