智能圖像處理與分析識別課件：圖像預處理技術

智能圖像處理與分析識別

《智能圖像處理與分析識別》圖像預處理技術4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過濾增強4.4形態(tài)學處理4.1圖像的灰度變換圖像灰度變換（Gray-ScaleTransformation，GST）是圖像增強的一種重要手段，它常用于改變圖像的灰度范圍及其分布，使圖像的動態(tài)范圍增大及對比度擴展，是圖像數(shù)字化及圖像顯示的重要工具之一?；叶茸儞Q的作用是為了改變圖像的質(zhì)量，使圖像的顯示效果更加清晰，并且有選擇地突出圖像中感興趣的特征或者抑制圖像中某些不需要的特征，使圖像與視覺響應特性相匹配。4.1圖像的灰度變換線性灰度變換的變換函數(shù)滿足：4.1.1線性變換灰度變換4.1圖像的灰度變換4.1.1線性變換在Matlab環(huán)境中，采用函數(shù)imadjust()對圖像進行灰度值線性變換，常用語法有：J=imadjust(I)J=imadjust(I,[low_inhigh_in],[low_outhigh_out])J=imadjust(I,[low_inhigh_in],[low_outhigh_out],gamma)4.1圖像的灰度變換I=imread('mengwa.jpg');%載入圖像I1=rgb2gray(I);figure,imshow(I1);%顯示圖像figure,imhist(I1);xlim([0255]);%規(guī)定橫縱坐標ylim([010000]);xlim([0255]);ylim([010000]);%將圖像通過線性變換映射到0~255之間J=imadjust(I1,[0.3,0.7]);%對灰度圖像進行線性變換figure,imshow(J);figure,imhist(J);xlim([0255]);ylim([010000]);4.1.1線性變換【代碼示例】：不同的分段線性變換4.1.1線性變換4.1圖像的灰度變換4.1.2分段線性變換在實際應用中，為了突出圖像中感興趣的研究對象，常常要求局部擴展拉伸某一范圍的灰度值，或?qū)Σ煌秶幕叶戎颠M行不同的拉伸處理，即分段線性拉伸分段線性灰度變換4.1圖像的灰度變換4.1.2分段線性變換通過調(diào)整折線拐點的位置以及控制分段直線的斜率，可以實現(xiàn)對任意灰度區(qū)間的擴展和壓縮不同的分段線性變換4.1圖像的灰度變換4.1.3灰度對數(shù)變換對數(shù)變換不是對圖像的整個灰度范圍進行擴展，而是有選擇地對低灰度值范圍進行擴展，其他范圍的灰度值則有可能被壓縮，也就是說它主要用來將圖像暗的部分進行擴展，而將亮的部分進行抑制。4.1圖像的灰度變換4.1.3灰度對數(shù)變換I=imread('mengwa2.jpg');%載入圖像figure,imshow(I)J=double(I);J=40*(log(J+1));H=uint8(J);%將圖像數(shù)組轉(zhuǎn)換成uint8類型，即8位圖figure,imshow(H)figure,imhist(I);figure,imhist(H);4.1圖像的灰度變換灰度對數(shù)變換【代碼示例】：4.1.4直方圖均衡化直方圖均衡化是一種圖像對比度增強技術，它可以改變圖像整體偏暗或偏亮，或灰度層次不豐富的情況，使得到的直方圖占據(jù)整個灰度范圍且均勻分布。直方圖均衡化通過使用累積函數(shù)對灰度值進行“調(diào)整”以實現(xiàn)對比度的增強,

直方圖均衡化映射函數(shù)為:N

是圖像的像素總數(shù),

nk是圖像中第k個灰度級的像素總數(shù)，fk為原圖第k個灰度級的灰度值，gk為均衡化后第k個灰度級的灰度值。

4.1圖像的灰度變換4.1.4直方圖均衡化實現(xiàn)步驟:原始圖像的灰度情況進行統(tǒng)計分析，并計算出原直方圖分布然后根據(jù)計算出的累計直方圖分布求出到的灰度映射關系。重復上述步驟得到原圖像所有灰度級到目標圖像灰度級的映射關系根據(jù)上述映射關系對原圖像各點像素進行灰度轉(zhuǎn)換

4.1圖像的灰度變換4.1.4直方圖均衡化Matlab中采用histeq()函數(shù)對圖像進行均衡化處理，調(diào)用形式如下：I=imread('mengwa.jpg');%載入原始圖像I1=rgb2gray(I);figure,imshow(I1);hgram=[0:255];%規(guī)定化函數(shù)J=histeq(I1,hgram);%直方圖均衡化figure,imshow(J);figure,imhist(I1,256);

figure,imhist(J,256);

圖像直方圖均衡化4.1圖像的灰度變換《智能圖像處理與分析識別》圖像預處理技術4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過濾增強4.4形態(tài)學處理4.2圖像的幾何變換圖像幾何變換是指用數(shù)學建模的方法來描述圖像位置、大小、形狀等變化的方法，通過對變形的圖像進行幾何校正，可以得出準確的圖像。圖像幾何變換只改變像素所在的幾何位置，而不改變圖像的像素值。平移旋轉(zhuǎn)鏡像比例縮放插值4.2圖像的幾何變換4.2.1平移圖像的平移是幾何變換中最簡單的變換之一，是將一幅圖像上的所有點都按照給定的偏移量在水平方向沿x軸、在垂直方向沿y軸移動。發(fā)生平移時，遵循以下公式：4.2圖像的幾何變換I=imread('mengwa.jpg');%載入原圖figure,imshow(I);se=translate(strel(1),[4040]);%向右向下平移40個像素J=imdilate(I,se);figure,imshow(J);4.2.1平移原圖平移圖像【代碼示例】：4.2圖像的幾何變換4.2.2旋轉(zhuǎn)圖像旋轉(zhuǎn)變換是指以圖像的中心為原點，將圖像中的所有像素（即整幅圖像）旋轉(zhuǎn)一個相同角度。4.2圖像的幾何變換4.2.2旋轉(zhuǎn)Matlab中采用imrotate()函數(shù)對圖像進行旋轉(zhuǎn)操作，調(diào)用形式如下：B=imrotate(A,angle)B=imrotate(A,angle,method)B=imrotate(A,angle,method,bbox)A是旋轉(zhuǎn)的圖像矩陣，angle是旋轉(zhuǎn)角度，-45是順時針。method是插值的方法（如，nearest，bilinear，bicubic，注意：要打單引號，‘nearest’）。bbox是指旋轉(zhuǎn)后的顯示方式（兩種：crop，旋轉(zhuǎn)后的圖像跟原圖像大小一樣，超過邊框的舍去；loose，旋轉(zhuǎn)后的圖像不變，隨框大小而變化）。4.2圖像的幾何變換4.2.2旋轉(zhuǎn)I=imread('mengwa.jpg’)%載入原圖figure,imshow(I);J1=imrotate(I,45);%將圖像旋轉(zhuǎn)45°J2=imrotate(I,90);%將圖像旋轉(zhuǎn)90°J3=imrotate(I,135);%將圖像旋轉(zhuǎn)135°figure,imshow(J1);figure,imshow(J2);figure,imshow(J3);原圖旋轉(zhuǎn)45度旋轉(zhuǎn)90度旋轉(zhuǎn)135度【代碼示例】：4.2圖像的幾何變換4.2.3鏡像圖像的鏡像變換不改變圖像的形狀。圖像的水平鏡像操作是將圖像的左半部分和右半部分以圖像垂直中軸線為中心鏡像進行對換；圖像的垂直鏡像操作是將圖像上半部分和下半部分以圖像水平中軸線鏡像進行對換?？梢詥蝹€像素進行鏡像，也可以利用位圖存儲的連續(xù)性進行整行復制。水平鏡像垂直鏡像4.2圖像的幾何變換4.2.3鏡像I=imread('mengwa.jpg');figure,imshow(I);[R,C,color]=size(I);J=zeros(R,C,color);fori=1:Rforj=1:Cx=i;y=C-j+1;J(x,y,:)=I(i,j,:);endendfigure,imshow(uint8(J));原圖鏡像圖像【代碼示例】：4.2圖像的幾何變換4.2.4比例放縮圖像比例縮放（imagescaling）是指對數(shù)字圖像的大小進行調(diào)整的過程。圖像縮放需要在處理效率以及結果的平滑度和清晰度上做一個權衡。圖像的縮放操作將會改變圖像的大小，產(chǎn)生的圖像中的像素可能在原圖中找不到相應的像素點，這樣就必須進行近似處理。一般的方法是直接賦值為和它最相近的像素值，也可以通過一些插值算法來計算。4.2圖像的幾何變換4.2.4比例放縮Matlab中采用imresize()函數(shù)對圖像進行縮放處理，其常用的調(diào)用格式如下：B=imresize(A,scale)B=imresize(A,[numrowsnumcols])scale大于1，則放大圖像；scale小于1，縮小圖像。numrows和numcols分別指定目標圖像的高度和寬度。4.2圖像的幾何變換4.2.4比例放縮I=imread('mengwa1.jpg');%載入原圖figure,imshow(I);J1=imresize(I,2);%縮放J2=imresize(I,0.5);figure,imshow(J1);figure,imshow(J2);【代碼示例】：4.2圖像的幾何變換4.2.5插值圖像插值是圖像處理中較常用的一種提高分辨率的方法，它利用已知鄰近像素點的灰度值（或RGB圖像中的三色值）來產(chǎn)生未知像素點的灰度值，以便由原始低分辨圖像再生出具有更高分辨率的圖像。（1）最近鄰插值將一張M×N的圖像I放大為m×n的圖像J，則圖像I中任一點(i,j)的映射到圖像J的坐標(x,y)，類比相似三角形的相似性質(zhì)計算圖像J中坐標(x,y)的像素值為：4.2圖像的幾何變換4.2.5插值（2）雙線性插值該方法中輸出像素的值是它在輸入圖像中2×2的鄰域采樣點的平均值，它根據(jù)某像素周圍4個像素的灰度值在水平和垂直兩個方向上對其插值。（3）雙三次插值該插值的鄰域大小為4×4，它的插值效果比較好，但相應的計算量較大。4.2圖像的幾何變換4.2.5插值在Matlab中提供的圖像縮放函數(shù)imresize()可以實現(xiàn)對圖像的縮放，在使用該函數(shù)時，可以選擇圖像縮放所采用的插值方法。其調(diào)用形式如下：B=imresize(A,scale,method)'nearest'：這個參數(shù)也是默認的，即改變圖像尺寸時采用最近鄰插值算法；'bilinear'：采用雙線性插值算法；'bicubic'：采用雙三次插值算法；4.2圖像的幾何變換4.2.5插值I=imread('mengwa1.jpg');%載入原圖figure,imshow(I);J1=imresize(I,1.5,'nearest');%最近鄰插值縮放J2=imresize(I,1.5,'bilinear');%雙線性插值縮放J3=imresize(I,1.5,'bicubic');%雙三次插值縮放figure,imshow(J1);figure,imshow(J2);figure,imshow(J3);【代碼示例】：4.2圖像的幾何變換4.2.5插值原圖最近鄰插值放大雙線性插值放大雙三次插值放大《智能圖像處理與分析識別》圖像預處理技術4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過濾增強4.4形態(tài)學處理4.3空間濾波增強空間濾波器是由一個鄰域（通常是較小的矩形），對該鄰域所包圍圖像像素執(zhí)行的預定義操作組成。濾波產(chǎn)生一個新像素，新像素的坐標等于鄰域中心的坐標，像素的值是濾波操作的結果。濾波后的像素值通常會賦給新創(chuàng)建圖像中的對應位置，以容納濾波的結果。均值濾波中值濾波對比度增強使用大小為3×3的濾波器模板的線性空間濾波機理4.3.1空間濾波機理4.3空間濾波增強4.3.2均值濾波均值濾波法也叫鄰域平均法，是一種局部空間域處理的算法，鄰域平均法具有良好的噪聲平滑效果，是最簡單的一種平滑方法。f(i,j)為圖像信號h(i,j)為噪聲S為點(x,y)鄰域內(nèi)的點集4.3空間濾波增強4.3.2均值濾波在Matlab圖像處理工具箱中提供了fspecial()函數(shù)用來創(chuàng)建預定義的濾波器模板，并提供了filter2()函數(shù)用指定的濾波器模板對圖像進行均值濾波運算。filter2()的調(diào)用格式為：Y=filter2(h,X)；Y=filter2(h,X,shape)；h為指定的濾波器模板X為原始圖像。Y為濾波后的圖像。4.3空間濾波增強4.3.2均值濾波I=imread('mengwa1.jpg');%載入圖像I1=rgb2gray(I);J=imnoise(I1,'salt&pepper',0.02);%添加椒鹽噪聲K1=filter2(fspecial('average',3),J)/255;%進行3×3模板均值濾波（默認值）K2=filter2(fspecial('average',5),J,'full')/255;%進行5×5模板均值濾波K3=filter2(fspecial('average',7),J,'same')/255;%進行7×7模板均值濾波K4=filter2(fspecial('average',9),J,'valid')/255;%進行9×9模板均值濾波4.3空間濾波增強【代碼示例】：4.3空間濾波增強4.3.2均值濾波灰度圖

3×3均值濾波加噪聲圖像5×5均值濾波7×7均值濾波9×9均值濾波4.3.3中值濾波中值濾波法也是一種非線性平滑技術，它將每一像素點的灰度值設置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值。4.3空間濾波增強中值濾波法是一種減少邊緣模糊的非線性平滑技術，在一定條件下，可以克服鄰域平均所帶來的圖像細節(jié)模糊，能保存完整的邊緣信息，而且能對濾除脈沖干擾及圖像掃描噪聲最為有效。4.3.3中值濾波4.3空間濾波增強在Matlab圖像處理工具箱中提供了medfilt2()函數(shù)用指定的濾波器模板對圖像進行中值濾波運算。medfilt2()的調(diào)用格式為：J=medfilt2(I);J=medfilt2(I，[mn]);J=medfilt2(___，padopt);4.3空間濾波增強I=imread('mengwa1.jpg');I1=rgb2gray(I);figure,imshow(I1);%title('灰度圖','fontsize',14)J=imnoise(I1,'salt&pepper',0.02);figure,imshow(J);%title('加噪聲圖像','fontsize',14)K1=medfilt2(J,[3,3]);%進行3×3模板中值濾波（默認）K2=medfilt2(J,[5,5]);%進行5×5模板中值濾波K3=medfilt2(J,[7,7]);%進行7×7模板中值濾波K4=medfilt2(J,[9,9]);%進行9×9模板中值濾波figure,imshow(K1);%title('3×3中值濾波','fontsize',14)figure,imshow(K2);%title('5×5中值濾波','fontsize',14)figure,imshow(K3);%title('7×7中值濾波','fontsize',14)figure,imshow(K4);%title('9×9中值濾波','fontsize',14)【代碼示例】：4.3空間濾波增強灰度圖

3×3中值濾波加噪點圖像5×5中值濾波7×7中值濾波9×9中值濾波4.3.3中值濾波《智能圖像處理與分析識別》圖像預處理技術4.1圖像的灰度變換4.2圖像的幾何變換4.3空間過濾增強4.4形態(tài)學處理4.4形態(tài)學處理形態(tài)學，即數(shù)學形態(tài)學（MathematicalMorphology），是圖像處理中應用最為廣泛的技術之一。其主要應用是從圖像中提取對于表達和描繪區(qū)域形狀有意義的圖像分量，使后續(xù)的識別工作能夠抓住目標對象最為本質(zhì)的形狀特征，如邊界和連通區(qū)域等；同時圖像細化、像素化和修剪毛刺等技術也常常應用于圖像的預處理和后處理中，成為圖像增強技術的有力補充。4.4形態(tài)學處理4.4.1腐蝕腐蝕運算的基本過程是，把結構元素作為一個卷積模板，遍歷原圖像的每個像素，然后用結構元素的中心點對準當前正在遍歷的像素，然后取當前結構元素所覆蓋下的原圖對應區(qū)域內(nèi)的所有像素的最小值，用最小值替換當前像素值。4.4形態(tài)學處理Matlab中和腐蝕相關的兩個常用函數(shù)為imerode()和strel()（1）imerode函數(shù)用于完成圖像腐蝕，其常用調(diào)用形式如下： J=imerode(I,SE)（2）strel()函數(shù)可以為各種常見形態(tài)學運算生成結構元素SE，當生成二值形態(tài)學使用的結構元素時，其調(diào)用形式入下。 SE=strel(shape,parameters)4.4.1腐蝕4.4形態(tài)學處理I=imread('jianzhiYFFS.jpg');I1=rgb2gray(I);figure,imshow(I1);%title('灰度圖','fontsize',14)se1=strel('disk',1);%生成圓形結構元素，半徑r=1se2=strel('disk',2);%生成圓形結構元素，半徑r=2se3=strel('disk',3);%生成圓形結構元素，半徑r=3J1=imerode(I1,se1);%用生成的結構元素對圖像進行腐蝕J2=imerode(I1,se2);J3=imerode(I1,se3);figure,imshow(J1);%title('腐蝕r=1','fontsize',14)figure,imshow(J2);%title('腐蝕r=2','fontsize',14)figure,imshow(J3);%title('腐蝕r=3','fontsize',14)【代碼示例】：4.4形態(tài)學處理4.4.1腐蝕4.4形態(tài)學處理4.4.1膨脹膨脹運算的基本過程是，把結構元素作為一個卷積模板，遍歷原圖像的每個像素，然后用結構元素的中心點對準當前正在遍歷的像素，然后取當前結構元素所覆蓋下的原圖對應區(qū)域內(nèi)的所有像素的最大值，用最大值替換當前像素值。4.4形態(tài)學處理4.4.2膨脹在Matlab中和膨脹相關的倆個常用函數(shù)為imdilate()和strel()。imdilate函數(shù)用于完成圖像膨脹，其常用調(diào)用形式如下：J=imdilate(I,SE);參數(shù)說明：

I為原始圖像，可以是二值或灰度圖像(對應于灰度膨脹）。

SE是由strel()函數(shù)返回的自定義或者預設的結構元素對象。

J為膨脹后的輸出圖像。4.4形態(tài)學處理I=imread('jianzhiYFFS.jpg');%載入圖像se1=strel('disk',1);%生成圓形結構元素，半徑r=1se2=strel('disk',2);%生成圓形結構元素，半徑r=2se3=strel('disk',3);%生成圓形結構元素，半徑r=3I1=rgb2gray(I);%轉(zhuǎn)化為灰度圖figure,imshow(I1);%title('灰度圖','fontsize',14)J1=imdilate(I1,se1);%用生成的結構元素對圖像進行膨脹J2=imdilate(I1,se2);J3=imdilate(I1,se3);figure,imshow(J1);%title('膨脹r=1','fontsize',14)figure,imshow(J2);%title('膨脹r=2','fontsize',14)figure,imshow(J3);%title('膨脹r=3','fontsize',14)【代碼示例】：4.4形態(tài)學處理4.4.2膨脹4.4形態(tài)學處理4.4.3開運算先對圖像進行腐蝕運算，再進行膨脹運算，稱為開運算。一般來說，開運算使圖像的輪廓變得光滑，斷開狹窄的連接和消除細毛刺。Matlab中直接提供了開運算函數(shù)imopen()，調(diào)用形式如下： J=imopen(I,SE);參數(shù)說明：

I為原始圖像，可以是二值或灰度圖像。

SE是由strel()函數(shù)返回的自定義或者預設的結構元素對象。

J為開運算后的輸出圖像。4.4形態(tài)學處理4.4.3開運算I=imread('jianzhiYFFS1.jpg');figure,imshow(I);%title('原圖','fontsize',14);I1=im2bw(I,0.55);%二值化figure,imshow(I1);%title('二值圖','fontsize',14);se=strel('disk',1);%采用半徑為1的圓作為結構元素se=strel('disk',3);%采用半徑為3的圓作為結構元素J=imopen(I1,se);%開啟操作figure,imshow(J);%title('開運算圖像','fontsize',14);【代碼示例】：4.4形態(tài)學處理4.4.3開運算4.4形態(tài)學處理4.4.4閉運算先對圖像進行膨脹運算，再進行腐蝕運算，稱為閉運算。閉運算同樣使輪廓變得光滑，但與開運算相反，它通常能夠彌合狹窄的間斷。Matlab中直接提供了閉運算函數(shù)imclose()，其調(diào)用形式如下：

J=imclose(I,SE);參數(shù)說明：

I為原始圖像，可以是二值或灰度圖像。

SE是由strel()函數(shù)返回的自定義或者預設的結構元素對象。

J為閉運算后的輸出圖像。4.4形態(tài)學處理I=imread('jianzhiYFFS1.jpg');figure,imshow(I);%title('原圖','fontsize',14)I1=im2bw(I);%二值化figure,imshow(I1);%title('二值圖','fontsize',14)se=strel('disk',1);%采用半徑為1的圓作為結構元素J=imclose(I1,se);%閉合操作figure,imshow(J);%title('閉運算圖像','fontsize',14)【代碼示例】：4.4形態(tài)學處理4.4.4閉運算4.4形態(tài)學處理4.4.5細化圖像處理中物體的形狀信息是十分重要的，為了便于描述和抽取圖像特定區(qū)域的特征，對那些表示物體的區(qū)域通常需要采用細化算法處理，得到與原來物體區(qū)域形狀近似的由簡單的弧或曲線組成的圖形，這些細線處于物體的中軸附近，這就是所謂的圖像的細化。4.4形態(tài)學處理4.4.5細化Matlab中直接提供了細化運算函數(shù)bwmorph()