數(shù)字圖像處理課設(shè)基于MATLAB的復(fù)雜圖像目標(biāo)提取

./華北水利水電大學(xué)NorthChinaUniversityofWaterResourcesandElectricPower數(shù)字圖像處理課設(shè)題目基于MATLAB的復(fù)雜圖像目標(biāo)提取課程名稱數(shù)字圖像處理學(xué)院信息工程學(xué)院專業(yè)通信工程指導(dǎo)老師指導(dǎo)老師許麗完成時(shí)間2017.10.27目錄一、設(shè)計(jì)要求 1二、設(shè)計(jì)原理和方案 11、圖像直方圖 12、圖像灰度 23、低通濾波 24、邊緣檢測(cè) 2三、設(shè)計(jì)步驟及結(jié)果 31、圖像的讀取的存儲(chǔ) 32、彩色圖像的灰度化 33、圖像的濾波 34、圖像的邊緣檢測(cè) 45、不同顏色目標(biāo)圖像的提取 56、相同顏色的目標(biāo)圖像的提取 5四、問題解決及體會(huì) 7五、參考文獻(xiàn) 8附錄 8摘要在我們?nèi)粘Ｉ钪?由于工作等各種需要,我們往往會(huì)對(duì)圖像進(jìn)行各種處理,其中就包括對(duì)復(fù)雜圖像目標(biāo)提取,當(dāng)然有很多的處理方法本次主要是在用MATLAB對(duì)圖像做基本的處理來提取目標(biāo)圖像特征。本次課設(shè)用MATLAB處理時(shí),首先對(duì)圖片進(jìn)行基礎(chǔ)的處理,包括彩色圖像轉(zhuǎn)化為灰色圖像的處理、二值處理、直方圖的分析、濾波處理以及利用各種算法對(duì)圖像進(jìn)行邊緣化處理等操作。然后采用合適的方法對(duì)圖像目標(biāo)做最終的提取。在本次課設(shè)中,我采用的是利用MATLAB生成圖片的直方圖,然后從直方圖上得出不同顏色所對(duì)應(yīng)的灰度,再灰度對(duì)不同顏色的圖像分別進(jìn)行提取。但是此方法有一個(gè)很大的局限性,就是無法處理相同顏色的目標(biāo)圖像,因此經(jīng)過對(duì)資料的查閱和老師的幫助,我找到了解決方法,對(duì)相同顏色的圖像進(jìn)行區(qū)域劃分,然后再對(duì)處于不同區(qū)域的目標(biāo)圖像分別進(jìn)行提取。關(guān)鍵詞：圖像目標(biāo)提取MATLAB灰度區(qū)域提取.設(shè)計(jì)要求自選一幅圖像,確定要選擇的目標(biāo)區(qū)域,編寫合適的程序,然后用MATLAB或VC+Opencv對(duì)目標(biāo)圖形進(jìn)行提取,要求對(duì)圖像做基礎(chǔ)的處理,包括圖像的讀取,存儲(chǔ),去噪,邊緣檢測(cè)等觸及處理。設(shè)計(jì)原理和方案在實(shí)際圖像處理中,一般情況下我們只是注意到圖像中那些我們感興趣的目標(biāo),因?yàn)橹挥羞@部分也就是我們注意到的有用的目標(biāo)物才能為我們提供高效、有用的信息。而這些目標(biāo)一般又都對(duì)應(yīng)著圖像中某些特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了把這些有用的區(qū)域提取出來供我們?nèi)祟愂褂?我們對(duì)圖像的提取做了很多的研究。本次課設(shè)采用的原理主要是用MATLAB處理,首先對(duì)圖片進(jìn)行基礎(chǔ)的處理,包括彩色圖像轉(zhuǎn)化為灰色圖像的處理、二值處理、直方圖的分析、濾波處理以及利用各種算法對(duì)圖像進(jìn)行邊緣化處理等操作。然后采用合適的方法對(duì)圖像目標(biāo)做最終的提取。采用的是利用MATLAB生成圖片的直方圖,然后從直方圖上得出不同顏色所對(duì)應(yīng)的灰度,再灰度對(duì)不同顏色的圖像分別進(jìn)行提取。對(duì)相同顏色的圖像進(jìn)行區(qū)域劃分,然后再對(duì)處于不同區(qū)域的目標(biāo)圖像分別進(jìn)行提取。從而達(dá)到課設(shè)要求圖像直方圖圖像直方圖能很直觀的反映出圖像的特征,灰度,強(qiáng)度等,并且在處理時(shí)很容易實(shí)現(xiàn),且具有圖像平移、旋轉(zhuǎn)、縮放不變性等眾多優(yōu)點(diǎn),在很多方面都得到了廣泛地應(yīng)用,特別是灰度圖像的閾值分割、基于顏色的圖像檢索以及圖像分類。直方圖圖形化顯示不同的像素值在不同的強(qiáng)度值上的出現(xiàn)頻率,對(duì)于灰度圖像來說強(qiáng)度,范圍為[0~255]之間,對(duì)于RGB的彩色圖像可以獨(dú)立顯示三種顏色的強(qiáng)度直方圖。強(qiáng)度直方圖是用來尋找灰度圖像二值化閾值常用的方法。若一幅灰度圖像的直方圖顯示為兩個(gè)波峰,則二值化閾值應(yīng)該是這兩個(gè)波峰之間的某個(gè)灰度值。同時(shí)強(qiáng)度直方圖是調(diào)整圖像對(duì)比度的重要依據(jù)直方圖實(shí)現(xiàn)方法：對(duì)一幅灰度圖像從上到下,從左到右掃描每個(gè)像素值,在每個(gè)灰度值上計(jì)算像素?cái)?shù)目,不同的灰度值,并以這些數(shù)據(jù)為基礎(chǔ)完成圖像直方圖的繪制。從而得出目標(biāo)圖像的特征。圖像灰度把白色與黑色之間按對(duì)數(shù)關(guān)系分為若干等級(jí),稱為灰度?；叶裙卜譃?56階。并且在應(yīng)用中我們通常采用的是用灰度表示的圖像稱作灰度圖,因?yàn)閺幕叶葓D像上我們可以很清晰地看出圖像的各種特征。圖像通常是由紅色綠色藍(lán)色三個(gè)通道組成的。并且這三種顏色使用以灰度顯示的,用不同的灰度色階來表示各顏色在圖像中的比重。灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度,盡管理論上這個(gè)采樣可以表示任何顏色的不同深淺,甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同,在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度。并且在實(shí)驗(yàn)中對(duì)灰度圖像的處理可以很大程度上提高運(yùn)算的速率以及效果。低通濾波圖像的濾波,即在盡量保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)圖像的噪聲進(jìn)行抑制,在圖像的處理中占據(jù)非常重要的地位,因?yàn)樗奶幚韺⒅苯佑绊懙胶罄m(xù)圖像處理和分析的有效性和可靠性。而本次試驗(yàn)中采用的是中值濾波法對(duì)圖像進(jìn)行處理。中值濾波自產(chǎn)生便被廣泛應(yīng)用于各種對(duì)噪聲的處理中。中值濾波器是基于次序統(tǒng)計(jì)完成信號(hào)恢復(fù)的一種典型的非線性濾波器,其基本原理是把圖像或序列中心點(diǎn)位置的值用該域的中值替代,并且具有運(yùn)算簡(jiǎn)單、速度快、除噪效果好等優(yōu)點(diǎn)。并且在應(yīng)用中中值濾波于得到了發(fā)展和改進(jìn),便是現(xiàn)在所稱的標(biāo)準(zhǔn)中值濾波,標(biāo)準(zhǔn)中值濾波算法的基本思想是將濾波窗口內(nèi)的最大值和最小值均視為噪聲,用濾波窗口內(nèi)的中值代替窗口中心像素點(diǎn)的灰度,在一定程度上抑制了噪聲。實(shí)際上在一定鄰域范圍內(nèi)具有最大或最小灰度值這一特性的,除了噪聲點(diǎn),還包括圖像中的邊緣點(diǎn)、線性特征點(diǎn)等。因此很大程度上提高了圖像處理和分析的有效性和可靠性。邊緣檢測(cè)綜合分析本次實(shí)驗(yàn)采取的是Prewitt算子邊緣檢測(cè),Prewitt算子是一種一階微分算子的邊緣檢測(cè),利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度差,在邊緣處達(dá)到極值檢測(cè)邊緣,去掉部分偽邊緣,對(duì)噪聲具有平滑作用。其原理是在圖像空間利用兩個(gè)方向模板與圖像進(jìn)行鄰域卷積來完成的,這兩個(gè)方向模板一個(gè)檢測(cè)水平邊緣,一個(gè)檢測(cè)垂直邊緣。對(duì)數(shù)字圖像f<x,y>,Prewitt算子的定義如下：G<i>=|[f<i-1,j-1>+f<i-1,j>+f<i-1,j-1>]-[f<i+1,j-1>+f<i++f<i+1,j>+1>]|G<j>=|[f<i-1,j+1>+f<i,j+1>+f<i+1j+1>]-[f<i-1,j-1>+f<i,j-1>+f<i+,j-1]|則P<i,j>=max[G<i>,G<j>]或P<i,j>=G<i>+G<j>設(shè)計(jì)步驟及結(jié)果圖像的讀取的存儲(chǔ)相關(guān)程序：M=imread<'G:\3.png'>;subplot<2,3,1>;imshow<M,[]>;title<'原彩色圖'>;imwrite<M,'G:\4.png'>;彩色圖像的灰度化相關(guān)程序：M=rgb2gray<M>;圖像的濾波相關(guān)程序：H=fspecial<'average',5>;F{1}=double<filter2<H,M>>;subplot<2,3,2>;imshow<F{1},[]>;title<'均值低通濾波'>;圖像的邊緣檢測(cè)相關(guān)程序：M=imread<'G:\3.png'>;K=rgb2gray<M>;subplot<2,3,3>,imhist<K>;M1=[-1,-1,-1;0,0,0;1,1,1];M2=[-1,0,1;-1,0,1;-1,0,1];N1=filter2<M1,K>;N2=filter2<M2,K>;K1=double<N1>;K2=double<N2>;M=<abs<K1>+abs<K2>>;figure,imshow<uint8<M>>title<'Prewitt算子邊緣檢測(cè)'>;不同顏色目標(biāo)圖像的提取相關(guān)程序：123201196218分別為彩色圖像的綠色、粉色、黃色以及橙黃的灰度值。num=[123201196218];[m,n]=size<N>;forI1=1:4D=zeros<m,n>;D=D+255;fori=1:mforj=1:nifN<i,j>==num<I1>D<i,j>=N<i,j>;endendendsubplot<2,2,I1>imshow<D,[]>;end相同顏色的目標(biāo)圖像的提取采用對(duì)目標(biāo)區(qū)域進(jìn)行劃分,然后依據(jù)不同的區(qū)域?qū)δ繕?biāo)圖像進(jìn)行提取。圖像讀取：圖像劃分區(qū)域：圖像提?。?jiǎn)栴}解決及體會(huì)通過這次課程設(shè)計(jì),知道自己在這一課程上存在的不足,另外也從這個(gè)課程設(shè)計(jì)中學(xué)到了很多東西,通過對(duì)程序的編寫以及MATLAB的具體操作,提高了自己編寫程序的能力,并且對(duì)MATLAB的操作更加熟練,以及一些對(duì)圖片處理的基本操作,包括彩色圖像轉(zhuǎn)化為灰色圖像的處理、二值處理、直方圖的分析、濾波處理以及利用各種算法對(duì)圖像進(jìn)行邊緣化處理等操作。自己的能力和知識(shí)面都得到了很大的提高。但是在整個(gè)過程中遇到了一些困難,查閱了資料,也得到了老師和同學(xué)的幫助,不過每一次的問題的解決都是一個(gè)大的進(jìn)步,對(duì)于參數(shù)的選取最讓我覺得困難,首先是閉運(yùn)算的矩陣的選取,還有根據(jù)圖像對(duì)灰度的估計(jì)與精確從而利用不同顏色的灰度進(jìn)行目標(biāo)圖像的提取,還有我之前設(shè)想的是根據(jù)不同顏色的圖像的不同灰度進(jìn)行目標(biāo)圖像的提取,實(shí)驗(yàn)也得到了很好的結(jié)果,但是面對(duì)同學(xué)提出的對(duì)于相同顏色的圖像該如何進(jìn)行提取的問題。我發(fā)現(xiàn)了問題所在,但由于時(shí)間的限制,所以只能在源程序上進(jìn)行修改,在老師的幫助下,我試著編寫程序?qū)⑾嗤膱D像進(jìn)行分區(qū)域,編號(hào),然后再對(duì)不同區(qū)域的目標(biāo)圖像進(jìn)行提取。最后成功的解決了問題。此次的課程設(shè)計(jì)是一個(gè)讓自己得到很大提高的一個(gè)課程,可以讓自己叢中學(xué)到很多,在課程設(shè)計(jì)過程中不免會(huì)出現(xiàn)不少問題,如果對(duì)這些知識(shí)足夠了解就能很到找到問題原因,并且輕松解決,所以掌握一定的知識(shí)很重要,另外也要多實(shí)踐,在實(shí)踐中檢驗(yàn)自己,提高自己的動(dòng)手能力,課程設(shè)計(jì)使我充分體會(huì)到了解決問題得到結(jié)果后的那種喜悅。也從中收獲到了很多知識(shí),也為接下來的學(xué)習(xí)打下了良好的基礎(chǔ)。參考文獻(xiàn)[1]姚敏,數(shù)字圖像處理,機(jī)械出版社[2]李俊輝,數(shù)字圖像處理,清華大學(xué)出版社[3]賀興華,周媛媛,王繼陽,MATLAB圖像處理,人民郵電出版社[4]劉衛(wèi)國(guó),MATLAB程序設(shè)計(jì)及應(yīng)用高等教育出版社附錄：不同顏色目標(biāo)圖像的提取總程序：clcclearall;M=imread<'G:\3.png'>;subplot<2,3,1>;imshow<M,[]>;title<'原彩色圖'>;M=rgb2gray<M>;N=M;imwrite<M,'G:\4.png'>;H=fspecial<'average',5>;F{1}=double<filter2<H,M>>;subplot<2,3,2>;imshow<F{1},[]>;title<'均值低通濾波'>;M=imread<'G:\3.png'>;K=rgb2gray<M>;subplot<2,3,3>,imhist<K>;M1=[-1,-1,-1;0,0,0;1,1,1];M2=[-1,0,1;-1,0,1;-1,0,1];N1=filter2<M1,K>;N2=filter2<M2,K>;K1=double<N1>;K2=double<N2>;M=<abs<K1>+abs<K2>>;figure,imshow<uint8<M>>title<'Prewitt算子邊緣檢測(cè)'>;figurenum=[123201196218];[m,n]=size<N>;forI1=1:4D=zeros<m,n>;D=D+255;fori=1:mforj=1:nifN<i,j>==num<I1>D<i,j>=N<i,j>;endendendsubplot<2,2,I1>imshow<D,[]>;end相同顏色的目標(biāo)圖像的分區(qū)域提取總程序：clcclearcloseallM=imread<'G:\5.png'>;M=im2bw<M>;figure<1>;imshow<M>;M=~M;figure<2>;imshow<M>;[L,num]=bwlabel<M>;STATS1=regionprops<L,'Perimeter'>;ahe=size<STATS