多媒体技术论文.doc

基于MATLAB的图像处理xxxxxxxxxxxxxxx摘要：随着计算机技术的发展，图像处理的应用越来越广泛。基于MATLAB的图像处理也在生活中应用十分的广泛。关键字：图像处理 MATLAB的应用一、图形与图像的区别计算机屏幕上显示画面通常有两种描述方法：一、图形，二、图像。图形是矢量结构的画面存储形式，是由指令集组成的描述，这些指令描述构成一幅图的所有直线、圆、矩形、圆弧、曲线等的位置。图形记录的主要内容是坐标值或坐标值序列， 对一般画面内容的颜色或亮度隐含且统一描述。图像是以栅格结构存储画面内容，栅格结构将一幅图划分为均匀分布的栅格，每个栅格称为象素，且记录每一象素的光度值，所有象素位置按规则方式排列，象素位置的坐标值却是有规则的隐含值。图像占用了存储空间较大，一般需要进行数据压缩。色度学理论认为，任何颜色都可由红，绿，蓝三种基本颜色按照不同的比例混合得到。红、绿、蓝被称为三原色，简称RGB 三原色。在PC 的显示系统中，显示的图像是由一个个象素组成的，每一个象素都有自己的颜色属性，象素的颜色是基于RGB 模型的，每一个象素的颜色可由红绿蓝三原色组合而成。三种颜色值的组合确定了在图像上看到的颜色。人眼看到的图像都是连续的模拟图像， 其形状和形态表现由图像各位置的颜色所决定。二、基于MATLAB的图像操作MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。1、图像增强 图像增强是从象素到象素的操作，是以预定的方式改变图象的灰度直方图。 若输入图象为A(x,y)，输出图象为B(x,y)，则点运算可以表示为：有时又称对比度增强，灰度变换。点运算不可能改变图像内的空间关系，输出象素的灰度值由输入象素的值决定。 图像增强技术的方法有两类：空间域法和频率域法。空间域法又可分为点运算法和领域去噪算法，其可采用灰度级处理、直方图处理、平滑滤波、锐化滤波等方式。频率域法是把图像看成一种二维信号，对其采用基于二维傅里叶变化的方法来对信号进行增强处理，采用低滤波法，可减弱或消除图中的噪声；采用高通滤波法，则可加强边缘等高频信号，使模糊的图像转换成清晰图像。具有典型性的空间域算法有局部求平均值法和中值滤波法等，它们可用于剔除或消弱噪声。具体的处理方式可以归纳为图像增强方法a )对比度展宽如果原图像f(x,y)的灰度范围是m，M，我们希望调整后的图像g(x,y)的灰度范围是n，N，那么下述变换，就可以实现线性对比度战况的要求。同理还有非线性展宽的方法，具体算法参考教材P31-43页相应内容。MATLAB图像处理工具箱中提供的imadjust函数，可以实现上述的线性变换对比度增强。Imadjust函数的语法格式为：J = imadjust(I,low_in high_in,low_out high_out)J = imadjust(I,low_in high_in,low_out high_out)返回图像I经过直方图调整后的图像J，low_in high_in为原图像中要变换的灰度范围，low_out high_out指定了变换后的灰度范围。例：I = imread(pout.tif);J = imadjust(I,0.3 0.7,);imshow(I), figure, imshow(J)不使用imadjust函数，利用matlab语言编程也很容易实现灰度图像的对比度展宽。但运算的过程中应当注意以下内容，由于我们读出的图像是unit8型，而在MATLAB的矩阵运算中要求所有的运算变量为double型（双精度型）。因此读出的图像数据不能直接进行运算，因此必须使用一个函数将图像数据转换成双精度型数据。MATLAB中提供了这样的函数：im2double函数，其语法格式为：I2 = im2double(I1)运算之后的图像数据再显示时可以再转化成unit8型，格式为：I1 = unit8 (I2)示例：线性运算示例rice=imread(pout.tif)I=double(rice)J=I*0.43+60 rice2=uint8(J) subplot(1,2,1),imshow(rice)subplot(1,2,2),imshow(rice2)非线性运算示例rice=imread(pout.tif);Dm=double(max(max(rice)I=double(rice);J=( Dm/2)*(1+(1/sin(pi/4)*sin(pi/2)*(I/Dm)-0.5); rice2=uint8(J); subplot(1,2,1),imshow(rice)subplot(1,2,2),imshow(rice2)b )直方图的均衡化 图像的灰度直方图描述了图像的灰度分布情况，直方图的均衡化是图像增强中比较常用的方法来提高图像的质量。上节实验中介绍了MATLAB图像处理工具箱提供的imhist函数来计算和显示图像的直方图，imhist函数的语法格式为：imhist(I,n)或imhist(X,map)。其中imhist(I,n)计算和显示灰度图像I的直方图，n为指定的灰度级数目，默认值为256。imhist(X,map)计算和显示索引色图像X的直方图，map为调色板。也很容易直接使用MATLAB编程来实现。再MATLAB中可以调用histeq函数自动完成图像直方图均衡化，对于灰度图像的调用格式如下:J=histeq(I,n)其中n表示输出图像的灰度级数目，是一个可选择的参数，缺省值为64。对于索引图像调用格式为:Newmap=histeq(X,map)返回值Newmap将是输出图像的调色板，具体算法参考教材P43-45页相应内容。c )伪彩色增强 伪彩色增强的基本依据是把人眼无法区别的灰度变化施以不同的彩色来提高识别率。基本方法有基于灰度调色板的伪彩色方法、基于灰度变换的伪彩色方法、基于区域分割的伪彩色方法。如基于灰度变换的伪彩色方法， 2、图像的噪声抑制对噪声进行分类，从统计数学的观点来看可将噪声分为平稳噪声和非平稳噪声。平稳噪声：统计特性不随时间变化的噪声；非平稳噪声：统计特性随时间变化的噪声。两种典型的图像噪声：其一为噪声的幅值基本相同，但出现的位置是随机分布的椒盐噪声，其二幅值分布是随机的，但每一点都存在噪声如高斯噪声、瑞利噪声、白噪声（频谱均匀分布）等。 对噪声的描述用统计意义上的均值和方差，噪声均值（图像中噪声的总体强度），噪声方差（图像中噪声分布的强弱） 按照噪声的模型按照对信号的影响：加性噪声、乘性噪声。 噪声图像主要有椒盐噪声：噪声的幅值基本相同，但出现的位置是随机分布的；幅值分布是随机的，但每一点都存在噪声。高斯噪声瑞利噪声白噪声（频谱均匀分布）。 噪声抑制方法，即滤波的算法a)均值滤波：均值滤波的原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波可以用来对椒盐噪声和高斯噪声进行滤波。以模块运算系数表示即：将以上的均值滤波器加以修正，可以得到加权平均滤波器。，。示例见附录：b)中值滤波：均值滤波往往使得边界模糊，中值滤波对模板中的像素值由小到大排列，最终待处理像素的灰度取这个模板中排在中间位置上的像素的灰度值。如做3*3的模板，对9个数排序，取第5个数替代原来的像素值。实现方法见附录示例2：c)边界保持类平滑的算法：经过平滑（特别是均值）滤波处理之后，图像就会变得模糊。分析原因，在图像上的景物之所以可以辨认清楚是因为目标物之间存在边界。而边界点与噪声点有一个共同的特点是，都具有灰度的跃变特性。所以平滑处理会同时将边界也处理了。为了解决图像模糊问题，一个自然的想法就是，在进行平滑处理时，首先判别当前像素是否为边界上的点，如果是，则不进行平滑处理；如果不是，则进行平滑处理。对应算法有灰度最小方差的均值滤波器、K近邻(KNN)平滑滤波器、对称近邻均值滤波器、西戈玛平滑滤波器等。示例采用灰度最小方差的均值滤波器算法。3、图像的锐化处理图像的细节指画面中的灰度变化情况，如灰度的变化是斜坡变化的；灰度的变化是突起的尖峰；灰度变化是一个孤立点略显平缓的尖峰；灰度的变化是一个阶跃。这些细节体现在图像的噪声点、细线与边缘。图像锐化的目的是加强图像中景物的细节边缘和轮廓。锐化的作用是要使灰度反差增强。因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用一阶微分是描述数据的变化率、二阶微分是描述变化率的变化率。对阶跃型的灰度变化细节，一阶微分通过极大值点来识别该细节而二阶微分通过过零点来识别该细节，两种算法同样敏感；对细线型的灰度变化细节，一阶微分根据过零点来识别，二阶微分通过极小值点来识别细节，如果是孤立的噪声点则在噪声点以及周围点上，二阶微分比一阶微分的响应强烈，如果是细线二阶微分表现为双线；对于斜坡渐变的灰度变化细节，一阶微分产生较粗的边缘，二阶微分的边缘要细的多。1、一阶微分的计算公式离散化之后的差分方程为考虑到图像边界的拓扑结构性，根据这个原理派生出许多相关的方法。（a） 具有方向性的一阶微分算子：水平方向的微分算子和垂直方向的微分算子，这种梯度算法需要进行后处理，以解决像素值为负的问题。后处理的方法不同，则所得到的效果也不同。整体加一个正整数，以保证所有的像素值均大于零，可以获得类似浮雕的效果。若将所有的像素值取绝对值，可以获得对边缘的有方向提取。（b） 无方向一阶微分锐化算法, 交叉微分算法（Roberts算法）、Sobel锐化算法和Priwitt锐化算法。Roberts锐化算法；Sobel锐化算法 ，； Priwitt锐化算法 ，。Sobel算法与Priwitt算法的思路相同，属于同一类型，因此处理效果基本相同。Roberts算法的模板为2*2，提取出的信息较弱。单方向锐化经过后处理之后，也可以对边界进行增强。2、二阶微分算法计算公式，写成模板系数形式形式为，Laplacian算子为为了改善锐化效果，可以脱离微分的计算原理，在原有的算子基础上，对模板系数进行改变，获得Laplacian变形算子如下所示。Wallis算法，考虑到人的视觉特性中包含一个对数环节，因此在锐化时，加入对数处理的方法来改进。为了防止对0取对数，计算时实际上是用，又因为对数值很小,所以计算时用。三、总结 基于MATLAB的图像处理在生活中应用十分的广泛，遍布在医疗交通等与我们息息相关的生活之中。图像处理的目的就是对图像进行加工处理，以得到更好的视觉效果，为后续处理提供方便。本文以数字图像处理技术中的图像增强理论为基础，结合MATLAB 图像处理工具箱中的相关函数应用，通过多个函数对图像进行了分析处理。参考文献：1. 张建光，图像的基本概念与类型J，福建电脑，2011年 09期2. 梁原,