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二、圖像增強技術(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1、一幅圖像可以被看做是空間上各點光強度的集合。其數(shù)學表達式： g = f ( x, y, z, , t )靜止圖像單色圖像平面圖像圖像強度空間坐標波長時間與時間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（x,y)的亮度值或灰度值。 空間坐標（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)果即為一個實數(shù)矩陣。而MATLAB的長處就是處理矩

2、陣運算，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AA采樣間隔幾種具體算法形式 局部處理：平滑、銳化、對比度增強等。 迭代處理：反復(fù)對圖像進行某種運算處理，直至滿足條件。細化處理。 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 窗口處理和模板處理：只對圖像的特定部

3、分進行處理二、圖像增強技術(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器進行分析處理的形式。方法： 點運算：灰度變換、直 空間域 方圖修正、局部統(tǒng)計 圖像增強 局部運算：平滑和銳化 頻率域：高通、低通濾波，同態(tài) 彩色增強、代數(shù)運算直方圖修正法（均衡化和規(guī)定化）直方圖均衡化過程如下：（1）計算原圖像的灰度直方圖 ；（2）計算原圖像的灰度累積分布函數(shù) Sk= T(rk)= ，進一步求出灰度變換表；（3）根據(jù)灰度變換表，將原圖像各灰度級映射為新的灰度級 直方圖均衡的實質(zhì)是減少灰度等級換取對比度的擴大。在MATLAB中，histeq函數(shù)可以實現(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圖像作修正的增強方法。過程：（單值圖像） （1）對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，常常會遇到圖像中混雜有許多的噪聲。因此，在進行圖像處理中，有時要先進行祛除噪聲的工作。最常用的祛除噪聲的方法是用濾波器進行濾波處理。圖像平滑通過積分過程在消除噪聲的同時使得圖像邊緣模糊，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像素值，即對待處理的當前像素點（x，y），選擇一個模板，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，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的

7、灰度個g（x，y），即個g（x，y）=1/m f（x，y） m為該模板中包含當前像素在內(nèi)的像素總個數(shù)。圖像銳化最常用的是梯度法。 grad(x,y)= fx fy 梯度是一個矢量，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。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)來檢測到。常用微分算子進行邊緣檢測。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。在實際中各種微分算子常用小區(qū)域模板來表示，微分運算是利用模板和圖像卷積來實現(xiàn)。這些算子對噪聲敏感，只適合于噪聲較小不太復(fù)雜的圖像。霍夫變換線檢測法 設(shè)

11、在直角坐標系中的一條直線l，原點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 直角坐標系中的一條直線對應(yīng)極坐標系的一點。 0 0.50.50.51.01.0 y x1.0 x y霍夫變換檢測直線的原理： 設(shè)平面上有若干點，過每點的直線系分別對應(yīng)于極坐標上的一條正弦曲線。若這些正弦曲線有共同的交點（ , ），則這些點共線，且對應(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I=imread(19.jpg);A=rgb2gray(I);figuresubplot(1,4,1),imshow(A);title(原圖像)B=edge(A,sobel,0.1);%ed