基于matlab数字图像增强处理,毕业论文设计,开题报告,外文翻译

摘 要



数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。

关键词：MATLAB，数字图像处理，图像增强，二值图像

Abstract

Digital image processing is an emerging technology, with the development of computer hardware, real-time digital image processing has become possible due to digital image processing algorithms to appear, making it faster and faster processing speed, better for People services .Digital image processing is used by some algorithms computer graphics image processing technology. Digital image processing technology has been in various areas have a relatively wide range of applications. Image processing large amount of information on the processing speed requirement is relatively high. MATLAB powerful computing and graphics display capabilities, so that image processing becomes more simple and intuitive. This paper introduces characteristics of MATLAB language and this MATLAB-based digital image processing environment, describes how to use the MATLAB Image Processing Toolbox for its digital image processing, and through some examples to illustrate the use of MATLAB Image Processing Toolbox for image processing method. Mainly discusses the use of MATLAB for image enhancement,2-numeric image and other image processing technologies.

Key words：MATLAB, digital image processing,  image enhancement,

2-numeric image
目 录

TOC \o "1-2" \z \u HYPERLINK \l "_Toc230062940" 摘 要 230062940 I

HYPERLINK \l _Toc22417 1 绪论 22417 1

HYPERLINK \l _Toc14955 1.1 课题研究目的及意义 14955 1

HYPERLINK \l _Toc21946 1.2 国内外研究现状 21946 2

HYPERLINK \l _Toc15656 1.3 本课题研究工作与结构安排 15656 3

HYPERLINK \l "_Toc230062944" 2 数字图像增强处理方法简介 5

HYPERLINK \l "_Toc230062945" 2.1 基本概念 6

HYPERLINK \l "_Toc230062946" 2.2 图像增强处理方法 7

HYPERLINK \l "_Toc230062947" 3 MATLAB基本知识介绍 230062947 7

HYPERLINK \l "_Toc230062948" 3.1 MATLAB的概述 230062948 7

HYPERLINK \l "_Toc230062949" 3.2 MATLAB产生的历史背景 230062949 7

3.3MATLAB语言的特点...........................................................................

3.4MATLAB 在图像处理中的应用...........................................................

HYPERLINK \l "_Toc230062950" 4 图像增强 230062950 9

HYPERLINK \l "_Toc230062951" 4.1 空域变换增强 230062951 9

4.1.1增强对比度

4.1.2 图像求反

HYPERLINK \l "_Toc230062952" 4.2 空域滤波增强 230062952 9

4.2.1 基本原理

4.2.2 线性平滑滤波器

4.2.3 非线性平滑滤波器

4.2.4 线性锐化滤波器

4.3 频域增强

4.3.1 基本原理

4.3.2 低通滤波

4.3.3 高通滤波

5 二值图像分析

5.1 引言

5.2 二值形态学的基本运算

5.2.1 膨胀

5.2.2 腐蚀

5.3 二值分析进行图像处理综合应用

5.3.1 噪声滤除

5.3.2 边界提取

6 总结与展望

6.1 总结

6.2 展望

HYPERLINK \l "_Toc230062957" 致 谢 230062957 14

HYPERLINK \l "_Toc230062958" 参考文献 230062958 15

HYPERLINK \l "_Toc230062959" 附 录 230062959 16

（目录自动生成，插入——引用——索引和目录，目录，级别改完2级，然后按一级标题用加黑四号宋体，二级标题用小四宋体调整格式
1 绪论

本章简略介绍课题的研究目的及意义，该课题国内外研究现状以及论文内容安排等。

1.1 课题研究目的及意义

数字图像处理（Digital Image Processing），就是利用数字计算机或者其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。

由于计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向许多其他学科快速交叉渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。

MathWorks公司推出的MATLAB软件是学习数理知识的好帮手。应用MATLAB友好的界面和丰富、实用、高效的指令及模块，可以使人较快地认识、理解图像处理的相关概念，逐步掌握图像信号处理的基本方法，进而能够解决相关的工程和科研中的问题。

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大，已在国家安全、经济发展、日常生活中充当越来越重要的角色,对国计民生的作用不可低估。

1.2 国内外研究现状

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。

与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索新的领域。

1.3 本课题研究工作与结构安排
本文主要以MATLAB为工具来实现数字图像的处理。全文共分6章，结构安排如下：

第一章 绪论，介绍了课题研究目的及意义和国内外研究现状。

第二章 介绍了数字图像增强处理的基本简介。

第三章 介绍了Matlab基本知识的介绍。

第四章 介绍了图像增强的原理及利用MATLAB 来实现图像增强。

第五章 介绍了二值图像操作原理及利用MATLAB实现二值图像操作。

第六章 总结与展望。
2 数字图像增强处理基本简介

2.1 基本概念

图像增强是一类基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视觉效果更好、更有用的图像。这里的好和有用要因具体的应用目的和要求而异，并且所需的具体增强技术也可不同。

目前常用的增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变化域的方法。第一类，直接在图像所在的空间进行处理，也就是在像素组成的空间里直接对像素进行操作；第二类，在图像的变化域对图像进行间接处理。

2.2 图像增强处理的方法简介

2.1.1空间变换增强

空间变换增强又包含了增强对比度和图像求反。

增强对比度实际是增强原图像的各部分的反差。实际中往往是通过原图中某两个灰度值之间的动态范围来实现的。

对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。

普通的黑白底片和照片就是这样的关系。具体的变换就是将图像中每个像素的灰度值根据变换曲线进行映射。

2.1.2空域滤波增强

空域滤波可分为线形滤波和非线形滤波两类。

线形滤波器的设计常基于对傅立叶变换的分析。

非线形空域滤波器则一般直接对邻域进行操作。

另外各种滤波器根据功能又主要分成平滑滤波和锐化滤波。平滑可用低通来实现，锐化可用高通来实现

平滑滤波器：它能减弱或消除傅立叶空间的高频分量，但不影响在低频分量。因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。

锐化滤波器：它能减弱或消除傅立叶空间的高频分量

2.1.3频域增强

频域增强的基本原理是：卷积理论是频域技术的基础。设函数f（x,y）与线性位不变算子h（x,y）的卷积结果是g（x,y），即g(x,y)=h(x,y)*f(x,y)

那么根据卷积定理在频域有：

G(x,y)=H(u,v)F(u,v)

其中G(x,y)、 H(u,v)、F(u,v)分别是g(x,y)、h(x,y)、f(x,y)的傅立叶变换。

频域增强的两个关键步骤：

（1）将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换；

（2）在频域空间对图像进行增强加工操作。

常用的频域增强方法有低通滤波和高通滤波。

低通滤波也称低频滤波器。图像的能量大部分集中在幅度谱的低频和中频度，而图像的边缘和噪声对应于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。

高通滤波也称高频滤波器，它的频值在0频率处单位为1，随着频率的增长，传递函数的值逐渐增加；当频率增加到一定值之后传递函数的值通常又回到0值或者降低到某个大于1的值。在前一种情况下，高频增强滤波器实际上是依照能够带通滤波器，只不过规定0频率处的增益为单位1。

实际应用中，为了减少图像中面积大且缓慢变化的成分的对比度，有时让0频率处的增益小于单位1更合适。如果传递函数通过原点，则可以称为laplacian滤波器。

3 MATLAB基本知识介绍

3.1 MATLAB的概述

MATLAB 是MATrix LABoratory（“矩阵实验室”）的缩写，是由美国MathWorks 公司开发的集数值计算、符号计算和图形可视化三大基本功能于一体的，功能强大、操作简单的语言。是国际公认的优秀数学应用软件之一。

MATLAB的基本数据单位是矩阵，它的指令表达式与数学,工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完相同的事情简捷得多。

MATLAB包括拥有数百个内部函数的主包和三十几种工具包(Toolbox).工具包又可以分为功能性工具包和学科工具包.功能工具包用来扩充MATLAB的符号计算,可视化建模仿真,文字处理及实时控制等功能.学科工具包是专业性比较强的工具包,控制工具包,信号处理工具包,通信工具包等都属于此类.

开放性使MATLAB广受用户欢迎.除内部函数外,所有MATLAB主包文件和各种工具包都是可读可修改的文件,用户通过对源程序的修改或加入自己编写程序构造新的专用工具包.

3.2 MATLAB产生的历史背景

在70年代中期,Cleve Moler博士和其同事在美国国家科学基金的资助下开发了调用EISPACK和LINPACK的FORTRAN子程序库.EISPACK是特征值求解的FOETRAN程序库,LINPACK是解线性方程的程序库.在当时,这两个程序库代表矩阵运算的最高水平.

　  到70年代后期,身为美国New Mexico大学计算机系系主任的Cleve Moler,在给学生讲授线性代数课程时,想教学生使用EISPACK和LINPACK程序库,但他发现学生用FORTRAN编写接口程序很费时间,于是他开始自己动手,利用业余时间为学生编写EISPACK和LINPACK的接口程序.Cleve Moler给这个接口程序取名为MATLAB,该名为矩阵(matrix)和实验室(labotatory)两个英文单词的前三个字母的组合.在以后的数年里,MATLAB在多所大学里作为教学辅助软件使用,并作为面向大众的免费软件广为流传.

　  1983年春天,Cleve Moler到Standford大学讲学,MATLAB深深地吸引了工程师John Little.John Little敏锐地觉察到MATLAB在工程领域的广阔前景.同年,他和Cleve Moler,Steve Bangert一起,用C语言开发了第二代专业版.这一代的MATLAB语言同时具备了数值计算和数据图示化的功能.

　  1984年,Cleve Moler和John Little成立了Math Works公司,正式把MATLAB推向市场,并继续进行MATLAB的研究和开发.

　  在当今30多个数学类科技应用软件中,就软件数学处理的原始内核而言,可分为两大类.一类是数值计算型软件,如MATLAB,Xmath,Gauss等,这类软件长于数值计算,对处理大批数据效率高;另一类是数学分析型软件,Mathematica,Maple等,这类软件以符号计算见长,能给出解析解和任意精确解,其缺点是处理大量数据时效率较低.MathWorks公司顺应多功能需求之潮流,在其卓越数值计算和图示能力的基础上,又率先在专业水平上开拓了其符号计算,文字处理,可视化建模和实时控制能力,开发了适合多学科,多部门要求的新一代科技应用软件MATLAB.经过多年的国际竞争,MATLAB以经占据了数值软件市场的主导地位.

　  在MATLAB进入市场前，国际上的许多软件包都是直接以FORTRANC语言等编程语言开发的。这种软件的缺点是使用面窄，接口简陋，程序结构不开放以及没有标准的基库，很难适应各学科的最新发展，因而很难推广。MATLAB的出现，为各国科学家开发学科软件提供了新的基础。在MATLAB问世不久的80年代中期，原先控制领域里的一些软件包纷纷被淘汰或在MATLAB上重建。

时至今日，经过MathWorks公司的不断完善，MATLAB已经发展成为适合多学科，多种工作平台的功能强大大大型软件。在国外，MATLAB已经经受了多年考验。在欧美等高校，MATLAB已经成为线性代数，自动控制理论，数理统计，数字信号处理，时间序列分析，动态系统仿真等高级课程的基本教学工具；成为攻读学位的大学生，硕士生，博士生必须掌握的基本技能。在设计研究单位和工业部门，MATLAB被广泛用于科学研究和解决各种具体问题。在国内，特别是工程界，MATLAB一定会盛行起来。可以说，无论你从事工程方面的哪个学科，都能在MATLAB里找到合适的功能。

3.3 MATLAB语言的特点

一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点，正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB最突出的特点就是简洁。MATLAB用更直观的，符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观，最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点。

（1）语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用起丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用MATLAB进行科技开发是站在专家的肩膀上。

（2）运算符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短。

（3）MATLAB既具有结构化的控制语句（如for循环，while循环，break语句和if语句），又有面向对象编程的特性。

（4）程序限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵预定义就可使用。

（5）程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。

（6）MATLAB的图形功能强大。在FORTRAN和C语言里，绘图都很不容易，但在MATLAB里，数据的可视化非常简单。MATLAB还具有较强的编辑图形界面的能力。

（7）MATLAB的缺点是，它和其他高级程序相比，程序的执行速度较慢。由于MATLAB的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。

（8）功能强大的工具箱是MATLAB的另一特色。MATLAB包含两个部分：核心部分和各种可选的工具箱。核心部分中有数百个核心内部函数。其工具箱又分为两类：功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能，图示建模仿真功能，文字处理功能以及与硬件实时交互功能。功能性工具箱用于多种学科。而学科性工具箱是专业性比较强的，如control，toolbox, signl processing toolbox,

commumnication toolbox等。这些工具箱都是由该领域内学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高、精、尖的研究。

源程序的开放性。开放性也许是MATLAB最受人们欢迎的特点。除内部函数以外，所有MATLAB的核心文件和工具箱文件都是可读可改的源文件，用户可通过对源文件的修改以及加入自己的文件构成新的工具箱。

3.4 MATLAB在图像处理中的应用

图像处理工具包是由一系列支持图像处理操作的函数组成的。所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT变换等) 、图像分析和统计、二值图像操作等。下面就MATLAB 在图像处理中各方面的应用分别进行介绍。

（1） 图像文件格式的读写和显示。MATLAB 提供了图像文件读入函数 imread()，用来读取如:bmp、tif、tiffpcx 、jpg 、gpeg 、hdf、xwd等格式图像文；图像写出函数 imwrite() ，还有图像显示函数 image()、imshow()等等。

（2） 图像处理的基本运算。MATLAB 提供了图像的和、差等线性运算 ，以及卷积、相关、滤波等非线性算。例如，conv2(I，J)实现了I，J两幅图像的卷积。

（3） 图像变换。MATLAB 提供了一维和二维离散傅立叶变换(DFT) 、快速傅立叶变换(FFT) 、离散余弦变换 (DCT) 及其反变换函数，以及连续小波变换(CWT)、离散小波变换(DWT)及其反变换。

（4） 图像的分析和增强。针对图像的统计计算MATLAB 提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。

（5） 图像的数学形态学处理。针对二值图像，MATLAB 提供了数学形态学运算函数；腐蚀(Erode)、膨胀(Dilate)算子，以及在此基础上的开 (Open)、闭(Close)算子、厚化 (Thicken) 、薄化 (Thin) 算子等丰富的数学形态学运算。

以上所提到的 MATLAB在图像中的应用都是由相应的MATLAB函数来实现的，使用时，只需按照函数的调用语法正确输入参数即可。具体的用法可参考MATLAB丰富的帮助文档。图像边缘对图像识别和计算机分析十分有用，在MATLAB中，函数 edge()用于灰度图像边缘的提取，它支持六种不同的边缘提取方法，即Sobel方法、Prewitt 方法、Robert 方法，Laplacian2Gaussian方法、过零点方法和Canny方法。
4 图像增强

图像增强是一类基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视觉效果更好、更有用的图像。这里的好和有用要因具体的应用目的和要求而异，并且所需的具体增强技术也可不同。

目前常用的增强技术根据其处理所进行的空间不同，可分为基于图像域的方法和基于变化域的方法。第一类，直接在图像所在的空间进行处理，也就是在像素组成的空间里直接对像素进行操作；第二类，在图像的变化域对图像进行间接处理。

空域增强方法可表示为：g(x,y)=EH[f(x,y)]

其中f（x，y）和g（x，y）分别为增强前后的图像，EH代表增强操作。

4.1 空域变换增强

4.1.1 增强对比度

增强对比度实际是增强原图像的各部分的反差。实际中往往是通过原图中某两个灰度值之间的动态范围来实现的（如图4-1）。

EMBED PBrush

图4-1 增强对比度

在图4．1．1中可以看出，通过变换可以使原图的较高的和较低的灰度值的动态范围减小了，而原图在二者之间的动态范围增加了，从而其范围的对比度增加了。

MATLAB代码所示：

X1=imread('pout.tif');

figure,imshow(X1)

f0=0;g0=0;

f1=70;g1=30;

f2=180;g2=230;

f3=255;g3=255;

r1=(g1-g0)/(f1-f0);

b1=g0-r1*f0;

r2=(g2-g1)/(f2-f1);

b2=g1-r2*f1;

r3=(g3-g2)/(f3-f2);

b3=g2-r3*f2;

[m,n]=size(X1);

X2=double(X1);

for i=1:m

for j=1:n

f=X2(i,j);

g(i,j)=0;

if(f>=0)&(f<=f1)

g(i,j)=r1*f+b1;

elseif (f>=f1)&(f<=f2)

g(i,j)=r2*f+b2;

elseif (f>=f2)&(f<=f3)

g(i,j)=r3*f+b3;

end

end

end

figure,imshow(mat2gray(g))

图像处理图示(如图4-2和图4-3)



图4-2 原图 图4-3增强对比度所得图像

4.1.2 图像求反

对图像求反是将原来的灰度值翻转，简单的说就是使黑变白，使白变黑。

普通的黑白底片和照片就是这样的关系。具体的变换就是将图像中每个像素的灰度值根据变换曲线进行映射。

MATLAB代码所示：

X1=imread('pout.tif');

f1=200;

g1=256;

k=g1/f1;

[m,n]=size(X1);

X2=double(X1);

for i=1:m

for j=1:n

f=X2(i,j);

g(i,j)=0;

if(f>=0)&(f<=f1)

g(i,j)=g1-k*f;

else

g(i,j)=0;

end

end

end

figure,imshow(mat2gray(g))

图像处理图如图4-4所示：
图4-4 图像求反后

4.2 空域滤波增强

一般情况下，像素的邻域比该像素要大，也就是说这个像素的邻域中除了本身以外还包括其他像素。在这种情况下，g(x,y)在(x,y)位置处的值不仅取决于f(x,y)在以(x,y)为中心的邻域内所有的像素的值。如仍以s和t分别表示f(x,y)在(x,y)位置处的灰度值，并以n(s)代表f(x,y)在(x,y)邻域内像素的灰度值，则 t=EA[s,n(s)]

为在邻域内实现增强操作，常可利用模板与图像进行卷积。每个模板实际上是一个二维数组，其中各个元素的取值定了模板的功能，这种模板操作也称为空域滤波。

4.2.1 基本原理

空域滤波可分为线形滤波和非线形滤波两类。

线形滤波器的设计常基于对傅立叶变换的分析。

非线形空域滤波器则一般直接对邻域进行操作。

另外各种滤波器根据功能又主要分成平滑滤波和锐化滤波。平滑可用低通来实现，锐化可用高通来实现

平滑滤波器：它能减弱或消除傅立叶空间的高频分量，但不影响在低频分量。因为高频分量对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。

锐化滤波器：它能减弱或消除傅立叶空间的高频分量

空域滤波器都是利用模板卷积，主要步骤如下：

（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合；

（2）将模板上的系数与模板下对应的像素相乘；

（3）将所有的乘积相加；

（4）将和（模板的输出响应）赋给图中对应的模板中心位置像素。

下面分别介绍在MATLAB中如何应用平滑和锐化滤波器。

4.2.2 线性平滑滤波器

线性低通滤波器是最常用的线性平滑滤波器。这种滤波器的所有系数都是正的。对3*3的模板来说，最简单的操作是取所有系数都为1。为保证输出图像仍在原来的灰度范围内，在计算R后要将其除以9再进行赋值。这种方法称为邻域平均法。

MATLAB实现均值过滤器的代码所示：

I=imread('saturn.tif');

J=imnoise(I,'salt & pepper',0.02);

imshow（I）

figure，imshow（J）

K1=filter2(fspecial('average',3),J)/255;

figure,imshow(K1)

title('3*3的均值滤波器')

原图像，加入椒盐噪声的图像和均值滤波的图像分别如图4-5、图4-6和图4-7所示。



图4-5 原图 图4-6加入椒盐噪声图像
图4-7 3*3的均值滤波器处理结果

4.2.3 非线性平滑滤波器

中值滤波器是最常用的非线性平滑滤波器。它是一种临域运算，类似于卷积，但计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择改组的中间值作为输出的像素值。具体步骤：

（1）将模板在图像中漫游，并将模板中心和图像某个像素的位置重合；

（2）读取模板下对应像素的灰度值；

（3）将这些灰度值从小到大排成一列；

（4）找出这些值排在中间的一个；

（5）将这个中间值赋给对应模板中心位置的像素。

MATLAB实现中值滤波器代码所示：

I=imread('saturn.tif');

J=imnoise(I,'salt & pepper',0.02);

K1=medfilt2(J,[3,3]);

figure,imshow(K1)

中值滤波的结果如图4-8所示。
图4-8 中值滤波结果

4.2.4 线性锐化滤波器

线性高通滤波器是最常用的线性锐化滤波器。这种滤波器的中心系数都是正的，而周围的系数都是负的。对3*3的模板来说，典型的系数取值是：

[-1 –1 –1；-1 8 –1；-1 –1 -1]

事实上这是拉普拉斯算子，所有的系数之和为0。当这样的模板放在图像中灰度值是常数或变化很小的区域时，其输出为0或很小。这个滤波器将原来的图像中的零频域分量去除了，也就是将输出的图像的平均值变为0，这样就会有一部分像素的灰度值小于0。在图像处理中我们一般只考虑正的灰度值，所以还有将输出图像的灰度值范围通过尺度变回到所要求的范围。

MATLAB代码所示：

I=imread('saturn.tif');

m=fspecial('laplacian')

I1=filter2(m,I)

h=fspecial('unsharp',0.5);

I2=filter2(h,I)/255;

subplot(1,2,1);

imshow(I1);

title('高通滤波laplacian算子')

subplot(1,2,2);

imshow(I2);

title('高通滤波unsharp')

处理结果如图4-9所示：
图4-9空域高通滤波

4.3 频域增强

4.3.1 基本原理

卷积理论是频域技术的基础。设函数f（x,y）与线性位不变算子h（x,y）的卷积结果是g（x,y），即g(x,y)=h(x,y)*f(x,y)

那么根据卷积定理在频域有：

G(x,y)=H(u,v)F(u,v)

其中G(x,y)、 H(u,v)、F(u,v)分别是g(x,y)、h(x,y)、f(x,y)的傅立叶变换。

频域增强的主要步骤是：

（1）技术所需增强图的傅立叶变换；

（2）将其与一个（根据需要设计的）转移函数相乘；

（3）再将结果进行傅立叶反变换以得到增强的图。

频域增强的两个关键步骤：

（1）将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换；

（2）在频域空间对图像进行增强加工操作。

常用的频域增强方法有低通滤波和高通滤波。以下分别介绍在MATLAB中如何实现。

4.3.2 低通滤波

图像的能量大部分集中在幅度谱的低频和中频度，而图像的边缘和噪声对应于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。

Butterworth 低通滤波器是一种物理上可以实现的低通滤波器，n阶，截断频率为d0的Butterworth低通滤波器的转移函数为：

H（u，v）= EMBED Equation.3

用MATLAB实现Butterworth低通滤波器的代码所示：

I1=imread('Saturn.tif');

figure,imshow(I1)

I2=imnoise(I1,'salt');

figure,imshow(I2)

f=double(I2);

g=fft2(f);

g=fftshift(g);

[N1,N2]=size(g);

n=2;

d0=50;

n1=fix(N1/2);

n2=fix(N2/2);

for i=1:N1

for j=1:N2

d=sqrt((i-n1)^2+(j-n2)^2);

h=1/(1+0.414*(d/d0)^(2*n));

result(i,j)=h*g(i,j);

end

end

result=ifftshift(result);

X2=ifft2(result);

X3=uint8(real(X2));

figure,imshow(X3)

原图和处理结果如图4-10和图4-11所示



图4-10 加噪 图4-11 去噪

4.3.3 高通滤波

高通滤波也称高频滤波器，它的频值在0频率处单位为1，随着频率的增长，传递函数的值逐渐增加；当频率增加到一定值之后传递函数的值通常又回到0值或者降低到某个大于1的值。在前一种情况下，高频增强滤波器实际上是依照能够带通滤波器，只不过规定0频率处的增益为单位1。

实际应用中，为了减少图像中面积大且缓慢变化的成分的对比度，有时让0频率处的增益小于单位1更合适。如果传递函数通过原点，则可以称为laplacian滤波器。

n阶截断频率为d0的Butterworth高通滤波器的转移函数为：

H（u，v）= EMBED Equation.3

MATLAB实现Butterworth高通滤波器代码所示：

I1=imread('blood1.tif');

figure,imshow(I1)

f=double(I1);

g=fft2(f);

g=fftshift(g);

[N1,N2]=size(g);

n=2;

d0=5;

n1=fix(N1/2);

n2=fix(N2/2);

for i=1:N1

for j=1:N2

d=sqrt((i-n1)^2+(j-n2)^2);

if d==0

h=0;

else

h=1/(1+(d0/d)^(2*n));

end

result(i,j)=h*g(i,j);

end

end

result=ifftshift(result);

X2=ifft2(result);

X3=uint8(real(X2));

figure,imshow(X3)

原图和处理结果如图4-12和4-13所示。



图4-12原图 图4-13高通滤波5 二值图像分析

二值图像中所有的像素只能从0和1这两个值中取，因此在MATLAB中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。以这种方式来操作图像可以更容易识别出图像的结构特征。

5.1 引言

二值图像操作只返回与二值图像的形式或结构有关的信息，如果希望对其他类型的图像进行同样的操作，则首先要将其转换为二进制的图像格式，可以通过调用MATLAB提供的im2bw（）来实现，方法如下：

I=imread('cameraman.tif');

figure,imshow(I)

J=im2bw(I);

figure,imshow(J)

title('二值化处理')

原图和二值化的结果分别如图5-1和图5-2所示



图5-1原图 图5-2 二值化的结果

5.2 二值形态学的基本运算

数学形态学的基础是集合运算，我们把二值图像A看作是二维坐标点的集合，包含图像里为1的点，B通常是一个小的集合，作用类似于模板。

膨胀（Dilation）运算A⊕B

腐蚀（Erosion）运算A EMBED Equation.3 B

开（Open）运算

闭（Close）运算

5.2.1 膨胀

膨胀的算符为 EMBED Equation.3 ，A用B来膨胀写作A EMBED Equation.3 B，这里先将A和B看作是所有取值为1的像素点的集合。其定义为：A EMBED Equation.3 B= EMBED Equation.3 }

B膨胀A的过程是：先对B做关于中心像素的映射，再将其映像平移x，换句话说，用B来膨胀A得到的集是B平移后与A至少有一个非零元素相交时B的中心像素的位置的集合。

在MATLAB中运用dilate（）函数来实现膨胀操作。

此外，MATLAB中还提供了预定义的形态函数bwmorph。

MATLAB的代码：

I=imread('cameraman.tif');

J=im2bw(I);

BW1=bwmorph(J,'dilate');

subplot(1,2,1);

subimage(J);

title('二值处理的图像');

subplot(1,2,2);

subimage(BW1);

title('使用bwmorph函数膨胀')

图像处理结果如图5-3所示
图5-3膨胀处理后

5.2.2 腐蚀

腐蚀的算符为 EMBED Equation.3 ，A用B来腐蚀写作A EMBED Equation.3 B。其定义为 EMBED Equation.KSEE3 \* MERGEFORMAT

用B来腐蚀A得到集合是B完全包括在A中时B的中心像素位置的集合。MATLAB中用erode函数来实现腐蚀操作。

MATLAB代码如下：

I=imread('cameraman.tif');

J=im2bw(I);

SE=eye(5);

BW1=erode(J,SE);

subplot(1,2,1);

subimage(J);

title('二值处理的图像');

subplot(1,2,2);

subimage(BW1);

title('使用erode函数腐蚀')

图像处理结果如图5-4所示
图5-4腐蚀处理后

5.3 二值分析进行图像处理综合应用

5.3.1 噪声滤除

将开启和闭合结合起来可构成噪声滤除器。开启就是先对图像进行腐蚀后膨胀其结果。闭合就是先对图像进行膨胀后腐蚀其结果。

开启和闭合这两种运算都可以除去比结构元素小特定图像细节，同时保证不产生全局几何失真。开启运算可以把结构元素小的突刺滤掉，切断细长搭接而起到分离作用。闭合运算可以把比结构元素小的缺口或孔填充上，搭接短的间断而起到连通的作用。

将开启和闭合结合起来可构成形态学噪声滤除器。开启结果将背景上的噪声去除了；再进行闭合则将噪声去掉。

MATLAB代码：

I1=imread('saturn.tif');

I2=im2bw(I1);

I2=double(I2);

I3=imnoise(I2,'salt & pepper');

I4=bwmorph(I3,'open');

I5=bwmorph(I4,'close');

subplot(2,2,1);

subimage(I2);

title('二值处理的图像');

subplot(2,2,2);

subimage(I3);

title('加入椒盐噪声的图像')

subplot(2,2,3);

subimage(I4);

title('开启操作所得的图像');

subplot(2,2,4);

subimage(I5);

title('再关闭操作所得的图像')

图像处理如图5-5所示
图5-5 噪声滤除处理

5.3.2 边界提取

二值图像中，所谓的对像就是值为1的连接在一起的像素的集合。例如以下的代表了一个简单的3*3的方形对像

0 0 0 0 0

1 1 1 0 0

1 1 1 0 0

1 1 1 0 0

0 0 0 0 0

有4-连接和8-连接边沿

对于大多数操作来说，二值图像中对像的识别依赖于确定图像中相邻像素是否连接的约定方式。

边界提取实际上就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点都是黑色时(此时该点是内部点)，则将该点删除。

在MATLAB中提供了bwperim（I,n）函数来提取二值图像中对像的边界像素。其中n表示采用何种连接，默认为4-连接。

MATLAB代码所示：

I1=imread('blood1.tif');

I2=im2bw(I1);

I3=bwperim(I2);

subplot(1,2,1);

subimage(I2);

title('二值处理的图像');

subplot(1,2,2);

subimage(I3);

title('边界处理的图像')

图像处理结果如图5-6所示:
图5-6 边界提取处理
6 总结与展望

6.1 总结

本文主要介绍了数字图像增强处理的方法以及MATLAB语言的特点，基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其数字图像增强处理的方法。在第四章、第五章主要论述了图像增强及二值图像的原理，并利用MATLAB来实现图像增强、二值图像分析等图像处理。　

6.2 展望

随着计算机处理能力的不断增强，数字图像处理学科在飞速发展的同时，也越来越广泛地向许多其他学科快速交叉渗透，使得图像作为信息获取以及信息的利用等方面也变得越来越重要。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。

MathWorks 公司开发的MATLAB最突出的特点就是简洁。MATLAB用更直观的，符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观，最简洁的程序开发环境。应用MATLAB友好的界面和丰富、实用、高效的指令及模块，可以使人较快地认识、理解图像处理的相关概念，逐步掌握图像信号处理的基本方法，进而能够解决相关的工程和科研中的问题。

利用MATLAB来实现数字图像处理使数字图像处理更加方便简单。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使数字图像处理成为一门引人注目、前景远大的新型学科。
致 谢

在论文完成之际，我心情无法平静。大学期间，尤其是毕业论文完成期间，有很多可敬的老师和同学给予了我无私帮助。对此我深怀感激。

首先感谢导师杨柳老师从始至终的关心、指导和教诲。杨老师追求真理、一丝不苟、严格律己、宽以待人的崇高品质对学生将是永远的鞭策。

本次毕业设计从课题选题、信息收集到论文的撰写都是在杨老师全面、具体、耐心的指导下进行的。特别是杨老师不厌其烦的指出设计中的不足及问题的解决方向，使我感受到杨老师的渊博学识、敏锐思维和民主严谨的作风。论文写作过程中，从行文的用语到格式的规范，都力求完美。这里再次对杨柳老师的无私付出表示深深的谢意。

其次在设计的过程中，感谢给予我帮助的同学们，在此对其表示感谢。

然后感谢琴岛学院各位老师对我的培养和关心，感谢我的家人在大学期间对我的支持和鼓励。

最后祝琴岛学院各位老师工作顺利，祝琴岛学院明天更美好。参考文献

[1]徐明远，刘增力，《MATLAB仿真在信号处理中的应用》，西安电子科技大学出版社，2007.11

[2]于万波，《基于MATLAB的图像处理》，清华大学出版社，2008.3

[3]飞思科技产品研发中心，《MATLAB6.5辅助图像处理》，电子工业出版社，2003.1

[4]章毓晋，《图像处理与分析》，北京清华大学出版社 2004.7

[5]张志涌，《精通MATLAB6.5》， 北京北航电子版，2002.12

[6]孙家广，杨长贵.，《计算机图形学》， 清华大学出版社，1995.5

[7]闫敬文，《数字图像处理MATLAB版》，国防工业出版社，2007.2

[8]陈杨，陈荣娟，《MATLAB6.X图像编程与图像处理》，西安电子科技大学出版社，2002.10

[9]周新伦，柳建，《数字图像处理》，国防工业出版社，1986.3

[10]李信真，车明刚，《计算方法》，西安西北工业大学出版社，2000.8

[11]陈桂明，张明照，《应用MATLAB语言处理信号与数字图像》，科学出版社，2000.5

何东健 数字图像处理 西安电子科技大学出版社 2003

罗俊辉 冯平 matlab7.0在图像处理中国的应用 北京 机械工业出版社 2005

尹凤玲 霍炳权 图像处理技术的matlab实现J 计算机与信息技术 2007（5）

张智星 matlab程序设计与应用 北京 清华大学出版社 2002

周伟 matlab小波分析高级技术 西安 电子科技大学出版社2006

刘榴娣 刘明奇 党长民 实用数字图像处理 北京 北京理工大学出版社 1998

贾永红 计算机图像处理与分析 武汉 武汉大学出版社 2001

沈庭芝 方子文 数字图像处理及模式识别 北京 北京理工大学出版社 1998

美 R.C.冈萨雷斯.P.温茨著 李叔梁等译 数字图像处理 科学出版社 1982附 录

写入公式的推演，编写的算法，语言程序。如：

γ—————————导程角

青岛理工大学琴岛学院本科毕业设计说明书（论文）
PAGE II

PAGE 37