《应用物理学毕业设计论文灰度图像二值化处理》由会员分享,可在线阅读,更多相关《应用物理学毕业设计论文灰度图像二值化处理(25页珍藏版)》请在金锄头文库上搜索。
1、 包头师范学院本科毕业论文题 目:灰度图像二值化处理 学生姓名: 学 院: 物理科学与技术学院 专 业: 应用物理学 班 级: 08级 指导教师: 二 一二 年 4 月中文摘要论文介绍了图像及数字图像处理技术的一些概念和相关知识;介绍了灰度图像的概念及其灰度变换和灰度级插值方法;重点介绍了图像方法二值化研究,其包括的内容有二值化研究动态;全局阈值法;局部阈值法;对Matlab7.0软件的发展和软件在图像处理中的应用做了简要介绍;关键字:图像处理、二值化、灰度化、MATLABAbstractThis paper introduces the image and digital image pro
2、cessing technology of some concepts and related knowledge; introduces the gray image of the concept and the gray level transformation and gray level interpolation method; focuses on image method two value research, which includes the contents of two value research of dynamic; global threshold method
3、; local threshold method for Matlab7.0 software; software development and application in image processing is introduced briefly in this paper;Keywords: image processing, two values, gray, MATLAB引言图像二值化是图像处理中的一项基本技术,也是很多图像处理技术的预处理过程。在颗粒分析、模式识别技术、光学字符识别(OCR)、医学数据可视化中的切片配准等应用中,图像二值化是它们进行数据预处理的重要技术。由于图像
4、二值化过程将会损失原图像的许多有用信息,因此在进行二值化预处理过程中,能否保留原图的主要特征非常关键。在不同的应用中,图像二值化时阈值的选择是不同的。因此,自适应图像阈值的选取方法非常值得研究。研究者对图像二值化方法进行了讨论,在此基础上提出了一个新的图像二值化算法。该算法基于数学形态学理论,较好地保留了图像二值化时原图的边缘特征。论文主要研究图像二值化算法中的MATLAB。目录1.图像灰度化.11.1 图像与数字图像.11.2灰度图像二值化原理及意义.21.3 灰度变换.21.4灰度级差值.102.图像二值化方法研究.122.1 二值化研究动态.122.2 全局阈值法.152.3 局部阈值法
5、.163.灰度图像二值化应用的软件-MATLAB.174.结束语.195.参考文献.20灰度图像二值化处理1. 图像灰度化1.1 图像与数字图像图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计,在人类获取的信息中,视觉信息约占60%,听觉信息约占20%,其他方式加起来才约占20%。由此可见,视觉信息对人类非常重要。同时,图像又是人类获取视觉信息的主要途径,是人类能体验的最重要、最丰富、信息量最大的信息源。通常,客观事物在空间上都是三维的(3D)的,但是从客观景物获得的图像却是属于二维(2D)平面的。图像存在方
6、式多种多样,可以是可视的或者非可视的,抽象的或者实际的,适于计算机处理的和不适于计算机处理的。但就其本质来说,可以将图像分为以下两大类。模拟图像。包括光学图像、照相图像、电视图像等。比如人在显微镜下看到的图像就是一幅光学模拟图像。对模拟图像的处理速度快,但精度和灵活性差,不易查找和判断。数字图像。数字图像是将连续的模拟图像经过离散化处理后得到的计算机能够辨识的点阵图像。在严格意义上讲,数字图像是经过等距离矩形网格采样,对幅度进行等间隔量化的二维函数。因此,数字图像实际上就是被量化的二维采样数组。一幅数字图像都是由若干个数据点组成的,每个数据点称为像素(pixel)。比如一幅256400,就是指
7、该图像是由水平方向上256列像素和垂直方向上400行像素组成的矩形图。每一个像素具有自己的属性,如颜色(color)、灰度(grayscale)等,颜色和灰度是决定一幅图像表现里的关键因素。其中颜色量化等级包括单色、四色、16色、256色、24位真彩色等,量化等级越高,则量化误差越小,图像的颜色表现力越强。同样,灰度是单色图像中像素亮度的表征,量化等级越高,表现力越强。但是随着量化等级的增加数据量将大大增加,使得图像处理的计算量和复杂度相应的增加。图像数字化:图像经过采样和量化,将其变成适当的离散数据结构。一幅图象必须要在空间和灰度上都离散化才能被计算机处理。空间坐标的离散化叫于空间采样,而灰
8、度的离散化叫做灰度量化。采样:连续函数f(x,y)在空间上被 采样成M行、N列的矩阵。采用平面上采样点组成的离散的网格;采用正交函数基将图像函数展开,如富立叶变换,展开系数就代表了该数字图像。1.2灰度图像原理及意义灰度图像是指只含亮度信息,不含色彩信息的图像。将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255种值可取,这样一个像素点可以有1600多万的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,一个像素点的变化范围为255种,所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的
9、图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可先求出每个像素点的R、G、B三个分量的平均值,然后将这个平均值赋予给这个像素的三个分量。单纯的看,灰度图也是黑白的,就像黑白电视显示的图像一样,但是点与点之间黑的程度是不一样的、这就是深度。如果称不同深度的颜色为一色的话,灰度图像就不止只有黑色和白色两种颜色,一般使用的灰度图为256级灰度图,就是说图像由256种不同灰度级的颜色组成。灰度化原理:将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有25
10、5中值可取。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种。本实验实现灰度化的方法是根据YUV的颜色空间中,Y的分量的物理意义是点的亮度,由该值反映亮度等级,根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应:Y=0.3R+0.59G+0.11B,以这个亮度值表达图像的灰度值。随着计算机和信息技术的快速发展,已使数字图像学成为一门专门的学科,而关于图像的处理如图像识别、轮廓提取、图像增强等热点问题的相关技术工作,大都是在灰度图像基础之上进行进一步处理的。1.3灰度变换灰度变换常用于人观察的设备如:X-ray 图像1.3.1灰
11、度级变换(点运算)的定义对于输入图象f(x,y),灰度级变换T将产生一个输出图像g(x,y),且g(x,y)的每一个像素的灰度值(q),都是由f(x,y)的对应输入像素点的灰度值(p) 决定的。q = T(p)qpp2p1p0g(x,y) = T(f(x,y)局部增强图像及其直方图范围:201201.3.2灰度级变换(点运算)的实现q = T(p) 定义了输入像素值与输出像素之间的映射关系,通常通过查表来实现。因此灰度级变换也被称为LUT(Look Up Table)变换。0 1 2 3 4 5 6 7 8 9 250 251 252 253 254 2550 3 5 7 9 11 13 15
12、 17 19 252 253 254 254 254 255灰度实时变换查询表(look-up table)LUT图像信号原始亮度值(地址)变换后的亮度值1.3.3灰度级变换举例灰度级切片0255255pq直方图图象直方图的定义(1)一个灰度级别在范围0,L-1的数字图象的直方图是一个离散函数 p(rk)= nk/n n 是图象的像素总数 nk是图象中第k个灰度级的像素总数 rk 是第k个灰度级,k = 0,1,2,L-1。图象直方图的定义(2)一个灰度级别在范围0,L-1的数字图象的直方图是一个离散函数 p(rk)= nk k = 0,1,2,L-1 由于rk的增量是1,直方图可表示为:p(
13、k)= nk 即,直方图表示图象中不同灰度级像素出现的次数较暗图象的直方图p(rk) nk 较亮图象的直方图p(rk) nk 对比度较低图象的直方图 p(rk) nk对比度较高图象的直方图 p(rk) nk1.3.4直方图应用举例直方图均衡化一种自动调节图象对比度质量的算法使用的方法灰度级变换:q = T(rk) 基本思想是通过灰度级r的概率密度函数p(rk ),求出灰度级变换T(r) ,建立等值像素出现的次数与结果图象像素值之间的关系。直方图均衡化产生一幅图像,整个图像亮度范围内具有相等的灰分布度。H(p)qG(q)p输入的灰度直方图输出的灰度直方图q = T(p)单调像元亮度变换qkq01.4灰度级插值像素移交向前映射像素填充向后映射输入输出如果几何变换将一个输入像元映射到四个输出像元之间,也就是变换点给出的输出像元位置是非整数坐标。这个输出像元的灰度值需要用几个相邻的整数采样网格点的像元亮度值内插的方法得到。由于畸变, (x ,y)点不在输入图像的采样网格点上,所以, (x ,y)点的亮度值不知道。假设,计算输出图像(x ,y ) 点的亮度。(x ,y )(x,y)=T-1 (x ,y )(x ,y)做一个平面反变换T-1 就可以得到输入图像在(x,y)点的坐标。也可以这样理解:对于输入图像,只知道:采样量化的数据(n x, m y)