基于MATLAB的数字图像预处理.doc

西 安 建 筑 科 技 大 学 研 究 生 课 程 考 试 试 卷 考试科目：MATLAB信号处理技术 课程编码： 任课教师：王燕妮 考试时间：2011.1.14 学 号：1008240872 学生姓名：卞琼 题号 成绩 总成绩 学分 1 2 3 4 5 6 阅卷人签字 7 8 9 试题总页数 10 基于MATLAB的数字图像预处理 选题的背景及意义 视觉是人类最重要的感知手段，大约有80%的外界信息是通过眼睛被人接受的。正是因为视觉对人类的重要性，随着数字计算机的飞速发展，让计算机也有视觉，能够处理视觉信息就成了一项非常诱人的研究课题。这样就导致了计算机视觉这一学科的产生和发展。 计算机视觉的研究中一个很重要的部分就是对获得的动态图像序列进行分析处理，以得到有用的信息。通常在图像处理方面如：自动检测、识别、跟踪、声光或电话报警等有广泛的应用，然而，一般获取的图片都要经过处理之后才能用于研究，所以我的论文想研究在图像预处理方面有什么好的办法。为了增强图像处理过程中图像的鲁棒性，研究出一个好的预处理方法是非常有意义的。 2.国内外研究状况 国外对基于视频的图像处理的理论研究及应用研究起步较早，尤其在美国、英国、日本等国家己经开展了大量的目标检测的研究工作，其中图像预处理是他们研究的基础，并且也出现了大量的国际会议和新闻组。 我国对基于视频的目标检测的研究起步较晚，但是近几年来，随着图像处理技术、特别是大规模集成电路技术、以及各种传感技术等的迅速发展，再加上国际上的影响、国内政府的支持，为这方面的研究创造了优越的环境，提供了必要的理论基础和技术条件。目前，一些高等院校，科研院所都已经开展了此项研究工作，中国科学研究院计算机研究所、哈尔滨工业大学、浙江大学、华中科技大学、清华大学等。 3.图像预处理 由于光照度不均匀会造成图像灰度过于集中，由CCD 摄像头获得的图像经过A/D转换和传输过程中都会产生噪声污染等。因此，图像质量会降低，轻则表现为图像不清晰，难于看清细节；重则表现为图像严重模糊，连概貌也看不清楚。因此，在对图像进行分析之前，有必要对图像质量进行改善，一般情况下改善的方法有两类：图像增强和图像复原。 图像复原利用噪声模型恢复原始图像。而建立一个精确的模型是比较困难的，所以通常不采用图像复原技术。由于图像增强在原图像中进行操作易于实现而被广泛使用。图像增强常用的方法有图像滤波，灰度变换、直方图均衡化。 图像检测受到背景图像的变化影响很大，在实验室拍摄的视频序列中主要因素有光照的变化，硬件设施的类型选择等都会给背景造成模糊的效果，同时图像数据中还夹杂着各种噪声的影响，图像质量的下降是不避免面的，那么必然会给后来的目标检测带来影响，所以对背景图像进行预处理是非常必要的。 图像背景的预处理在计算机视觉、图像识别中得到了广泛的应用，这主要是因为它实际上也是一个去除无用信息，提高算法效率和速度过程。预处理做得好可以减少后面核心算法中的工作量，相反，如果缺少必要的预处理过程，则会对后面系统的结果产生较大的不利影响，有可能造成工作量的增大和效率的降低，影响算法的有效性。在很多视觉系统中，预处理占有很大的比重。 图像的背景噪声滤除方法主要有空域滤波和频域滤波，根据滤波的特点主要有维纳滤波，邻域均值滤波和中值滤波。在本文中我以自己拍摄自己的一张图片为例对各种方法进行讨论 3.1 维纳滤波 （1）Wiener滤波基本原理 Winner滤波是使原始图像及其恢复图像之间的均方误差最小的复原方法．首先估计出像素的局部矩阵均值和方差： （3-1） （3-2） 使图像中每个像素的M*N邻域，利用Wiener滤波器估计出其灰度值： （3-3） 是整幅图像的方差，它根据图像的局部方差来调整滤波器的输出，当局部方差大时，滤波器的效果较小，反之滤波器效果强，是一种自适应滤波器． （2）Wiener滤波的实现 我们应用MATIAB软件图像工具箱的Wiener2函数来完成对加入高斯白噪声数字图像的滤波． I=imread(‘d:\1.jpg’)； J=imnoise(I，‘gaussian’，0，0．005)； K=wiener2(J)； Subplot(1,2,1)，imshow(J)； Subplot(1,2,2)，imshow(K)． 图3-1 原始图像 图3-2 加高斯白噪声后的图像 图3-3 Wiener滤波后图像 （3）Wiener滤波器特