課程設(shè)計基于matlab圖像增強(qiáng)的比較和理論分析畢業(yè)論文

1、目錄摘要IAbstractII1.數(shù)字圖像處理與MATLAB簡介12.設(shè)計方案介紹32.1 設(shè)計思路32.2.設(shè)計流程圖43.具體設(shè)計53.1程序設(shè)計版塊53.1.1驗證圖片是否為灰度圖片53.1.2對圖片模擬加入高斯噪聲和椒鹽噪聲53.1.3均值濾波處理63.1.4中值濾波處理63.1.5維納濾波73.2程序代碼74結(jié)果顯示95.結(jié)果分析115.1均值濾波115.2中值濾波115.3維納濾波126.心得體會13參考文獻(xiàn)1515 / 18摘要圖像增強(qiáng)是圖像處理的一個重要分支，是圖像邊緣提取、圖像分割等的基礎(chǔ)。由于圖像在獲取和傳輸過程中發(fā)生失真，影響了人和機(jī)器對圖像的理解。文章主要介紹了加入模擬

2、噪聲的方法：高斯噪聲和椒鹽噪聲，以與常見的空域處理法：均值濾波和中值濾波。通過實驗的對比，發(fā)現(xiàn)不同方法圖像得到了不同的增強(qiáng)效果。關(guān)鍵字：高斯噪聲 椒鹽噪聲 均值濾波 中值濾波 圖像增強(qiáng)AbstractImage enhancement is an important branch of image processing is edge extraction, image segmentation basis. As the image acquisition and transmission distortion occurs, affecting the image and understa

3、nding of the machine. Article introduces the method of adding analog noise: Gaussian noise and salt and pepper noise, and common spatial approach: the mean filter and median filter. Through the experiment, which found that different methods of image enhancement have been different.Keywords: Gaussian

4、 noise, salt and pepper noise, median filter mean filter Image Enhancement1.數(shù)字圖像處理與MATLAB簡介數(shù)字圖像處理（Digital Image Processing）又稱為計算機(jī)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(jī)對其進(jìn)行處理的過程。數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時的電子計算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計算機(jī)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(jì)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

5、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(qiáng)、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(jìn)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(jìn)行處理，并考慮了太陽位置和月球環(huán)境的影響，由計算機(jī)成功地繪制出月球表面地圖，獲得了巨大的成功。隨后又對探測飛船發(fā)回的近十萬照片進(jìn)行更為復(fù)雜的圖像處理，以致獲得了月球的地形圖、彩色圖與全景鑲嵌圖，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

6、像處理技術(shù)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(jī)斷層攝影裝置，也就是我們通常所說的CT（Computer Tomograph）。CT的基本方法是根據(jù)人的頭部截面的投影，經(jīng)計算機(jī)處理來重建截面圖像，稱為圖像重建。1975年EMI公司又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(xiàn)。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)

7、工程、工業(yè)檢測、機(jī)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(yuǎn)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(jī)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(jī)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(jī)視覺。很多國家，特別是發(fā)達(dá)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(jī)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(jìn)展，但它本身是一個比

8、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(jī)視覺是一個有待人們進(jìn)一步探索的新領(lǐng)域。MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達(dá)式作圖?？捎糜诳茖W(xué)計算和工程繪圖。新版本的MATLAB對整個圖形處理功能作了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以與四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時

9、對一些特殊的可視化要求，例如圖形對話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足。正是由于MATLAB的各種優(yōu)勢和特點，以與其版本的不斷更新和功能的不斷完善和強(qiáng)大，特別是它在圖形處理上的優(yōu)越性，本次課程設(shè)計就是利用MATLAB圖像處理工具箱函數(shù)來進(jìn)行圖像增強(qiáng)。2.設(shè)計方案介紹2.1 設(shè)計思路本次課程設(shè)計我做的題目是“基于matlab圖像增強(qiáng)的比較與其理論分析”，要現(xiàn)的功能是：在了解圖像處理原理與MATLAB基本操作的基礎(chǔ)上，給定一灰度圖片，模擬加入高斯噪聲、椒鹽

10、噪聲等若干噪聲，然后使用中值濾波、均值濾波等方法進(jìn)行圖像增強(qiáng)記錄每一種方法的過程，并進(jìn)行比較，分析哪種噪聲的所對應(yīng)的增強(qiáng)方法效果最好。因此我們要做的工作是，先找到一副灰度圖片，再依次模擬加入高斯噪聲、椒鹽噪聲，在運用MATLAB函數(shù)庫里面提供的中值濾波、均值濾波函數(shù)對該圖像進(jìn)行增強(qiáng)處理，最后將兩種方法得到的結(jié)果進(jìn)行比較并與理論分析作對比。由于不能確定該圖像是不是灰度圖像，所以在加入模擬噪聲之前還要對圖像進(jìn)行判斷，檢驗它是否為灰度圖片。于是我先在網(wǎng)上下載一幅灰度圖片，然后對其依次進(jìn)行如下操作：1. 將該圖片導(dǎo)入MATLAB工作平臺放在MATLAB的文件夾下；2. 用imfinfo()函數(shù)或isg

11、ray( )函數(shù)檢驗該圖片是否為灰度圖像；3. 利用MATLAB圖像處理工具箱提供的模擬噪聲生成函數(shù)imnoise，分別對該圖片模擬加入高斯噪聲和椒鹽噪聲；4. 利用MATLAB軟件對加入噪聲的該圖片進(jìn)行中值濾波和均值濾波處理；5. 記錄處理后生成的圖樣，比較分析哪種方法增強(qiáng)效果最佳。2.2.設(shè)計流程圖導(dǎo)入圖片檢驗圖片是否為灰度加入高斯噪聲加入椒鹽噪聲均值濾波中值濾波維納濾波開始結(jié)束圖2.1程序流程圖編程時先將該圖片放在MATLAB的文件夾下，再用imfinfo()函數(shù)或isgray( )函數(shù)檢驗該圖片是否為灰度圖像；然后利用MATLAB圖像處理工具箱提供的模擬噪聲生成函數(shù)imnoise，分別

12、對該圖片模擬加入高斯噪聲和椒鹽噪聲；接著利用MATLAB軟件對加入噪聲的該圖片進(jìn)行中值濾波和均值濾波處理；最后記錄處理后生成的圖樣，比較分析哪種方法增強(qiáng)效果最佳。3.具體設(shè)計3.1程序設(shè)計版塊3.1.1驗證圖片是否為灰度圖片在MATLAB命令輸入窗中，調(diào)用函數(shù)info=imfinfo(FILENAME.FMT)。如查看我用的圖片屬性，在命令窗口輸入info=imfinfo('1.JPG')，得到如下結(jié)果： Filename: '1.JPG' FileModDate: '05-七月-2010 12:01:32' FileSize: 3322 For

13、mat: 'jpg' FormatVersion: '' Width: 116 Height: 139 BitDepth: 8 ColorType: 'grayscale' FormatSignature: '' NumberOfSamples: 1 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: 在 ColorType: 'grayscale' 屬性行如此顯示，圖片類型ColorType: 'gray

14、scale'，說明該圖片為灰度圖像。3.1.2對圖片模擬加入高斯噪聲和椒鹽噪聲Matlab圖像處理工具箱提供了模擬噪聲生成的函數(shù)imnoise，格式為：J=imnoise(I,type)或J=imnoise(I,type,parameters) 其中I為輸入圖像，J為疊加噪聲后的圖像。type為噪聲類型，parameters為各噪聲相應(yīng)的參數(shù)。常用的噪聲有高斯噪聲和椒鹽噪聲：高斯噪聲J=imnoise(I,'gaussian',M,V)，表示均值M,方差為V的高斯噪聲。M、V的默認(rèn)值為0、0.01；本次課設(shè)中加入均值為0，方差為0.04的高斯噪聲，即imnoise(I,

15、'gaussian',0,0.04)。椒鹽噪聲J=imnoise(I,'salt & pepper',D)表示噪聲濃度為D的椒鹽噪聲。D的默認(rèn)值為0.05，本次課設(shè)中加入噪聲濃度為0.09的椒鹽噪聲，即imnoise(I,'salt & pepper',0.09)。3.1.3均值濾波處理MATLAB圖像處理工具箱提供了filter2和fspecial函數(shù)進(jìn)行均值濾波。(1) filter2用于對圖像作卷積濾波，格式為：B=filter2(h,A,shape) 其中：A為輸入圖像，h為濾波算子，B為輸出圖像。(2) fspecial

16、用于產(chǎn)生預(yù)定義的濾波算子，格式為：h=fspecial(type,para) 其中：參數(shù)type指定算子類型，para為指定相應(yīng)的參數(shù)。type='average'，表示為均值濾波器，para默認(rèn)為3，本程序段中para位1。3.1.4中值濾波處理MATLAB圖像處理工具箱中，提供了medfilt2和ordfilt2函數(shù)，用于現(xiàn)中值濾波。ordfilt2的格式為：Y=ordfilt2(X,order,domain) 其中：X為輸入圖像，Y為輸出圖像，order為濾波器輸出順序值，domain為濾波窗口矩陣。medfilt2格式為：B=medfilt2(A,m n)其中：A為輸入

17、圖像，B為輸出圖像，m n為窗口大小，默認(rèn)值為3 3。該程序段中采用的是medfilt2函數(shù)，且均采用默認(rèn)值，即medfilt2(J1)和medfilt2(J2)。3.1.5維納濾波 本次用到的MATLAB的圖像顯示函數(shù)為wiener2，格式為：wiener2（I，m，n） 其中：I為圖片的代碼，m n為窗口大小，默認(rèn)值為3 3。3.2程序代碼I=imread('1.JPG'); J1=imnoise(I,'gaussian',0,0.04); J2=imnoise(I,'salt & pepper',0.09); K1 = medfil

18、t2(J1,5 5);K2 = medfilt2(J2,5 5);K3 = filter2(fspecial('average',1),J1); K4 = filter2(fspecial('average',1),J2); K5=wiener2(J1,5 5);K6=wiener2(J2,5 5);info=imfinfo('1.JPG');pausefigure(1)subplot(1,3,1)imshow(I)title('原始圖片')subplot(1,3,2)imshow(J1)title('高斯噪聲')

19、subplot(1,3,3)imshow(J2)title('椒鹽噪聲')pausefigure(2)subplot(2,2,1)imshow(J1)title('高斯噪聲')subplot(2,2,2)imshow(K3)title('中值濾波')subplot(2,2,3)imshow(K1)title('均值濾波')subplot(2,2,4)imshow(K5)title('維納濾波')pausefigure(3)subplot(2,2,1)imshow(J2)title('椒鹽噪聲')su

20、bplot(2,2,2)imshow(K2)title('中值濾波')subplot(2,2,3)imshow(K4)title('均值濾波')subplot(2,2,4)imshow(K6)title('維納濾波')pause4結(jié)果顯示在MATLAB命令窗口中輸入上述代碼，按下回車鍵，就可以顯示結(jié)果，如下面三幅圖所示:加入噪聲前后圖片對比如圖4.1所示：圖4.1 加入噪聲前后圖片高斯噪聲對應(yīng)的均值濾波和中值濾波與維納濾波圖像對比如圖4.2所示：圖4.2 高斯噪聲對應(yīng)的增強(qiáng)圖片椒鹽噪聲對應(yīng)的均值濾波和中值濾波與維納濾波圖像對比如圖4.3所示：圖4

21、.3 椒鹽噪聲對應(yīng)的增強(qiáng)圖片5.結(jié)果分析 目前比較經(jīng)典的圖像去噪算法主要有以下三種： 均值濾波：也稱線性濾波，主要思想為鄰域平均法，即用幾個像素灰度的平均值來代替每個像素的灰度。有效抑制加性噪聲，但容易引起圖像模糊，可以對其進(jìn)行改進(jìn)，主要避開對景物邊緣的平滑處理。 中值濾波：基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性平滑濾波信號處理技術(shù)。中值濾波的特點即是首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域，也可以為圓形、十字形等等，然后將鄰域中各像素的灰度值排序，取其中間值作為中心像素灰度的新值，這里領(lǐng)域被稱為窗口，當(dāng)窗口移動時，利用中值濾波可以對圖像進(jìn)行平滑處理。其算法簡單，時間復(fù)雜度低

22、，但其對點、線和尖頂多的圖像不宜采用中值濾波。很容易自適應(yīng)化。 維納濾波：使原始圖像和其恢復(fù)圖像之間的均方誤差最小的復(fù)原方法，是一種自適應(yīng)濾波器，根據(jù)局部方差來調(diào)整濾波器效果。對于去除高斯噪聲效果明顯。以下是對三種濾波器原理介紹與相互比較：5.1均值濾波均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素（以目標(biāo)象素為中心的周圍8個象素，構(gòu)成一個濾波模板，即去掉目標(biāo)象素本身）。再用模板中的全體像素的平均值來代替原來像素值。 均值濾波也稱為線性濾波，其采用的主要方法為領(lǐng)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(dāng)前像素點（

23、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(dāng)前像素點（x，y），作為處理后圖像在該點上的灰度個g（x，y），即個g（x，y）=1/m f（x，y） m為該模板中包含當(dāng)前像素在的像素總個數(shù)。從圖像中取一子區(qū)域（稱為鄰域），其含若干象素，要處理的象素位于鄰域的中心。然后求出鄰域中各象素（不包含要處理的象素點）的灰度平均值：由于圖像中相鄰象素之間有很強(qiáng)的相關(guān)性，如果該點無噪聲，則其灰度應(yīng)和鄰域平均值基本相等，反之，兩者有明顯差別。這是用鄰域平均值代替該點的灰度值，可以在一定程度上消除噪聲。5.2中值濾波中值濾波法是一種非線性平滑技術(shù)，它將每一象素點的

24、灰度值設(shè)置為該點某鄰域窗口的所有象素點灰度值的中值，中值種植濾波實現(xiàn)方法： 1：通過從圖像中的某個采樣窗口取出奇數(shù)個數(shù)據(jù)進(jìn)行排序 2：用排序后的中值取代要處理的數(shù)據(jù)即可 中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。方法是去某種結(jié)構(gòu)的二維滑動模板，將板像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。二維中值濾波輸出為g（x,y）=medf(x-k,y-l),(k,lW) ，其中,f(x,y)，g(x,y)分別為原始圖

25、像和處理后圖像。W為二維模板，通常為2*2，3*3區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。如何有效地選擇一個最有可能代表鄰域特征的像素灰度就成了算法的核心問題。直觀地，鄰域像素中灰度大小居中的點通常能很好地描述鄰域的屬性，因此在中值濾波算法中，中心像素的灰度是通過對鄰域像素灰度排序然后取中值來確定的。中值濾波不僅對孤立雜點的消除效果顯著，對稍密集的雜點或稍大的雜點也有很好的去除效果。對比簡單平滑的結(jié)果不難看出中值濾波對消除離散型雜點的顯著效果。中值濾波法對消除椒鹽噪音非常有效，在光學(xué)測量條紋圖象的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大.5.3維納濾波假

26、定線性濾波器的輸入為有用信號和噪聲之和，兩者均為廣義平穩(wěn)過程且知它們的二階統(tǒng)計特性，維納根據(jù)最小均方誤差準(zhǔn)則(濾波器的輸出信號與需要信號之差的均方值最小)，求得了最佳線性濾波器的參數(shù)，這種濾波器被稱為維納濾波器。在維納研究的基礎(chǔ)上，人們還根據(jù)最大輸出信噪比準(zhǔn)則、統(tǒng)計檢測準(zhǔn)則以與其他最佳準(zhǔn)則求得的最佳線性濾波器。維納濾波器的輸入為含噪聲的隨機(jī)信號。期望輸出與實際輸出之間的差值為誤差，對該誤差求均方，即為均方誤差。因此均方誤差越小，噪聲濾除效果就越好。為使均方誤差最小，關(guān)鍵在于求沖激響應(yīng)。如果能夠滿足維納霍夫方程，就可使維納濾波器達(dá)到最佳。根據(jù)維納霍夫方程，最佳維納濾波器的沖激響應(yīng)，完全由輸入自相

27、關(guān)函數(shù)以與輸入與期望輸出的互相關(guān)函數(shù)所決定。維納濾波器的優(yōu)點是適應(yīng)面較廣，無論平穩(wěn)隨機(jī)過程是連續(xù)的還是離散的，是標(biāo)量的還是向量的，都可應(yīng)用。對某些問題，還可求出濾波器傳遞函數(shù)的顯式解，并進(jìn)而采用由簡單的物理元件組成的網(wǎng)絡(luò)構(gòu)成維納濾波器。維納濾波器的缺點是，要求得到半無限時間區(qū)間的全部觀察數(shù)據(jù)的條件很難滿足，同時它也不能用于噪聲為非平穩(wěn)的隨機(jī)過程的情況，對于向量情況應(yīng)用也不方便。因此，維納濾波在實際問題中應(yīng)用不多。實現(xiàn)維納濾波的要： 1.輸入過程是廣義平穩(wěn)的 2.輸入過程的統(tǒng)計特性是已知的。根據(jù)其他最佳準(zhǔn)則的濾波器亦有同樣要求維納濾波器是一種自適應(yīng)濾波器，根據(jù)局部方差來調(diào)整濾波器效果。對于去除高斯噪聲效果明顯。對交驗噪聲也有一定影響。結(jié)合理論與實際結(jié)果可以得出結(jié)論：1. 均值濾波器適用于消除高斯噪聲；2. 中值濾波器適用于消除椒鹽噪聲；3. 維納濾波器對兩種噪聲對有一定效果，理論上更善于消除高斯噪聲。6.心得體會 經(jīng)過一個多星期的關(guān)于數(shù)字圖像處理的課程設(shè)計，在老師和同學(xué)的幫助下，我基本上完成了這次任務(wù)，通過這次課程設(shè)計我收獲頗多。通過這次課程設(shè)計使我懂得了理論與實際相結(jié)合是很重要的，要多動手寫程序、調(diào)試，如果懶得寫程序，調(diào)試程序，永遠(yuǎn)無法提高。我個人認(rèn)為調(diào)試程序更