基于Matlab的数字图像处理
数字图像处理MATLAB程序【完整版】

第一部分数字图像处理实验一图像的点运算实验1.1直方图一.实验目的1.熟悉matlab图像处理工具箱及直方图函数的使用;2.理解和掌握直方图原理和方法;二.实验设备1.PC机一台;2.软件matlab。
三.程序设计在matlab环境中,程序首先读取图像,然后调用直方图函数,设置相关参数,再输出处理后的图像。
I=imread('cameraman.tif’);%读取图像subplot(1,2,1),imshow(I) %输出图像title(’原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四.实验步骤1。
启动matlab双击桌面matlab图标启动matlab环境;2。
在matlab命令窗口中输入相应程序。
书写程序时,首先读取图像,一般调用matlab自带的图像,如:cameraman图像;再调用相应的直方图函数,设置参数;最后输出处理后的图像;3.浏览源程序并理解含义;4.运行,观察显示结果;5.结束运行,退出;五.实验结果观察图像matlab环境下的直方图分布.(a)原始图像(b)原始图像直方图六.实验报告要求1、给出实验原理过程及实现代码;2、输入一幅灰度图像,给出其灰度直方图结果,并进行灰度直方图分布原理分析。
实验1.2 灰度均衡一.实验目的1.熟悉matlab图像处理工具箱中灰度均衡函数的使用;2.理解和掌握灰度均衡原理和实现方法;二.实验设备1.PC机一台;2.软件matlab;三.程序设计在matlab环境中,程序首先读取图像,然后调用灰度均衡函数,设置相关参数,再输出处理后的图像.I=imread('cameraman.tif’);%读取图像subplot(2,2,1),imshow(I) %输出图像title(’原始图像’) %在原始图像中加标题subplot(2,2,3),imhist(I) %输出原图直方图title(’原始图像直方图’) %在原图直方图上加标题a=histeq(I,256); %直方图均衡化,灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title(’均衡化后图像’) %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title('均衡化后图像直方图’)%在均衡化后直方图上加标题四.实验步骤1。
数字图像处理课程设计基于Matlab的数字图像处理

数字图像处理课程设计--基于Matlab的数字图像处理数字图像处理课程设计基于Matlab的数字图像处理——图像的运算院系信息技术学院专业班级电气6班学号 201107111282姓名何英娜指导教师章瑞平课程设计时间 2012年11月目录一、摘要 (3)二、图像代数运算1、1图像的加法运算 (4)1、2图像的减法运算 (4)1、3图像的除法运算 (4)1、4绝对差值运算 (7)1、 5 图像的求补运算 (7)3三、图像的几何运算2、1 图像插值 (7)2、2图像的旋转 (8)2、3图像的缩放 (9)2、4图像的投影变换 (10)2、4图像的剪切 (11)四、课程设计总结与体会 (13)五、参考文献 (14)摘要图像运算涵盖程序设计、图像点运算、代数运算、几何运算等多种运算;设计目的和任务:1、熟悉图像点运算、代数运算、几何运算的基本定义和常见方法;2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法3、掌握在MATLAB中进行插值的方法4、运用MATLAB语言进行图像的插值缩放和插值旋转5、学会运用图像的投影变换和图像的剪切46、进一步熟悉了解MATLAB语言的应用,将数字图像处理更好的应用于实际7、通过各类算法加强图像各种属性、一、图像的几何运算何运算图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。
图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。
四种图像处理代数运算的数学表达式如下:C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)C(x,y)=A(x,y)/B(x,y)1图像加法运算一般用于多幅图像求平均效果,以便有效降低具有叠加性的随机噪声,在matlab中imadd用于图像相加,其调用格式为z=imadd(X,Y);程序演示如下:I=imread('rice.png');subplot(2,2,1),imshow(I),title('原图像1'); J=imread('cameraman.tif');subplot(2,2,2),imshow(J),title('原图像52');K=imadd(I,J,'uint16'););subplot(2,2,3),imshow(K,[]),title('相加后图像'2、图像减法运算也称差分运算,是用于检测图像变化及运动物体的方法;用imsubtract函数实现。
基于matlab的数字图像处理

基于matlab的数字图像处理MSRM是基于最大相似度的区域合并算法,其不管目标数量多少都可能正确分割,文中分析了算法的区域合并过程,验证了算法的未标记区域的个数会随着合并的过程逐渐变少,,最后应用MATLAB实现了算法对图像的成功提取,这一研究对于数字图像处理的进一步应用具有一定的意义。
标签:matlab;MSRM;最大相似度;区域合并算法0引言图像分割作为图像处理研究的核心问题,对分析图像和检测计算机视觉系统是非常重要的。
图像分割将图像处理和图像分析过程连接起来,通常情况下,对目标进行特征提取、参数测量和识别等操作是建立在图像分割的前提下的,实现了进一步图像分析和理解的目标,图像分割质量的好坏和后续图像处理的效果息息相关。
文中基于这一背景,最大相似度的区域合并算法的数字图像处理进行了分析这一研究对于数字图像处理的进一步应用具有一定的意义。
1 算法理论模型基于最大相似度的区域合并算法(Maximal Similarity based Region Merging,即MSRM)有两个环节,所有的区域均发生合并就代表着合并完成。
合并策略是合并除前景区域之外的所有的背景区域。
合并操作结束后就代表着提取出了完整的目标[9-10]。
确定每一个区域为的邻域集合。
那么,针对每个,假如,找出相应的邻域集合的答案,也就是。
接着分析研究和中每个区域的相似度。
对于和可以得出以下式子:因此如果将和合并成一个区域,这个区域中就会存在和B一样的标记,也就是:反之亦然。
将上面的过程一次一次的进行n次。
在每个过程中,集合和会被更新。
即发生膨胀、发生收缩。
在一切的背景标记不存在新的合并对象的情况下,这一过程也就结束了。
第一个环节会合并部分属于背景的区域。
然后还会存在一些由于彼此间的相似度产生的背景区域。
这样就造成了有的区域不能合并。
图1(a)描述了第一个环节的合并结果。
从图中我们可以看出,即使第一个环节合并了大量的属于背景的区域,然而还存在一些未标记的背景区域没有与背景标记区域合并。
基于MATLAB数字图像处理的实现和仿真(完整版)

通信专业课程设计一太原科技大学课程设计(论文)设计(论文)题目:基于MATLAB数字图像处理的实现和仿真姓名学号班级学院指导教师2010年12月31日太原科技大学课程设计(论文)任务书学院(直属系):华科学院电子信息工程系时间:2010年12月17日学生姓名指导教师设计(论文)题目基于MATLAB数字图像处理的实现和仿真主要研究内容学习MATLAB GUI程序设计,利用MATLAB图像处理工具箱,设计和实现自己的Photoshop。
按照软件工程方法,根据需求进行程序的功能分析和界面设计,给出设计详细说明。
然后按照拟定的功能要求进行程序设计和调试。
研究方法主要运用MATLAB工具箱对图像进行处理和分析,通过编写程序实现对数字图像的处理。
主要技术指标(或研究目标)综合运用MATLAB工具箱实现图像处理的GUI程序设计。
教研室意见教研室主任(专业负责人)签字:年月日目录摘要 (II)第1章绪论 (1)第2章数字图像处理系统设计 (2)2.1设计概括 (2)2.2文件 (3)2.2.1打开 (3)2.2.2保存 (3)2.2.3退出 (3)2.3编辑 (3)2.3.1灰度 (3)2.3.2亮度 (5)2.3.3截图 (7)2.3.4缩放 (7)2.4旋转 (9)2.4.1上下翻转 (9)2.4.2左右翻转 (10)2.4.3任意角度翻转 (11)2.5噪声 (12)2.6滤波 (13)2.6.1中值滤波 (13)2.6.2自适应滤波 (13)2.6.3平滑滤波 (14)2.7直方图统计 (15)2.8频谱分析 (16)2.8.1、频谱图 (16)2.8.2通过高通滤波器 (17)2.8.3通过低通滤波器 (18)2.9灰度图像处理 (19)2.9.1二值图像 (19)2.9.2创建索引图像 (20)2.10颜色模型转换 (21)2.11操作界面设计 (22)第3章程序调试及结果分析 (23)总结 (24)参考文献 (25)附录 (26)基于MATLAB数字图像处理的实现和仿真摘要数字图像处理(Digital Image Processing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理课件——基于MATLAB的图像处理(PPT课件)

图像缩放
改变图像的尺寸大小,以适应不同 的显示设备或应用需求。
图像增强技术
亮度调整
通过增加或减少图像的亮度来改善图像的视觉效果。
对比度增强
调整图像的对比度,以增强图像中的细节和颜色差 异。
直方图均衡化
通过重新分布图像像素的灰度级,增强图像的整体 对比度。
滤波器应用
使用不同类型的滤波器来提取有用的图像特征或去 除噪声。
介绍课程内容,学习资源, 作业要求和评估方式。
了解编程基础和数学概念有 助于更好地理解课程内容。
MATLAB图像处理简介
MATLAB是一种强大的编程语言和开发环境,在数字图像处理领域有广泛的应 用。了解MATLAB的基本概念和图像处理函数的使用是本课程的重点。
数字图像的离散化表示
1
图像分辨率
2
了解图像中信息的密度和细节水平,学会调
数字图像处理课件——基 于MATLAB的图像处理 (PPT课件)
欢迎来到数字图像处理课程,本课程以MATLAB为基础,教授图像处理的基本 知识,包括离散化表示、图像操作、增强技术、滤波和降噪、分割与边缘检 测。
课程介绍
1 学习目标
2 课程安排
3 前置知识
掌握数字图像处理的基本概 念和技术,以及MATLAB在 图像处理中的应用。
整和优化图像的分辨率。
3
采样和量化
将连续的图像转换为离散的像素表示,了解 采样和量化的原理和方法。
颜色模型
探索常用的颜色模型,如RGB、HSV和CMYK, 以及它们在图像处理中的应用。
图像的基本操作
图像裁剪
选择感兴趣的区域,并裁剪为新的 图像,以提取出所需的信息。
图像旋转
将图像按照特定角度进行旋转,以 改变其方向或对齐。
基于MATLAB的图像处理算法研究与应用

基于MATLAB的图像处理算法研究与应用一、引言图像处理是计算机视觉领域中的重要研究方向,随着数字图像技术的不断发展,图像处理算法在各个领域得到了广泛的应用。
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,为研究人员提供了便利。
本文将探讨基于MATLAB的图像处理算法研究与应用。
二、图像处理基础在深入研究MATLAB图像处理算法之前,首先需要了解图像处理的基础知识。
图像处理是对数字图像进行操作以获取所需信息的过程,包括图像增强、滤波、分割、特征提取等技术。
在MATLAB中,可以通过读取、显示和保存图像来进行基本的图像处理操作。
三、MATLAB图像处理工具箱MATLAB提供了丰富的图像处理工具箱,包括各种函数和工具,用于实现各种图像处理算法。
其中,常用的函数包括imread(读取图像)、imshow(显示图像)、imwrite(保存图像)等。
此外,MATLAB还提供了各种滤波器、边缘检测器、形态学操作等功能,方便研究人员进行图像处理实验。
四、常见的图像处理算法1. 图像增强图像增强是指通过一系列操作使图像在视觉上更加清晰、鲜艳或易于分析的过程。
常见的图像增强算法包括直方图均衡化、对比度增强、锐化等,在MATLAB中可以通过内置函数实现。
2. 图像滤波图像滤波是一种常见的预处理方法,用于去除噪声、平滑图像或增强特定特征。
MATLAB提供了各种滤波器,如均值滤波、中值滤波、高斯滤波等,可以根据实际需求选择合适的滤波器进行处理。
3. 图像分割图像分割是将图像划分为若干个具有独立意义的区域或对象的过程。
在MATLAB中,可以使用阈值分割、区域生长、边缘检测等方法实现图像分割,为后续目标检测和识别提供基础。
4. 特征提取特征提取是从原始数据中提取出具有代表性和区分性的特征信息。
在图像处理中,特征可以是颜色直方图、纹理特征、形状特征等。
MATLAB提供了各种特征提取函数和工具,帮助研究人员获取关键特征信息。
基于matlab的数字图像处理
基于MATLAB数字图像处理题目MATLAB中集成了功能强大的图像处理工具箱,可以通过不同的算法对图像进行不同的处理,更加精确的对图像进行变换和更改,进一步提高了人们对图像处理的能力和认识。
通过用户自定义界面将简洁的界面与MATLAB程序结合起来,方便操作与应用。
1 功能介绍本程序是一个简单的图像处理程序,使用MATLAB软件编写完成。
主要具有灰度转换、亮度处理、显示频谱、左右翻转、上下翻转、向左旋转90度、向右旋转90度、任意角度旋转、保存等功能,并通过图形化交互界面(GUI)进行程序使用的交互。
交互界面如图1.图1 程序的交互界面2 功能实现程序由两个部分组成:MATLAB代码(.m文件)和GUI图形(.fig)。
程序使用的流程:图像输入—> 灰度转换(可选)—> 亮度处理(可选)—>显示频谱图(可选)—>左右翻转(可选)—>上下翻转(可选)—>向左旋转90度(可选)—>向右旋转90度(可选)—>任意角度旋转(可选)—>保存(可选)。
备注:软件版本:MATLAB R2010b2.1 获得图像文件图形获取的过程,下面是图像获取界面和获取后的效果图。
界面图效果图具体代码参见:function pushbutton1_Callback(hObject, eventdata, handles) 2.2 灰度转换过程主要包括对原图片灰度转换及显示。
通过灰度转换按钮,将源程序链接到图片。
具体程序如下:function pushbutton2_Callback(hObject, eventdata, handles) axes(handles.axes2);if isrgb(handles.img)y=rgb2gray(handles.img); %RGB••••••••••imshow(y);elsemsgbox('这已经是灰度图像','转换失败');end2.3 亮度处理过程在已获得图片的基础上,再进亮度处理的选择。
基于MATLAB的数字图像处理技术在医学影像中的应用
基于MATLAB的数字图像处理技术在医学影像中的应用数字图像处理技术是一种利用数字计算机对图像进行处理和分析的技术,它在医学影像领域有着广泛的应用。
MATLAB作为一种功能强大的科学计算软件,提供了丰富的图像处理工具和函数,为医学影像处理提供了便利。
本文将介绍基于MATLAB的数字图像处理技术在医学影像中的应用。
1. 医学影像与数字图像处理技术医学影像是医学诊断和治疗中不可或缺的重要手段,它通过对人体内部结构和功能进行成像,帮助医生做出准确的诊断和治疗方案。
数字图像处理技术则是对数字图像进行获取、存储、传输、显示和分析等一系列操作的技术。
将数字图像处理技术应用于医学影像中,可以帮助医生更好地观察和分析患者的病情,提高诊断的准确性和治疗效果。
2. MATLAB在医学影像处理中的优势MATLAB作为一种专业的科学计算软件,具有丰富的图像处理工具包和函数库,能够快速高效地实现各种图像处理算法。
其优势主要体现在以下几个方面:丰富的工具包:MATLAB提供了丰富的图像处理工具包,包括图像增强、滤波、分割、特征提取等功能模块,可以满足医学影像处理中各种需求。
易于使用:MATLAB具有直观友好的界面和简洁明了的编程语法,使得医学影像处理人员可以快速上手,并快速实现自己的算法。
高效性能:MATLAB底层采用C/C++编写,具有优秀的性能表现,在处理大规模医学影像数据时表现出色。
丰富的社区支持:MATLAB拥有庞大的用户社区和丰富的文档资料,用户可以方便地获取帮助和资源。
3. MATLAB在医学影像处理中的应用3.1 图像增强图像增强是医学影像处理中常见的操作之一,通过增强图像对比度、去除噪声等方式,可以使医生更清晰地观察到患者病变情况。
MATLAB提供了丰富的图像增强函数,如直方图均衡化、滤波器设计等,可以有效改善医学影像质量。
3.2 图像分割图像分割是将图像划分为若干个具有独立特征的区域或对象的过程,对于医学影像而言,可以帮助医生定位病变区域、量化病变程度等。
基于Matlab的图像处理应用技术
基于Matlab的图像处理应用技术图像处理是一种通过计算机对图像进行操作和改变的技术。
Matlab作为一种强大的数值计算和高级编程语言,被广泛应用于图像处理领域。
本文将介绍基于Matlab的图像处理应用技术,包括图像增强、图像滤波、图像分割和图像识别等方面。
首先,图像增强是一种通过改善图像的质量、提高图像的清晰度和对比度等方式来增强图像信息的技术。
在Matlab中,可以使用一些图像增强算法来实现这一目标。
例如,直方图均衡化是一种常用的图像增强方法。
它通过对图像的像素值进行统计分析,将像素值分布均匀化,提高图像的对比度和视觉效果。
此外,图像滤波是一种通过去除图像中的噪声或改变图像的频域特征来改善图像质量的技术。
Matlab提供了多种图像滤波方法,如均值滤波、中值滤波和高斯滤波等。
均值滤波通过对图像的像素值进行平均,降低图像中的噪声。
中值滤波则通过对图像中像素值的中位数进行计算,减少噪声的影响。
此外,图像分割是将图像分割成若干个区域或目标的过程。
Matlab中提供了多种图像分割算法,如阈值分割、边缘检测和区域生长等。
阈值分割是一种通过将图像中的像素值与给定的阈值进行比较来分割图像的方法。
边缘检测则是一种通过检测图像中的边缘信息来进行分割的技术。
区域生长则是一种通过对图像中的像素进行逐步合并来分割图像的方法。
最后,图像识别是一种基于计算机视觉技术的图像处理应用。
Matlab为图像识别提供了强大的工具包,包括深度学习、机器学习和模式识别等技术。
深度学习可以用于图像分类、目标检测和人脸识别等任务。
机器学习算法可以对图像数据进行训练和分类。
模式识别技术可以用于识别和匹配图像中的模式和特征。
总结来说,基于Matlab的图像处理应用技术包括图像增强、图像滤波、图像分割和图像识别等方面。
通过这些技术,我们可以对图像进行质量改进、去除图像中的噪声、将图像分割成不同的区域或目标,并用于图像识别和模式匹配等应用。
Matlab提供了丰富的函数和工具箱,使得图像处理变得更加简单和高效。
基于Matlab的数字图像处理
基于Matlab的数字图像处理概述我们已经知道,线性空间滤波即为掩膜矩阵和图像矩阵的卷积/相关运算。
本质上来说,是像素点值与像素点邻域像素点值之间的⼀种特殊运算关系,因为其运算规则为邻域像素点与对应掩膜系数相乘后相加的线性运算,故称之为线性空间滤波。
如果这种基于邻域的运算是⾮线性的,对图像的每个像素点都进⾏这种⾮线性运算(滤波),即为⾮线性空间滤波。
本⽂⾸先会将线性空间滤波与⾮线性空间滤波做⼀个简单的对⽐,然后介绍matlab中⼏种⾮线性空间滤波的函数。
与线性空间滤波对⽐为了使得每⼀个像素都有相同的可计算邻域,我们需要对图像矩阵进⾏填充。
具体填充概念见线性空间滤波⼀⽂。
图中:灰⾊数字部分:0填充部分;⿊⾊数字部分:图像矩阵;绿⾊数字部分:掩膜系数或划定邻域范围;Matlab 中⾮线性空间滤波函数先介绍两个执⾏常规⾮线性滤波的函数:nlfilter 和 colfilt。
当然,⼀些常⽤的⾮线性滤波器可以通过其他MATLAB和IPT函数实现,我们主要介绍colfilt。
其中colfilt因其出⾊的执⾏速度,是进⾏⾮线性滤波操作的最好选择。
⾸先介绍colfilt,然后将MATLAB中对nlfilter的描述,最后介绍另⼀种⽐较常⽤的统计排序滤波器。
colfilt是基于列的滤波⽅式,具体如下:colfilt函数语法:B = colfilt(A,[m n],block_type,@fun,paramerters)A:图像矩阵;[m n]:邻域范围;block_type:邻域块的处理⽅式,有如下两值可供选择:distinct 和 sliding⼆者通过fun运算返回的值不同,通过colfilt最终返回的矩阵也不同;详情如下:@fun:函数句柄,调⽤外部写好的函数fun进⾏邻域像素处理;parameters:fun所需的参数。
函数原理:邻域和图像例举:领域⼤⼩为3x3图像⼤⼩为:5x5fun例举:为均值函数。
⼤致过程为:m x n⼤⼩领域矩阵中⼼从左⾄右,从上到下依次滑过M x N⼤⼩的图像的每⼀个像素点。
- 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)。
7
2.2 位图 位图:是通过许多像素点表示一幅图像,每个像素具有颜色 属性和位置属性。 位图又可以分成如下四种:二值图像(binary image)、灰度 图像(gray-scale image)、索引颜色图像(index color image)和 真彩色图像(true color image)。 位图的优缺点正好和矢量图相反。
19
经过这样采样和量化得到的一幅空间上表现为离散分布 的有限个像素,灰度取值上表现为有限个离散的可能值的图 像称为数字图像。只要水平与垂直方向采样点数N和M足够多 ,量化比特数足够大,则数字图像的质量比原始模拟图像毫 不逊色。 在采样与量化处理后,才能产生一张数字化的图像,再 运用计算机图像处理软件的各种技巧,对图像进行处理、修 饰或转换,达到所需要的图像效果。
15
图像是人类用来表达和传递信息的最重要手段。现代图像既 包括可见光范围的图像(能被人眼观察到的各种图像),也包 括不可见光范围内借助于适当转换装置转换成人眼可见的图 像(如红外成像技术)。还包括视觉无法观察的其他物理图像 和空间物体图像,以及由数学函数和离散数据所描述的连续 或离散图像。 在空间图像信息中,光强度是其基本要素,它随图像空 间坐标(x,y,z)及光线的波长λ 和时间t的变化而变化,因此 空间图像函数可表示为:
0 150 200 I 120 50 180 250 220 100
11
2.5 . 真彩色图像
每一个像素由红、绿和蓝三个字节组成, 每个字节为8
bit,表示0到255之间的不同的亮度值,这三个字节组合可以
产生1670万种不
1.2 图像与图形的区别
基本概念 图形:是指由外部轮廓线条构成的矢量图。即由计算机 绘制的直线、圆、矩形、曲线、图表等; 图像:是由扫描仪、摄像机等输入设备捕捉实际的画面产 生的数字图像,是由像素点阵构成的位图。 数据描述 图形:用一组指令集合来描述图形的内容,如描述构成 该图的各种图元位置维数、形状等。描述对象可任意缩放不 会失真。 图像:用数字任意描述像素点、强度和颜色。描述信息文 件存储量较大,所描述对象在缩放过程中会损失细节或产生 锯齿。
5
2.数字图像的类型
通常,静态图像可分为矢量(Vector)图和位图(Bitmap), 位图也称为栅格图像。
6
2.1 矢量图 矢量图:是用一系列绘图指令来表示一幅图。这种方法的本 质是用数学(更准确地说是几何学)公式描述一幅图像。 特点如下: 它的文件数据量很小;图像质量与分辨率无关,这意味着无 论将图像放大或缩小了多少次,图像总是以显示设备允许的 最大清晰度显示。 缺点是:不易制作色调丰富或色彩变化太多的图像,绘出来 的图像不是很逼真,同时也不易在不同的软件间交换文件。
在RGB真彩色出现之前, 由于技术上的原因,计算机在 处理时并没有达到每像素24位的真彩色水平,为此人们创造 了索引颜色。 在索引颜色(也称为映射颜色)模式下,颜色都是预先定 义的,并且可供选用的一组颜色也很有限, 索引颜色的图像 最多只能显示256种颜色。
13
3.图像与图像数字化过程
3.1 图像的表示 计算机图像处理研究的主要内容是:①如何对模 拟图像进行采样、量化以产生数字图像;②如何对数 字图像做各种变换以方便处理;③如何压缩图像数据 以便存储和传输。
figure;%创建一个新的窗口
20
3.3图像的采样
计算机要感知图像,就要把图像分割成离散的小区域, 即像素。像素是计算机系统生成和再现图像的基本单位,像 素的亮度、色彩等特征通过特定的数值来表示。数字化图像 的形成是计算机使用相应的软硬件技术把许多像素点的特征 数据组织成行列,整齐地排列在一个矩形区域内,形成计算 机可识别的图像。 图像采样就是将二维空间上模拟的连续亮度(即灰度)或 色彩信息,转化为一系列有限的离散数值来表示。由于图像 是一种二维分布的信息,所以具体的作法是对图像在水平方 向和垂直方向上等间隔地分割成矩形网状结构,所形成区域 ,称之为像素点。被分割的图像若水平方向有M个间隔,垂 直方向上有N个间隔,则一幅图像画面就被表示成MN个像素 构成的离散像素点的集合(如图8.16)。MN表示图像分辨率 21 。
27
图像的写入 imwrite(A,FILENAME,FMT)
FILENAME参数指定文件名。FMT为保存文件采用的格式。 imwrite(I6,'nirdilatedisk2TTC10373.bmp');
28
图像的显示 imshow(I,[low high])
I为要显示的图像矩阵。[low high]为指定显示灰度图像的灰度范围。 高于high的像素被显示成白色;低于low的像素被显示成黑色;介于 High和low之间的像素被按比例拉伸后显示为各种等级的灰色。 figure;imshow(I6);title('The Main Pass Part of TTC10373');
26
4.1 图像的读取和显示
图像的读取
A=imread(FILENAME,FMT)
FILENAME 指定图像文件的完整路径和文件名。如果在work工作目 录下 只需提供文件名。FMT为图像文件的格式对应的标准扩展名。 I_1=imread('D:\10.06.08nir\TTC10377.BMP');%读入图像
在进行采样时,采样点间隔的选取很重要。它决定了采 样后的图像是否能真实地反映原图像的程度(如图下图所示) 。一般说来,原图像中的画面越复杂,色彩越丰富,则采样 间隔应越小。由于二维图像的采样是一维的推广,根据信号 的采样定理,要从取样样本中精确地复原图像,我们可得到 图像采样的奈奎斯特(Nyquist)定理:图像采样的频率必须大 于或等于源图像最高频率分量的两倍。
图像的数字化 图像的数字化是指将一幅图像从原来的形式转化为数字的 形式,主要研究如何对图像进行采样、量化以及编码等过 程。 图像编码压缩 图像编码压缩可减少用于描述图像的数据量,以节省图像 传输和处理的时间,减少存储容量。
14
图像变换 由于图像阵列很大,直接在空间域中进行处理涉及的计 算量很大。因此,往往采用各种图像变换方法,如傅立叶变 换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)等间 接处理技术,将空间域的处理转换为变换域的处理,不仅可 以减少计算量,而且可获得更有效的处理。图像变换还包括 传统的几何变换,如图像缩放、旋转、平移、投影等。 图像重构(Image Reconstruction) 采用某种滤波方法,如去除噪声、干扰和模糊等,恢复 或重建原来的图像。
8
9
2.3 二值图像
二值图像的表示方法很简单,只有黑白两种颜色。
1 0 0 I 0 0 1 1 1 0
10
2.4 灰度图像 在灰度图像中,像素灰度级一般用8 bit表示,所以每个像 素都是介于黑色(0)和白色(255)之间的256(28=256)种 灰度中的一种。
17
3.2 图像数字化概述 现实中的图像是一种模拟信号。图像数字化的目的是把 真实的图像转变成计算机能够接受的显示和存储格式,以便 于计算机进行分析处理。 图像的数字化过程分为采样、量化与编码三步。采样的 实质就是要用多少个点来描述一张图像,采样的结果即通常 所说的图像分辨率。如,一幅640×480的图像,表示这幅图 像由307200个像素点组成。采样频率是指一秒钟内采样的次 数,它反映了采样点之间的间隔大小。采样频率越高,得到 的图像样本就越细腻逼真,图像的质量也越高,但要求的存 储量也越大。
22
8×8 像素 (256色)
16×16像素(256色)
32×32像素 (256色)
64×64像素 (16位量化,65536种颜色)
不同采样精度所获得的图像分辨率不同
23
3. 4 图像量化 采样后得到的亮度或色彩值在取值空间上仍是连续值。 把这些连续量表示的像素值离散化为整数值的操作叫量化。 图像量化实际就是将图像采样后的样本值的范围分为有限多 个区域,落入某区域中的所有样本值用同一值表示,是用有 限的离散数值量来代替无限的连续模拟量的一种映射操作。 把图像颜色(黑白图像为灰度)取值范围分成K个子区间 ,在第i个区间中取某确定的色彩值Gi,落在第i个区间中的 任何色彩值都以Gi代替,这样就有K个不同色彩值,即颜色 值的取值空间被离散化为有限个数值。 量化时所确定的离散取值个数称为量化级数,表示量化 的色彩或亮度值所需的二进制位数称为量化字长。一般可用 8位、16位、24位或更高的量化字长来表示图像的颜色(如图 8.18)。量化字长越大,越能真实反映原有图像的颜色。但 得到的数字图像容量也越大。 24
18
量化是指要使用多大范围的数值来表示图像采样之后的 每一个点。量化的结果是图像能够容纳的颜色总数,它反映 了采样的质量。如,若以4位来存储一个点,图像表示只能 有16种颜色。若采用16位存储一个点,则有2的16次方 =65536种颜色。所以,量化位数越大,表示图像可拥有更多 的颜色,自然可产生更为细致的图像效果,但也会占用更大 存储空间。 假设有一幅黑白照片,因为它在水平与垂直方向上的灰 度变化都是连续的,可认为有无数个像素,而且任一点上灰 度的取值都是从黑到白可以有无限个可能值。通过沿水平和 垂直方向的等间隔采样可将一幅模拟图像分解为近似的有限 个像素,每个像素的取值代表该像素的灰度(亮度),对灰度 进行量化,使其取值变为有限个值。通常采用256级均匀量 化(也称8比特量化)已能得到优质的图像。
g f ( x, y, z, , t )
16
二维平面图像隐式地包含着景深z的信息,它以x和y的某种函 数的形式,即z=f(x,y),隐含在x,y平面之中。因此平面图像同 样可表示为:
g f ( x, y, z, , t )
在大多数情况下,要采用离散的技术来处理来自连续 世界的图像。实际图像是连续的,计算机只能处理离散的 数字图像,所以对连续图像要经过采样和量化以获取离散 的数字图像。