數(shù)字圖像處理-黃晨

1、數(shù)字圖像處理課程設(shè)計 報 告 書 題 目： 彩色圖像處理 學(xué) 院： 電氣工程與自動化 專業(yè)班級： 電信12-3班 指導(dǎo)老師： 王科平 設(shè)計作者： 黃晨 學(xué) 號： 311208002013 完成日期： 2016年12月22日 摘要 由于彩色圖像提供了比灰度圖像更為豐富的信息,因此彩色圖像處理正受到人們越來越多的關(guān)注。彩色圖像分割是彩色圖像處理的重要問題,彩色圖像分割可以看成是灰度圖像分割技術(shù)在各種顏色空間上的應(yīng)用,為了使該領(lǐng)域的研究人員對當(dāng)前各種彩色圖像分割方法有較全面的了解,因此對各種彩色圖像分割方法進行了系統(tǒng)論述,即先對各種顏色空間進行簡單介紹,然后對直方圖閾值法、特征空間聚類、基于區(qū)域的方

2、法、邊緣檢測、模糊方法、神經(jīng)元網(wǎng)絡(luò)、基于物理模型方法等主要的彩色圖像分割技術(shù)進行綜述,并比較了它們的優(yōu)缺點,通過比較發(fā)現(xiàn)模糊技術(shù)由于能很好地表達和處理不確定性問題,因此在彩色圖像分割領(lǐng)域會有更廣闊的應(yīng)用前景。關(guān)鍵詞彩色圖像分割顏色空間直方圖閾值化邊緣檢測模糊方法 神經(jīng)網(wǎng)絡(luò)目錄第一章 引言1第二章 MATLAB 圖像處理工具箱及數(shù)字圖像處理基本過程簡介22.1. 常用圖像操作22.2. 圖像增強功能22.3. 邊緣檢測和圖像分割功能32.4. 圖像變換功能3第三章 MATLAB 圖像處理工具箱運用實例43.1 對灰度圖進行直方圖均衡化處理53.2灰度調(diào)整63.3 灰度圖像平滑與銳化處理7第四章

3、結(jié)論8 參考文獻9第一章 引言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、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

4、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。第二

5、章 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、H

6、DF、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。2.1. 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)。2.2. 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)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

7、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

8、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)卷積運算的基礎(chǔ)上進行濾波。2.3. 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

9、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。基于灰度的圖像分割方法也可以用簡單的MATLAB 代碼實現(xiàn)。2.4. 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

10、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)。第三章 MATLAB 圖像處理工具箱運用實例為了證明MATLAB 語言是一種簡潔，可讀性較強的高效率編程軟件， 本文通過運用圖像處理工具箱

11、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('E:study電子與通信Term 2數(shù)字圖像處理DIPFig.jpg');figure,imshow(x);y=imcrop(x);figure,imshow(y,);z=imrotate(y,90);imwrite(z,'E:study電子與通信Term 2

12、數(shù)字圖像處理DIPFig1.jpg','jpg');isrgb(z) 原圖Fig.jpg 剪貼圖Fig1.jpg 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。3.1 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('E:study電子與通信Term 2數(shù)字圖像處理DIPFig1.jpg');y=rgb2gray(x);subplot(221),ims

13、how(y);title('Fig1.jpg 灰度化圖像');subplot(222),imhist(y);title('均衡化前直方圖');I=histeq(y);subplot(223),imshow(I);title('均衡化后圖像');subplot(224),imhist(I);title('均衡化后直方圖');圖23.2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(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

14、調(diào)整后的圖像反差大。程序代碼如下:x=imread('E:study電子與通信Term 2數(shù)字圖像處理DIPFig1.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為(0.3,0.7)');subplot(212),imshow(z);title('原圖所變換的灰度范圍為(0.5,0.6)');圖33.3 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)，也可以自定義濾波算子。在

15、此我們采用可根據(jù)圖像的局部方差來調(diào)整濾波器輸出的自適應(yīng)濾波對圖像進行平滑，及采用拉氏算子運算使圖像的模糊部分得到增強。處理后的圖像見圖4，實現(xiàn)代碼如下:x=imread('E:study電子與通信Term 2數(shù)字圖像處理DIPFig1.jpg');x=rgb2gray(x);x=double(x);p=wiener2(x);subplot(211),imshow(p,);title('自適應(yīng)濾波平滑')h=0 1 0;1 -4 0;0 1 0;q=conv2(x,h,'same');r=x-q ;subplot(212),imshow(r,);t

16、itle('拉氏算子卷積銳化')圖4第四章 結(jié)論以上圖像處理實例只是對MATLAB 圖像工具箱的一小部分進行運用，經(jīng)過更進一步的圖像分割、二值化、歸一化等處理，可以把芯片中的字符特征提取出來送入神經(jīng)網(wǎng)絡(luò)分類器進行識別，我們應(yīng)用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱對字符分類進行模擬仿真也取得了較好的效果。由此可以看出MATLAB 語言簡潔，可讀性強，工具箱涉及的專業(yè)領(lǐng)域廣泛且功能強大。圖像工具箱幾乎包括所有經(jīng)典的圖像處理方法。由于工具箱具有可靠性和開放性，我們可以方便地直接加以使用，也可以把自己的代碼加到工具箱中以改進函數(shù)功能，同時，MATLAB 中的小波工具箱也有許多函數(shù)可運用于圖像處理技術(shù)。因此，在圖像處理技術(shù)中使用MATLAB 語言可以快速實現(xiàn)模擬仿真，大大提高實驗效率， 如果要開發(fā)實用程序，MATLAB 語言