《基于matlab的图像处理PPT课件》由会员分享，可在线阅读，更多相关《基于matlab的图像处理PPT课件（67页珍藏版）》请在金锄头文库上搜索。
1、专业课程设计,基于matlab的图像处理,不积跬步,无以至千里,不积小流,无以成江海,专业课程设计内容,本次专业课程设计是基于MATLAB的图像处理，着重训练Matlab在图像处理方面的应用，能够运用相关软件进行模拟实验。 通过课程设计的学习，能够掌握图像处理的基本知识和方法，主要包括图像变换、图像去噪、图像恢复、图像分割和图像增强等。 撰写专业课程设计报告并提交验收。,专业课程设计目的,数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。随着计算机的发展，图像处理技术在许多领域得到了广泛应用。 通过基于MATLAB的图像处理课程设计，旨在 使学生进一步巩固数字
2、图像处理的基本概念、理论、分析方法和实现方法； 增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力； 尝试所学的内容解决实际工程问题，培养学生的工程实践能力。,进度安排,掌握图像处理相关理论知识；熟悉Matlab语言，学习使用图像处理工具箱(2天) 给定分组题目，提出分组要求，学生查找相关文献。(1天) 分组题目讲解，学生进行分组课程设计，确定解决方案。(2天) 上机调试程序，修改并完善设计，实现相应功能。(3天) 撰写专业课程设计报告并提交验收，分组答辩（以组为单位进行答辩，准备20-30分钟ppt，提交报告不能相同)。(2天),MATLAB概述,MATrix LA
3、Boratory 由美国Math Works公司开发 适合多学科、功能强大 发展自今，已集成科学计算、图像处理、声音处理(包括微积分、代数、数值分析等) 矩阵计算功能强大、还支持符号运算 高级课程的基本教学工具 比其他程序设计语言容易学习,Matlab与数字图像,一幅图像可以被定义为一个二维函数f(x,y)，其中x和y是空间坐标，f在坐标(x,y)处的值称为图像在该点的亮度(灰度)。 一幅图像在Matlab中可以自然地表示成矩阵，并以变量的形式来存储。变量只能由字母、数字和下划线组成。,不同级灰度的图像,256级灰度,16级灰度,8级灰度,4级灰度,不同分辨率下的图像,1024 1024 51
4、2 512 256 256 128 128 64 64 32 32,分辨率：图像的采样点数MN,二值图像与灰度图像,二值图像是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，缺点是，当表示人物，风景的图像时，二值图像只能描述其轮廓，不能描述细节。这时候要用更高的灰度级。,图像文件的读,将图像文件读入内存 imread() 如果图像是灰度图，内存数据为2维矩阵 如果图像是彩色图，内存数据为3维矩阵，3维分别表示红、绿、蓝空间 数据类型为uint8 举例： f=imread(coins.png); f=imread(D:MATLAB7wor
5、kbacteria.tif);,图像文件的写,将内存中的数据以图片形式保存 imwrite() 举例 imwrite(f, coins_1.tif) f可以是一个M-by-N (灰度图像) 或 M-by-N-by-3 (彩色图像)的矩阵,内存数据的图像显示 imshow() 可根据图像数据显示灰度图或彩色图 数据类型必须为uint8，如果数据是double，可用uint8()函数转换，f=uint8(f)。 例：imshow(f),图像文件的显示,Matlab的帮助,在Matlab运行环境下，按F1,图像操作的基本函数,imread() / imwrite() /imshow() imresi
6、ze(A,mrows ncols,method) 图像缩放，mrows ncols为缩放因子，method为nearest(默认)(最近邻插值)、bilinear(双线性插值)、bicubic(三线性插值) imrotate(A,angle,method) 图像逆时针旋转，angle为角度 imcrop(A,rect) 图像剪切，其中rect为x y width height imhist(): 图像直方图计算和显示 histeq(): 直方图均衡化 imnoise(): 图像中添加噪声,图像操作的基本函数,图像变换： fft2(傅里叶变换)、dct2(离散余弦变换)、 反变换：ifft2/i
7、dct2. 图像类型转换 rgb2gray(彩色转灰度)、im2bw(转为2值图像) 空域滤波 filter2(线性平滑滤波)、Medfilt2(中值滤波)、 课下注意对图像操作的基本函数进行练习，并熟练掌握。,图像处理专题,图像分割 根据需要将图像划分为有意义的若干区域或部分的图像处理技术 图像去噪 图像信号在产生、传输过程中都可能会受到噪声的污染，图像去噪的目的是在去除图像中噪声的同时保留更多原始图像中的信息 图像压缩 图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术 图像融合 图像融合技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综
8、合成一幅新的图像以供观察或进一步处理,图像分割,图像分割就是把图像分成若干个特定的、具有独特性质的区域的技术。它是由图像处理到图像分析的关键步骤。 现有的图像分割方法主要分以下几类 基于阈值的分割方法 基于区域的分割方法 基于边缘的分割方法 基于特定理论的分割方法 ,图像分割的数学描述,令集合R代表整个区域，对R的分割可看作将R分成若干个满足以下5个条件的非空子集(子区域)R1,R1,Rn：,(1)所有子集构成图像；(2)各子集不重叠；(3)每个子集中的像素有某种共同的属性；(4)不同的子集属性不同；(5)每个子集中的所有像素应该是连通的。,基于阈值的分割方法,阈值分割法是一种最常用的分割技术
9、。 单阈值分割方法实际上是输入图像f到输出图像g的如下变换：,多阈值分割,由此可见，阈值分割算法主要有两个步骤： 1.确定需要的分割阈值 T；(How to find) 2.将分割阈值与像素灰度值比较以确定像素归属。,多阈值分割：图像中含有多个目标且灰度差别较大时，可以设置多个阈值实现多阈值分割：,式中：Tk为一系列分割阈值； k为赋予每个目标区域的标号；m为分割后的目标区域数减1。,Otsu最大类间方差阈值分割,Otsu法（大津法）由大津于1979年提出的最优阈值方法,是一种在判决分析或最小二乘法原理的基础上推导出来的最大类间方差法。 设图像像素有L个灰度级0,1,2,L-1，ni 表示图像
10、中灰度级为 i 的像素个数，N =n0+n1+n2+nL-1表示图像的总像素数。 图像的灰度直方图被归一化后视为灰度级的概率分布：,令 k 为分割阈值，它把图像中的所有像素按灰度级分成两类C0和C1，即：,那么C0和C1发生的概率可由下式给出：,单阈值分割为例,两类像素的灰度均值分别为：,式中T为图像像素灰度总体平均值,两类像素的灰度方差分别为：,两类像素的类内方差、类间方差和总体方差分别为：,两类像素的类内方差、类间方差和总体方差分别为：,为了评估阈值 k 的优劣，Otsu使用类内方差、类间方差和总体方差定义了两类像素的可分性测度：,Otsu通过最大化上述三个测度之一来选取最佳阈值k，这三个
11、可分性测度是等价的。,三个准则中(k)最为简单，因此选其作为准则，可得到最佳阈值。由于总体方差 与阈值 k 无关，因此，常通过最大化 来获取最优阈值kopt，即：,Otsu阈值计算步骤,例：Otsu最大类间方差阈值分割,I = imread(coins.png); level = graythresh(I); BW = im2bw(I,level); imshow(BW);,基于聚类的图像分割,模糊聚类算法是近年来图像分割技术领域的研究热点之一，模糊C均值聚类(FCM)算法是最常用的聚类算法。 模糊C均值算法是在模糊数学基础上，通过最优化一个模糊目标函数实现聚类，它是赋予每个点一个对各类的隶属
12、度，用隶属度更好地描述像素亦此亦彼的特点，适合处理事物内在的不确定性。 利用模糊C均值(FCM)非监督模糊聚类标定的特点进行图像分割，可以减少人为的干预，且较适合图像中存在不确定性和模糊性的特点。,模糊c均值聚类(FCM),目标函数,FCM算法交替优化,隶属函数更新公式 聚类原型更新公式,FCM算法的迭代过程,FCM图像分割方法实现,I = imread(bacteria.tif); I = double(I); m,n = size(I); k=2; fcm_label=zeros(m*n,1); O,U,obj_fcn1 = fcm(I(:), k); maxU = max(U); for
13、 j=1:k index = find(U(j, :) = maxU); fcm_label(index) = j; end fcm_result=reshape(fcm_label,m n); figure, imshow(fcm_result,);,图像去噪,图像去噪是数字图像处理中的重要环节和步骤。 去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。 图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等；,Matlab加
14、噪函数,imnoise函数 格式：J = imnoise(I,type,parameters) 例子： J = imnoise(I,gaussian,m,v); J = imnoise(I,poisson); J = imnoise(I,salt ,原图,高斯(0,0.01),椒盐(0.05),图像去噪方法,空域方法 对图像中的像素直接进行处理，例如邻域平均法，就是用像素及其指定领域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。 频域方法 对图像进行变换，在频域进行处理，常见的有低通滤波法，就是在变换域，允许低频成分通过，而抑制高频成分。因此它能够去除图
15、像的噪声，实现图像去噪作用。,局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。,空域去噪局部平滑法,设有一幅NN的图像f(x,y)，若平滑图像为g(x,y),则有 式中x,y=0,1,N-1； s 为（x,y）邻域内像素坐标的集合； M 表示集合s 内像素的总数。 可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。,邻域平均法算法步骤： 1、忽略图像边界数据。 2、对相应的元素做加权求和，即采用对应模板对当前
16、像素及其相邻像素点进行统一平均处理 。,（1+2+1+1+2+2+5+7+6）/ 9= 3,（2+1+4+2+2+3+7+6+8）/ 9= 4,（1+4+3+2+3+4+6+8+9）/ 9= 4,（1+2+2+5+7+6+5+7+6）/ 9= 4,（2+2+3+7+6+8+7+6+8）/ 9= 5,（2+3+4+6+8+9+6+8+8）/ 9= 6,（5+7+6+5+7+6+5+6+7）/ 9= 6,（7+6+8+7+6+8+6+7+8）/ 9= 7,（6+8+9+6+8+8+7+8+9）/ 9= 8,原始,3 3 平滑,5 5 平滑,7 7 平滑,原始图像 3*3平滑滤波 5*5平滑滤波,频域去噪,在图像的变换域，对频域系数进行处理，再反变换回去，达到去除图像噪声的目的。 常用变换方法：傅里叶变换、离散余弦变换、小波变换等。 离散余弦变换(DCT for Discrete Cosine Transform)是与傅里叶变换相关的一种变换，它类似于离散傅里叶变换(DFT for Discrete Four
