基于Matlab图像预处理方法初探.docVIP

基于Matlab图像预处理方法初探 　　摘 要：数字图像处理是随着计算机和微电子技术迅猛发展的一门新兴学科，而图像增强与平滑作为去除图像噪声的一项技术，是各种图像处理软件中必不可少的功能模块。本文在数字图像处理相关内容的基础上，介绍了图像增强与平滑的方法。对目前应用比较广泛的灰度变换方法、图像滤波等方法的原理进行了介绍，通过Matlab编程进行了仿真，实现了基于以上两种方法的图像处理，得到了较理想的图像。 　　关键词：数字图像；噪声；Matlab；图像增强 　　图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。数字图像噪声去除涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘科学，如今其理论体系已十分完善，且其实践应用很广泛：在医学、军事、艺术、农业等方面都有广泛且成熟的应用。Matlab是一种高效的工程计算语言，在数值计算、数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用，而且由于Matlab是一种向量语言，使得它非常适合于进行图像处理。 　　一、数字图像处理基础 　　数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理主要研究的内容有以下几个方面：图像变换、图像编码、图像增强和复原、图像分割、图像描述以及图像分类。 　　数字图像处理系统分为通用数字图像处理系统和专用图像处理系统。像超声波成像诊断仪、X线数字减影血管仪、磁共振成像设备等，均属于专用图像处理系统。而一般计算机加图像采集卡的系统则属于通用数字图像处理系统。 　　二、图像噪声 　　由于图像在摄取过程中受到摄取器件、周围环境等影响，会使摄取到的图像中含有噪声，噪声通常是随机产生的，因而具有分布和大小的不规则性。有些噪声和图像信号相互独立、互不相关，有些是相关的，噪声本身之间也可能相关。因此要减少图像中的噪声，必须针对具体情况采用不同的方法，否则很难获得满意的效果。 　　目前大多数数字图像系统中，输入光图像都是采用先冻结再扫描方式将多维图像变成一维电信号，再对其进行处理、存储、传输等加工变换。最后往往还要组成多维图像信号，而图像噪声也将同样受到这样的分解和合成。在这些过程中，电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。另一方面，图像只是传输视觉信息的媒介，对图像信息的认识理解是由人的视觉系统所决定的。不同的图像噪声，人的感觉程度是不同的，这就是所谓人的噪声视觉特性课题。 　　图像噪声按照不同分类标准可进行不同种类的划分。为方便本文第三部分中对图像平滑的理解，现简要介绍椒盐噪声的模型。 　　椒盐噪声：主要来源于成像过程中的短暂停留和数据传输中产生的错误。其PDF为： 　　P（z）=Pa，z=a 　　Pb，z=b 　　0，其它 　　如果ba，灰度值b在图像中显示为一亮点，a值显示为一暗点。如果Pa和Pb均不为零，在图像上的表现类似于随机分布图像上的胡椒和盐粉微粒，因此称为椒盐噪声。当Pa为零时，表现为“盐”噪声；当Pb为零时，表现为“胡椒”噪声。 　　三、图像增强与平滑 　　图像增强的主要目的是：改善图像的视觉效果和提高图像的清晰度以及使图像变得更易于计算的处理与分析。图像增强按其处理的方法分成两类：一类是空域处理方法，该类方法的最大特点是在像素组成的空间里直接对像素进行处理，它可以是在一幅图像内的像素点之间的运算处理，也可是数幅图像间的相应像素点之间的运算处理。另一类是频域处理方法，即在图像的变换域对图像进行间接处理。其特点是先将图像进行变换，一般是将图像有空间域变成频率域，然后再频域内对图像进行处理。 　　总体而言，图像增强的方法主要包括直方图修改、灰度变换方法、图像滤波、图像锐化和图像色彩增强。本文利用Matlab软件实现了以上几种方法的图像处理结果。 　　1.线性灰度变换 　　灰度变换是图像增强的重要手段，它可使图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显。灰度变换实质就是按一定的规则修改图像每一个像素的灰度，从而改变图像灰度的动态范围。 　　Matlab图像处理工具箱中提供的imadjust函数可以实现上述的线性变换，运行程序得下图： 　　 　　原图 灰度变换后图 　　图3-1 灰度变换效果图 　　由上图可见，灰度变换后图像色彩产生显著变化，原深色区域色彩浅化变得清晰，而原浅色区域色彩丢失严重，以至于难以识别图像。 　　2.图像平滑 　　（1）领域平均法 　　邻域平均法是简单的空域处理方法，它将一个像素及其邻域中所有像素的平均值赋给输出图像中相应的像素，从而达到平滑的目的，又称均值滤波。 　　Matlab图像处理工具箱