基于matlab的数字图像识别开题报告
matlab 数字图像处理实验报告(五份)
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\624baf9dbcc4910a.jpg');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'IMG_20170929_130307.jpg', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 196Original Image2.给定函数的累积直方图。
基于MATLAB的图像分割算法研究开题报告
1213周系统测试，完善程序功能。
1415周按照规定要求完成毕业论文。
六、指导教师意见
签字： 年见
签字： 年 月 日
2、图像边缘检测方法用于图像处理的历史
在图像分割中，边缘检测方法可以说是人们研究的最多的方法，它试图通过检测包含不同区域的边缘来解决图像分割问题。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较剧烈的地方，也即我们通常所说的信号发生奇异变化的地方。奇异信号沿边缘走向的灰度变化剧烈，通常我们将边缘划分为阶跃状和屋顶状两种类型。阶跃边缘中边缘两边的灰度值有明显的变化;而屋顶状边缘中边缘位于灰度增加与减少的交界处。在数学上可利用灰度的导数来刻划边缘点的变化，对阶跃边缘、屋顶状边缘分别求其一阶、二阶导数。可见，对阶跃边缘点儿其灰度变化曲线的一阶导数在A点达到极大值;二阶导数在A点与零交叉。对屋顶状边缘点B，其灰度变化曲线的一阶导数在B点与零交叉，二阶导数在B点达到极值。
本课题就是从这一起点出发，分别采用边界分割和分水岭变换两种方法进行图形分割，并用MATLAB实现整个分割过程。
二、课题关键问题及难点问题
1、基于边缘分割的图像分割算法的应用。
2、Hough变换的线检测方法与仿真实现。
3、利用各种算子进行图像分割并仿真实现
4、图像分割的仿真与实现。
5、基于分水岭变换进行图像分割
多年来，对图像分割的研究一直是图像技术研究中的热点和焦点，人们对其的关注和投入不断提高。它是一种重要的图像分析技术，是从图像处理到图像分析的关键步骤，也是计算机视觉领域低层次视觉中的主要问题，图像分割结果是图像特征提取和识别等图像理解的基础，对图像的加工主要处于图像处理的层次，图像分割后，对图像的分析才成为可能。另外，图像分割在实际中也得到了广泛的应用，在计算机视觉和图像识别的各种应用系统中占有相当重要的地位，也是研制和研发计算机视觉系统、字符识别和目标自动获取等图像识别和理解系统首先要解决的问题。只要需对图像目标进行提取，测量等都离不开图像分割。
数字图像处理matlab版实验报告
数字图像处理实验报告（matlab版）一．实验目的：熟悉数字图像处理中各种椒盐噪声的实质，明确各种滤波算法的的原理。
进一步熟悉matlab的编程环境，熟悉各种滤波算法对应的matlab函数。
实验结果给以数字图像处理课程各种算法处理效果一个更直观的印象。
二.实验原理:1．IPT(图像处理工具箱)基本函数介绍1. imread函数该函数用于从图形文件中读出图像。
格式A=IMRAED(FILENAME,FMT)。
该函数把FILENAME 中的图像读到A中。
若文件包含一个灰度图,则为二维矩阵。
若文件包含一个真彩图(RGB),则A为一三维矩阵。
FILENAME指明文件，FMT指明文件格式。
格式[X,MAP]=IMREAD(FILENAME,FMT).把FILENAME中的索引图读入X,其相应的调色板读到MAP中.图像文件中的调色板会被自动在范围[0,1]内重新调节。
FMT的可能取值为jpg 或jpeg,tif或tiff,bmp,png,hdf,pcx,xwd。
2.imwrite函数该函数用于把图像写入图形文件中。
格式IMWRITE(A,FILENAME,FMT)把图像A写入文件FILENAME中。
FILENAME指明文件名, FMT指明文件格式。
A既可以是一个灰度图,也可以是一个真彩图像。
格式IMWRITE(X,MAP,FILENAME,FMT)把索引图及其调色板写入FILENAME中。
MAP必须为合法的MATLAB调色板,大多数图像格式不支持多于256色的调色板。
FMT的可能取值为tif或tiff,jpg或jpeg,bmp,png,hdf,pcx,xwd。
3. imshow函数显示图像。
格式IMSHOW(I,N).用N级离散灰度级显示灰度图象I。
若省略N,默认用256级灰度显示24位图像,64级灰度显示其他系统。
格式IMSHOW(I,[LOW HIGH])，把I 作为灰度图显示。
LOW值指定为黑色,HIGH指定为白色，中间为按比例分布的灰色。
基于MATLAB的图形图像处理系统的实现的开题报告
基于MATLAB的图形图像处理系统的实现的开题报告一、选题背景和意义图形图像处理是一项重要的计算机技术，在现代社会得到了广泛应用。
图形图像处理技术主要是指利用计算机对图像进行处理、分析、压缩、存储等操作。
MATLAB是一种非常流行的科学计算软件，具有强大的计算和图形处理功能，被广泛应用于科学计算、工程分析、数据探索等领域。
本项目旨在基于MATLAB实现一个图形图像处理系统，该系统可以对图像进行各种处理，并能将处理结果直观地展示。
二、研究内容和目标1. 系统需求分析首先对图形图像处理系统的需求进行分析，确定该系统需要实现的功能和具体的运行环境。
目标是基于MATLAB实现一个简单易用的图形图像处理系统，具有一定的实用性。
2. 图像处理算法研究选择常用的几种图像处理算法进行研究，包括图像滤波、边缘检测、二值化处理、形态学处理等。
研究各种算法的原理和实现方式，为后续系统的实现提供基础。
3. 系统设计和实现根据系统需求和图像处理算法的研究结果，对系统进行设计和实现。
设计包括系统结构、界面设计和算法实现等。
实现方面需要考虑MATLAB 编程语言特有的特点和使用需要注意的事项。
4. 系统测试和性能分析对系统进行全面的测试和性能分析，检验系统是否达到预期的目标。
分析系统的性能，包括运行速度、处理效果等指标。
三、研究方法和步骤1. 文献综述：针对图像处理技术和MATLAB编程语言相关文献进行综述和分析。
深入研究图像处理算法的原理和实现方式，熟悉MATLAB编程语言的基本语法和运用方式。
2. 需求分析：通过调研和访谈等方式，明确图形图像处理系统的需求，包括功能、性能和运行环境等方面。
3. 系统设计：根据需求分析结果，设计系统的结构和界面，并确定具体的算法实现方式。
4. 系统实现：依据系统设计方案，利用MATLAB编程语言实现图形图像处理系统。
5. 系统测试：对系统进行全面的测试和调试，评估系统的运行速度、处理效果等性能指标。
开题报告-基于Matlab的指纹识别
毕业设计选题：基于matlab的指纹识别随着科学技术的不断发展，自动化的指纹识别技术如今已经被人们广泛地应用在银行、商业交易、公安部门、海关部门等需要对人的身份进识别的领域，而本文所描述的是对自动化指纹识别系统的研究现状以及自动化指纹识别系统的基本算法和流程，本实验是利用MATLAB2012来进行了指纹识别系统的仿真和实验的。
然而在生物识别技术的快速发展的今天，人们通过研究发现了每一个人的指纹都具有唯一性和不变性。
也正因为这样，指纹识别技术正在逐步的发展成为一种新的身份识别技术，并且凭借它良好的安全性以及可靠性，逐步有取代传统身份认证的方式趋势。
本实验简单的介绍了指纹识别图像的预处理的方法和步骤。
指纹图像预处理之后将会得到一个宽度为统一像素的细化后的二值化图像，最后再根据特定的指纹图像的端点以及交叉点的特征进行对指纹自动匹配。
本论文中采用MATLAB2012编程实现所有算法。
关键词：指纹识别技术指纹图像预处理指纹识别 MATLAB20121.1指纹及其识别如今，生物特征识别领域中的最为成熟的应用技术之一--指纹识别技术。
其实它已经有非常悠久的历史了。
很久以前，指纹识别技术已经很早就应用于刑事侦查和司法鉴定领域了，很多人不知道的是。
随着计算机网络和信息处理技术的快速发展，这门历史悠久的指纹识别技术也开拓了更多更广阔的市场，自动的指纹识别技术和与其相关的产品越来越多的应用在普通人的生活当中。
生物识别技术（Biometric Identification Technology）的定义是：利用人体的不同的生物特征来进行对人的身份进行认证的一种技术[1]。
这是因为人的生物特征是唯一的，可以区分与他人不同的特征。
并且我们还可以通过技术测量或者是自动识别来检验出生理特性以及行为方式，我们所说的这个特征分为生理特征、行为特征。
我们对生物特性来进行提取并放入数据库，再将提取出来的人的唯一特征和它的身份一一对应起来。
基于matlab的人脸识别系统设计开题报告
二、国内外研究现状：
（一）国内研究现状：在国内，最早研究人脸识别的当属于中科院计算所跟哈工大的一个联合面像实验室。该实验室的高文教授，陈曦林教授，山世光教授，直到今天，都一直活跃在人脸识别领域，更可贵的是，在IEEE上面发表了很多paper。这一点，很值得我们同学学习。后来该实验室，成为上海银晨的研发中心，专门为上海银晨做技术研发和技术支持。其次是中科院生物研究所的李子清教授，以及下属的中科奥森公司。接着是清华大学的丁晓晴教授。丁晓晴教授在OCR领域，可谓国内第一人。不过最近几年转行做人脸识别，也是非常有成就的。由此可见，在国内人脸识别领域来说，已经具有了国际水平。
常用的人脸图像的预处理方法有：图像类型转换、滤波去噪、灰度变换、边缘检测及二值化、尺寸归一化、灰度归一化等。作为通用人脸图像预处理模块，要能够充分适应不同人脸库中图像在人脸大小、光照强度、成像系统等方面的任意性和差异性，不能单独采用某种单一的滤波、灰度变换和边缘检测方法。所以，在本仿真系统中，对上述的每种预处理方法全部加以实现的同时，还对三种最常用预处理方法：滤波去噪、灰度变换、边缘检测，提供了多种不同的具体算法供用户比较、选择之用。同时还利用的方法有，在人脸识别的过程中利用傅里叶变换并求取共轭的互能量普，由傅里叶变换的时域图通过互相关性算法得到频域的频谱图。
同时人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。人脸检测越来越受到大家的关注，他作为生物特征识别中一个非常重要的一个分支，已成为计算机视觉与模式识别领域中非常活跃的一个研究领域。而基于人脸检测更是学术界的一个难点。
基于matlab数字图像处理的开题报告
毕业设计(论文)开题报告题目：基于Matlab的数字图像处理学生姓名：学号：专业：通信工程指导教师：2011年 3 月 13 日一．文献综述：随着人类社会的进步和科学技术的发展，人们对信息处理和信息及交流的要求越来越高。
人们传递信息的主要媒介是语音和图像。
在接受的信息中，听觉信息占20%，视觉信息占60%，其它如味觉，嗅觉，触觉总的加起来不超过20%。
图像信息处理是人们视觉延续的重要手段。
人的眼睛只能看到波长为380到780nm的可见光部分，而迄今为止人类发现可成像的射线已有很多种，他们扩大了人类认识客观世界的能力。
数字图像处理是一个跨科学的前沿科技领域，在工程学，计算机科学，信息学，统计学，物理，化学，生物医学，地址，海洋，气象，农业，冶金等许多科学中的应用取得了巨大的成功和显著地经济效益。
图像是当光辐射能量照在物体上，经过他的反射或透射，或有发光物体本身发出的光能量，在人的视觉器官中所重现出的物体的视觉信息。
图像一般用Image表示，是视觉景物的某种形式的标记和记录。
通俗的说，图像是指利用技术手段把目标原封不动的再现。
由于图像感知的主题是人类，所以不仅可以将图像看作是二维平面上或三维立体空间中具有明暗或颜色变化的分布，还可以包括人的心理因素对图像接收和理解所产生的影像。
一般认为图片是图像的一种类型，在一些教科书中将其定义为“经过核实的光照后可见物体的分布”，图片强调了现实世界中的可见物体。
图形是指人为的图形，如图画，动画等人造的二维或三维图形，他强调应用一定的数学模型生成图形。
图形学是研究应用计算机生成，处理和显示图形的一门学科。
它涉及利用计算机将有概念或数学描述所表示的物体图像进行处理和现实的过程，侧重点在于根据给定的物体描述数学模型，光照及想象中的摄像机的成像几何，生成一幅图像的过程。
而图像处理进行的却是与其相反的过程，提示基于画面进行二维或三维物体模型的重建，这在很多场合是十分重要。
从20世纪60年代起，随着电子计算机技术的进步，数字图像处理技术得到了飞跃发展。
Matlab图像处理开题
毕业设计（论文）开题报告题目：基于matlab的图像编辑软件开发专业计算机科学与技术班级091041B1学号0910411116姓名牛向华指导教师姜寒2013年03 月1 日1 本课题的目的和意义、国内外研究现状、水平和发展趋势1.1课题的目的和意义随着图像处理的研究逐渐深入，许多问题有待于解决，故对图像处理得需求也进一步增加。
图像处理已经逐渐成为一门比较成熟的学科，数字图像处理在整个图像处理领域中占有重要的地位。
图像处理中有很多数学公式，目前以数学为工具讲解图像处理的专著也有很多，Matlab主要就是通过程序实现图像处理，而且Matlab不像其他语言实现图像程序设计比较繁琐，它却相对比较简单易懂，很好实现。
从本质上说，图像就是函数、矩阵或程序设计中的数组。
而Matlab具有强大而方便的数组操作功能，同时又提供了丰富的图像处理函数。
图像信息是人类获得外界信息的主要来源，因为大约有70％的信息是通过人眼获得的，而人眼获得的都是图像信息。
在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题。
例如：由于空间技术的发展，人造卫星拍摄了大量的地面和空间的照片，人们可以利用照片获得地球资源、全球气象和污染情况等；在医学上，医生可以通过x射线分析照像，观察到人体各部位的断层图像；在工厂，技术人员可以利用电视图像管理生产，由此可见图像信息的重要性。
获得图像信息非常重要，但目的不仅仅是为了获得图像，而更重要的是将图像信息进行处理，在大量复杂的图像中找出我们所需要的信息。
因此图像信息处理在某种意义上讲，比获得图像更为重要，尤其是在当今科学技术迅速发展的时代，对图像信息处理提出了更高的要求，以便更加快速、准确，可靠地获得有用信息。
MATLAB软件自从20世纪80年代中期推出以来，不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，现已成为国际公认的、最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件．它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。
- 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)。
图像预处理
• 图像预处理就是需要对车辆牌照在识别之前再进行一 次针对性的处理。预处理的原因是由于在拍摄时的光 照条件不理想，车辆牌照的整洁程度不高，摄像机的 焦距调整不到位以及摄像机镜头的光学畸变等所产生 的噪声都会不同程度地造成车辆牌照字符的边界模糊 、细节不清、笔划断开或粗细不均，加上车辆牌照上 的污渍腐蚀等缺陷，致使字符提取困难，进而影响字 符识别的准确性，所以要对图像进行预处理。预处理 流程图如下：
输入图像 灰度处理 边缘检测 平滑处理
车牌定位
• 在图像预处理后，首先对采集到的车牌图像进行 大范围相关搜索，找到符。合汽车牌照特征的若 干区域作为候选区，然后对这些侯选区域做进一 步分析、评判，最后选定一个最佳的区域作为牌 照区域，并将其从图象中分割出来，确定车辆牌 照的准确位置。车牌定位的流程图如下：
2 车牌号码识别系统总体方案
车辆牌照识别方法的一般步骤包括： 图像采集、图像预处理、车牌定位、字符切分、 字符识别其流程图如下：
图像采集
ห้องสมุดไป่ตู้图像预处理
车牌定位
字符分割
字符识别
图像的采集
• 智能交通系统的图像采集由摄像机、主控机、采 集卡和照明装置完成。例如在停车场管理系统中 ，系统硬件主要包括车辆传感探测器、高性能工 控计算机、高分辨率CCD摄像机、高放大倍数镜 头、CCD自动亮度控制器和视频采集卡等设备。 本课题主要侧重算法的研究，主要工作是设计软 件，对已采集到的车辆照片实现车牌识别。
开始
灰度处理
定位车牌 定位车牌
从左至右查找 按水平区域剪切
判断是否为标 准字符 N
将剩余的保存 并覆盖原图像
Y
保存该字符
N
字符个数是否 为7
Y
结束
车辆牌照字符分割
根据我国车牌规范规定的车牌大小，每个字符的 宽度应该小于 width/7。考虑所有的情况，一般情 况下最小的宽度为 width/9。因此，字符的宽度可 以从 width/9到width/7之间渐进的变化得到。 分割出来的字符之后要进行进一步的处理，以满 足下一步字符识别的需要。但是对于车牌的识别 ，并不需要太多的处理就已经可以达到正确识别 的目的。在此只进行了归一化处理，然后进行后 期处理。
基于matlab车辆牌照的识别算法
指导老师：蔡艳艳 学 号：100102077 学 生：
1 汽车牌识别背景
随着我国经济的发展和人民生活水平的提高，汽 车的数量迅速增长，汽车的使用在给人们生活提 供方便的同时，也使车辆管理上存在的问题日益 突出，人工管理的方式已经不能满足实际的需要 。智能交通系统在交通领域的应用极大地提高了 交通管理效率，作为信息来源的自动检测、图像 识别技术越来越受到人们的重视。目前，一些发 达国家车牌识剐系统在实际交通系统中已经成功 应用，而国内外有大量关于车牌识别方面的研究 报道。国外在这方面的研究工作开展较早。我国 起步较晚而且在技术方面落后与发达国家。
车牌字符的识别
• 目前已经提出的车牌字符识别的方法有：模板匹 配字符识别算法，统计特征匹配法，神经网络字 符识别算法，支持向量机模式识别算法，这四种 方法中，神经网络字符识别算法是目前比较流行 的算法，模板匹配是车牌字符识别最简单的方法 。所以这次我采用模板匹配字符识别法。 • 模板匹配字符识别法的原理：将待识别的字符与 模板字符的相减，差值最小的即为最佳匹配，然 后输出对应的模板字符。其流程图如下：
建立自动识 别代码表
读取分割 的字符
第一个字符与模 板中的汉字匹配
剩下的字符与模板 的数字和字母匹配
待识别字符与模板字符相 减差值最小即为最佳匹配
输出对应的 模板字符
• That' all.Thank you!