實(shí)驗(yàn)四數(shù)字圖像濾波及邊緣檢測

實(shí)驗(yàn)四數(shù)字圖像濾波及邊緣檢測第一頁，共二十九頁，2022年，8月28日了解圖像復(fù)原的基本方法。了解圖像邊緣檢測。利用MATLAB提供的函數(shù)實(shí)現(xiàn)對(duì)圖像處理。一、實(shí)驗(yàn)?zāi)康牡诙?，共二十九頁?022年，8月28日二、實(shí)驗(yàn)原理圖像恢復(fù)和圖像增強(qiáng)一樣，都是為了改善圖像的視覺效果，以便后續(xù)處理。只是圖像增強(qiáng)方法更偏重于主觀判斷，而圖像恢復(fù)則是根據(jù)圖像畸變或退化原因，進(jìn)行模型處理。圖像分割是圖像檢索、識(shí)別和圖像理解的基本前提。第三頁，共二十九頁，2022年，8月28日1、圖像中值濾波中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)。中值濾波的優(yōu)點(diǎn)是運(yùn)算簡單且速度較快，在某些條件下，中值濾波方法可以去除噪聲，保護(hù)圖像邊緣，使圖像較好地復(fù)原。它非常適用于一些線性濾波器無法勝任的數(shù)字圖像處理的應(yīng)用場合。第四頁，共二十九頁，2022年，8月28日中值濾波的基本原理中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)鄰域中各點(diǎn)值的中值替代。例如：有一個(gè)序列為(2,3,4,5,6),這個(gè)序列的中值為4。中值濾波器用于圖像處理中是這樣進(jìn)行的:設(shè)置一個(gè)濾波窗口，將其移遍圖像(序列)上的點(diǎn)，且用窗口內(nèi)各原始值的中值代替窗口中心點(diǎn)的值。第五頁，共二十九頁，2022年，8月28日利用Matlab實(shí)現(xiàn)數(shù)字圖像中值濾波應(yīng)用Matlab軟件中圖像處理工具箱的函數(shù)。二維中值濾波器的函數(shù)格式如下:B=Medfilt2(A,[mn])；

B=Medfilt2(A)。(缺省窗口大小為[33])

第六頁，共二十九頁，2022年，8月28日函數(shù)：imnoise()

格式：

J=imnoise(I,type,……)type:‘gaussian’Gauss白噪聲‘salt&pepper’椒鹽噪聲‘speckle’乘法噪聲圖像中添加噪聲第七頁，共二十九頁，2022年，8月28日‘gaussian’Gauss白噪聲參數(shù)設(shè)置:M、V：在圖像中加入均值為M、方差為V的高斯白噪聲。(缺省M=0,V=0.01)J=imnoise(I,’gaussian’,M,V)‘salt&pepper’

椒鹽噪聲參數(shù)設(shè)置:D:在圖像I中加入強(qiáng)度為D的“椒鹽”黑白像素點(diǎn).(缺省為0.05)J=imnoise(I,’

salt&pepper’,D)‘speckle’

乘法噪聲參數(shù)設(shè)置:J=imnoise(I,’

speckle’,V),使用公式J=I+n*I,向圖像I中加入乘法噪聲,其中n是均值為0,方差為V均勻分布的隨機(jī)噪聲.(V的缺省值為0.04)第八頁，共二十九頁，2022年，8月28日x=imread(‘dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j1=imnoise(i,'gaussian',0,0.04);subplot(2,2,2);subimage(j1);j2=imnoise(i,'salt&pepper',0.04);subplot(2,2,3);subimage(j2);j3=imnoise(i,'speckle',0.08);subplot(2,2,4);subimage(j3);第九頁，共二十九頁，2022年，8月28日第十頁，共二十九頁，2022年，8月28日a=imread('dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j=imnoise(i,'salt&pepper',0.04);subplot(2,2,2);subimage(j);c=medfilt2(j,[22]);subplot(2,2,3);subimage(c);d=medfilt2(j,[55]);subplot(2,2,4);subimage(d);對(duì)加噪的圖像進(jìn)行二維中值濾波第十一頁，共二十九頁，2022年，8月28日第十二頁，共二十九頁，2022年，8月28日2、邊緣檢測在對(duì)圖像的研究和應(yīng)用中，人們往往僅對(duì)各幅圖像中的某些部分感興趣，需要將這些有關(guān)區(qū)域分離提取出來，在此基礎(chǔ)上對(duì)相關(guān)目標(biāo)作進(jìn)一步的處理。分割算法借助灰度圖像中像素灰度值的兩個(gè)性質(zhì)：不連續(xù)性和相似性。區(qū)域內(nèi)部的像素一般具有灰度相似性，而在區(qū)域之間的邊界上一般具有灰度不連續(xù)性。利用區(qū)域間灰度不連續(xù)性的基于邊界的算法；利用區(qū)域內(nèi)灰度相似性的基于區(qū)域的算法。第十三頁，共二十九頁，2022年，8月28日根據(jù)分割過程中處理策略的不同并行算法所有判斷和決定都可獨(dú)立和同時(shí)地做出。串行算法前期處理的結(jié)果可被其后的處理過程所利用。兩種算法的對(duì)比串行算法所用時(shí)間要長與并行算法，但其抗噪聲能力則強(qiáng)于并行算法。第十四頁，共二十九頁，2022年，8月28日分割算法分類表注意：現(xiàn)在尚無一種適合于所有圖像的通用分割算法，現(xiàn)在提出的分割算法大都是針對(duì)具體問題的。分類邊界（不連續(xù)性）區(qū)域（相似性）并行處理PBPR串行處理SBSR第十五頁，共二十九頁，2022年，8月28日邊緣檢測采用并行邊界技術(shù)。兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在邊緣。邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)?？衫们髮?dǎo)的方法檢測到。一般常用一階和二階導(dǎo)數(shù)來檢測邊緣。微分算子邊緣檢測可借助空域微分算子通過卷積完成。梯度算子；拉普拉斯算子；綜合正交算子。第十六頁，共二十九頁，2022年，8月28日邊界閉合利用各種算子得到的邊緣像素常常是孤立或分小段連續(xù)的。為組成區(qū)域的封閉邊界將不同的區(qū)域分開，需要將邊緣像素連接起來。哈夫變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的方法。

第十七頁，共二十九頁，2022年，8月28日MATLAB實(shí)例提取二進(jìn)制圖像的輪廓。語法：BW2=bwmorph(BW1,operation)operation取值：'bridge';'clean';'close';'fill';‘majority’;‘remove’;‘shrink’;‘skel’等。第十八頁，共二十九頁，2022年，8月28日BW1=imread('circles.png');subplot(2,2,1);subimage(BW1);BW2=bwmorph(BW1,'remove');subplot(2,2,2);subimage(BW2)第十九頁，共二十九頁，2022年，8月28日檢測灰度圖像的邊緣格式：

BW=edge(I,method)I=imread('rice.png');imshow(I);BW1=edge(I,'prewitt');figure;imshow(BW1);BW2=edge(I,'canny');figure;imshow(BW2);第二十頁，共二十九頁，2022年，8月28日第二十一頁，共二十九頁，2022年，8月28日區(qū)域生長法分割圖像主要考慮像素及其空間鄰域像素之間的關(guān)系，開始時(shí)確定一個(gè)或多個(gè)像素點(diǎn)作為種子，然后按照某種相似準(zhǔn)則增長區(qū)域，逐步生成具有某種均勻性的空間區(qū)域，將相鄰（4鄰域或8鄰域）的具有相似性質(zhì)的像素或區(qū)域歸并從而逐步增長區(qū)域，直到?jīng)]有可以歸并的點(diǎn)或其他小區(qū)域?yàn)橹?。區(qū)域內(nèi)像素的相似性度量可以是平均灰度值、紋理或顏色等信息。第二十二頁，共二十九頁，2022年，8月28日區(qū)域生長由3個(gè)主要步驟組成選擇合適的種子點(diǎn)。確定生長準(zhǔn)則。確定生長停止條件。第二十三頁，共二十九頁，2022年，8月28日工具函數(shù)imreconstrct()語法格式：

outim=imreconstruct(markerim,maskim)其中：

markerim標(biāo)記圖像

maskim模板圖像工具函數(shù)的工作過程是一個(gè)迭代過程。第二十四頁，共二十九頁，2022年，8月28日對(duì)一幅灰度圖像用區(qū)域生長法進(jìn)行分割首先指定幾個(gè)種子點(diǎn)，其次把圖像中灰度值等于種子點(diǎn)的像素點(diǎn)作為種子點(diǎn)，然后以種子點(diǎn)為中心，各像素點(diǎn)與種子點(diǎn)的灰度值的差不超過某個(gè)值。則認(rèn)為該像素點(diǎn)和種子點(diǎn)具有相似性。第二十五頁，共二十九頁，2022年，8月28日MATLAB參考程序a=imread('dog1.jpg');I=rgb2gray(a);subplot(1,2,1);imshow(I);seedx=[256,128,64];seedy=[128,256,128];holdonplot(seedx,seedy,'gs','linewidth',1);title('原始圖像及種子位置');I=double(I);markerim=I==I(seedy(1),seedx(1));fori=2:length(seedx)markerim=markerim|(I==I(seedy(i),seedx(i)));endthresh=[15,10,15];maskim=zeros(size(I));fori=1:length(seedx)g=abs(I-I(seedy(i),seedx(i)))<=thresh(i);maskim=maskim|g;end[g,nr]=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(1,2,2);imshow(g);title('三個(gè)種子點(diǎn)區(qū)域生長結(jié)果');第二十六頁，共二十九頁，2022年，8月28