基于MATLAB的数字图像处理.docx
《基于MATLAB的数字图像处理.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的数字图像处理.docx（24页珍藏版）》请在冰点文库上搜索。
学号07112020323 编号 2011020323 研究类型 理论研究 分类号TP391.41
HUBEINORMALUNIVERSITY
学士学位论文
Bachelor’sThesis
论文题目 基于MATLAB的数字图像处理
作者姓名 李灿辉
指导教师 杨义发
所在院系 物理与电子科学学院
专业名称 电子信息科学与技术
完成时间 2011.5.15
湖北师范学院学士学位论文（设计）诚信承诺书
中文题目：
基于MATLAB的数字图像处理
外文题目：
DigitalimageprocessingbasedonMATLAB
学生姓名
李灿辉
学 号
2007112020323
院系专业
物理与电子科学学院
电子信息科学与技术
班 级
0703
学生承诺
我承诺在毕业论文（设计）活动中遵守学校有关规定，恪守学术规范，本人毕业论文（设计）内容除特别注明和引用外均为本人观点，不存在剽窃、抄袭他人学术成果，伪造、篡改实验数据的情况。
如有违规行为，我愿承担一切责任，接受学校的处理。
学生（签名）：
2011年5月15日
指导教师承诺
我承诺在指导学生毕业论文（设计）活动中遵守学校有关规定，恪守学术规范，经过本人核查，该生毕业论文（设计）内容除特别注明和引用外，均为该生本人观点，不存在剽窃、抄袭他人学术成果，伪造、篡改实验数据的现象。
指导教师（签名）：
2011年5月15日
II
目 录
湖北师范学院学士学位论文（设计）诚信承诺书 I
目 录 II
摘 要 1
1.前言 2
2.数字图像处理基本内容 3
2.1数字图像处理综述 3
2.2数字图像处理的过程及内容方法 4
2.3图像变换 4
2.4图像增强 4
2.5图像分割 5
2.6图像复原 6
2.7MATLAB简介 6
3.利用MATLAB图像处理分析及新方案 7
3.1计算结果 7
3.2计算结果分析 11
4．小结 12
4.1本文主要工作总结 12
4.2展望 13
5．致谢 14
参考文献 15
附录 16
湖北师范学院学士学位论文评审表
湖北师范学院2011届物理与电子科学学院学士学位论文
基于MATLAB的数字图像处理
李灿辉
（湖北师范学院物理与电子科学学院，湖北黄石435002）
摘要:
本文简述了数字图像处理的一些基本方法和技术。
边缘检测是其中一个比较基础且重要的课题。
介绍了边缘检测中5种常用的算子，然后在MATLAB上加以实现，并对它们进行比较，最后提出了一个新的检测方法。
关键词:
MATLAB数字图像处理图像增强边缘检测
中图分类号:
TP391.41
DIGITALIMAGEPROCESSINGBASEDONMATLAB
LiCanhui
（CollegeofPhysicsandElectronicScience,HubeiNormalUniversity,Huangshi435002,China）
Abstract:
Somebasicmethodsandtechnologiesofdigitalimageprocessingareintroducedinthispaper.Edgedetectionisoneofthecomparisonfoundationandimportanttopics.Fivekindofcommonlyusedoperatorsofedgedetectionareintroduced.ThenrealizeonMATLAB,andmakecomparisonbetweenthem.Atlast,anewdetectionmethodisputforward.
Keywords:
MATLABdigitalimageprocessingimageenhancementedgedetection
2
1.前言
数字图像处理（DigitalImageProcessing）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。
数字图像处理最早出现于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像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以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[1]。
MATLAB是MathWorks公司开发的一套高性能的用于数值计算和可视化图形处理的工程软件，它将数值分析、矩阵运算、图形图像处理、信号处理和仿真等集成于一体，构成了一个方便、界面友好的用户环境。
MATLAB语言是一种简单、高效、功能极强的编程语言。
MATLAB的推出得到了各个领域专家学者的广泛关注，其强大的扩展功能为各个领域的应用提供了基础。
由各个领域的专家学者相继推出了MATLAB工具箱，它的工具箱主要有通信、控制系统、滤波器设计、图像处理、非线性控制设计、系统识别、神经网络、最优化、模糊逻辑、信号处理、鲁棒控制、统计等，而且工具箱还在不断的增加。
借助于这些工具,各个层次的研究人员可直观、方便地进行分析、计算及设计工作，从而大大地节省了时间。
为此，MATLAB己经成为目前使用最为广泛的工程应用软件[2]。
本文主要论述数字图像处理的一些基本方法，并以灰度图像为例，说明图像增强和边缘检测等数字图像处理技术通过MATLAB实现的方法。
然后对新提出的方法进行验证，并对计算结果进行分析。
湖北师范学院2011届物理与电子科学学院学士学位论文
2.数字图像处理基本内容
2.1数字图像处理综述
数字图像就是用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。
图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别
3个部分。
一般来讲,对图像进行处理（或加工、分析）的主要目的有三个方面:
（1） 提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。
（2） 提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利。
提取特征或信息的过程是模式识别或计算机视觉的预处理。
提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。
（3） 图像数据的变换、编码和压缩，以便于图像的存储和传输。
不管是何种目的的图像处理，都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出[1]。
数字图像处理主要有以下优缺点：
主要缺点：
（1）处理信息量很大。
所以对计算机的的计算速度和存储容量有较高的要求；
（2） 占用频带较宽。
所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本高，对频带压缩技术提出了更高的要求；
（3）每个像素不是独立的，相关性大；
（4）无法复现三位景物的全部信息；
（5） 受人的影响较大。
数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。
主要优点：
（1）再现性好；
19
（2）处理精度高；
（3）适用范围广。
不仅可以用于可见光图像，也可用于不可见的波普图像；
（4）灵活性高。
2.2数字图像处理的过程及内容方法
图像处理就是按特定的目标，用一系列的特定操作来对图像信息进行加工。
数字图像处理是指利用数字计算机或者其他数字硬件，对从图像信息转换而得到的数字电信号进行某些数学运算或处理，以期提高图像的质量或达到人们所预期的结果。
通常来说，数字图像处理的研究内容有：
图像变换、图像增强、图像复原、图像分割、图像描述、图像压缩编码、图像识别[2]。
2.3图像变换
在MATLAB中，一般用二元函数f（x,y）作为图像的数学表示。
f（x,y）表示在特定点（x,y）处的函数值，表示图像在该点相应的颜色强度或者灰度。
所谓图像变换就是把图像转换为另一种数字表示方式的操作。
在图像处理技术中，图像的正交变换技术有着广泛的应用，是图像处理的重要工具。
通过变换图像，改变图像的表示域及表示数据，可以给后继工作带来极大的方便。
例如，傅里叶变换可使处理分析在频域中进行，使运算简单；而离散余弦变换可使能量集中在少数数据上，从而实现数据压缩，便于图像传输和存储[3]。
2.4图像增强
图像增强就是采用一系列技术去增强图像中用户感兴趣的信息，其目的主要有两个：
一是改善图像的视觉效果，提高图像成分的清晰度；二是使图像变得史有利于计算机处理。
在图像增强中，中值滤波和直方图均衡化都是强有力的图像增强方法[4]。
图像增强的方法分为两大类：
空域法和频域法。
“空间域”一词是图像平面自身，这类方法是以对图像的像素直接处理为基础的；“频域”处理技术是以修改图像的傅里叶变换为基础的。
以这两类方法的各种结合为基础的技术是不常见的[5]。
（1） 空域增强技术：
空域法是在原图像上直接进行数据运算，主要是对图像中的各个像素点进行操作。
典型的空域处理图像方法是灰度直方图处理技术以及直方图均衡化处理技术。
它的主要原理是对一幅图像的直方图，经过一定的变换，使其成为均匀或者基本均匀。
但是由于灰度直方图实施近似概率密度函数。
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。
（2） 频域增强技术：
频域法是从另外一个角度来分析图像信号的特性。
即首先将图像从空间域变换到频域，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。
通常采用的变化方法有傅立叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等[6]。
2.5图像分割
图像分割可借助集合概念用如下比较正式的方法定义：
令集合R代表整个图像区域，对R的分割可看做将R分成若干个满足以下5个条件的非空的子集（子区域）：
n
i
（1）UR=R（分割所得全部子区域的总和（并集）应能包括图象中所有象
i=1
素或将图象中每个象素都划分进一个子区中）
（2）对所有的i和j,有Ri∩Rj=ø;
（3）对i=1，2，3，……，N，有P（Ri）=TRUE；
（4）对i≠j，有P（Ri∪Rj）=FALSE；
（5）对i=1，2，……，N，Ri是连通区域[5]。
上面的定义，不仅说明了分割的含义，而且对分割也有指导作用。
因为分割是根据一些分割准则进行的。
条件
（1）和条件
（2）说明正确的分割准则应适用于所有的区域和所有的象素，条件（3）和条件（4）说明合理的分割准则应能够帮助确定各区域象素有代表性的特性，条件（5）则说明完整的分割准则应该直接或间接地对区域内象素连通性有一定要求或限定。
最后需要指出的是，在实际应用中图象分割不仅是要把一幅图象分成满足以上五个条件的各具特性的区域，而且需要把其中感兴趣的目标区域提取出来,只有这样才算是真正完成了图象分割的任务。
图像分割技术包括并行边界技术、串行边界技术、并行区域技术和串
行区域技术。
其中并行边界技术中的边缘检测技术在图像处理技术中有很重要的位置。
2.6图像复原
图像恢复就是要除去或减少在获得图像过程中因各种原因产生的退化。
这类原因可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等。
图像复原常用两种方法。
当不知道图像本身的性质时，可以建立退化源的数学模型，然后施行复原算法除去或减少退化源的影响。
当有了关于图像本身的先验知识时，可以建立原始图像的模型，然后在观测到的退化图像中通过检测原始图像而复原图像。
图像恢复技术可以有多种分类方法。
在给定模型的条件下，图像恢复技术可分为无约束和有约束的两大类。
根据是否需要外来干预，图像恢复技术有可分为自动和互交的两大类。
另外根据处理所在域，图像恢复技术还可以分为频域和空域两大类。
许多图像恢复技术借助频域处理的概念，但越来越多的空域处理技术得到应用[5]。
2.7MATLAB简介
MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。
它在数学类科技应用软件中在数值计算方面首屈一指。
MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等。
MATLAB的应用范围非常广，主要应用于通讯、工程计算、信号和图像处理、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析以及计算生物学等领域。
MATLAB的图像处理功能主要集中在他的图像处理工具箱中（Imageproeessing Toolbox）。
此工具箱是由一系列支持图像处理的函数组成。
可以进行如几何操作、线性滤波和滤波器设计、图像的变换与增强、二值图像操作以及形态学处理等图像处理操作[7]。
MATLAB数字图像处理工具箱函数包括以下15类：
（1）图像显示函数；
（2）图像文件输入、输出函数；（3）图像几何操作函数；（4）图像像素值及统计函数；（5）图像分析函数；（6）图像增
强函数；（7）线性滤波函数；（8）二维线性滤波器设计函数；（9）图像变换函数；
（10）图像邻域及块操作函数；（11）二值图像操作函数；（12）基于区域的图像处理函数；（13）颜色图操作函数；（14）颜色空间转换函数；（15）图像类型和类型转换函数[8]。
这些函数，涵盖了包括近期研究成果在内的几乎所有的图像处理方法。
这些函数按其功能可分为：
图像显示；图像文件I/O；几何操作；像素和统计处理；图像分析；图像增强；线性滤波；线性二元滤波设计；图像变换；邻域和块处理；二进制图像操作；区域处理；颜色映像处理；颜色空间变换；图像类型和类型转换。
MATLAB的图像处理工具箱功能十分强大，利用这些图像处理工具箱，并结合其强大的数据处理能力，可不必关心图像文件的格式、读写、显示等细节，从而把精力集中在算法研究上，大大提高了工作效率。
而且, 在测试这些算法时既可方便地得到统计数据，同时又可得到直观图示[9]。
将MATLAB用于数字图像处理,其优点在于以下几个方面:
（1）强大、高效的矩阵和数组运算功能。
（2） 语法规则与一般的高级语言类似，一个稍有编程基础的人能很快熟悉掌握。
（3） 语言简洁紧凑，使用灵活，程序书写形式自由。
而且库函数十分丰富，避免了繁杂的子程序编程任务。
（4）向用户提供各种方便的绘图功能。
（5） 提供了图像处理工具箱、数字信号处理工具箱、小波工具箱等各种功能强大的工具箱。
（6） 集成了各种变换函数,不仅方便了研究人员，而且使源程序简洁明了、易实现[10]。
3.利用MATLAB图像处理分析及新方案
3.1计算结果
图像处理分析：
首先，对原图像进行灰度处理，在对其进行均衡化处理，并分别作出它们的直方图进行比较；然后，用较
为常见的5种边缘检测算子对灰度图像进行边缘检测，计算出它们的检测结果，并对结果进行比较，分析它们之间的特点。
图1.原始图片
图2.灰度处理后的灰度图片 图3.灰度直方图
图4.均衡化后的图片 图5.均衡化后直方图
首先，介绍一下灰度直方图，灰度直方图（histogram）是灰度级的函数，它表示图象中具有每种灰度级的象素的个数，反映图象中每种灰度
出现的频率。
灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图象的最基本的统计特征。
从前面几幅图可以看出，在处理之前，原图像的灰度主要集中在20到110之间，在对灰度图像进行均衡化处理后，图像的灰度几乎是平均分布的，也就是增加了图像像素灰度值的动态范围，使图像的整体对比度效果更佳。
其次，介绍什么是边缘检测。
边缘（Edge）是指图像局部亮度变化最显著的部分，它存在与目标与背景、目标与目标、区域与区域之间。
边缘检测是根据数字图像中的突变信息检测图像的边缘。
图像边缘信息在图像分析和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要属性。
边缘信息便于量化和比较，更适合于检测和定位图像中的物体位置，因此边缘检测技术在数字图像检测和识别中有极其重要的地位。
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线，其目的就是要突出图像的边缘以便提取图像的特征[11]。
边缘检测算子实际上就是一种基于某种数学方法对图像的边缘进行增强处理的算法。
图6.canny算子边缘检测 图7.log算子边缘检测
图8.prewitt算子边缘检测 图9.sobel算子边缘检测
图10.roberts算子边缘检测
比较上面分别用5种算子对图像进行的边缘检测效果，可以很清楚的看出使用canny算子的效果最好，检测到得边缘连续性好而且清晰；使用log算子效果也很好，但是连续性不如canny算子；其他三个算子检测到得边缘效果差不多，许多边缘检测不到，而且连续性也不好。
图11.加高斯噪声的图片 图12.高斯噪声图片均值滤波后的图片
对比上面两幅图像可以看出，使用均值滤波后的噪声图像，去噪效果
非常好，基本上能滤掉大部分噪声。
通过对上面的计算结果的分析，本设计对施加了高斯噪声图像新的边缘检测提出一个新方案：
首先对含高斯噪声的图像进行均值滤波处理，然后对处理后的图像使用canny算子和roberts算子进行边缘检测，然后将两个算子检测到得的边缘进行叠加，得到新的检测边缘。
计算结果如下图：
图13.单独使用canny算子检测结果 图14.单独使用roberts算子检测结果
图15.canny和roberts算子检测结果叠加之后的边缘
对比前面的使用单个算子的边缘检测结果可以看出，叠加之后的边缘更加完整，检测的效果较单个算子的检测效果更好，对噪声的抑制也较好，边缘比较清晰。
3.2计算结果分析
通过比较图2和图4可看出图像对比度明显增加，图像变得清晰，比较图3和图5，均衡化后的直方图形状也比原直方图的形状更理想，像素的
灰度值分布均匀，即达到增强图像的对比度的效果。
通过比较图6、7、8、9、10,可以看出，sobel 算子和prewitt 算子都是对图像先作加权平滑处理后, 再作微分运算, 不同的是平滑部分的权值有些差异, 虽然对噪声具有一定抑制能力, 但也不能完全排除检测结果中出现虚假边缘。
虽然sobel算子和prewitt算子边缘定位效果不错, 但检测出的边缘易出现多像素宽度。
这两个算子对灰度渐变的低噪声图像有较好的检测效果, 但对于混合的多复杂噪声图像, 处理效果就不是蛮理想。
roberts算子定位比较精确, 但是由于不包括平滑, 所以对噪声比较敏感，显然prewitt和sobel算子的检测效果要好些。
log算子对图像的边缘检测比上面三个算子对图像的边缘检测效果要好，但在抑制噪声的同时可能将原有的比较尖锐的边缘也平滑掉了，所以会造成这些尖锐边缘无法检测到，从图7可以看出仿真后还是有一定的噪声的。
canny算子是以一阶导数为基础来判断边缘点。
并采用高斯函数对图像作平滑处理, 因此具有比较强的抑制噪声的能力，它是一阶传统微分中检测阶跃型边缘效果最好的算子之一。
但同样该算子也会将部分高频边缘平滑掉，造成边缘丢失，无法被检测。
在对施加高斯噪声的图片进行均值滤波处理后，效果非常明显，很好的将噪声处理掉并很好的保持了原始图片的信息。
但是使用均值滤波去噪声时，所选模板尺寸比较重要，模板尺寸越大去噪效果越好。
最后，在总结了前面的分析之后，本设计提出一个基于施加了高斯噪声的图像进行边缘检测的新的方案，由于canny算子是以一阶导数为基础来判断边缘点，所以它在检测阶跃型边缘中效果最好，而且去噪能力强，roberts算子主要优点是定位精确，对噪声敏感，去噪能力也较强，所以对这两个算子的检测边缘进行叠加，在保证检测的边缘连续完整的同时，也保证了对噪声的抑制效果。
4.小结
4.1本文主要工作总结
通过阅读大量的文献，对数字图像处理技术有了一定的了解，同时通过使用MATLAB图像处理工具箱对图像进行处理，并对仿真结果进行观察
和分析，更加深了对图像处理的直观认识。
本次设计主要进行了以下方面的工作：
（1）对数字图像处理内容及过程进行了详细的叙述。
（2）对数字图像处理技术的主要内容进行了比较详细的陈述。
（3）对MATLAB以及其图像处理工具箱进行了简要的叙述。
（4） 通过MATLAB软件对其中的图像增强和图像的边缘检测以及平滑处理等内容进行了仿真，并展示仿真的效果，并对结果进行了比较和分析。
（5） 提出一个新的图像处理方案，通过MATLAB进行仿真，并观察其仿真效果，然后进行对比分析。
4.2展望
如今，图像是人们获取和交换信息的主要来源。
因此，图像处理应用领域涉及到人们生活的各个方面。
随着科技的发展，数字图像处理技术的应用范围也将不断增大。
在未来几年甚至是几十年内，数字图像处理技术将更广泛的应用于以下几个领域：
（1） 航空航天技术方面：
譬如对月球，火星照片进行处理；对飞机及卫星遥感等，都要用到数字图像处理技术。
（2） 生物工程方面：
最常见的就是CT图，X光图像，超声波图像处理等领域也都会用到数字图像处理技术。
（3）工业工程方面：
流体力学的图像的阻力和升力分析等等。
（4） 通信工程方面：
主要的发展方向在于声音、图像、文字和数据结合的流媒体通信。
（5） 文化艺术方面：
在卡通动画制作，电子游戏制作，服装设计等方面都需要图像处理技术。
（6） 在军事及犯罪方面：
例在如导弹的精确制导，人脸识别，指纹识别，不完整图片复原等方面都有图像处理技术的应用。
图像处理技术未来发展大致体现在在以下4个方面：
（1） 朝高速、高分辨率、立体化、多媒体、智能化和标准化方向发展。
具体表现：
①提高硬件速度。
这不仅仅要提高计算机的速度，而且A/D和D/A的速度要实时化；②提高分辨率。
主要是提高采集分辨率和显示分
辨率，其主要困难是显像管的制造和图像图形刷新存取速度；③立体化。
图像是二维信息，信息量更大的三维图像将随意计算图形学及虚拟现实技术的发展将得到广泛应用；④多媒体化。
20世纪90年代出现的多媒体技术，其关键技术就是图像数据的压缩，目前数据压缩的国际标准有多个，而且还在发展，它将朝着人类接收和处理信息最自然的方式发展；
⑤智能化。
力争使计算机识别和理解能够按照人的认识和思维方式工作，能够考虑到主观概率和非逻辑思维；⑥标准化。
从整体上看，图像处理技术目前还没有国际标准。
（2）图像和图形相结合朝着三维成像或多维成像的方向发展。
（3）硬件芯片的开发研究。
目前结合多媒体的研究，硬件芯片越来越多，如Thomson公司ST13220采用Systolic结构设计
升级会员 