数字图像处理(MATLAB)PPT.pptxVIP

数字图像处理（MATLAB）;主要内容;;将图像定义一个二维函数g=f(x,y)即平面的，静止的，单色的图像。 f(x,y)表示像素点（x,y)的亮度值或灰度值。 空间坐标（x,y)的数字化称为图像采样。 将像素灰度转换为离散的整数值的过程称为量化。 采样和量化的结果即为一个实数矩阵。而MATLAB的长处就是处理矩阵运算，因此用MATLAB处理数字图像非常的方便。 MATLAB中从图像文件中读取数据用函数imread()，这个函数的作用就是将图像文件的数据读入矩阵中，此外还可以用imfinfo()函数查看图像文件的信息 [A,M]=imread(e:\matlabwork\tuxiang\Girl.bmp,bmp);%图像数据的读取，将图像数据放入矩阵A中，颜色数据放入矩阵M中 ;;几种具体算法形式 局部处理：平滑、锐化、对比度增强等。 迭代处理：反复对图像进行某种运算处理，直至满足条件。细化处理。 跟踪处理：选择满足适合的像素作为起始像素，检查输入图像。边缘检测 窗口处理和模板处理：只对图像的特定部分进行处理;二、图像增强技术;灰度变换可使图像动态范围增大，图像对比度扩展，图像变清晰，特征明显。其可分为线性变换、分段线性变换、非线性变换。用imadjust进行亮度变换。 g= imadjust(f,[lin,hin],[lout,hout],gamma] ;直方图修正法（均衡化和规定化） 直方图均衡化过程如下： （1）计算原图像的灰度直方图 ； （2）计算原图像的灰度累积分布函数 Sk= T(rk)= ，进一步求出灰度变换表； （3）根据灰度变换表，将原图像各灰度级映射为新的灰度级 直方图均衡的实质是减少灰度等级换取对比度的扩大。在MATLAB中，histeq函数可以实现直方图均衡化。 ;直方图匹配（规定化）就是使原图像灰度图变成规定形状的直方图而对图像作修正的增强方法。 过程：（单值图像） （1）对原图像作直方图均衡化处理 （2）按照希望得到的灰度概率密度函数 求得变换函数G(z)。 （3）用步骤一得到的灰度级s作逆变换 z=G-1(s)=G-1(T(r)) matlab工具箱中使用histeq的形式实现： g=histeq(f,hspec)制定的直方图; huoxing=imread(C:\Users\Administrator\Documents\MATLAB\hux\hux.jpg); figure,imshow(huoxing); X=rgb2gray(huoxing);figure, imshow(X); h=imhist(X); h1=h(1:5:256); horz=1:5:256; subplot(3,1,1); bar(horz,h1);axis([0 255 0 500]);条形图 set(gca,xtick,[0:50:255]); set(gca,ytick,[0:50:500]); subplot(3,1,2); stem(horz,h1,‘fill’);离散图 axis([0 255 0 500]); set(gca,xtick,[0:50:255]); set(gca,ytick,[0:50:500]); subplot(3,1,3); plot(h);连续图 axis([0 255 0 500]); set(gca,xtick,[0:50:255]); set(gca,ytick,[0:50:500]); ;在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除噪声的工作。最常用的祛除噪声的方法是用滤波器进行滤波处理。图像平滑通过积分过程在消除噪声的同时使得图像边缘模糊，那么图像锐化通过而使图像边缘突出、清晰。 ;均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。 线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。;I=imread(e:\matlabwork\tuxiang\Girl.bmp,bmp); J=imnoise(I,gaussian,0,0.002);　%加入高斯噪声 h=fspecial(average,3); %进行均值滤波