Matlab对图像进行处理代码及显示效果.doc

1、完成下列要求 （1）、学习Matlab中图像处理的常用函数； （2）、说明每个函数的功能及应用实例，并实际操作； （3）、大约10个左右； 答：①Dither 功能：通过抖动算法转换图像类型 实例：load chess; RGB=IMREAD(D:\1.jpg); subplot(1,2,1); imshow(RGB); Y=dither(RGB,map); subplot(1,2,2); imshow(Y,map); ②imadd 功能：将两幅图像相减，或者将图像与常数相加 实例：I=IMREAD(D:\1.jpg); subplot(1,2,1); imshow(I); Y=imadd(I,66); subplot(1,2,2); imshow(Y) ③imcrop 功能：用于裁剪图像的一部分 实例:I=IMREAD(D:\1.jpg); Y=imcrop(I); imshow(Y);  ④im2bw 功能：显示一幅二值图像 实例：I=IMREAD(D:\1.jpg); J=im2bw(I); imshow(J)  ⑤cat 功能：产生图像序列 实例：I=IMREAD(D:\1.jpg); imshow(I); J=cat(2,I,I); imshow(J) ⑥RGB2GRAY 功能：将一幅真彩色图像转为灰度图像 实例：I=IMREAD(D:\1.jpg); J=rgb2gray(I); imshow(J)  ⑦roicolor 功能：将灰度图像进行色影转换 实例：I=IMREAD(D:\1.jpg); W= RGB2GRAY(I); BW=ROICOLOR(W,100,300); IMSHOW(BW) ⑧immultiply 功能：将两幅图像相乘，或者乘以一个常数 实例:I=IMREAD(D:\1.jpg); J=immultiply(I,4); imshow(J)  ⑨filter2 功能：计算二维线型数字滤波 实例：I=IMREAD(D:\1.jpg); W= RGB2GRAY(I); h=[1 2 1;0 0 0;-1 -2 -1]; J=filter2(h,W); imshow(J,[]) ⑩imfilter 功能：真彩色增强 实例：I=IMREAD(D:\1.jpg); h=[0 2 1;1 0 1;-1 -2 1]; J=imfilter(I,h); imshow(J,[]) 2、调研指纹识别系统，包括： （1）完整的指纹识别系统及其说明； （2）指纹匹配方法 答：（1）如图所示。图中的学习模块负责采集用户指纹数据，对指纹图像进行预处理，提取这些指纹的特征，作为将来的比对模板存人数据库。而识别模块则负责采集和处理指纹图像，在提取特征后与数据库中的指纹模板进行比对，然后判断是否匹配．得出结论。整个系统的核心就是图像处理、特征提取以及指纹比对。 （2）目前指纹匹配方法可以分成两类: 一类是基于图像的匹配方式，另一类是采用人工神经网络的方法. 图形匹配是针对纹线几何形状和特征点的拓扑结构的匹配方式. 它的原理是采用相似变换的方法把两个细节点集中相对应的点匹配起来. 这些相似变换可以是平移变换、旋转变换、伸缩变换等线性变换. 它可以在一定程度内允许少量伪特征点的存在、真正特征点的缺失以及轻微的特征点定位偏差, 对图象的平移和旋转也不敏感. 但这种方法有两个不足之处: 一是匹配速度比较慢, 二是对指纹图象的质量要求比较高, 低质量的图象匹配效果不佳. 点模式匹配的松弛算法将待识图象和模板图象的点模式分别定义为 P = { p 1, p 2, …, p m } 和Q= { q1, q2, …, qn} , Tij 表示基于 一对匹配 点( p i, qj ) 的相似变换. 将点模式 P 相对于 Q 作此相似 变换Tij , 计算两个点模式中其他点的匹配程度, 匹配程度越高, 则基于匹配点对( p i, qj ) 的 Tij 变换的可靠度越高. 如果找到一对匹配点( p i , qj ) 使得 Tij 最大, 则将该点对作为基准点对. 然后根据 Tij 变换调整待识图象的姿势, 统计最终匹配点对的数目,给出匹配结果. 该算法需要反复计算Tij 的可靠度,所以速 度很慢. 以 Hough 变换为基础的模式匹配方法把点模式匹配转换成检测 Ho ug h 空间中的峰值参数,并用多种方法来降低匹配的计算复杂度. 但这种方法对于较大的图象形变效果不佳, 计算量较大, 而且当特征点不多( 少于 30 个) 时, 不易在 Ho ug h 空间中构造足够的数据, 以保证一个可靠的匹配. 另外, 也可以 使用图 论的 方法来 进行 指纹 匹配[ 6～8