基于MATLAB的图像处理及跟踪算法
(完整word版)【matlab代做】基于MATLAB的GMM和KDE核估计得目标跟踪仿真
第一章课题背景和研究意义近年来，视频监控系统在各行业得到了广泛应用，生活中有小区、超市等的安全监控，银行系统有柜台监控，交通方面有违章监控等。
这些监控系统是由一个或多个摄像机以及与之相连的一套电视监视器组成的，它们的用途主要是对场景的记录和保存，当异常情况，比如盗窃行为发生后，保安人员才通过记录的结果察看发生的事情，但往往为时已晚。
视觉监视是指在一个繁忙环境中对人和车辆等进行实时的观察，并给出对它们行为和动作的描述。
这一技术包括了运动目标的检测、跟踪、目标分类和行为理解等方面，涉及到计算机视觉、模式识别和人工智能领域的许多核心课题，是一个具有挑战性的困难问题。
近年来随着集成电路和计算机技术的迅猛发展，视觉监视系统所要求的硬件设备成本大大降低，因此它获得了日益广泛的研究与应用。
许多关于视觉监视的大规模研究项目已经在美国、欧洲和日本展开，同时它也成为许多国际学术会议关注的重要主题。
运动目标检测与跟踪处于整个视觉监视系统的最底层，是各种后续高级处理如目标分类、行为理解等的基础。
运动目标检测系指从视频流中实时提取目标，一般是确定目标所在区域和颜色特征等。
目标检测的结果是一种“静态”目标——前景目标，由一些静态特征所描述。
运动目标跟踪则指对目标进行连续的跟踪以确定其运动轨迹。
我们通过为静止背景建模来检测前景点。
具体的背景模型以 Stauffer 等提出的自适应混合高斯模型为蓝本，并对其作了部分改进以更好地处理实际背景发生变化的情形。
算法中采用一种可靠的连通区域检测算法完成前景目标的分割。
目标跟踪时则通过匹配目标的位置、大小、形状和颜色等特征，建立运动目标与前景目标间的对应关系。
算法中考虑了跟踪中多个目标相互遮挡的问题，分析了几种可能结果并分别加以处理。
我们还为运动目标引入了可靠性度量以使目标跟踪过程更加稳定和可靠。
在实际应用中，不包括运动物体的纯背景图像通常无法得到。
而且，由于场景光照变化、摄像机抖动等因素，背景不可能完全静止。
Matlab中的图像配准算法解析
Matlab中的图像配准算法解析图像配准是计算机视觉和图像处理领域中一项重要的任务，它可以将多幅图像进行对齐，使它们在几何和视觉上更加一致。
在Matlab中，有多种图像配准算法可以使用，包括基于特征匹配的方法、基于区域的方法以及基于相位相关的方法。
本文将对这些算法进行解析，并探讨它们的原理和应用。
一、基于特征匹配的图像配准算法1.1 SIFT算法尺度不变特征转换（Scale-Invariant Feature Transform，SIFT）是一种常用的特征提取算法，它通过检测图像中的稳定特征点，并计算这些特征点的描述子来实现图像匹配。
在Matlab中，可以使用vl_feat工具包实现SIFT算法。
1.2 SURF算法加速稳健特征（Speeded-Up Robust Features，SURF）是一种基于尺度空间的特征提取算法，它可以在不同尺度下检测图像中的稳定特征点，并计算这些特征点的描述子。
在Matlab中，可以使用图像拼接工具箱中的SURF函数实现SURF算法。
二、基于区域的图像配准算法2.1 形态学图像配准形态学图像配准是一种基于区域的图像配准算法，它通过对图像进行分割和形态学变换，在不同尺度下提取图像的结构信息，并将其对齐。
在Matlab中，可以使用图像处理工具箱中的形态学变换函数实现形态学图像配准。
2.2 相关性图像配准相关性图像配准是一种基于相似度测量的图像配准算法，它通过计算图像之间的相似性来实现图像对齐。
在Matlab中，可以使用imregister函数实现相关性图像配准。
三、基于相位相关的图像配准算法相位相关图像配准是一种基于相位信息的图像配准算法，它通过计算图像频率域中的相位相关性来实现图像对齐。
在Matlab中，可以使用图像处理工具箱中的相位相关函数实现相位相关图像配准。
四、图像配准算法的应用图像配准在很多领域都有广泛的应用，例如医学影像配准、遥感图像配准和计算机视觉中的对象追踪等。
点迹凝聚 matlab
点迹凝聚 matlab
点迹凝聚是一种基于matlab的图像处理算法，它可以将图像中的离散点集合并成更大的连续区域。
这个算法的应用非常广泛，可以用于医
学图像处理、地理信息系统、计算机视觉等领域。
点迹凝聚算法的核心思想是将离散的点集合并成更大的连续区域，这
个过程可以通过计算点之间的距离和相似度来实现。
具体来说，算法
首先会将所有的点按照一定的规则进行排序，然后从第一个点开始，
依次遍历每个点，将与当前点距离小于一定阈值的点合并到当前点所
在的连通区域中。
这个过程会一直进行下去，直到所有的点都被遍历
完为止。
点迹凝聚算法的优点在于它可以处理非常大的点集，并且可以处理不
同密度的点集。
此外，算法还可以通过调整阈值来控制合并的程度，
从而得到不同精度的结果。
因此，点迹凝聚算法在实际应用中非常灵
活和实用。
在医学图像处理中，点迹凝聚算法可以用于分割肿瘤和其他异常区域。
在地理信息系统中，算法可以用于分析地形和地貌。
在计算机视觉中，算法可以用于目标检测和跟踪。
总之，点迹凝聚是一种非常实用的图像处理算法，它可以用于处理各
种类型的点集，并且可以得到不同精度的结果。
在实际应用中，我们
可以根据具体的需求来选择不同的参数和阈值，从而得到最优的结果。
MATLAB中的图像配准与形变分析技术
MATLAB中的图像配准与形变分析技术一、引言图像处理是计算机科学中重要的研究领域之一，图像配准与形变分析技术是图像处理中的一个重要分支。
在现代科技和医学领域，图像配准和形变分析技术的应用非常广泛。
本文将介绍MATLAB中的图像配准与形变分析技术的原理、方法和应用。
二、图像配准的原理与方法图像配准是指将两幅或多幅图像对齐，使其在空间上一一对应。
在MATLAB 中，实现图像配准有多种方法，常用的方法包括灰度匹配、特征点匹配和基于变换模型的配准。
1. 灰度匹配灰度匹配是将两幅图像的像素值进行调整，使它们的直方图相似。
在MATLAB中，可以使用imhist和histeq函数实现灰度匹配。
imhist函数可以计算图像的直方图，而histeq函数可以对图像进行直方图均衡化，从而达到灰度匹配的效果。
2. 特征点匹配特征点匹配是一种常用的图像配准方法，它通过提取图像中的关键特征点，然后利用这些特征点进行图像对应的搜索与匹配。
在MATLAB中，可以使用SURF （速度加速稳健特征）算法或SIFT（尺度不变特征转换）算法来提取图像中的特征点。
通过特征点的匹配，可以得到两幅图像之间的对应关系，并进一步进行图像的配准。
3. 基于变换模型的配准基于变换模型的配准是一种基于几何变换的图像配准方法。
在MATLAB中，常用的变换模型有仿射变换、透视变换等。
仿射变换是一种线性变换，可以通过三个非共线的点对进行计算。
MATLAB提供了cp2tform函数，可以通过特征点匹配得到的对应关系计算出仿射变换矩阵，从而实现图像的配准。
透视变换是一种非线性变换，可以通过四个非共线的点对进行计算。
在MATLAB中，可以使用fitgeotrans函数计算出透视变换矩阵，并实现图像的配准。
三、形变分析的原理与方法形变分析是指对图像进行变形分析，研究形变的特点和规律。
在MATLAB中，可以使用变形场和形变图来表征形变信息。
1. 变形场在形变分析中，变形场是指描述变形大小和方向的向量场。
基于Matlab／Simulink的数字图像处理实验教学研究
４ 基于 Ｍａ ａ／ ｉ ｌ ｋ的任务驱动 型 系统 ｔ ｂ Ｓｍｕｉ ｌ ｎ 设 计 实 验
任务 驱动 教学符 合 图像处 理课 程 的层 次性 和实
用 性要 求 ， 学生 可 以 由浅 入深 、 由表及 里地 学 习数 字 图像 处理 的知识 和技 能 Ｊቤተ መጻሕፍቲ ባይዱ。Ｍａ ａ／ ｉ ｕｉｋ软 件平 ｔ ｂ Ｓｍ ｌ ｌ ｎ
随着信 息技 术 的不 断 发 展 ， 图像 处 理 的应 用 范 围已经 非 常广泛 ， 且与 越来 越 多 的学科相 结 合 ， 并 成 为 一个 具有 发 展潜 力 的重要 综合 学科 。在 许 多高校
课 程设 置 中 ， 字 图像 处 理 大 多 以基 础 课 程 的性 质 数
过调 用 Ｍａ ａ ｔ ｂ中 Ｉ ｇ ｒｃｓｉｇＴ ｏ ｏ 的 图像 ｌ ｍａｅＰ ｏｅｓ ｏ ｌ ｘ里 ｎ ｂ
！ ＝
ＣＮｌ —１ ５ Ｎ ２ ３ ２／
实
验
室
科
学
第】 ５卷
第 ３期
２１ ０ ２年 ６月
Ｊｎ２ ２ ｕ ． ０１
ＩＡＢ Ｊ ０ＲＡＴ ＯＲＹ ＳＣ ＥＮＣ Ｉ Ｅ
Ｖｏ ． ５ Ｎｏ ３ １１ ．
基于 Ｍａａ／ ｉｕｉ ｔ ｂ Ｓ ｌ ｋ的数字 图像处理实验教 学研 究 ｌ ｍ ｎ
Ａｂ ｔ ａ ｔ Ａｃ ｏ ｄ ｎ ｏ ｔ ｅ ｆ ａｕ ｅ ｆ ｉｉ ｌｉ ｇ ｒ ｃ ｓ ｉ ｇ，ａ ｍｅ ｈ ｄ ｏ ｘ ｅ ｉ ｎ ａ ｅ ｃ ｉ ｇ ｏ ｓｒ ｃ ： ｃ ｒ ｉｇ ｔ ｈ ｅ ｔ ｒ ｓｏ ｇ ｔ ｍａ ｅ ｐ ｏ ｅ ｓ ｄ ａ ｎ ｔ ｏ ｆｅ ｐ ｒ ｍｅ ｔ ｌ ａ ｈ ｎ ｆ ｔ
的模型 化 图形输 入 ， 得 用 户 可 以把 更 多 的精 力 投 使
基于matlab的图像处理课程设计
基于matlab的图像处理课程设计一、课程目标知识目标：1. 学生能理解图像处理的基本概念，掌握图像的数字化表示方法。
2. 学生能掌握Matlab软件的基本操作，运用其图像处理工具箱进行图像的读取、显示和保存。
3. 学生能掌握图像处理的基本算法，如灰度变换、图像滤波、边缘检测等，并理解其原理。
技能目标：1. 学生能运用Matlab进行图像处理操作，解决实际问题。
2. 学生能通过编程实现图像处理算法，具备一定的程序调试和优化能力。
3. 学生能运用所学知识，结合实际问题，设计简单的图像处理程序。
情感态度价值观目标：1. 学生通过学习图像处理，培养对计算机视觉和人工智能领域的兴趣，激发创新意识。
2. 学生在课程实践中，培养团队协作精神，提高沟通与表达能力。
3. 学生能认识到图像处理技术在生活中的广泛应用，增强学以致用的意识。
分析课程性质、学生特点和教学要求，本课程目标旨在使学生在掌握基本图像处理知识的基础上，通过Matlab软件的实践操作，培养其编程能力和解决实际问题的能力。
同时，注重培养学生的团队协作和情感态度，使其在学习过程中获得成就感，激发学习兴趣。
课程目标将具体分解为学习成果，以便后续教学设计和评估。
二、教学内容1. 图像处理基础理论：- 数字图像概念及表示方法- 图像处理的基本操作：读取、显示、保存- 像素运算与邻域处理2. Matlab基础操作：- Matlab软件安装与界面介绍- 数据类型与基本运算- 矩阵运算与函数编写3. 图像处理算法：- 灰度变换与直方图处理- 图像滤波：低通滤波、高通滤波- 边缘检测：Sobel算子、Canny算子4. 实践项目：- 图像增强与去噪- 图像分割与特征提取- 目标检测与跟踪5. 教学大纲：- 第一周：图像处理基础理论，Matlab基础操作- 第二周：灰度变换与直方图处理，图像滤波- 第三周：边缘检测，实践项目一- 第四周：图像分割与特征提取，实践项目二- 第五周：目标检测与跟踪，课程总结与展示教学内容根据课程目标，结合教材章节进行选择和组织，确保科学性和系统性。
基于Matlab的图像处理算法应用于智能交通系统
基于Matlab的图像处理算法应用于智能交通系统智能交通系统是利用现代信息技术和通信技术，对城市道路交通进行智能化管理和控制的系统。
在智能交通系统中，图像处理算法在车辆检测、车牌识别、交通流量监测等方面发挥着重要作用。
Matlab 作为一种强大的科学计算软件，提供了丰富的图像处理工具箱，可以帮助开发人员快速实现各种图像处理算法。
本文将介绍基于Matlab的图像处理算法在智能交通系统中的应用。
1. 车辆检测在智能交通系统中，车辆检测是一个重要的环节。
通过图像处理算法可以实现对道路上行驶车辆的实时监测和识别。
Matlab提供了多种车辆检测算法，如Haar特征分类器、HOG特征检测等。
这些算法可以帮助系统准确地检测出车辆的位置和数量，为后续的交通管理提供数据支持。
2. 车牌识别车牌识别是智能交通系统中的另一个重要应用场景。
通过图像处理算法可以实现对车辆车牌号的自动识别，从而实现对车辆的跟踪和管理。
Matlab提供了基于OCR（Optical Character Recognition）的车牌识别算法，可以有效地识别出车牌上的文字信息，并将其转化为数字或字符形式。
3. 交通流量监测交通流量监测是智能交通系统中的核心功能之一。
通过对道路上车辆数量和速度的监测，可以实时掌握道路交通状况，并进行合理调度和管理。
Matlab提供了多种图像处理算法，如背景建模、运动目标检测等，可以帮助系统实现对交通流量的准确监测和统计。
4. 实时视频分析智能交通系统需要对道路上的实时视频进行分析和处理，以获取有用的交通信息。
Matlab提供了丰富的视频处理工具箱，可以帮助系统实现视频流的采集、处理和分析。
通过图像处理算法，可以实现对视频中车辆、行人等目标的检测和跟踪，为智能交通系统提供更加精准和可靠的数据支持。
5. 结语基于Matlab的图像处理算法在智能交通系统中有着广泛的应用前景。
通过利用Matlab强大的图像处理工具箱，开发人员可以快速实现各种复杂的图像处理算法，并将其应用于智能交通系统中，提升系统的性能和效率。
MATLAB中的运动检测与目标追踪方法
MATLAB中的运动检测与目标追踪方法引言运动检测和目标追踪是计算机视觉领域的重要研究内容之一。
通过使用MATLAB等工具，可以实现各种运动检测和目标追踪算法，以应用于视频监控、自动驾驶等领域。
本文将介绍MATLAB中常用的运动检测与目标追踪方法，包括光流法、帧差法、背景建模法等，并探讨它们的优缺点及应用场景。
一、光流法光流法是一种通过分析连续两帧图像中像素的运动来检测运动的方法。
其核心思想是计算每个像素点在两帧图像中的位移向量，从而得到运动信息。
MATLAB中提供了光流法的实现函数，例如vision.OpticalFlow和opticalFlowLK等。
光流法的优点是计算简单，对算法要求不高，可以很容易地处理多对象的运动，适用于快速移动的目标。
然而，由于其基于两帧图像的位移变化进行计算，对于长时间运动或场景变换较大的情况下，光流法容易产生累积误差。
二、帧差法帧差法是一种通过比较连续两帧图像的像素值来检测运动的方法。
其基本原理是通过计算两帧图像之间的差异，得到表示目标位置的二值图像。
MATLAB中的imabsdiff函数可以方便地实现帧差法。
帧差法的优点是实时性好，对于动态场景具有较好的适应性。
然而，由于该方法是基于像素值差异来检测运动，对于光照变化、场景噪声等因素较为敏感，容易产生误检测的问题。
三、背景建模法背景建模法是一种通过将场景背景与前景目标进行分离，从而检测目标运动的方法。
其核心思想是先建立环境的背景模型，然后将当前帧图像与背景模型进行比较，得到表示前景的二值图像。
在MATLAB中，可以使用vision.ForegroundDetector函数实现背景建模。
背景建模法的优点是对于静态场景具有较好的适应性，能够有效抑制光照变化和场景噪声带来的干扰。
然而，该方法对于场景动态变化较快、背景模型建立较为困难的情况下，容易产生误检测和漏检测的问题。
四、区域增长法区域增长法是一种通过将连续像素点聚类，从而检测目标区域的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要摘要视频图像处理技术广泛用于工业、安全、医疗、管理等领域。
运动目标的检测和跟踪是图像处理技术在视频序列图像处理方面的一个重要应用，在航天、交通、机器人视觉、视频监控、公共场所客流数据监测等场合发挥着重要作用。
本文介绍了一种基于MATLAB的简易的从视频播放的帧图像中找出目标图像，并进行视频跟踪的实现方法。
通过对图像进行阈值处理（图像分割），再对分割后的图像求取形心，以对目标图像进行定位，并最后找到各幅帧图像的目标位置的方法，从而实现对100帧视频图像的实时跟踪。
关键词：目标检测；阈值处理；视频序列目标跟踪；形心估计ABSTRACTABSTRACTVideo image processing technology is widely used in industrial, security, health care, management and other fields. Motion target detection and tracking is image processing technology in video sequence is an important application in image processing, in the aerospace, transportation, robot vision, video surveillance, public traffic data monitoring plays an important role.This paper introduces a simple MATLAB to find the target image from the video image frame based, and realization method of video tracking.Through the threshold of image processing (image segmentation), then the after image segmentation to obtain the centroid, to locate the target image, and finally found the method of each frame image of the target position, so as to realize the real-time tracking of the 100 frame of video images.Key words: target detection; threshold; video object tracking; centroid estimation目录目录第1章引言 (1)1.1 选题背景 (1)1.2 课题研究目的及意义 (2)1.3 课题研究思路 (3)第2章数字图像处理简介 (4)2.1 图像数字化过程 (4)2.2 数字图像处理的基本内容 (6)2.2.1 基本概念 (6)2.2.2 数字图像处理的主要内容 (6)2.3 数字图像处理的特点和应用 (8)2.3.1 数字图像处理的特点 (8)2.3.2 数字图像处理的应用 (8)2.4 数字图像类型 (9)2.5 主要图像文件格式 (11)第3章MATLAB仿真软件的简介 (13)3.1 MATLAB的历史背景 (13)3.2 MATLAB简介 (14)3.3 MATLAB的特点 (15)3.4 MATLAB在数字图像中的应用 (16)第4章图形用户界面 (18)4.1 图形用户界面简介 (18)4.2 MATLAB 常用图像操作 (18)4.3 GUI的创建 (20)4.4 GUI的应用 (22)4.4.1 脚本与函数 (22)4.4.2 递归函数调用 (23)4.4.3 调试GUI M文件 (23)第5章基于MATLAB的图像跟踪算法 (24)5.1 100帧视频图像的读取 (24)5.2 图像的阈值处理（图像分割） (24)5.2.1 阈值的确定 (25)5.2.2 图像的阈值分割 (26)5.3 形心（距心）的求取 (28)5.4 设置跟踪波门 (29)第6章总结与展望 (34)6.1 总结 (34)6.2 展望 (34)参考文献 (36)致谢 ................................................................................................... 错误!未定义书签。
附录 (37)附录一：图像类型转换模块的实现 (37)附录二：图像模块中灰度的变换 (37)外文资料原文 (41)译文 (44)第1章引言第1章引言1.1选题背景数字图像处理起源于20世纪20年代。
当时，人们通过Bartlane海底电缆图片传输系统，从伦敦到纽约传输了一幅经过数字压缩后的照片，从而把传输时间从一周多缩短到不足三个小时。
为了传输图片，该系统在传输端进行了图像编码，然后在接受端用特殊打印设备重构了该图片。
尽管这一应用包含了数字图像处理的知识，但是并没有使用计算机。
而数字图像处理需要很大的存储空间和计算能力，其发展受到计算机中数据储存、显示和传输等相关技术发展的制约[1]。
在20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图形信息。
在20世纪60年代初期数字图像处理作为一门学科大约形成了。
第一台可执行图像处理任务的大型进算计出现。
早期的图像处理的目的是改善图像的质量，它以人为对象，已改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰色变换、去除噪声的方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理技术都发挥了巨大的作用。
20世纪60年代末70年代初，数字图像处理技术应用于医学图像、地球遥感监测和天文学等诸多领域。
1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT （Computer Tomograph）。
CT基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。
1972年美国陆地资源卫星（Landsat）将多谱图像用于资源探测。
同年，计算机层析仪（CT）问世，它将图像重建技术用于医学[2]。
20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。
人们已开始研究如何使用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。
很多国家，特别是发达国家投入更多的人力、物力到这项研究，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提出的视觉计算理论，这个理论成为计算机视觉其后十多年的主导思想。
图像理解虽然在理论方法研究上已取得了不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索新的领域。
1.2课题研究目的及意义最早的图像处理时上世纪六七十年代，随着电子技术和计算机技术的不断提高和普及，数字图像处理进入高速发展时期。
数字图像处理就是利用数字计算机或者其他数字硬件，对图像信息转换而得的电信号进行某些数学运算，以提高图像的实用性。
例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等等。
数字图像处理技术处理精度比较高，而且还可以通过改进处理软件来优化处理效果。
总的来说，数字图像处理包括点运算、几何处理、图像增强、图像还原、图像形态学处理、图像编码、图像重建、模式识别等。
由于计算机技术处理能力不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向其他许多学科快速交叉渗透，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。
MathWorks公司推出的MATLAB是学习数理知识的好帮手。
应用MATLAB友好的界面和丰富、实用、高效的指令及模块，可以使人较快地认识、理解图像处理的相关概念，逐步掌握图像信号处理的基本方法，进而能够解决相关的工程和科研中的问题。
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然第1章引言涉及到人类生活和工作的方方面面。
随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大，数字图像处理对人类的作用将是不可限量[3]。
1.3课题研究思路本文首先通过对MATLAB软件的了解及应用，基于MATLAB的数字图像处理环境和如何利用MATLAB及其图像处理工具箱进行数字图像处理。
主要论述了利用MATLAB实现对图像读取、阀值处理、距心的求取等图像处理。
第2章数字图像处理简介2.1图像数字化过程图像的数字化过程就是在计算机内生成一个二维矩阵的过程。
数字化的目的是将一幅图像以数字的形式进行表示，并且要做到既不失真又便于计算机进行处理。
图像的数字化要求是要达到以最小的数据量不失真地描述图像信息。
数字图像(digital imagine)和传统的图像即模拟图像(picture)是有差别的。
图像的数字化包括采样和量化两个过程。
1.采样采样(sampling)就是把在时间上和空间上连续的图像分割成离散点（采样点，即像素）的集合的一种操作。
采样是对图像空间坐标的离散化，它决定了图像的空间分辨率。
采样越细，越能精确地表现图像。
图像基本上是在二维平面上连续分布的信息形式要把它输入到计算机中，首先要把二维信号变成一维信号，因此要进行扫描(scanning)。
最常用的扫描方法是在二维平面上按一定间隔顺序地从上方顺序地沿水平方向的直线（扫描线）扫描，从而取出浓淡值（灰度值）的线扫描（Laster扫描）。
对于由此得到的一维信号，通过求出每一特定间隔的值，可以得到离散的信号。
对于运动图像除进行水平，垂直两个方向的扫描以外，还有进行时间轴上的扫描。