MATLAB小型图像处理系统.docVIP

实验三 小型图像处理系统 一、实验目的 1、使学生加深对数字图像处理主要功能的理解； 2、要求学生使用MatLab 软件完成具有一些简单功能的小型图像处理系统。 二、实验原理 （1）基本原理 数字图像处理是研究图像的获取、传输、存储，变换、显示、理解与综合应用的一门崭新学科。数字图像处理的主要任务包括：图像的数字化、图像变换、图像增强、图像的恢复、图像的压缩和编码、图像分割等。 其中图像变换的目的在于：使图像处理问题简化；有利于图像特征提取。常用的图像变换工具有DFT、 DCT和小波变换等。 图像增强目的是获得更“好”、更“有用”的图像。根据所处理的空间不同, 图像增强的方法分为: 基于图像域的方法，即直接在图像所在的空间进行处理；基于变换域的方法，即在图像变换域间接进行，有时也叫频域处理。 灰度直方图描述了图像的概貌。直方图变换后可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像细节清晰，达到增强目的。直方图均衡化是一种常用的直方图变换方法，它把原始图的直方图变换为均匀分布的形式，增加像素灰度值的动态范围，提高图像对比度。 大部分的噪声都可以看作是随机信号，对图像的影响可以看作是孤立的。某一像素，如果它与周围像素点相比，有明显的不同，则该点被噪声感染了。去除噪声的方法较多，如邻域平均法、中值滤波、边界保持类滤波、多幅图像平均、低通滤波处理等。 图像分割是数字图像处理中一个具有挑战性的研究内容，可以将图像分割理解为：把图像分成互不重叠的区域，并提取感兴趣的目标。图像分割的基本思路是：从简到难，逐级分割；控制背景环境，降低分割难度；把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上。基于灰度值的基本特性不连续性和相似性，图像分割的基本策略： 策略1：检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度），先找边，后确定区域；策略2：检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边。在图像分割的众多算法中，图像的阈值分割技术是实现相对简单的一种方法。 （2）参考程序 clear; clc; close all; chos=0; possibility=11; while chos~=possibility, chos=menu(图像处理系统,输入图像,灰度化,直方图均衡,镜像翻转,添加噪声,去除噪声,伪彩色增强, 阈值分割, 边缘检测,退出); if chos==1, %输入图像 clc; [namefile,pathname]=uigetfile(*.*,Select image); if namefile~=0 I=imread(strcat(pathname,namefile)); imshow(I); title(输入图像); end end %灰度化 if chos==2, % 灰度化 I1=rgb2gray(I); imshow(I1); title(灰度化) end if chos==3,%直方图均衡 I2=histeq(I1); figure,imshow(I2); figure,imhist(I2); title(直方图均衡); end if chos==4,%镜像翻转 I3=fliplr(I1); imshow(I3); title(镜像翻转); end if chos==5,%添加噪声 snoise=0.1*randn(size(I1)); I4=imadd(I1,im2uint8(snoise)); imshow(I4); title(添加噪声); end if chos==6,%去除噪声 I5=medfilt2(I1); imshow(I5); title(去除噪声); end if chos==7,%伪彩色增强 I1=double(I1); [m,n]=size(I1); c=256; for i=1:m for j=1:n if I1(i,j)=c/4 R(i,j)=0; G(i,j)=4*I5(i,j); B(i,j)=c; else if I1(i,j)=c/2 R(i,j)=0; G(i,