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1頁，共29頁，2023年，2月20日，星期四了解圖像復(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?頁，共29頁，2023年，2月20日，星期四二、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3頁，共29頁，2023年，2月20日，星期四1、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4頁，共29頁，2023年，2月20日，星期四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5頁，共29頁，2023年，2月20日，星期四利用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6頁，共29頁，2023年，2月20日，星期四函數(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7頁，共29頁，2023年，2月20日，星期四‘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8頁，共29頁，2023年，2月20日，星期四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9頁，共29頁，2023年，2月20日，星期四第10頁，共29頁，2023年，2月20日，星期四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11頁，共29頁，2023年，2月20日，星期四第12頁，共29頁，2023年，2月20日，星期四2、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13頁，共29頁，2023年，2月20日，星期四根據(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14頁，共29頁，2023年，2月20日，星期四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15頁，共29頁，2023年，2月20日，星期四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16頁，共29頁，2023年，2月20日，星期四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17頁，共29頁，2023年，2月20日，星期四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18頁，共29頁，2023年，2月20日，星期四BW1=imread('circles.png');subplot(2,2,1);subimage(BW1);BW2=bwmorph(BW1,'remove');subplot(2,2,2);subimage(BW2)第19頁，共29頁，2023年，2月20日，星期四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20頁，共29頁，2023年，2月20日，星期四第21頁，共29頁，2023年，2月20日，星期四區(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)橹埂^(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22頁，共29頁，2023年，2月20日，星期四區(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23頁，共29頁，2023年，2月20日，星期四工具函數(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24頁，共29頁，2023年，2月20日，星期四對(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25頁，共29頁，2023年，2月20日，星期四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26頁，共29頁，2023年，2月20日，星期四