數(shù)字圖像處理(MATLAB)課件

1、數(shù)字圖像處理（MATLAB）主要內(nèi)容一、數(shù)字圖像處理的基本知識(shí)二、圖像增強(qiáng)技術(shù)三、圖像分割四、二值圖像處理與形狀分析五、總結(jié)基本知識(shí)1、一幅圖像可以被看做是空間上各點(diǎn)光強(qiáng)度的集合。其數(shù)學(xué)表達(dá)式： g = f ( x, y, z, , t )靜止圖像單色圖像平面圖像圖像強(qiáng)度空間坐標(biāo)波長時(shí)間與時(shí)間t無關(guān)與z軸無關(guān)與光線的波長無關(guān)將圖像定義一個(gè)二維函數(shù)g=f(x,y)即平面的，靜止的，單色的圖像。 f(x,y)表示像素點(diǎn)（x,y)的亮度值或灰度值。 空間坐標(biāo)（x,y)的數(shù)字化稱為圖像采樣。 將像素灰度轉(zhuǎn)換為離散的整數(shù)值的過程稱為量化。 采樣和量化的結(jié)果即為一個(gè)實(shí)數(shù)矩陣。而MATLAB的長處就是處理矩

2、陣運(yùn)算，因此用MATLAB處理數(shù)字圖像非常的方便。MATLAB中從圖像文件中讀取數(shù)據(jù)用函數(shù)imread()，這個(gè)函數(shù)的作用就是將圖像文件的數(shù)據(jù)讀入矩陣中，此外還可以用imfinfo()函數(shù)查看圖像文件的信息 A,M=imread(e:matlabworktuxiangGirl.bmp,bmp);%圖像數(shù)據(jù)的讀取，將圖像數(shù)據(jù)放入矩陣A中，顏色數(shù)據(jù)放入矩陣M中 像素點(diǎn)AA采樣間隔幾種具體算法形式 局部處理：平滑、銳化、對(duì)比度增強(qiáng)等。 迭代處理：反復(fù)對(duì)圖像進(jìn)行某種運(yùn)算處理，直至滿足條件。細(xì)化處理。 跟蹤處理：選擇滿足適合的像素作為起始像素，檢查輸入圖像。邊緣檢測(cè) 窗口處理和模板處理：只對(duì)圖像的特定部

3、分進(jìn)行處理二、圖像增強(qiáng)技術(shù)目的：用一系列技術(shù)改善圖像的視覺效果，提高圖像的清晰度；將圖像轉(zhuǎn)移成一種更適合于人或機(jī)器進(jìn)行分析處理的形式。方法： 點(diǎn)運(yùn)算：灰度變換、直 空間域 方圖修正、局部統(tǒng)計(jì) 圖像增強(qiáng) 局部運(yùn)算：平滑和銳化 頻率域：高通、低通濾波，同態(tài) 彩色增強(qiáng)、代數(shù)運(yùn)算直方圖修正法（均衡化和規(guī)定化）直方圖均衡化過程如下：（1）計(jì)算原圖像的灰度直方圖 ；（2）計(jì)算原圖像的灰度累積分布函數(shù) Sk= T(rk)= ，進(jìn)一步求出灰度變換表；（3）根據(jù)灰度變換表，將原圖像各灰度級(jí)映射為新的灰度級(jí) 直方圖均衡的實(shí)質(zhì)是減少灰度等級(jí)換取對(duì)比度的擴(kuò)大。在MATLAB中，histeq函數(shù)可以實(shí)現(xiàn)直方圖均衡化。直

4、方圖匹配（規(guī)定化）就是使原圖像灰度圖變成規(guī)定形狀的直方圖而對(duì)圖像作修正的增強(qiáng)方法。過程：（單值圖像） （1）對(duì)原圖像作直方圖均衡化處理 （2）按照希望得到的灰度概率密度函數(shù)求得變換函數(shù)G(z)。 （3）用步驟一得到的灰度級(jí)s作逆變換 z=G-1(s)=G-1(T(r) matlab工具箱中使用histeq的形式實(shí)現(xiàn)： g=histeq(f,hspec)制定的直方圖 huoxing=imread(C:UsersAdministratorDocumentsMATLABhuxhux.jpg);figure,imshow(huoxing); X=rgb2gray(huoxing);figure, im

5、show(X); h=imhist(X); h1=h(1:5:256);horz=1:5:256;subplot(3,1,1);bar(horz,h1);axis(0 255 0 500);條形圖set(gca,xtick,0:50:255);set(gca,ytick,0:50:500);subplot(3,1,2);stem(horz,h1,fill);離散圖axis(0 255 0 500);set(gca,xtick,0:50:255);set(gca,ytick,0:50:500);subplot(3,1,3);plot(h);連續(xù)圖axis(0 255 0 500);set(gca

6、,xtick,0:50:255);set(gca,ytick,0:50:500);直方圖在數(shù)字圖像處理中，常常會(huì)遇到圖像中混雜有許多的噪聲。因此，在進(jìn)行圖像處理中，有時(shí)要先進(jìn)行祛除噪聲的工作。最常用的祛除噪聲的方法是用濾波器進(jìn)行濾波處理。圖像平滑通過積分過程在消除噪聲的同時(shí)使得圖像邊緣模糊，那么圖像銳化通過而使圖像邊緣突出、清晰。均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y），選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的

7、灰度個(gè)g（x，y），即個(gè)g（x，y）=1/m f（x，y） m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。圖像銳化最常用的是梯度法。 grad(x,y)= fx fy 梯度是一個(gè)矢量，其大小和方向分別為： grad(x,y)= =arctan(fx/ fy) 梯度方向是f(x,y)在該點(diǎn)灰度變化率最大的方向。近似表示： grad(x,y)= fx+ fy-1 1-1 1梯度算子 1 1 1 0 0 0-1-1-1-1-1-1 0 0 0prewitt算子 1 2 1 0 0 0-1-2-1-1-2-1112 0 0 0sobel算子111g，t=edge(f，method，T，dir)圖像分割也要

8、用到這些算子還有l(wèi)aplacian算子。濾波I=imread(19.jpg);figure,B=rgb2gray(I);C=imnoise(B,salt & pepper,0.02);D=imfilter(B,fspecial(average,3);E=medfilt2(B);subplot(1,3,2)imshow(D)title(均值濾波)subplot(1,3,3)imshow(D)title(中值濾波)subplot(1,3,1)imshow(C)title(加入椒鹽噪聲圖像) 銳化處理I=imread(19.jpg);A=rgb2gray(I);figure,subplot(2,3,

9、1),imshow(A);title(原圖);hs=fspecial(sobel);S=imfilter(A,hs);hp=fspecial(prewitt);P=imfilter(A,hs);A=double(A);%雙精度型H=0 1 0,1 -4 1,0 1 0;%拉普拉斯算子J=conv2(A,H,same);K=A-J;subplot(2,3,2),imshow(K);title(拉普拉斯銳化圖像);B=edge(A,roberts,0.1);subplot(2,3,3),imshow(B);title(羅伯特銳化圖像);subplot(2,3,4),imshow(S);title(

10、sobel算子銳化圖像);subplot(2,3,5),imshow(P);title(prewitt算子銳化圖像);三、圖像分割圖像分割的一種重要途徑是通過邊緣檢測(cè)。圖像中邊緣處像素的灰度值不連續(xù)，這種不連續(xù)性可通過求導(dǎo)數(shù)來檢測(cè)到。常用微分算子進(jìn)行邊緣檢測(cè)。邊緣是指圖像中像素灰度有階躍變化或屋頂狀變化的那些像素的集合。常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。在實(shí)際中各種微分算子常用小區(qū)域模板來表示，微分運(yùn)算是利用模板和圖像卷積來實(shí)現(xiàn)。這些算子對(duì)噪聲敏感，只適合于噪聲較小不太復(fù)雜的圖像?；舴蜃儞Q線檢測(cè)法 設(shè)

11、在直角坐標(biāo)系中的一條直線l，原點(diǎn)到該直線的垂直距離為，垂線與x軸的夾角為可用, 來表示直線： =xcos +ysin 直角坐標(biāo)系中的一條直線對(duì)應(yīng)極坐標(biāo)系的一點(diǎn)。 0 0.50.50.51.01.0 y x1.0 x y霍夫變換檢測(cè)直線的原理： 設(shè)平面上有若干點(diǎn)，過每點(diǎn)的直線系分別對(duì)應(yīng)于極坐標(biāo)上的一條正弦曲線。若這些正弦曲線有共同的交點(diǎn)（ , ），則這些點(diǎn)共線，且對(duì)應(yīng)的直線方程為： =xcos +ysin 00.50.50.51.01.0 y圖像二值化 （選取一個(gè)域值，(5)將圖像變?yōu)楹诎讏D像）I=imread(beauty.tif);bw=im2bw(I,0.5);%選取閾值為0.5subplot(1,3,1);imshow(I);title(原圖);subplot(1,3,2);imshow(bw);title(顯示二值圖像);J=find(I=150);I(J)=255;subplot(1,3,3);imshow(I);title( 圖像二值化 ( 域值為150 ） );邊緣檢測(cè)I=imread(19.jpg);A=rgb2gray(I);figuresubplot(1,4,1),imshow(A);title(原圖像)B=edge(A,sobel,0.1);%ed