毕业设计（论文）-图像处理技术的综合应用.doc

1 图像处理技术的综合应用图像处理技术的综合应用 系系 ( ( 院院 ) )： 机械与控制工程学院机械与控制工程学院 课课题题名名称称：图像处理技术的综合应用图像处理技术的综合应用 专业专业( (方向方向) )： 检测技术检测技术 班班 级：级：自动化自动化 081081 班班 学号：学号：30804191103080419110 学学 生：生： 指指导导教教师师： 提提交交日日期期： 2011.6.292011.6.29 2 目录目录 摘摘 要要.3 1.引言引言4 2.图像增强处理技术图像增强处理技术4 2.12.1 灰度变换灰度变换4 2.22.2 直方图均衡直方图均衡.5 2.32.3 中值滤波中值滤波6 2.42.4 频率域平滑频率域平滑7 2.52.5 频率域的锐化频率域的锐化7 3.综合运用综合运用 matlab 工具箱工具箱8 3.13.1 图像的读取和保存图像的读取和保存8 3.23.2 设计图形用户界面设计图形用户界面9 3.2.1 亮度亮度9 3.2.2 对比度对比度10 3.2.3 图像直方图统计图像直方图统计11 3.2.4 直方图均衡直方图均衡11 3.33.3 设计滤波算法设计滤波算法12 3.43.4 实现图像的分割实现图像的分割16 4. 展望展望17 结论结论.18 参考文献参考文献.18 3 摘摘 要要 数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数 字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大， 对处理速度的要求也比较高。matlab 强大的运算和图形展示功能，使图像处理变得更 加的简单和直观。本文基于 matlab 的数字图像处理环境，设计并实现了一个图像处理 系统，展示如何通过利用 matlab 的工具函数和多种算法实现对图形图像的各种处理。 论述了利用设计的系统实现图像像增强、图像变换等图像处理。图像处理的主要任务 是，将原图像中的像素灰度分布进行某种变换，以改变图像的信息表现方式（如加深 对比度），从而满足特殊的显示（如平面处理）与应用需要。灰度变换是指按照某种 算法改变各个像素的灰度值的变换方式。对比度是指投影图像最亮和最暗之间的区域 之间的比率，比值越大，从黑到白的渐变层次就越多，从而色彩表现越丰富。图像的 单色化就是指将一幅图像中所有像素颜色的 r、g 、b 值按一定的比例重新计算得到一 个新的像素值，从而应用于整幅图像，使其都为一种颜色。 关键词：matlab；数字图像处理；图像变换；图像增强 ；灰度调整；对比度增强； 直方图均衡；局部平滑；中值滤波； 【abstract】 digital image processing is a technology that using computer to process images through a certain algorithm. the technology of digital image processing has been widely used in all kinds of fields. there is a large amount of information to process in image processing, the requirements of the speed of processing is even higher.matlab has powerful functions of computing and graphics display,which makes image processing become more simple and visual. this paper attempts to use matlab as a platform for image processing system development and design, showing how to to achieve a variety of image processing by using the matlab tool functions and lots of algorithms.discussing how to use the designed system to achieve image enhancement, image transformation, and other image processing technologies. image processing is the main task of the original image, will the pixel grayscale distribution, to change a transformation of the image expression way information (such as deepening contrast), and meet a particular display (such as plane processing) and applications. the transformation of grey scale is to point to in accordance with some algorithm change each pixel gray value of commutation means. contrast is to point to the brightest and most projection image dark between the ratio between the area, the greater the ratio, from black to white gradient levels of the colour performance, and the more abundant. the image of a single 4 is refers to all of images pixel color r, g, b value according to certain proportion reset to get a new pixel values, which used in the whole picture, make its are as a colour. 【keywordskeywords】matlab, digital image processing, image transformation，image enhancement，gray adjustment，contrast enhance, histogram equalization, local smooth, median filter 1.1.引言引言 数字图像处理 (digital image processing)是通过计算机对图像进行去除噪声、 增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发 展主要受三个因素的影响 ：一是计算机 的发展；二是数学的发展 (特别是离散数学 理论的创立和完善 )；三是广泛的农牧业、林业、环境、军事、工业和医学等方面 的应用需求的增长 2.2.图像增强处理技术图像增强处理技术 2.12.1 灰度变换灰度变换 从文件中载入图像 img_0379.bmp，在图像窗口中显示图像，编写函数，并且改变参 数，代码为 clear x=imread(img_0379.bmp) figure subplot(2,2,1) imshow(x) subplot(2,2,2) imhist(x) subplot(2,2,3) y=imadjust(x,0.4 0.6) imshow(y) subplot(2,2,4) imhist(y) 图像显示为 5 2.22.2 直方图均衡直方图均衡 原直方图变换为具有均匀密度分布的直方图，然后按该直方图调整原图像的一种图像处理技 术 代码： clear all x=imread( img_0379.bmp); subplot(2,2,1); imshow(x); subplot(2,2,2); imhist(y) subplot(2,2,3); y=cumtrapz(imhist(x); %累计积分，即直方图的均衡化转换函数 plot(y); 显示图像为： 6 2.32.3 中值滤波中值滤波 中值滤波器是最常用的非线性平滑滤波器。它是一种临域运算，类似于卷积，但 计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择改组的中 间值作为输出的像素值 中值滤波代码： x=imread(img_0379.bmp); h = imnoise(x,salt y= medfilt2(h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y) 图片为: 7 2.42.4 频率域平滑频率域平滑 用 h=fspecial(average) 得到的 h 为 33 的邻域平均模板，然后用 h 来对图象 cameraman.tif 进行平滑处理。 x=imread(cameraman.tif); h=fspecial(average) y=imfilter(x,h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y) 2.52.5 频率域的锐化频率域的锐化 线性锐化滤波器的模板为 h= -1 -1 -1; -1 8 -1;-1 -1 -1; 用该模板对图象 a.bmp 进行锐化处理； 代码： x=imread(img_0379.bmp); h= -1 -1 -1; -1 8 -1; -1 -1 -1 y=imfilter(x,h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y) 图片为: 8 3.3.综合运用综合运用 matlabmatlab 工具箱工具箱 综合运用 matlab 工具箱实现实现图像处理的 gui 程序设计 3.13.1 图像的读取和保存图像的读取和保存 双击打开 matlab7.0 到 file 到 new 到 gui 然后单击图标,调整 axesl 大小单击 ok, 修改名称然后新建 axes2 单击 ok,调整按钮大小和颜色,修改名称进行保存然后 view 到 file edit 然后写程序 name,path=uigetfile(*.*,); file=path,name; axes(handles.axes1); x=imread(file);%读取图像 y=x; handles.img=x; guidata(hobject, handles); e=1; save dataf y e imshow(x);%显示图像 title(原图); 9 3.23.2 设计图形用户界面设计图形用户界面 让用户能够对图像进行任意的亮度和对比度变化调整，显示和对比变换前后的图 像 3.2.1 亮度亮度 代码:axes(handles.axes2); % t=getimage; prompt=输入任意参数:; defans=1; p=inputdlg(prompt,input,1,defans); p1=str2num(p1); axes(handles.axes2); x=(handles.img); title(原图) x=imadjust(x, ,p1);%增亮图像 y=x; save dataf y axes(handles.axes2); imshow(x); title(亮度); 图像为: 10 3.2.2 对对比度比度 代码:axes(handles.axes2); t=getimage; prompt=输入参数:; defans=1; p=inputdlg(prompt,input,1,defans); p1=str2num(p1); f=immultiply(handles.img,p1); y=f; save dataf y axes(handles.axes2); imshow(f); title(对比度调整); guidata(hobject,handles); 图示为： 11 3.2.3 图图像直方像直方图统计图统计 代码: i=rgb2gray(handles.img);%rgb 图像转换为灰度图像 set(handles.axes2,handlevisibility,on); axes(handles.axes2); x=imhist(i);%直方图统计 x1=x(1:10:256); horz=1:10:256; bar(horz,x1);%axis(0 255 0 150000); title(直方图统计) set(handles.axes2,xtick,0:50:255); 图示为： 3.2.4 直方直方图图均衡均衡 代码: i=(handles.img);%rgb 图像转换为灰度图像 h1=i(:,:,1); h2=i(:,:,2); h3=i(:,:,3); set(handles.axes2,handlevisibility,on); axes(handles.axes2); h1=histeq(h1);%直方图均衡 h2=histeq(h2);%直方图均衡 h3=histeq(h3);%直方图均衡 12 h=cat(3,h1,h2,h3); imshow(h); title(直方图均衡) set(handles.axes2,ytick,0:2000:15000); 图像为: 3.33.3 设计滤波算法设计滤波算法 设计滤波算法，实现去噪并显示结果。 代码 x=handles.img; x1=x(:,:,1); f0=0; g0=0; f1=70; g1=30; f2=180; g2=230; f3=255; g3=255; r1=(g1-g0)/(f1-f0); b1=g0-r1*f0; r2=(g2-g1)/(f2-f1); b2=g1-r2*f1; 13 r3=(g3-g2)/(f3-f2); b3=g2-r3*f2; m,n=size(x1); x2=double(x1); for i=1:m for j=1:n f=x2(i,j); g(i,j)=0; if(f=0) else a(i,j,k)=0; end end end end a_origin=a; a(:,:,2)=0; a(:,:,3)=0; %subplot(121),imshow(a); axes(handles.axes2); imshow(a_origin); title(阈值分割); 图像为: 17 4.4. 展望展望 随着计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来 越广泛地向许多其他学科快速交叉渗透，使得图像作为信息获取以及信息的利用等方 面也变得越来越重要。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗 保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。 mathw