Matlab 图像数字处理论文.docVIP

MATLAB编程课程项目 项目题目：图像数字处理 姓名： 学号： 院系：计算机科学与技术学院 小组成员： 项目的背景、内容 所谓图像处理就是计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。实质上是一段能够被计算机还原显示和输出为一副图像的数字码。21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。图像处理技术可以帮助人们更客观、更准确地认识世界。 我们的项目就是运用图像处理技术，对图片进行基本操作。例如：图像反转，图像的灰度线性变换，图像的Log算子测边缘，图像的膨胀和腐蚀。 在这个项目中 ，我负责的是Log算子测边缘，用来判断边缘像素是位于图像的明区还是暗区。? 项目所用方法与已有方法的分析和比较 经典的边缘检测方法，是对原始图像中像素的某小邻域来构造边缘检测算子。常用的边缘检测方法有:Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、Canny边缘检测算子、Laplace边缘检测算子等等。这些方法多是以待处理像素为中心的邻域作为进行灰度分析的基础，实现对图像边缘的提取并已经取得了较好的处理效果。Roberts 算子提取边缘的结果边缘较粗，边缘定位不很准确，Sobel算子和Prewitt 算子对边缘的定位就准确了一些，而采用拉普拉斯高斯算子（Log）进行边缘提取的结果要明显优于前三种算子，特别是边缘比较完整，位置比较准确。 下面为几种常用边缘检测算子的对比图： 项目的意义与特点 现实的生活生产中，对于图像技术的需求越来越多，图像的处理技术也层出不穷，我们有必要了解基本的图像变换和处理技术。本次实验采取了极为方便的图像处理过程，加深了同学们对图像处理的了解和兴趣。而我负责的图像边缘检测更是运用广泛，Log算子边缘检测的基本特征是： 1． 2． (二维拉普拉斯函数)； 3． 4． 这种方法的特点是图像首先与高斯滤波器进行卷积，这一步既平滑了图像又降低了噪声，孤立的噪声点和较小的结构组织将被滤除。由于平滑会导致边缘的延展，因此边缘检测只考虑那些具有局部梯度最大值的点为边缘点。 四、项目的实施原理 核心代码分析： I=imread(D:\123.jpg); %读原始图像 subplot(2,2,1),imshow(I); %显示原始图像 title(原图图像) I=imnoise(I,gaussian,0,0.005) ; %添加均值为0、方差为0.005的噪声 subplot(2,2,2),imshow(I); title(高斯噪声) I1=rgb2gray(I);%对彩色图像进行灰度处理 a=[0.0027,0.0331,0.069,0.0331,0.0027;0.0331,0.1793,0.0098,0.1793,0.0331;0.0690,0.0098,-1.3257,0.0098,0.0690;0.0331,0.1793,0.0098,0.1793,0.0331;0.0027,0.0331,0.069,0.0331,0.0027];% 定义拉普拉斯高斯算子，服从正态分布 a=double(a);% 强制转换为双精度类型 J=double(I1); c=conv2(a,J);% 计算两个矩阵的二维卷积 subplot(2,2,3),imshow(c); title(LOG1) d=[-2,-4,-4,-4,-2;-4,0,8,0,-4;-4,8,24,9,-4;-4,0,8,0,-4;-2,-4,-4,-4,-2]% 常用的拉普拉斯高斯算子 d=double(d); e=conv2(J,d); subplot(2,2,4),imshow(e); title(LOG2) 代码分析： 先求高斯滤波器的拉普拉斯的变换，再求与图像的卷积，然后再进行过零判断。高斯-拉普拉斯算子是效果较好的边沿检测器，常用的5×5模板的高斯-拉普拉斯算子 项目实施过程 项目实施结果 总结与展望 总体来说，这个项目还是比较成功的，可以给出一个不错的计划，符合我们开始时的预想。不过我们的项目如果能继续完成图片的更多变换处理，相信会更好。至于我负责的版块如果把常用的几种边缘检测算法全部加入，会更有对比性。当然，若是加入的噪声也可以多变，那效果会更好。我们组做这个实验真的很纠结，毕竟原本做的体重测试都快完工了，就是有个瓶颈过不去，只能转做图像数字处理，多少有些时间急迫，考虑的有些不全面。不过做了两个实验，收获还是不少的，首先，学会了图像处理的几种基本的技术手段；再者，更加清楚了团队合作与分工的重要性；最后，更是深感Matlab的图像处理功能的强大，让