MATLAB实验Mtlab在数字图像处理中的应用.docVIP

实验十 Matlab在数字图像处理中的应用 （基础篇） 实验目的 1．熟悉图像的四种类型。 2．熟练掌握图像的读、写操作以及显示方法。 3. 熟悉图像的类型转换以及格式转换。 实验原理 1. 图像的表示以及数字化 广义的图像是指视觉信息。举凡照片、图画、电视画面以及由透镜、光栅及全息 图所构成的光学成像等均属之。我们观察一幅单色静止图像，其亮度的明暗变化就构成图像视觉。所以，一幅单色(monochrome)静止的图像可以表示为强度或亮度的二维分布，其中F代表图像亮度或者强度，(x,y)是二维平面点坐标。对于黑白图像，通常用不同的灰度级来表示其亮度的差异；对于彩色图像，可以视为由单个单色的二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)按不同的比例组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。此时，每一幅分量图像只有亮度的二维分布，如图1所示。 通常我们看到的图像是一幅亮度在空间连续变化的模拟图像（即图像关于亮度F以及空间坐标x,y连续）。例如在显微镜下看到的就是一副光学模拟图像。连续的模拟图像经过离散化处理后变成计算机能够识别的点阵图像，称为数字图像。把模拟图像转换成数字图像其实就是数字化 (即离散化)图像亮度F以及空间坐标x,y。将坐标数字化称为取样；将亮度数字化称为量化。采样和量化的过程如图2所示。二维图像平面经过数字化后，变成一个个方形的像素(pixel)，亮度数字化之后变成一个二维的数值矩阵。所以一副数字图像对应于一个数值矩阵，该矩阵通常称为图像的数据矩阵。图像数据矩阵的大小即是图像像素的数目，矩阵的行与列决定一个像素点，矩阵元素值（也称像素值）反映该像素点的灰度。例如图2右边所示的图像数据矩阵为8×8的二维矩阵，那么该数字图像包含8×8=64个像素，第一行第一列代表第一个像素，其像素值（元素值）1表达该像素的灰度。 由于数字图像和数值矩阵之间有着十分自然的对应关系，所以MATLAB非常适合用来处理数字图像。 图1 RGB彩色图像及其分量图像。其中，每个分量??像越亮的地方 表示该组分在源图像中所占比例越大。 图2 图像的采样和量化 2. 图像的类型 MATLAB采用4种不同的方式把图像数据矩阵中的元素值（又称像素值）解释为对应像素的颜色： 强度图像(Intensity images) 二值图像(Binary images) 索引图像(Indexed images) RGB图像(RGB images) (1) 强度图像(Intensity images) 也称灰度图像(grayscale)。一幅强度图像就是一个数据矩阵，矩阵的每个元素对应一个图像像素，元素值（像素值）代表像素的亮度或者灰度级。像素值的数据类型可以是uint8或uint16或者double型。如果是uint8或uint16，则像素值的范围分别是[0，255]和[0，65536]，其中0代表黑色（亮度最低或灰度级最低），255或者65536代表白色（亮度最高或者灰度级最高），其他整数介于两者之间；若像素值是double类，系统规定双精度型像素值的取值范围是[0，1]，0代表黑色，1代表白色，其余介于两者之间。例如图2中的数据矩阵，如果该图是强度图像，则第一个像素值1代表该像素的亮度是仅次于黑色的灰度级，余者类推。 (2) 二值图像(Binary images) 对于一幅二值图像，其数据矩阵中像素值的取值只有0和1两个逻辑数，分别代表黑色和白色，所以二值图像只有黑色和白色两种颜色。下图描绘了一幅二值图像。 图3 二值图像及其像素值 (3) 索引图像(Indexed images) 在强度图像和二值图像中，数据矩阵中的像素值直接代表像素的亮度（即颜色），而索引图像的像素值则并不直接代表颜色，而是把像素值按照一定的规则映射到颜色表(colormap)或者调色板中的某一个颜色。所以索引图像也叫映射图像，一幅索引图像包含一个图像数据矩阵和一个预先定义的色图(Colormap)矩阵。色图矩阵是一个m×3的double型数组，矩阵的元素值介于[0 1]之间。色图矩阵的每一行代表一种彩色，它是个3元行数组，分别代表R分量(红色分量)、G分量(绿色分量)、B分量(蓝色分量)的比例，例如(0 0 1)代表蓝色，(1 1 1)代表白色等。色图矩阵的列数m代表颜色的种类。图像数据矩阵的类型可以是uint8或uint16或者double型。对于uint8或uint16类型，像素值0映射到色图矩阵（即颜色表）的第一行，表示该像素使用颜色表的第一个颜色绘制，像素值1映射到色图矩阵的第二行，类此类推，可见uint8或uint16型的像素值和颜色种类之间有一个偏差1。对