基于MATLAB的图像去噪与边缘检测技术.docVIP

. 《图像处理》 课程考核报告 基于MATLAB的数字图像处理与分析 ——? ? 图像去噪与边缘检测技术 系 部： 专业班级： 姓 名： 学 号： 指导教师： 完 成 日 期 2013年 12月目 录 1引言 1 2课程设计要求 2 2.1课程设计题目 2 2.2课程设计目的 2 2.3设计要求 2 3滤波器基本原理 4 3.1中值滤波器基本原理 4 3.2高斯滤波器基本原理 4 4边缘检测 6 4.1 边缘检测定义 6 4.2 图像边缘检测算法的研究内容 6 5图像处理结果与分析 8 5.1 椒盐噪声图像的去噪与边缘检测 8 5.2 添加高斯噪声的图像去噪和边缘检测 8 6体会与收获 11 参考文献 12 1引言 所谓数字图像处理就是利用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幅图像的数字码。 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。数字图像处理，即用计算机对图像进行处理，其发展历史并不长。数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。另一方面，通过数字图像处理中的模式识别技术，可以将人眼无法识别的图像进行分类处理。通过计算机模式识别技术可以快速准确的检索、匹配和识别出各种东西。 实际图像在形成、传输的过程中,由于各种干扰因素的存在会受到噪声的污染。噪声被理解为妨碍人的视觉器官或系统传感器对所接收图像源信息进行理解或分析的各种因素。一般噪声是不可预测的随机信号,它需采用适当的方法去认识。对噪声的认识非常重要,它影响图像的输入、采集、处理的各个环节以及结果输出全过程,特别是图像的输入、采集过程中,若输入中含有大量噪声,必然影响处理全过程及输出结果。因此,一个良好的图像处理系统,无论是模拟处理还是计算机处理都把减少噪声作为主攻目标。本文采用小波分析、求平均值法、形态学滤波器以及中值滤波器等方法,对图像降低噪声进行了分析。 2课程设计要求 2.1课程设计题目 图像去噪与边缘检测技术 2.2课程设计目的 通过本次综合设计，运用已学的课程知识，根据题目要求进行软件的设计和调试，对《图像处理》课程中涉及的算法原理和编程等方面有一定的感性认识和实践操作能力，从而加深对本课程知识点的理解，使学生应用知识能力、设计能力、调试能力以及报告撰写能力等方面有显著提高。 2.3设计要求 图像边缘检测和分析可定义为应用一系列方法获取、校正、增强、变换、检测或压缩可视图像的技术。[1]其目的是提高信息的相对质量，以便提取有用信息。图像边缘检测中的变换属于图像输入-图像输出模式，图像边缘检测是一种超越具体应用的过程，任何为解决某一特殊问题而开发的图像边缘检测新技术或新方法，几乎肯定都能找到其他完全不同的应用领域。图像边缘检测的主要研究内容包括： （1） 图像获得和抽样，其中通过人眼观察的视野获取图像的问题有：最常用的图像获取装置——电视（TV）摄像机问题，对所获得信号进行独立的采样和数字化就可用数字形式表达景物中全部彩色内容；电荷-耦合装置，用作图像传感器，对景物每次扫描一行，或通过平行扫描获得图像；选择正确的分辨力或采样密度，一幅图像实质上是二维空间中的信号，所以适用于信号处理的法则同样适用于图像边缘检测，在放射学中常常需要高分辨力，要求图像至少达到2048像素×2048像素；灰度量化，图像强度也必须进行数字化，通常以256级（按1字节编码）覆盖整个灰度，一般一幅灰度分辨力为8位，空间分辨力为512像素×512像素的图像需0.25兆字节的存贮容量。 （2） 图像分割，目的是把一个图像分解成它的构成成分，以便对每一目标进行测量。图像分割是一个十分困难的过程。但其测量结果的质量却极大地依赖于图像分割的质量。有两类不同的图像分割方法。一种方法是假设图像各成分的强度值是均匀的并利用这种均匀性；另一种方法寻找图像成分之间的边界，因而是利用图像的不均匀性。主要有直方图分割，区域生长，梯度法等。 （3） 边界查索，用于检测图像中线状局部结构，通常是作为图像分割的一个预处理步骤。大多数图像边缘检测技术应用某种形式的梯度算子，可应用对水平方向、垂直方向或对角线方向的