多媒体技术论文剖释.doc

基于MATLAB的图像处理 xxxxx xxxxx xxxxx 摘要：随着计算机技术的发展，图像处理的应用越来越广泛。基于MATLAB的图像处理也在生活中应用十分的广泛。 关键字：图像处理 MATLAB的应用 一、图形与图像的区别 计算机屏幕上显示画面通常有两种描述方法：一、图形，二、图像。 图形是矢量结构的画面存储形式，是由指令集组成的描述，这些指令描述构成一幅图的所有直线、圆、矩形、圆弧、曲线等的位置。图形记录的主要内容是坐标值或坐标值序列， 对一般画面内容的颜色或亮度隐含且统一描述。 图像是以栅格结构存储画面内容，栅格结构将一幅图划分为均匀分布的栅格，每个栅格称为象素，且记录每一象素的光度值，所有象素位置按规则方式排列，象素位置的坐标值却是有规则的隐含值。 图像占用了存储空间较大，一般需要进行数据压缩。色度学理论认为，任何颜色都可由红，绿，蓝三种基本颜色按照不同的比例混合得到。红、绿、蓝被称为三原色，简称RGB 三原色。在PC 的显示系统中，显示的图像是由一个个象素组成的，每一个象素都有自己的颜色属性，象素的颜色是基于RGB 模型的，每一个象素的颜色可由红绿蓝三原色组合而成。三种颜色值的组合确定了在图像上看到的颜色。人眼看到的图像都是连续的模拟图像， 其形状和形态表现由图像各位置的颜色所决定。 二、基于MATLAB的图像操作 MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。 1、图像增强 图像增强是从象素到象素的操作，是以预定的方式改变图象的灰度直方图。 若输入图象为A(x,y)，输出图象为B(x,y)，则点运算可以表示为： 有时又称对比度增强，灰度变换。点运算不可能改变图像内的空间关系，输出象素的灰度值由输入象素的值决定。 图像增强技术的方法有两类：空间域法和频率域法。空间域法又可分为点运算法和领域去噪算法，其可采用灰度级处理、直方图处理、平滑滤波、锐化滤波等方式。频率域法是把图像看成一种二维信号，对其采用基于二维傅里叶变化的方法来对信号进行增强处理，采用低滤波法，可减弱或消除图中的噪声；采用高通滤波法，则可加强边缘等高频信号，使模糊的图像转换成清晰图像。具有典型性的空间域算法有局部求平均值法和中值滤波法等，它们可用于剔除或消弱噪声。具体的处理方式可以归纳为 图像增强方法 a )对比度展宽 如果原图像f(x,y)的灰度范围是[m，M]，我们希望调整后的图像g(x,y)的灰度范围是 [n，N]，那么下述变换，，就可以实现线性对比度战况的要求。同理还有非线性展宽的 方法，具体算法参考教材P31-43页相应内容。MATLAB图像处理工具箱中提供的 imadjust函数，可以实现上述的线性变换对比度增强。Imadjust函数的语法格式为：J = imadjust(I,[low_in high_in],[low_out high_out]) J = imadjust(I,[low_in high_in],[low_out high_out])返回图像I经过直方图调整后的图像J，[low_in high_in]为原图像中要变换的灰度范围，[low_out high_out]指定了变换后的灰度 范围。 例： I = imread(pout.tif); J = imadjust(I,[0.3 0.7],[]); imshow(I), figure, imshow(J) 不使用imadjust函数，利用matlab语言编程也很容易实现灰度图像的对比度展宽。但运算的过程中应当注意以下内容，由于我们读出的图像是unit8型，而在MATLAB的矩阵运算中要求所有的运算变量为double型（双精度型）。因此读出的图像数据不能直接进行运算，因此必须使用一个函数将图像数据转换成双精度型数据。MATLAB中提供了这样的函数：im2double函数，其语法格式为： I2 = im2double(I1) 运算之后的图像数据再显示时可以再转化成unit8型，格式为： I1 = unit8 (I2) 示例： 线性运算示例 rice=imread(pout.tif) I=double(rice) J=I*0.43+60 rice2=uint8(J) subplot(1,2,1),imshow(rice) subplot(1,2,2),imshow(rice2) 非线性运算示例 rice=imread(pout.tif); Dm=double(max(max(rice))) I=double(rice); J=( Dm/2)*(1+(1/sin(pi/4))*sin((pi/2)*