基于Matlab的数字图像处理PPT.ppt

4.2图像的点运算 图像直方图 * 灰度直方图描述了一副图像的灰度级统计信息，主要应用于图像分割和图像灰度变换等处理过程中。从数学角度来说，图像直方图描述图像各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或概率。归一化直方图可以直接反映不同灰度级出现的比率。横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。 imhist(I);%灰度直方图 I=imread(‘red.bmp’);%读入图像figure;%打开新窗口 [M,N]=size(I);%计算图像大小 [counts,x]=imhist(I,32);%计算有32个小区间的灰度直方图 counts=counts/M/N;%计算归一化灰度直方图各区间的值 stem(x,counts);%绘制归一化直方图 * [J,T]=histeq(I);%J为输出图像，T为变换矩阵 图像易受光照、视角、方位、噪声等的影响。使得同一类图像的不同变形体之间的差距有时大于该类图像与另一类图像之间的差距，影响图像识别、分类。图像归一化就是将图像转换到唯一的标准形式以抵抗各种变换，从而消除同类图像不同变形体之间的外观差异。也称为图像灰度归一化。 原图像及直方图 直方图均衡化 * 图像变亮后灰度均衡化 图像变暗后灰度均衡化 噪声添加 * 4.3 空间域图像增强 h=imnoise(I,type,parameters); type为噪声类型，合法值如下： ‘gaussian’ 高斯白噪声：幅度为高斯分布，功率谱均匀分布 ‘saltpepper’ 黑点如胡椒，白点如盐粒。由图像传感器、传输信道、解码处理、图像切割等产生的黑白相间的亮暗点噪声。 添加高斯白噪声 添加椒盐噪声 空间域滤波 * 滤波过程就是在图像f(x,y)中逐点移动模板，使模板中心和点(x,y)重合，滤波器在每一点(x,y)的响应是根据模板的具体内容并通过预先定义的关系来计算的。 W(-1,-1) W(-1,0) W(-1,1) W(0,-1) W(0,0) W(0,1) W(1,-1) W(1,0) W(1, 1) f(x-1,y-1) f(x-1,y) f(x-1,y+1) f(x,y-1) f(x,y) f(x,y+1) f(x+1,y-1) f(x+1,y) f(x+1,y+1) * B=imfilter(f,w,option1,option2,…); f 为要进行滤波操作的图像。 w为滤波操作使用的模板，为一个二维数组，可自己定义。 option1……是可选项，包括： 1、边界选项（’symmetric’、’replicate’、’circular’） 2、尺寸选项（’same’、’full’） 3、模式选项（’corr’、’conv’） 原图像 滤波后图像 中值滤波 * h=medfilt2(I1,[m,n]); m和n为中值滤波处理的模板大小，默认3*3 中值滤波本质上是一种统计排序滤波器。中值不同于均值，是指排序 队列中位于中间位置的元素的值。中值滤波并非线性滤波器。对于某 些类型的随机噪声具有非常理想的降噪能力。典型的应用就是消除椒 盐噪声。 5. IMAQ_Vision for LabWindows/CVI IMAQ_Vision for LabWindows/CVI是NI公司开发的基于LabWindows/CVI的高级图像处理和分析软件包。 * * 基于matlab的数字图像处理 主要内容 1.图像的基本概念 2.数字图像的类型 3.图像与图像数字化过程 4.基于matlab的图像处理的方法 5.基于matlab和CVI的一个小例子 * 1.图像的概念 1.1 图像的表示 当我们从某点观察某一景象时，物体所发出的光线(发光物的辐射光或物体受光源照射后反射或透射的光)进入人眼，在人眼的视网膜上成象，这就是人眼所看到的客观世界，我们称之为景象。这个“象”反映了客观景物的亮度和颜色随空间位置和方向的变化，因此“象”是空间坐标的函数。视网膜成像是一种自然生理现象，人类文明发展到一定时期才意识到它的存在，并设法用各种手段将其记录下来，这种记录下来的各种各样的“象”称为图像。 * 基本概念 图形：是指由外部轮廓线条构成的矢量图。即由计算机绘制的直线、圆、矩形、曲线、图表等； 图像：是由扫描仪、摄像机等输入设备捕捉实际的画面产生的数字图像，是由像素点阵构成的位图。 数据描述 图形：用一组指令集合来描述图形的内容，如描述构成该图的各种图元位置维