Matlab图像处理图像景物动态跟踪
图像去雾设计报告
课程设计——图像去雾一、设计目的1、通过查阅文献资料，了解几种图像去雾算法，；2、理解和掌握图像直方图均衡化增强用于去雾的原理和应用；3、理解和掌握图像退化的因素，设计图像复原的方法；4、比较分析不同方法的效果。
二、设计容采用针对的有雾图像，完成以下工作：1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图；2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，比照该复原图像与原始图像以及直方图均衡化后的图像；3、分析实验效果；4、写出具体的处理过程，并进展课堂交流展示。
三、设计要求1、小组合作完成；2、提交报告〔*.doc〕、课堂交流的PPT〔*.ppt〕和源代码。
四、设计原理〔一〕图像去雾根底原理1、雾霭的形成机理雾实际上是由悬浮颗粒在大气中的微小液滴构成的气溶胶，常呈现乳白色，其底部位于地球外表，所以也可以看作是接近地面的云。
霭其实跟雾区别不大，它的一种解释是轻雾，多呈现灰白色，与雾的颜色十分接近。
广义的雾包括雾、霾、沙尘、烟等一切导致视觉效果受限的物理现象。
由于雾的存在，户外图像质量降低，如果不处理，往往满足不了相关研究、应用的要求。
在雾的影响下，经过物体外表的光被大气中的颗粒物吸收和反射，导致获取的图像质量差，细节模糊、色彩暗淡。
2、图像去雾算法图像去雾算法可以分为两大类：一类是图像增强；另一类是图像复原。
图1-1介绍了图像去雾算法的分类:图1-1去雾算法分类从图像呈现的低亮度和低比照度的特征考虑，采用增强的方法处理，即图像增强。
比较典型的有全局直方图均衡化，同态滤波，Retine* 算法，小波算法等等。
基于物理模型的天气退化图像复原方法，从物理成因的角度对大气散射作用进展建模分析，实现场景复原，即图像复原。
运用最广泛、最权威的是由何凯明等人提出的暗通道先验的方法。
〔1〕图像增强技术为了改善视觉效果或者便于人们对图像的判别和分析，根据图像的特征采取简单的改善方法或者加强特征的措施叫做图像增强。
图像拼接算法及实现.doc
图像拼接算法及实现（一）来源：中国论文下载中心 [ 09-06-03 16:36:00 ] 作者：陈挺编辑：studa090420 论文关键词：图像拼接图像配准图像融合全景图论文摘要：图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。
图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。
一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。
本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。
在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。
首先改进Harris角点检测算法,有效提高所提取特征点的速度和精度。
然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。
最后用正确的特征点匹配对实现图像的配准。
本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。
Abstract：Image mosaic is a technology that carries on the spatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot. Image mosaic has widely applications in the fields of photogrammetry, computer vision, remote sensing image processing, medical image analysis, computer graphic and so on. 。
数字图像处理习题
数字图像处理习题⼀、判断题（10分）（正确√，错误×）1.图像处理就是对图像信息进⾏加⼯处理，以满⾜⼈的视觉⼼理和实际应⽤的要求（√）2.在MA TLAB中，uint8是⽆符号8位整数（√）3.在MA TLAB中，uint16是⽆符号16位整数（√）4.图像的点运算与代数运算不相同（√）5.点运算也叫灰度级变换（√）6.线性点运算可以改变数字图像的对⽐度（√）7.图像的⼏何变换也叫图像的点运算（×）8.图像的平滑操作实际上是邻域操作（√）9.傅⽴叶变换后的矩阵处在频域上（√）10.傅⽴叶变换后的矩阵处在空域上（×）11.傅⽴叶变换，⼈们可以在空域和频域中同时思考问题（√）12.像素深度是指存储每个像素所⽤的位数（√）13.图像经过变换后，图像的⼤部分能量都集中在中、⾼频段（×）14.图像经过变换后，图像的⼤部分能量都集中在低频段（√）15.直⽅图均衡化也是⼀种⾮线性点运算（√）16.仿射变换是空间变换（√）17.空间变换是频域变换（×）18.边缘检测是将边缘像元标识出来的⼀种图像分割技术（√）19.灰度直⽅图能反映⼀幅图像各灰度级像元占图像的⾯积⽐（√）20.直⽅图均衡是⼀种点运算，图像的⼆值化则是⼀种局部运算（×）21.双边滤波法可⽤于边缘增强（×）22.均值平滑滤波器可⽤于锐化图像边缘（×）23.拉普拉斯算⼦可⽤于图像的平滑处理（×）24.⾼频加强滤波器可以有效增强图像边缘和灰度平滑区的对⽐度（√）25.应⽤傅⽴叶变换的可分离性可以将图像的⼆维变换分解为⾏和列⽅向的⼀维变换（√）26.图像分割可以依据图像的灰度、颜⾊、纹理等特性来进⾏（√）27.图像增强有空域和变换域两类（√）28.加⼤、减⼩对⽐度分别会使图像发⽣亮处更亮，暗处更暗的直观变化（√）29.加⼤、减⼩亮度分别会使图像发⽣亮处更亮，暗处更暗的直观变化（×）30.⼆值图像就是只有⿊⽩两个灰度级（√）31.⼀般来说，图像采样间距越⼤，图像数据量越⼤，质量越好；反之亦然（×）34.⼀般⽽⾔，对于椒盐噪声，均值滤波的效果好于中值滤波（×）35.与⾼斯低通滤波器相⽐，理想低通滤波低通滤波器在图像处理过程中更容易出现振铃(rings)（√）⼆、填空题（20分，1分/空）1.⼀般来说，图像采样间距越⼩，图像数据量_____，质量_____；反之亦然（⼤，⾼）2.若采样4个数，⼤⼩分别为4.56 0.23 7.94 16.55。
数字图像处理及分析基础-讲义
1.1.2图像信息的分类
三类
➢ 符号信息 ➢ 景物信息 ➢ 情绪信息
第一章 数字图像处理的基本概念
图像信息——(1)符号信息
一般是用文字、符号、图形等表示的具体的或 抽象的事物。
➢ 电路图、机械图、打印的文件等，一般用二值图像 表示。
➢ 地图中也包含大量符号，但需要关注颜色信息，因 为它们都有确定的物理含义，如蓝色一般表示湿地。
第一章 数字图像处理的基本概念
2、计算机图像处理技术
1946年第一台电子计算机 60年代，第三代计算机
➢ JPL ➢ 图像增强和图像复原
70年代
➢ 遥感和医学图片 ➢ Rosenfeld ，1976
80年代
➢ 3D图像获取设备以及分析系统
90年代
➢ 人类生活和社会发展的各个方面
第一章 数字图像处理的基本概念
基本方法
➢ 模拟图像处理 ➢ 数字图像处理
第一章 数字图像处理的基本概念
1、模拟图像处理
包括光学图像处理和电子图像处理（电子光学处理） 光学方法是图像处理发展的起源 光学处理具有处理速度快、信息量大、分辨率高、经
济等优点。 模拟图像处理的缺点是精度差、灵活性差，器件具有
专用性，并且缺乏判断分析能力，不具备非线性处理 能力。 趋势：将光学处理和计算机相结合的方法，如利用光 学方法对图像进行傅立叶变换，再用计算机对频谱分 析。
将采样时测量的灰度值转化成整数表示。 模数转换器(ADC)
➢ 将电压值转化成一个整数。
一幅图像的数字表示，即数字图像f(x,y),
f(x,y)以及x、y都是整数。
第一章 数字图像处理的基本概念
几个重要概念
1、处理：让某个事物受到一个过程的作用 2、过程（ process ）：指能导致某个所期望目标的
基于MATLAB的模糊图像的复原方法探究
基于MATLAB的模糊图像的复原方法探究作者：陈睿来源：《消费电子·理论版》2013年第03期摘要：图像复原是图像处理的一个核心环节，它是后期图像分析和处理的重要前提。
模糊图像复原的主要目的就是改善图像质量，研究如从所得到的模糊图像中复原出真实图像。
本文首先从图像复原技术的相关概念谈起，然后就典型的模糊图像复原方法进行分析，最后利用MATLAB，以维纳滤波恢复算法为例，就实现模糊图像复原的应用实例进行分析说明。
关键词：图像复原；模糊图像；MATLAB；维纳滤波恢复算法中图分类号：TP391.41 文献标识码：A 文章编号：1674-7712 （2013） 06-0066-01一、图像的复原技术概述（一）认识图像复原。
图像复原技术即所谓的图像恢复技术，是当今图像处理研究的一个重要领域分支。
图像复原技术的目的在于去除或减轻在获取数字图像过程中发生的图像质量退化问题，从而使图像尽可能地接近于真实场景。
其中，所谓的图像质量退化问题指景物形成过程中因出现畸变、模糊、失真或混入噪声等现象所导致的图像降质问题。
（二）引起图像退化的原因。
查阅大量相关文献，笔者总结发现，导致图像退化的原因有很多，主要原因表现为如下几点：一是由于扫描非线性以及成像器件拍摄姿态问题所引起的图像几何失真；二是成像系统的畸变、象差、带宽有限等造成的图像失真；三是运动模糊，被拍摄景物与成像传感器之间因存在相对运动引起所成图像的运动模糊；四是图像在数字化处理、成像以及数据采集过程中引入的噪声；五是其他方面的原因，包括因光学系统或成像传感器本身特性不均匀所产生的灰度失真以及大气成分变化引起图像失真等。
（三）常见的图像复原方法的分类。
图像复原大致可以分为两种方法：一种方法是估计方法，该方法比较适用于缺乏图像先验知识的情况，针对这种情况可对图像退化过程建立模型进行描述，进而寻找一种去除或削弱其影响的过程；另一种方法是针对原始图像有足够的先验知识的情况，通过对原始图像建立一个数学模型并根据它对退化图像进行拟合，进而可以获得更佳的复原效果。
《图像处理》PPT课件
1.2 图像技术及图像的分类
1.2.1 图像技术
图像技术在广义上是各种与图像有关的技术的总称。 数字图像，主要应用的是计算机图像技术。这包括利 用计算机和其他电子设备进行和完成的一系列工作。 例如:
图像的采集、获取、编码(压缩)、存储和传输。
数字图像处理
ppt课件
1
前言
数字图像处理（Digital Image Processing）是一门关于如何用计
算机对图象进行处理的学科。本课程既讲解基本原理和方法，也 强调编程实践（MATLAB实现）。
教材：数字图像处理及MATLAB实现，余成波编著， 重庆大学出版社，2003
参考书：
1. Digital Image Processing, R. C. Gonzalez, Prentice Hall, 2002. 2. (中文版，阮秋琦译，电子工业出版社)
➢ 图形(Graphics)：图形是图像的一种抽象，它反映
图像的几何特征，例如点、线、面等。图形是描述产 生图像中的点的过程和方法。
ppt课件
4
➢动画(Animation)：动画属于动态图像的一种。它与
视频的区别在于视频的采集来源于自然的真实图像，而 动画则是利用计算机产生出来的图像或图形，是合成动 态图像。动画包括二维动画、三维动画等多种形式。
ppt课件
6
灰度图象(128x128)及其对应的数值矩阵（仅列出一部分(26x31)）
125,153,158,157,127,70,103,120,129,144,144,150,150,147,150,160,165,160,164,165, 167,175,175,166,133, 60,
噪声抑制
中值滤波器
中值滤波的机理：
—— 特点
在图像局部中，杂散噪声点的灰度值较大或较小，
求中值可以自动将其消除。但中值滤波不同于均值
滤波，中值直接取自某个像素的灰度值，所以能较
好地保持图像景物原状。
中值滤波的特点： 可以消除杂散噪声点而不会或较小程度地造成边缘 模糊。
中值滤波器与均值滤波器的比较
对于椒盐噪声，中值滤波效果比均值 滤波效果好。
图像噪声的概念
所谓的图像噪声，是图像在摄取时或 是传输时所受到的随机干扰信号。 噪声的分类 常见的有椒盐噪声和高斯噪声。
图像噪声的概念
椒盐噪声的特征:
出现位置是随机的，但噪声的幅值是基本 相同的。
高斯噪声的特征：
出现在位置是一定的（每一点上），但噪 声的幅值是随机的。
图像噪声的概念
中值滤波器与均值滤波器的比较
原因：
椒盐噪声是幅值近似相等但随机分布在不
同位置上，图像中有干净点也有污染点。
中值滤波是选择适当的点来替代污染点的
值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能 很好地去除噪声点。
中值滤波器与均值滤波器的比较
对于高斯噪声，均值滤波效果比中值
滤波效果好。
1、均值滤波
图像平滑的目的是消除或尽量减少噪声的影 响，改善图像质量。在假定加性噪声是随机独 立分布的条件下，利用邻域的平均或加权平均 可以有效地抑制噪声干扰。 邻域的两种类型：4邻域和8邻域 邻域平均法实际是在做空间域的滤波,所以 这种方法也称为均值滤波。
均值滤波器 —— 原理
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
数字图像处理入门ppt课件
– 如何构建一个矩阵？如何取得矩阵中具体一个 元素的值，如何修改一个（块）元素的值？
– 写一个循环程序，遍历整个矩阵，把每个像素 的值做一个变换，如y = 3x+1
– 矩阵的基本运算：加，减，乘，点乘 – 求一个图像的负片，用两种方法（一种是循环
遍历，一种是矩阵运算）实现。
六、图像的基本运算
•减
– C(x,y) = A(x,y) - B(x,y)
• 应用举例
– 显示两幅图像的差异，检测同一场景两幅图像 之间的变化
六、图像的基本运算
• 点乘
– C(x,y) = A(x,y) .* B(x,y)
六、图像的基本运算
•与
– g(x,y) = f(x,y) ∧ h(x,y)
一、数字图像的概念
图像（Image）： 视觉景物的某种形式的表示和记录
我们把数字格式存储的图像称为“数字图像”
“数字”
“模拟”
计算机存储的图片 传统光学照片
数码相机拍摄的图像 传统的电视图像
传感器阵列
模拟图像
三步
数字图像
1.采样 空间离坐标(x,y)的离散化， 确定水平和垂直 方向上的像素个数N、M，f(x,y)→f(m,n)
如何获得图像中第m行n列像素的灰度值？如果是彩色 图像呢？ – 如何吧真彩色图像转换成灰度图像，然后转换成二值 图像？ – 如何得到该图像中灰度值最大（最小）的像素的位置 和取值？如何计算图像的均值？ – 什么是灰度图像的直方图？如何计算灰度图像直方图， 如何显示/直方图反映图像的什么性质？
作业2
图像的直方图
21
不同图像的直方图反映图像的不同特点：
对比度低 对比度高
22
- 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)。
1 / 7
《图像处理技术》大作业
1 作业题目
基于图像的动态景物的监测与跟踪
2 作业数据
（1） 短视频背景相同，一个目标运动；
（2） 短视频（或5张图片），背景相同，多个目标运动；
（3） 验证数据自己提供（彩色、灰度图像不限）；
3 作业完成目标
动态目标的定位与跟踪，并用方框提示并给出运动轨迹
能正确检测运动目标；
多个目标的识别率；
4 程序设计
1、 界面设计：
2 / 7
2、 “打开”按钮功能设计：
打开图片组的第一张图片并在左边显示：
[name,path]=uigetfile('*.jpg;*.bmp;*.png;*.tif;*.gif','Open Image');
file=[path,name]; %读取第一张图片路径
axes(handles.image1); %选择在左窗口显示
x=imread(file); %读取第一张图片
handles.img=x;
guidata(hObject,handles);
imshow(x); %显示第一张图片
global F; %全局变量F
F=name(1:end-5); %F为文件名编号前的字符
global N; %全局变量N
N=7; %N为图片组中图片总数量
3、 “播放”按钮功能设计：
读取图片组中所有的图片，并按一定间隔时间显示，形成动画效果：
global F;
global N;
axes(handles.image1); %选择在左窗口显示
for i=1:N %循环读出图片，形成动画效果
f=int2str(i);
I=strcat(F,f,'.jpg');%联接文件名
a=imread(I); %读取图片
imshow(a); %显示图片
axis off %关闭坐标轴
pause(0.8); %每显示一张图片暂停0.8秒
end
4、 “目标追踪”按钮功能设计：
读取图片，将图片转成二值图像，利用两张二值图像的异或求得目标，在目标图像
中求得目标的边框与质心，利用求得的边框画出目标的位置，利用存储的质心画出
目标移动轨迹：
global F;
global N;
x=handles.img;
axes(handles.image2); %选择在右窗口显示
s=size(x); %获取图片大小
A=uint8(zeros(s(1),s(2),1,N));
s=size(A); %获取图片组数组的大小
3 / 7
for i=1:s(4) %循环读取图片
t=int2str(i);
I=strcat( F,t,'.jpg');
a=imread(I); %读取图片
A(:,:,:,i)=rgb2gray(a);%转为灰度图片
end
B=logical(zeros(s(1),s(2),s(3),s(4)));%定义二值矩阵
for f=1:s(4)
imshow(A(:,:,:,f)); %显示图片
level=graythresh(A(:,:,:,f))-30/255; %获取阈值
B(:,:,:,f)=im2bw(A(:,:,:,f),level); %转为二值图像
B(:,:,:,1)=im2bw(A(:,:,:,1),level);
B(:,:,:,f)= xor(B(:,:,:,1),B(:,:,:,f)); %异或求得目标区域
B(:,:,:,1)= xor(B(:,:,:,1),B(:,:,:,1));
B(:,:,:,f)=medfilt2(B(:,:,:,f),[7 7]); %对二值图像中值滤波
L=bwlabel(B(:,:,:,f)); %计算二值图像的连通区域
stas=regionprops(L,'All'); %获取图像连通区信息
t=size(stas); %获取连通区数量
for j=1:t(1)
p(f,j,:)=stas(j).BoundingBox; %存储目标边框
y(f,j,:)=stas(j).Centroid; %存储目标位子（质心）
%画出目标边框
rectangle('Position',p(f,j,:),'LineWidth',2,'LineStyle','--','EdgeColor
','r');
for k=1:f %以小方点画出目标轨迹
rectangle('Position',[y(k,j,1),y(k,j,2),2,2],'LineWidth',2,'EdgeColor',
'b');
end
end
pause(0.8); %每处理一张图片暂停0.8秒
end
4 / 7
5 软件说明
1、 图片组中图片数量为7张，为RGB图像，命名时从1~7编号。
2、 打开软件后单击“打开”按钮，选中图片组的第一张图片，即可在左边显示
该图片。
3、 单击“播放”按钮，可以看到在左边显示图片动画。
4、 单击“目标跟踪”按钮，可以看到在右边显示出目标的跟踪效果。
6 效果图
1、 初始界面：
单目标跟踪：
2、 打开第一张图片：
5 / 7
3、 播放图片组动画：
4、 目标追踪，定位目标，显示轨迹：
6 / 7
多目标跟踪：
5、 打开第一张图片：
6、 播放图片组动画：
7 / 7
7、 目标追踪，定位目标，显示轨迹：