數(shù)字圖像處理期末論文作業(yè)

1、數(shù)字圖像處理摘要數(shù)字圖像處理是用計算機對圖像信息進行處理的一門技術(shù)，主要是為了修改圖形，改善圖像質(zhì)量，或是從圖像中提起有效信息，還有利用數(shù)字圖像處理可以對圖像進行體積壓縮，便于傳輸和保存。本文論述了用Matlab編程對數(shù)字圖像進行圖像運算的基本方法。 圖像運算涵蓋了MATLAB程序設(shè)計、圖像點運算、代數(shù)運算、幾何運算等基本知識及其應(yīng)用（點運算是圖象處理的一個重要運算）。以及對圖像加入噪聲、圖像縮放和圖像旋轉(zhuǎn)。關(guān)鍵詞:圖像點運算；代數(shù)運算；幾何運算；圖像縮放；圖像旋轉(zhuǎn)1 緒論數(shù)字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像處理最早

2、出現(xiàn)于20世紀50年代，當時的電子計算機已經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀60年代初期。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強、復(fù)原、編碼、壓縮等。首次獲得實際成功應(yīng)用的是美國噴氣推進實驗室（JPL）。他們對航天探測器徘徊者7號在1964年發(fā)回的幾千張月球照片使用了圖像處理技術(shù)，如幾何校正、灰度變換、去除噪聲等方法進行處理，并考慮了太陽位置和月球環(huán)境的影響，由計算機成功地繪制出月球表面地圖，獲得了巨大

3、的成功。隨后又對探測飛船發(fā)回的近十萬張照片進行更為復(fù)雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創(chuàng)舉奠定了堅實的基礎(chǔ)，也推動了數(shù)字圖像處理這門學(xué)科的誕生。在以后的宇航空間技術(shù)，如對火星、土星等星球的探測研究中，數(shù)字圖像處理都發(fā)揮了巨大的作用。數(shù)字圖像處理取得的另一個巨大成就是在醫(yī)學(xué)上獲得的成果。1972年英國EMI公司工程師Housfield發(fā)明了用于頭顱診斷的X射線計算機斷層攝影裝置，也就是我們通常所說的CT（ComputerTomograph）。CT的基本方法是根據(jù)人的頭部截面的投影，經(jīng)計算機處理來重建截面圖像，稱為圖像重建。1975年EMI公司又

4、成功研制出全身用的CT裝置，獲得了人體各個部位鮮明清晰的斷層圖像。1979年，這項無損傷診斷技術(shù)獲得了諾貝爾獎，說明它對人類作出了劃時代的貢獻。與此同時，圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就，屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)過程、工業(yè)檢測、機器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)等，使圖像處理成為一門引人注目、前景遠大的新型學(xué)科。隨著圖像處理技術(shù)的深入發(fā)展，從70年代中期開始，隨著計算機技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展。人們已開始研究如何用計算機系統(tǒng)解釋圖像，實現(xiàn)類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像理解或計算機視覺。很多

5、國家，特別是發(fā)達國家投入更多的人力、物力到這項研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的視覺計算理論，這個理論成為計算機視覺領(lǐng)域其后十多年的主導(dǎo)思想。圖像理解雖然在理論方法研究上已取得不小的進展，但它本身是一個比較難的研究領(lǐng)域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機視覺是一個有待人們進一步探索的新領(lǐng)域。對圖像進行處理(或加工、分析)的主要目的有三個方面:(1)提高圖像的視感質(zhì)量,如進行圖像的亮度、彩色變換,增強、抑制某些成分,對圖像進行幾何變換等,以改善圖像的質(zhì)量。(2)提取圖像中所包含的某些特征或特殊信息,這些被提取的特征或信息

6、往往為計算機分析圖像提供便利。提取特征或信息的過程是計算機或計算機視覺的預(yù)處理。提取的特征可以包括很多方面,如頻域特征、灰度或顏色特征、邊界特征、區(qū)域特征、紋理特征、形狀特征、拓撲特征和關(guān)系結(jié)構(gòu)等。(3)圖像數(shù)據(jù)的變換、編碼和壓縮,以便于圖像的存儲和傳輸。不管是何種目的的圖像處理,都需要由計算機和圖像專用設(shè)備組成的圖像處理系統(tǒng)對圖像數(shù)據(jù)進行輸入、加工和輸出。數(shù)字圖像處理主要研究的內(nèi)容有以下幾個方面：（1）圖像變換由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往采用各種圖像變換的方法，如傅里葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可

7、減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理）。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。（2）圖像編碼壓縮圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。（3）圖像增強和復(fù)原圖像增強和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強化圖像高頻分

8、量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立"降質(zhì)模型"，再采用某種濾波方法，恢復(fù)或重建原來的圖像。（4）圖像分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。（5）圖像描述圖像描述是圖像識別和理解的必要前

9、提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。（6）圖像分類（識別）圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強、復(fù)原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。常用方法。（1）圖

10、像變換：由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理）。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。（2）圖像編碼壓縮：圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中

11、是發(fā)展最早且比較成熟的技術(shù)。（3）圖像增強和復(fù)原：圖像增強和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立“降質(zhì)模型”，再采用某種濾波方法，恢復(fù)或重建原來的圖像。（4）圖像分割：圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取

12、、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。（5）圖像描述：圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。（6）圖像分類（識別）：圖像分類（識別）屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強、復(fù)原、壓縮）后，進行圖像分割和特征提取，從而進行

13、判決分類。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。2 強大的matlab工具 MATLAB語言是由美國MathWorks公司推出的計算機軟件，經(jīng)過多年的逐步發(fā)展與不斷完善，現(xiàn)已成為國際公認的最優(yōu)秀的科學(xué)計算與數(shù)學(xué)應(yīng)用軟件之一，是近幾年來在國內(nèi)外廣泛流行的一種可視化科學(xué)計算軟件。它集數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體，構(gòu)成了一個方便的、界面友好的用戶環(huán)境，而且還具有可擴展性特征。MathWorks公司針對不同領(lǐng)域的應(yīng)用，推出了信號處理、控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、圖像處理、小波分析

14、、魯棒控制、非線性系統(tǒng)控制設(shè)計、系統(tǒng)辨識、優(yōu)化設(shè)計、統(tǒng)計分析、財政金融、樣條、通信等30多個具有專門功能的工具箱，這些工具箱是由該領(lǐng)域內(nèi)的學(xué)術(shù)水平較高的專家編寫的，無需用戶自己編寫所用的專業(yè)基礎(chǔ)程序，可直接對工具箱進行運用。同時，工具箱內(nèi)的函數(shù)源程序也是開放性的，多為M文件，用戶可以查看這些文件的代碼并進行更改，MALAB支持用戶對其函數(shù)進行二次開發(fā)，用戶的應(yīng)用程序也可以作為新的函數(shù)添加到相應(yīng)的工具箱中。MATLAB中的數(shù)字圖像是以矩陣形式表示的，這意味著MATLAB強大的矩陣運算能力用于圖像處理非常有利，矩陣運算的語法對MATLAB中的數(shù)字圖像同樣適用。本文對MATLAB圖像處理工具箱進行探

15、索及應(yīng)用，實驗證明該軟件功能強大，語言簡潔易學(xué)，人機界面友好，工具箱具有豐富的技術(shù)支持并集成了該領(lǐng)域?qū)＜业闹腔?，?yīng)用簡單而效果良好。3 MATLAB圖像處理工具箱及數(shù)字圖像處理基本過程簡介數(shù)字圖像處理工具箱函數(shù)包括以下15類:、圖像顯示函數(shù);、圖像文件輸入、輸出函數(shù);、圖像幾何操作函數(shù);、圖像像素值及統(tǒng)計函數(shù);、圖像分析函數(shù);、圖像增強函數(shù);、線性濾波函數(shù);、二維線性濾波器設(shè)計函數(shù);、圖像變換函數(shù);、圖像鄰域及塊操作函數(shù);、二值圖像操作函數(shù);、基于區(qū)域的圖像處理函數(shù);、顏色圖操作函數(shù);、顏色空間轉(zhuǎn)換函數(shù);、圖像類型和類型轉(zhuǎn)換函數(shù)。MATLAB圖像處理工具箱支持四種圖像類型，分別為真彩色圖像、索

16、引色圖像、灰度圖像、二值圖像，由于有的函數(shù)對圖像類型有限制，這四種類型可以用工具箱的類型轉(zhuǎn)換函數(shù)相互轉(zhuǎn)換。MATLAB可操作的圖像文件包括JPG、HDF、JPEG、PCX、TIFF、XWD等格式。下面就圖像處理的基本過程討論工具箱所實現(xiàn)的常用功能。3.1.常用圖像操作圖像的讀寫與顯示操作:用imread()讀取圖像，imwrite()輸出圖像，把圖像顯示于屏幕有imshow()，image()等函數(shù)。imcrop()對圖像進行裁剪，圖像的插值縮放可用imresize()函數(shù)實現(xiàn)，旋轉(zhuǎn)用imrotate()實現(xiàn)。3.2.圖像增強功能圖像增強是數(shù)字圖像處理過程中常用的一種方法，目的是采用一系列技術(shù)

17、去改善圖像的視覺效果或?qū)D像轉(zhuǎn)換成一種更適合于人眼觀察和機器自動分析的形式。常用的圖像增強方法有以下幾種:1)灰度直方圖均衡化均勻量化的自然圖像的灰度直方圖通常在低灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚，采用直方圖修整可使原圖像灰度集中的區(qū)域拉開或使灰度分布均勻，從而增大反差，使圖像的細節(jié)清晰，達到增強目的。直方圖均衡化可用histeq()函數(shù)實現(xiàn)。2)灰度變換法照片或電子方法得到的圖像，常表現(xiàn)出低對比度即整個圖像偏亮或偏暗，為此需要對圖像中的每一像素的灰度級進行標度變換，擴大圖像灰度范圍，以達到改善圖像質(zhì)量的目的。這一灰度調(diào)整過程可用imadjust()函數(shù)實現(xiàn)。3)平滑與銳

18、化濾波平滑技術(shù)用于平滑圖像中的噪聲，基本采用在空間域上的求平均值或中值?；蛟陬l域上采取低通濾波，因在灰度連續(xù)變化的圖像中，我們通常認為與相鄰像素灰度相差很大的突變點為噪聲點，灰度突變代表了一種高頻分量，低通濾波則可以削弱圖像的高頻成分，平滑了圖像信號，但也可能使圖像目標區(qū)域的邊界變得模糊。而銳化技術(shù)采用的是頻域上的高通濾波方法，通過增強高頻成分減少圖像中的模糊，特別是模糊的邊緣部分得到了增強，但同時也放大了圖像的噪聲。在MATLAB中，各種濾波方法都是在空間域中通過不同的卷積模板即濾波算子實現(xiàn)，可用fspecial()函數(shù)創(chuàng)建預(yù)定義的濾波算子，然后用filter2()或conv2()函數(shù)在實現(xiàn)

19、卷積運算的基礎(chǔ)上進行濾波。3.3.邊緣檢測和圖像分割功能邊緣檢測是一種重要的區(qū)域處理方法，邊緣是所要提取目標和背景的分界線，提取出邊緣才能將目標和背景區(qū)分開來。如果一個像素落在邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級變化的帶。對這種變化最有用的兩個特征是灰度的變化率和方向。邊緣檢測算子可以檢查每個像素的鄰域并對灰度變化率進行量化，也包括對方向的確定，其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。MATLAB工具箱提供的edge()函數(shù)可針對sobel算子、prewitt算子、Roberts算子、log算子和canny算子實現(xiàn)檢測邊緣的功能?；诨叶鹊膱D像分割方法也可以用簡單的MATLAB代碼實現(xiàn)。3.

20、4.圖像變換功能圖像變換技術(shù)是圖像處理的重要工具，常運用于圖像壓縮、濾波、編碼和后續(xù)的特征抽取或信息分析過程。MATLAB工具箱提供了常用的變換函數(shù)，如fft2()與ifft2()函數(shù)分別實現(xiàn)二維快速傅立葉變換與其逆變換，dct2()與idct2()函數(shù)實現(xiàn)二維離散余弦變換與其逆變換，Radon()，iradon()函數(shù)實現(xiàn)Radon變換與逆Radon變換。除了以上基本的圖像處理功能，MATLAB還提供了如二值圖像的膨脹運算dilate()函數(shù)、腐蝕運算erode()函數(shù)等基于數(shù)學(xué)形態(tài)學(xué)與二值圖像的操作函數(shù)。4 MATLAB圖像處理工具箱運用實例為了證明MATLAB語言是一種簡潔，可讀性較強的

21、高效率編程軟件，本文通過運用圖像處理工具箱中的有關(guān)函數(shù)對一實拍的芯片圖像進行處理。如圖1，圖“Fig.jpg”為一幅原圖像，該圖像右邊的剪切圖像為從“Fig.jpg”中剪切出的將用于分析的子圖像塊。為了便于分析與觀察，把子圖像塊旋轉(zhuǎn)90度置于水平位置并把該圖存在名為“Fig1.jpg”的圖像文件中。以上的過程可用以下代碼實現(xiàn)。x=imread('C:UsersAdministratorDesktop實驗university.jpg');figure,imshow(x);y=imcrop(x);figure,imshow(y,);z=imrotate(y,90);imwrite(

22、z,'C:UsersAdministratorDesktop實驗university1.jpg','jpg');isrgb(z)原圖university.jpg剪貼圖university1.jpg4圖1經(jīng)判斷得知該圖像為一真彩色圖像,首先把它轉(zhuǎn)換為灰度圖像,以下所有的進一步處理均采用經(jīng)過灰度化處理后的圖像作為原圖。4.1對灰度圖進行直方圖均衡化處理通過比較灰度原圖和經(jīng)均衡化后的圖形可見圖像變得清晰，均衡化后的直方圖形狀比原直方圖的形狀更理想。效果比較見圖2，程序代碼如下:x=imread('C:UsersAdministratorDesktopÊ

23、;µÑéuniversity.jpg');y=rgb2gray(x);subplot(221),imshow(y);title('university.jpg»Ò¶È»¯Í¼Ïñ');subplot(222),imhist(y);title('¾ùºâ»¯Ç°Ö±·½Í¼');I=hist

24、eq(y);subplot(223),imshow(I);title('¾ùºâ»¯ºóͼÏñ');subplot(224),imhist(I);title('¾ùºâ»¯ºóÖ±·½Í¼');圖24.2灰度調(diào)整通過灰度調(diào)整把感興趣的灰度范圍拉開，使圖像中亮的越亮，暗的越暗，分別取原圖中要變換的灰度范圍為

25、(0.3，0.7)和(0.5，0.6)，把變換后的圖像相比較，見圖3，可知原圖所變換的灰度范圍小，則調(diào)整后的圖像反差大。程序代碼如下:x=imread('C:UsersAdministratorDesktop實驗mri_s6.jpg');y = imadjust(x,0.3 0.7,);z = imadjust(x,0.5 0.6,);subplot(211),imshow(y);title('原圖所變換的灰度范圍(0.3,0.7)');subplot(212),imshow(z);title('原圖所變換的灰度范圍(0.5,0.6)');圖34.3灰度圖像平滑與銳化處理MATLAB圖像工具箱中有多種平滑與銳化濾波函數(shù)，也可以自定