matlab图像处理技术.docVIP

PAGE —PAGE 1— 24 MATLAB图像处理 数字图像基础及其主要技术的MATLAB实现方法 MATLAB中图像对象分布的实现方法 MATLAB中图像纹理特征计算的实现方法 MATLAB中试样表面图像变形特征计算的实现方法 24.1 数字图像基础 图像是对人类感知外界信息能力的一种增强形式，是自然界景物的客观反映，是各种观测系统以不同形式和手段观测客观世界而获得的、可以直接或间接作用于人眼的实体。人的视觉系统实际上就是一个观测系统，可通过它得到客观景物在人眼中形成的影像。人类从外界获得的信息大多来自视觉系统。图像信息不仅包含光通量分布，而且还包含人类视觉的主观感受。随着计算机技术的迅速发展，人们还可以人为地造出色彩斑斓、千姿百态的各种图像。随着图像处理技术的成熟，图像作为更直接更丰富的信息载体，正在成为越来越重要的研究对象。图像处理技术中，图像分析是一个主要分支，它的重点是对图像中感兴趣目标的检测和测量，以获得它们的客观信息从而建立对图像的描述。数字图像特征分析在模式识别、信号处理、遥感图片解译、医学图像分析等方面得到了广泛应用。 图像种类很多，针对不同的分类标准，有不同的分类方法。按颜色类型，图像可以分为灰度图像和彩色图像(黑白照片和彩色照片)。灰度图像仅仅使用了颜色空间中比较特殊的一类颜色、但包含了丰富的亮度层次；彩色图像则使用了颜色空间中的大量颜色信息，包含了亮度、颜色饱和度、颜色对比度等。按运动类型，图像被分为动态图像和静态图像。静态图像就是照片，动态图像就是电影；动态图像是一种特殊的图像(又称视频图像、活动图像或运动图像), 它是一组静态图像在时间轴上的有序排列。 数字图像就是一组有序的离散数据，MATLAB可以对这些离散数据形成的矩阵进行一次性处理。本节在简略介绍图象处理基础上，介绍MATLAB中的图象处理函数。 24.1.1 理论基础 图像处理的基本内容包括： (1) 图像进行增强或修改 以增强有用信息、抑制无用信息、改善图像的视觉质量；图像增强的目标是改善图像视觉质量、符合人们的主观要求，图像视觉质量的高低和好坏受观看者的心理、爱好和文化素质等因素的影响；图像恢复则致力于探索图像质量降低的原因，尽可能消除图像质量的降低、恢复图像的本来面目。 (2) 图像分割和描述 描述图像特征并进行特征抽取(例如图像的纹理特征、频谱特征、边界特征和颜色特征等)和分析(对像素用某个标准衡量并进行分类比较)，将抽取的特征归结为一定模式。计算机按照一定的客观测度(例如灰度、颜色和几何性质等)将图像中包含的物体和区域从图像中区分出来，称为图像分割; 用适当数学语言来表示被分割出来的物体或区域的结构和统计特性、或用数学语言表示区域间的关系，称为图像描述。图像经分割和描述后，可较为容易地分类和识别。 (3) 图像重建 对图像某些部分合并或进行重新组织。在医学和工程应用中，利用超声波、X射线等技术取得多幅自不同角度的投影图，通过计算可得到物体内部的图像，这种技术称为投影重建，例如CT就是图像重建的一个应用。 (4) 压缩编码 彩色数字图像通常是由三个二维数组组成、信息量相当大，给图像的传输、处理、存储和显示等带来很大负担。图像中往往存在冗余信息，在传输和存储时可以对数字图像进行一定方式的编码、删除图像中的冗余信息、以提高图像传输和存储效率。 一幅连续黑白灰度的图像经过等间隔抽样以后，可以用一个离散量组成的矩阵来表示： 其中，矩阵中的每一个元素称作象元、象素或图像元素，f(x,y)代表该点图像的光强度、也称为f(x,y)点的灰度值(即亮度值)。它是能量的一种形式，f(x,y)必须大于零且为有限值，即0 f(x,y)∞。 如果是一幅彩色图像，各点的数值还应当反映出色彩的变化，即可用f(x,y,λ)表示，其中λ为波长。如果是一幅活动的彩色图像，还应是时间t的函数，即可表示为f(x,y,λ,t)。 图形数字化后的矩阵为N×N的方阵。一般来说，无论是阵列大小N和象素的最大灰度级数G都取为2的整次幂，即N=2n,G=2m，m和n为某一个正整数。而对N×N的象素．具有G级灰度级时，则存贮此数字化图像所需的位数为b，它的单位为比特，即b=N×N×m。例如，灰度级G=64级(6比特 图像的清晰度(即可辨别的细节的程度)主要取决于N和m, 这些参量越大，数字阵列对于原来的图像的近似就越好，但是存贮量以及由此而引起的计算量也作为N和m的函数而很快地增加。N与m的选择应根据图像性质与处理目的来决定。由于微型机的普及与发展，M多采用8bit(即256个灰度级)。 24.1.2数字图像处理主要技术的MATLAB实现 24.1.2.1 图像的输入输出 (1) 图像数据与图像类型 图像数据大多数为二维数组，数组元素对应于图像的一个像素(若保存为三维数组