搜索
第一章：数字图像处理简介●数字图像处理是采用一定的算法，用计算机对图像进行处理和分析，以满足人眼视觉需求或其他设备的需求。●数字图像处理包括：点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。●图像增强是数字图像处理中非常重要的一部分，它的目的有两方面:●1、满足改善图像的视觉质量，如增强图像的对比度，提高图像的亮度，去除图像中的噪声等；●2、满足机器视觉的需求，更好的进行机器视觉处理。●图像增强处理的方法：●1、空域增强。空域增强是指直接在空间域，即在图像的本身对图像进行处理；●2、频域增强。频域增强是指通过傅里叶变换先将图像变换到频域范围内进行处理，再通过逆变换得到增强后的处理。●图像增强处理的运用：●随着社会的发展，科学技术的不断进步；图像增强处理的运用范围越来越大。通过对原始图像的处理，得到更加清晰的图像，从而对数据进行处理，得到更多的信息。随着社会的进步，图像增强技术已经运用到了如科学计算，能源，工业，医疗保健，环境保护，航天航空，军事，通信等方方面面。第二章：MATLAB简介●2.1、MATLAB的发展历史●MATLAB全称是（matrix&laboratory）由mathworks公司推出。●MATLAB是由CleveMoler博士在为了方便学生学习EISPACK和LINPACK程序库的目的下编写的。●在20世纪70年代由CleveMoler博士、JohnLittle、SteveBangert三人共同推出改进版。●1984年,CleveMoler和JohnLittle成立了MathWorks公司,正式把MATLAB推向市场,并继续进行MATLAB的研究和开发。●现在MATLAB以每年两次更新的速度推出新版本，目前的最新版本是MATLABr2014a●2.2、MATLAB的用途●1：数值分析●2：数值和符号计算●3：工程与科学绘图●4：控制系统的设计与仿真●5：数字图像处理●6：数字信号处理●7：通讯系统设计与仿真●8：财务与金融工程●2.3、MATLAB的优点●1：高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来；●2：具有完备的图形处理功能，实现计算结果和编程的可视化；●3：友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握；●4：功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等)，为用户提供了大量方便实用的处理工具。●2.4、常用工具箱●2.5、MATLAB处理的图片格式●MATLAB能够处理的数字图片格式包括：bmp、pcx、hdf、jpg、jpeg、tif、tiff、xwd等●2.6、图像类型●MATLAB包含四种基本图像类型：索引图像（ind）、灰度图像（gray）、真彩图像（rgb）、二值图像（bw）●MATLAB界面（MATLABr2014a）第三章、图像处理基本函数●1、在MATLAB中imfinfo用于图像信息查询格式：info=imfinfo（'文件名'，文件格式）例：●2、图像读取，写入函数●2.1、图像读取函数：imread●格式：A=imread（'文件名',文件格式）●例：I=imread('rice.tif')●2.2、图像写入函数：imwrite●格式：imwrite(A,'文件名'，文件格式)●例：imwrite(I,'E:\matlab\1','jpg')3、图像显示函数imshow、image、imagesc、imtool格式：imshow(rgb/ind/bw/gray)image(I,[low,high])imagesc(I)imtool(rgb/ind/bw/gray)●例：●4、特殊图像显示函数●4.1、颜色条colorbar●4.2、多帧图像阵列montage●4.3、纹理映射warp●4.5、动态图制作immovie●例1：●例2：●5、图像数据类型转换●im2double●im2uint8●im2uint16●6、彩色图像颜色模型●RGB、CMY、CMYK、HSV、HSI、NTSC、YCbCrHSV颜色模型HSI颜色模型CMY颜色模型RGB颜色模型第四章：图像类型转换●1、dither●dither是将RGB图像转换为索引图像，或把灰度图像转换为二值图像。●格式：X=dither（RGB，map）●BW=dither（I）●2、gray2ind●gray2ind是将灰度图像或二值图像转换为索引图像。●格式：[X，map]=gray2ind（I/BW，n）●3、grayslice●grayslice是通过设定阈值将灰度图像转换为索引图像。●格式：X=grayslice（I，n）●X=grayslice（I,v）●4、im2bw●im2bw是将图像转换为二值图像●格式：BW=im2bw（I，level）●BW=im2bw（X，map，level）●BW=im2bw（RGB，level）●/*level是设定的亮度阈值，取0~1。●5、ind2rgb●ind2rgb是将索引图像转换为RGB图像。●格式：RGB=ind2rgb（X，map）●6、mat2gray●mat2gray是将矩阵转换为灰度图像。●格式：I=mat2gray（A，[amin,amax]）●I=mat2gray(A)●7、rgb2gray●rgb2ind是将RGB图像转换为灰度图像。●格式：I=rgb2gray(RGB)●newmap=rgb2gray(map)●8、rgb2ind●rgb2ind是将RGB图像转换为索引图像。●格式：[X,map]=rgb2ind(RGB,tol)/*tol取0~1●[X,map]=rgb2ind(RGB,n)/*n取小于或等于65536●X=rgb2ind(RGB,map)●[...]=rgb2ind(...,'dither_option')/*dither_option取dither/nodither判断是否使用抖动转换图像●例1：●（RGB转换为二值图像）●●（RGB转换为灰度图像）●例2：●（灰度图像转换为索引图像）●●（矩阵转换为灰度图像）第五章：图像增强●图像增强是图像处理的基本技术之一，它是指把原来不清晰的图像变得清晰，或者抑制图像的某些特征而使另外一些特征得到增强。其主要目的是使处理后的图像质量得到改善，增加图像信噪比，或者增强图像的视觉效果。●图像增强处理包括灰度变换增强，直方图处理，空间域滤波增强，频率域滤波增强四种方法；在实际处理中常常以一种或几种方法结合的方法处理图像，而得到希望的图像。●5.1：灰度变换增强●灰度变换增强就是把对比度弱的图像变成对比度强的图像。按照一定的变换方法改变原始图像的灰度值，不改变坐标信息。●g(x,y)=T[f(x,y)]●/*f(x,y)为原始图像，g(x,y)为增强后的图像●灰度变换分为：1、线性变换●2、分段线性变换●3、非线性变换●非线性变换分为对数变换和指数变换。对数变换是压缩高灰度，扩展低灰度以显示超出显示范围的图像，指数变换与之相反。●对数变换：g(x,y)=c*log(1+f(x,y))●指数变换：g(x,y)=(b^c[f(x,y)-a])-1●灰度变换函数：imadjust●格式：J=imadjust(I,[low_in,high_in],[low_out,high_out])●newmap=imadjust(map,[...],[...],gamma)●RGB2=imadjust(RGB1,...)●/*gamma指定了曲线的形状gamma=1为线性变换，gamma1，灰度变小，图像变暗，gamma1灰度变大，图像变亮●例：●（图像取反）●（亮度变化）5.2、直方图处理●直方图处理分为直方图均衡化和直方图规定化●1、直方图均衡化：对像素多的进行扩展，对像素少的进行缩减，是图像对应得直方图变为均匀分布●2、直方图规定化通过一个灰度印象函数，可将图像的灰度直方图改造为希望的直方图●imhist用于查看灰度图或索引图的灰度直方图●直方图处理函数：histeq●格式：J=histeq(I,hgram)●使输出的图像具有hgram个灰度级对于double型，hgram取[0,1];对uint8型，hgram取[0,255];对uint16型，hgram取[0,65535],实现原始图的规定化●J=histeq(I,n)●指定均衡化后的灰度级数，默认为64●有限对比自适应直方图均衡化：adapthist●格式：J=adapthist(I)●例：5.3、空间域增强处理空域滤波是指直接在图像本身进行处理，它分为线性滤波和非线性滤波。滤波包括高通滤波、低通滤波、带通滤波。方法有中值滤波，最大、最小值滤波等从处理效果上分为平滑空间滤波器和锐化空间滤波器。平滑滤波器用于模糊处理和减少噪声，经常在图像的预处理中使用锐化滤波器主要用于突出图像的细节或增强模糊的细节●噪声生成函数：imnoise●格式：J=imnoise(I,type)●J=imnoise(I,type,parameters)●/*type指噪声的类型,parameters指噪声参数●噪声类型及参数：●gaussian（高斯噪声）：（m，v）m为均值，v为方差●lacolver：m=0的高斯噪声●possion（泊松噪声）：无参数●speckle：（d）强度，默认为0.05●salt&pepper（椒盐噪声）：（v）均值为0●图像平滑●均值滤波：取滤波窗口的平均值进行滤波。如3*3的窗口，则H=ones（3）/9●中值滤波：取滤波窗口的中值进行滤波对椒盐噪声的处理效果特别好●中值滤波函数：medfilt2●格式：B=medfilt2(A,[m,n])●/*指定大小为m*n的窗口进行中值滤波●B=medfilt2(A)●ordfilt2:该函数给定n个数值，按大小顺序排列，将处于第k的位置的元素输出，不仅可实现中值滤波，还能实现最大/最小值滤波●格式：B=ordfilt2(A,order,domain)●/*通过domain中的第order个非零元素置换A中每个元素●B=ordfilt2(A,order,domain,s)●/*s为domain的附加值●维纳滤波：wiener2●格式：J=wiener2(I,[m,n],noise)●[J,noise]=wiener2(I,[m,n])●/*noise为噪声功率●图像锐化●图像锐化有两种方法：梯度法，laplace算子●梯度法：gradient求矩阵的梯度●格式：[fx,fy]=gradient(f)●[fx,fy]=gradient(f,h)●/*h为步长值默认为1●[fx,fy]=gradient(f,hx,hy)●[fx,fy,fz]=gradient(f)●1)将梯度直接赋值给原函数，无变化处为零●2)设定阈值T当梯度大于T时，梯度赋值原函数，否则不变●3)设定灰度值G1，当梯度大于T时，将G1赋值给原函数，否则不变●4)设定灰度值G2，当梯度大于T时，不变，否则将G2赋值给原函数●5)设定G1，G2，当梯度大于T时，将G1赋值给原函数；当梯度小于T时，将G2赋值给原函数●laplace算子laplace图像增强算子●例：●（图像加入噪声）●●（两种滤波方式的比较）5.4、频域增强●频域增强是利用傅里叶变换，将图像从空间域变换到频率域进行处理，最后再变回空间域的方法。●对于一幅图像，它的边缘，细节，跳跃部分及噪声都是高频部分，而大面积的背景及缓慢变化的部分则代表低频部分。●频域增强步骤：原始图像（f(x,y)）→F(u,v)→G(u,v)→数字图像（g(x,y)）●/*G(u,v)=F(u,v)*H(u,v)●理想低通滤波器H：●巴特沃思低通滤波器H：●指数低通滤波器H：●理想高通滤波器H：●巴特沃思低通滤波器H：●指数低通滤波器H：●/*n代表n阶，D(u,v)代表u,v到原点的距离，D0代表截止频率●例：●（高通、低通滤波器）●例（续）：第六章：图像分割●当人们对图像的某个区域或目标感兴趣时，用图像分