《基于matlab的圖像處理.ppt》由會員分享，可在線閱讀，更多相關《基于matlab的圖像處理.ppt（67頁珍藏版）》請在裝配圖網(wǎng)上搜索。
1、專業(yè)課程設計,基于matlab的圖像處理,不積跬步,無以至千里,不積小流,無以成江海,專業(yè)課程設計內容,本次專業(yè)課程設計是基于MATLAB的圖像處理，著重訓練Matlab在圖像處理方面的應用，能夠運用相關軟件進行模擬實驗。通過課程設計的學習，能夠掌握圖像處理的基本知識和方法，主要包括圖像變換、圖像去噪、圖像恢復、圖像分割和圖像增強等。撰寫專業(yè)課程設計報告并提交驗收。,專業(yè)課程設計目的,數(shù)字圖像處理，就是用數(shù)字計算機及其他有關數(shù)字技術，對圖像進行處理，以達到預期的目的。隨著計算機的發(fā)展，圖像處理技術在許多領域得到了廣泛應用。通過基于MATLAB的圖像處理課程設計，旨在使學生進一步鞏固數(shù)字圖像處理
2、的基本概念、理論、分析方法和實現(xiàn)方法；增強學生應用Matlab編寫數(shù)字圖像處理的應用程序及分析、解決實際問題的能力；嘗試所學的內容解決實際工程問題，培養(yǎng)學生的工程實踐能力。,進度安排,掌握圖像處理相關理論知識；熟悉Matlab語言，學習使用圖像處理工具箱(2天)給定分組題目，提出分組要求，學生查找相關文獻。(1天)分組題目講解，學生進行分組課程設計，確定解決方案。(2天)上機調試程序，修改并完善設計，實現(xiàn)相應功能。(3天)撰寫專業(yè)課程設計報告并提交驗收，分組答辯（以組為單位進行答辯，準備20-30分鐘ppt，提交報告不能相同)。(2天),MATLAB概述,MATrixLABoratory由美國
3、MathWorks公司開發(fā)適合多學科、功能強大發(fā)展自今，已集成科學計算、圖像處理、聲音處理(包括微積分、代數(shù)、數(shù)值分析等)矩陣計算功能強大、還支持符號運算高級課程的基本教學工具比其他程序設計語言容易學習,Matlab與數(shù)字圖像,一幅圖像可以被定義為一個二維函數(shù)f(x,y)，其中x和y是空間坐標，f在坐標(x,y)處的值稱為圖像在該點的亮度(灰度)。一幅圖像在Matlab中可以自然地表示成矩陣，并以變量的形式來存儲。變量只能由字母、數(shù)字和下劃線組成。,不同級灰度的圖像,256級灰度,16級灰度,8級灰度,4級灰度,不同分辨率下的圖像,1024102451251225625612812864643
4、232,分辨率：圖像的采樣點數(shù)MN,二值圖像與灰度圖像,二值圖像是指每個像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是，當表示人物，風景的圖像時，二值圖像只能描述其輪廓，不能描述細節(jié)。這時候要用更高的灰度級。,,,圖像文件的讀,將圖像文件讀入內存imread()如果圖像是灰度圖，內存數(shù)據(jù)為2維矩陣如果圖像是彩色圖，內存數(shù)據(jù)為3維矩陣，3維分別表示紅、綠、藍空間數(shù)據(jù)類型為uint8舉例：f=imread(coins.png);f=imread(D:MATLAB7workbacteria.tif);,,圖像文件的寫,將內存中的數(shù)據(jù)以圖片形
5、式保存imwrite()舉例imwrite(f,coins_1.tif)f可以是一個M-by-N(灰度圖像)或M-by-N-by-3(彩色圖像)的矩陣,內存數(shù)據(jù)的圖像顯示imshow()可根據(jù)圖像數(shù)據(jù)顯示灰度圖或彩色圖數(shù)據(jù)類型必須為uint8，如果數(shù)據(jù)是double，可用uint8()函數(shù)轉換，f=uint8(f)。例：imshow(f),圖像文件的顯示,Matlab的幫助,在Matlab運行環(huán)境下，按F1,,,,,圖像操作的基本函數(shù),imread()/imwrite()/imshow()imresize(A,mrowsncols,method)圖像縮放，mrowsncols為縮放因子，met
6、hod為nearest(默認)(最近鄰插值)、bilinear(雙線性插值)、bicubic(三線性插值)imrotate(A,angle,method)圖像逆時針旋轉，angle為角度imcrop(A,rect)圖像剪切，其中rect為xywidthheightimhist():圖像直方圖計算和顯示histeq():直方圖均衡化imnoise():圖像中添加噪聲,圖像操作的基本函數(shù),圖像變換：fft2(傅里葉變換)、dct2(離散余弦變換)、反變換：ifft2/idct2.圖像類型轉換rgb2gray(彩色轉灰度)、im2bw(轉為2值圖像)空域濾波filter2(線性平滑濾波)、Medfi
7、lt2(中值濾波)、課下注意對圖像操作的基本函數(shù)進行練習，并熟練掌握。,圖像處理專題,圖像分割根據(jù)需要將圖像劃分為有意義的若干區(qū)域或部分的圖像處理技術圖像去噪圖像信號在產生、傳輸過程中都可能會受到噪聲的污染，圖像去噪的目的是在去除圖像中噪聲的同時保留更多原始圖像中的信息圖像壓縮圖像壓縮是指以較少的比特有損或無損地表示原來的像素矩陣的技術圖像融合圖像融合技術是指將多源信道所采集到的關于同一目標的圖像經過一定的圖像處理，提取各自信道的信息，最后綜合成一幅新的圖像以供觀察或進一步處理,圖像分割,圖像分割就是把圖像分成若干個特定的、具有獨特性質的區(qū)域的技術。它是由圖像處理到圖像分析的關鍵步驟?，F(xiàn)有的圖
8、像分割方法主要分以下幾類基于閾值的分割方法基于區(qū)域的分割方法基于邊緣的分割方法基于特定理論的分割方法,圖像分割的數(shù)學描述,令集合R代表整個區(qū)域，對R的分割可看作將R分成若干個滿足以下5個條件的非空子集(子區(qū)域)R1,R1,Rn：,(1)所有子集構成圖像；(2)各子集不重疊；(3)每個子集中的像素有某種共同的屬性；(4)不同的子集屬性不同；(5)每個子集中的所有像素應該是連通的。,基于閾值的分割方法,閾值分割法是一種最常用的分割技術。單閾值分割方法實際上是輸入圖像f到輸出圖像g的如下變換：,多閾值分割,由此可見，閾值分割算法主要有兩個步驟：1.確定需要的分割閾值T；(Howtofind)2.將分
9、割閾值與像素灰度值比較以確定像素歸屬。,多閾值分割：圖像中含有多個目標且灰度差別較大時，可以設置多個閾值實現(xiàn)多閾值分割：,式中：Tk為一系列分割閾值；k為賦予每個目標區(qū)域的標號；m為分割后的目標區(qū)域數(shù)減1。,Otsu最大類間方差閾值分割,Otsu法（大津法）由大津于1979年提出的最優(yōu)閾值方法,是一種在判決分析或最小二乘法原理的基礎上推導出來的最大類間方差法。設圖像像素有L個灰度級0,1,2,,L-1，ni表示圖像中灰度級為i的像素個數(shù)，N=n0+n1+n2++nL-1表示圖像的總像素數(shù)。圖像的灰度直方圖被歸一化后視為灰度級的概率分布：,令k為分割閾值，它把圖像中的所有像素按灰度級分成兩類C0
10、和C1，即：,,那么C0和C1發(fā)生的概率可由下式給出：,單閾值分割為例,兩類像素的灰度均值分別為：,,,式中T為圖像像素灰度總體平均值,,,,兩類像素的灰度方差分別為：,兩類像素的類內方差、類間方差和總體方差分別為：,,兩類像素的類內方差、類間方差和總體方差分別為：,為了評估閾值k的優(yōu)劣，Otsu使用類內方差、類間方差和總體方差定義了兩類像素的可分性測度：,,Otsu通過最大化上述三個測度之一來選取最佳閾值k，這三個可分性測度是等價的。,三個準則中(k)最為簡單，因此選其作為準則，可得到最佳閾值。由于總體方差與閾值k無關，因此，常通過最大化來獲取最優(yōu)閾值kopt，即：,,Otsu閾值計算步驟,
11、例：Otsu最大類間方差閾值分割,I=imread(coins.png);level=graythresh(I);BW=im2bw(I,level);imshow(BW);,基于聚類的圖像分割,模糊聚類算法是近年來圖像分割技術領域的研究熱點之一，模糊C均值聚類(FCM)算法是最常用的聚類算法。模糊C均值算法是在模糊數(shù)學基礎上，通過最優(yōu)化一個模糊目標函數(shù)實現(xiàn)聚類，它是賦予每個點一個對各類的隸屬度，用隸屬度更好地描述像素亦此亦彼的特點，適合處理事物內在的不確定性。利用模糊C均值(FCM)非監(jiān)督模糊聚類標定的特點進行圖像分割，可以減少人為的干預，且較適合圖像中存在不確定性和模糊性的特點。,模糊c均值
12、聚類(FCM),目標函數(shù),FCM算法交替優(yōu)化,隸屬函數(shù)更新公式聚類原型更新公式,FCM算法的迭代過程,,FCM圖像分割方法實現(xiàn),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);forj=1:kindex=find(U(j,:)==maxU);fcm_label(index)=j;endfcm_result=reshape(fcm_label,mn);figure,imshow(fcm_result,);,圖像去噪,圖像去噪
13、是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟。去噪效果的好壞直接影響到后續(xù)的圖像處理工作如圖像分割、邊緣檢測等。圖像信號在產生、傳輸過程中都可能會受到噪聲的污染，一般數(shù)字圖像系統(tǒng)中的常見噪聲主要有：高斯噪聲（主要由阻性元器件內部產生）、椒鹽噪聲（主要是圖像切割引起的黑圖像上的白點噪聲或光電轉換過程中產生的泊松噪聲）等；,Matlab加噪函數(shù),imnoise函數(shù)格式：J=imnoise(I,type,parameters)例子：J=imnoise(I,gaussian,m,v);J=imnoise(I,poisson);J=imnoise(I,salt,原圖,高斯(0,0.01),椒鹽(0.05),圖像去噪
14、方法,空域方法對圖像中的像素直接進行處理，例如鄰域平均法，就是用像素及其指定領域內像素的平均值或加權平均值作為該像素的新值，以便去除突變的像素點，從而濾除一定的噪聲。頻域方法對圖像進行變換，在頻域進行處理，常見的有低通濾波法，就是在變換域，允許低頻成分通過，而抑制高頻成分。因此它能夠去除圖像的噪聲，實現(xiàn)圖像去噪作用。,局部平滑法是一種直接在空間域上進行平滑處理的技術。假設圖像是由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關性，而噪聲則是獨立的。因此，可用鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現(xiàn)圖像的平滑。,空域去噪局部平滑法,設有一幅NN的圖像f(x,y)，若平滑圖像為g(
15、x,y),則有式中x,y=0,1,,N-1；s為（x,y）鄰域內像素坐標的集合；M表示集合s內像素的總數(shù)?？梢娻徲蚱骄ň褪菍斍跋袼剜徲騼雀飨袼氐幕叶绕骄底鳛槠漭敵鲋档娜ピ敕椒ā?鄰域平均法算法步驟：1、忽略圖像邊界數(shù)據(jù)。2、對相應的元素做加權求和，即采用對應模板對當前像素及其相鄰像素點進行統(tǒng)一平均處理。,（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,
16、（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,33平滑,55平滑,77平滑,,原始圖像3*3平滑濾波5*5平滑濾波,頻域去噪,在圖像的變換域，對頻域系數(shù)進行處理，再反變換回去，達到去除圖像噪聲的目的。常用變換方法：傅里葉變換、離散余弦變換、小波變換等。離散余弦變換(DCTforDiscreteCosineTransform)是與傅里葉變換相關的一種變換，它類似于離散傅里葉變換(DFTforDiscreteFourierTransform)，但是只使用實數(shù)。,二維離散余弦變換-數(shù)學公式,二維
17、離散余弦變換為二維離散余弦反變換為,二維離散余弦變換-矩陣形式,矩陣形式正變換：F=DfD反變換：f=DFD產生DCT矩陣的MATLAB函數(shù)：D=dctmtx(N);,Matlab命令,dct2，idct2J=dct2(I);figure,imshow(log(abs(J)),),colormap(jet(64));I_new=idct2(J);,由圖可以綜合看出，圖片的低頻區(qū)域幅值大，說明圖像信息主要集中在低頻部分，高頻部分有信息但很少，這說明離散余弦變換具有信息緊縮能力。,原圖,系數(shù)顯示,去噪舉例,I=imread(bacteria.tif);I=imnoise(I,gaussian,0,
18、0.001);imshow(I);J=dct2(double(I));figure,imshow(log(abs(J)),),colormap(jet(64));J(abs(J)<20)=0;%idctK=idct2(J)/255;figure;imshow(K,);,課下練習,如何使用dctmtx函數(shù)對圖像進行離散余弦變換？？,圖像壓縮,圖像壓縮是指以較少的比特有損或無損地表示原來的像素矩陣的技術,也稱圖像編碼.圖像數(shù)據(jù)之所以能被壓縮，就是因為數(shù)據(jù)中存在著冗余。圖像數(shù)據(jù)的冗余主要表現(xiàn)為：圖像中相鄰像素間的相關性引起的空間冗余；圖像序列中不同幀之間存在相關性引起的時間冗余；等等。,DCT頻域圖
19、像壓縮,DCT變換本身并不進行數(shù)據(jù)壓縮，它只是將圖像源數(shù)據(jù)映射到另一個域，使數(shù)據(jù)在變換域中容易進行壓縮，變換后的圖像矩陣系數(shù)更獨立和有序。經過DCT變換后，其低頻分量都集中在矩陣左上角，高頻分量分布在矩陣右下角。由于該低頻分量包含了圖象的主要信息，而高頻分量與之相比，不是很重要，所以可以忽略高頻分量，只保留低頻分量，從而達到壓縮數(shù)據(jù)的目的。如何將高頻分量去掉，這就要用到量化方法。,量化表：根據(jù)心理視覺加權函數(shù)得到的量化方法：DCT變換系數(shù)除以量化步長，四舍五入取整,,DCT圖像壓縮流程,解碼器,逆向變換,,,,正向變換,量化器,編碼器,,,,,構造nxn的子圖,,,合成nxn的子圖,輸入圖像N
20、xN,壓縮圖像,壓縮的圖像,解壓后的圖像,舉例離散余弦變換數(shù)據(jù)壓縮,例：DCT作圖像壓縮I=imread(cameraman.tif);I1=double(I)/255;T=dctmtx(8);B=blkproc(I1,88,P1*x*P2,T,T);mask=1111000011100000110000001000000000000000000000000000000000000000;B2=blkproc(B,88,P1.*x,mask);I2=blkproc(B2,88,P1*x*P2,T,T);imshow(I1),figure,imshow(I2);figure,imshow(mat
21、2gray(I1-I2),),,原圖,解壓后的圖像,差異圖像,,什么是圖像融合？,圖像融合(ImageFusion)是用特定的算法將兩幅或多幅圖像綜合成一幅新的圖像。融合結果由于能利用兩幅(或多幅)圖像在時空上的相關性及信息上的互補性，并使得融合后得到的圖像對場景有更全面、清晰的描述，從而更有利于人眼的識別和機器的自動探測。,一、信息融合概述,圖像融合,圖像融合的分類像素（pixels)級融合對應像素的融合。特征(Feature)級融合對應特征的融合決策(decision-making)級融合在、基礎上，通過分類、識別和綜合評價，進行的最后決策。,圖像融合簡介,,Focusonrightpar
22、t,Focusonleftpart,Imagetakenusingautofocusfunction,Fusedimage,,簡單組合式圖像融合方法,邏輯濾波器法,數(shù)學形態(tài)法,圖像代數(shù)法,空間域融合方法,,HIS變換,PCA變換,高通濾波法(HPF),塔式分解法,變換域融合方法,小波變換法,,圖像融合方法,常用的融合方法,空間域融合方法,常見的融合規(guī)則：,對應像素取最大值對應像素取最小值對應像素取平均值加權平均法邏輯運算,簡單組合融合（取?。?融合實例,對應像素取平均,融合實例,多數(shù)融合算法都是基于這樣的假設，即圖像中的特征都表現(xiàn)在頻域系數(shù)絕對值大的地方，因此出現(xiàn)了一些基本規(guī)則：,頻域圖像融合規(guī)則,取最大值加權平均法方差協(xié)方差準則梯度準則局部能量法,頻域圖像融合流程,圖像1,頻域圖像1,,變換,圖像2,頻域圖像2,,變換,,,融合規(guī)則,,融合后的頻域圖像,,融合后的圖像,分組題目,二維Otsu圖像閾值分割算法基于二維熵的圖像閾值分割算法基于抑制式模糊c-均值的圖像分割方法常用空域圖像去噪方法比較及其性能分析采用離散余弦變換(DCT)的圖像去噪方法基于DCT的圖像壓縮方法基于DCT的頻域圖像融合方法,
基于matlab的圖像處理.ppt
