基于matlab的數(shù)字圖像處理

《基于matlab的數(shù)字圖像處理》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、數(shù)字圖像的直方圖均衡化與邊緣檢測羅澤（中南林業(yè)科技大學(xué)計(jì)算機(jī)與信息工程學(xué)院自動化一班20085942）摘要：介紹了數(shù)字圖像處理技術(shù)和MATLAB的圖像處理工具箱函數(shù)，運(yùn)用MATLAB語言實(shí)現(xiàn)圖像的直方圖均衡化和邊緣檢測。關(guān)鍵詞：MATLAB；直方圖均衡化；邊緣檢測TheHistogramEqualizationandEdgeDetectionofDigitalImageLuoZeAbstract:ThepaperintroducesThetechnologyofdigitalimageprocessingandimageproceingtoolboxofMATLAB，thenpre

2、sentstheexamplesofHistogramequalizationandedgedetectionbyusingthelanguageofMATLAB.Keywords:MATLAB;histogramequalization;edgedetection1引言數(shù)字圖像處理技術(shù)涉及計(jì)算機(jī)技術(shù)、微電子技術(shù)、光學(xué)技術(shù)和數(shù)學(xué)分析等領(lǐng)域，是一門綜合性強(qiáng)、應(yīng)用范圍廣的新興學(xué)科。具體包括圖像視覺基礎(chǔ)、圖像變換、圖像增強(qiáng)、圖像恢復(fù)、圖像壓縮、圖像編碼、圖像解碼、圖像傳輸、圖像識別和圖像分析等技術(shù)。其理論推導(dǎo)和數(shù)學(xué)分析很多，而上述理論的驗(yàn)證和工程實(shí)現(xiàn)是通過MATLAB完成的。為此，MAT

3、LAB己經(jīng)成為目前工程應(yīng)用中重要的圖像開發(fā)軟件。MATLAB是由美國MathWorks公司推出的用于數(shù)值計(jì)算和圖形處理的開發(fā)軟件。其圖像處理工具箱數(shù)字圖像處理工具箱函數(shù)包括以下15類：1)圖像顯示函數(shù)；2)圖像文件輸入、輸出函數(shù)；3)圖像幾何操作函數(shù)；4)圖像像素值及統(tǒng)計(jì)函數(shù)；5)圖像分析函數(shù)；6)圖像增強(qiáng)函數(shù)；7)線性濾波函數(shù)；8)二維線性濾波器設(shè)計(jì)函數(shù)；9)圖像變換函數(shù)；10)圖像鄰域及塊操作函數(shù)；11)二值圖像操作函數(shù)；12)基于區(qū)域的圖像處理函數(shù)；13)顏色圖操作函數(shù)；14)顏色空間轉(zhuǎn)換函數(shù)；15)圖像類型和類型轉(zhuǎn)換函數(shù)。MATLAB圖像處理工具箱支持四種圖像類型，分別為真

4、彩色圖像、索引色圖像、灰度圖像、二值圖像，由于有的函數(shù)對圖像類型有限制，這四種類型可以用工具箱的類型轉(zhuǎn)換函數(shù)相互轉(zhuǎn)換。MATLAB可操作的圖像文件包括BMP、HDF、JPEG、PCX、TIFF、XWD等格式。下面以灰度圖像為例，說明圖像的直方圖均衡化和邊緣檢測通過MATLAB語言實(shí)現(xiàn)的方法。2直方圖均衡實(shí)現(xiàn)圖像增強(qiáng)圖像增強(qiáng)的目的是突出圖像中有用的信息，削弱或消除不需要的信息。直方圖均衡化是圖像增強(qiáng)的一種常用方法，它能使圖像的灰度分布均勻，對比度增大，細(xì)節(jié)更清晰。它的基本思想是把原始圖像的直方圖變換成均勻分布的形式，這樣就增加了像素灰度值的動態(tài)范圍，從而達(dá)到了增強(qiáng)圖像整體對比度的效果

5、。以圖像處理經(jīng)典圖像之一“l(fā)ena”為例，進(jìn)行的直方圖均衡化增強(qiáng)效果對比圖，如圖1。圖1直方圖均衡化對應(yīng)的MATLAB語言實(shí)現(xiàn)的源程序及主要注解如下：%直方圖均衡化I=imread('lena.bmp');%讀入圖像文件K=histeq(I,64);%對圖像進(jìn)行直方圖均衡化,指定均衡化后的灰度級數(shù)為64subplot(2,2,1),imshow(I),title('原始圖像');%顯示原始圖像subplot(2,2,2),imhist(I,64),title('原始直方圖');%顯示原始直方圖subplot(2,2,3),imshow(K),title('直方圖均衡化后的圖像');

6、subplot(2,2,4),imhist(K,64),title('直方圖均衡化后的直方圖');通過比較可看出均衡化后的圖像變得清晰,其直方圖形狀也比原直方圖的形狀更理想。3邊緣檢測邊緣是圖像的最基本的特征,邊緣中包含著有價(jià)值的目標(biāo)邊界信息,這些信息可以用作圖像分析、目標(biāo)識別。在細(xì)胞邊緣檢測計(jì)算過程中,為了有效地抑制噪聲的影響,同時(shí)能夠客觀、正確地選取邊緣檢測的門限值,可以先通過迭代算法求得最佳閾值,把圖像進(jìn)行分割為背景和目標(biāo)兩部分;再運(yùn)用數(shù)學(xué)形態(tài)學(xué)的腐蝕算法,挖去細(xì)胞內(nèi)部像素點(diǎn);最后剩余部分圖像就是細(xì)胞的邊緣,從而實(shí)現(xiàn)了細(xì)胞的邊緣檢測。這樣通過對各像素點(diǎn)自身灰度值的分析和計(jì)算,

7、判斷該點(diǎn)是否為邊緣點(diǎn),避免了在邊緣檢測的數(shù)學(xué)計(jì)算過程中,使噪聲干擾的影響進(jìn)一步擴(kuò)大,損壞細(xì)胞邊緣圖像。通過閾值分割處理,既增強(qiáng)了圖像的目標(biāo)與背景的對比,增強(qiáng)了邊緣,又能準(zhǔn)確提取細(xì)胞區(qū)域。以圖像處理經(jīng)典圖像之一“rice”為例，進(jìn)行邊緣檢測，采用不同的算法所得到的效果對比圖，如圖2。圖2不同算子的邊緣檢測對應(yīng)的MATLAB語言實(shí)現(xiàn)的源程序及主要注解如下：%利用不同的算子實(shí)現(xiàn)邊緣檢測rice=imread('rice.if');%讀入圖像文件[x,y]=size(rice