MATLAB图像处理.ppt

MATLAB的数字图像处理 不同分辨率下的图像： 不同灰度级的图像 二值图像与灰度图像 2 图像文件的读写/显示 将图像文件读入内存 imread() 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 如果图像是灰度图，内存数据为2维矩阵 数据类型为uint8 将内存中的数据以图片形式保存 imwrite() 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 另：image()函数可以将矩阵的数据作为图像显示，可接收double、uint16、uint8类型，同时需通过colormap函数进行颜色配置 3 图像的直方图 定义：灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。横坐标是灰度级，纵坐标是灰度级出现的频率。 直方图计算 依据定义，若图像具有L（通常L=256,即8位灰度级）级灰度，则大小为MxN的灰度图像f(x,y)的灰度直方图hist[0…L-1]可用如下计算获得： 初始化 hist[k]=0; k=0,…,L-1 统计 hist[f(x,y)]++; x=0,…,M-1, y =0,…,N-1 归一化 hist[f(x,y)]/=M*N 直方图的用处 1）数字化参数 一般一幅数字图像应该利用全部或几乎全部可能的灰度级； 对直方图做快速检查。 2 ）边界阈值选择 使用轮廓线确定简单物体的边界的方法，称为阈值化； 对物体与背景有较强对比的景物的分割特别有用； 直方图均衡化 使一输入图像转换为在每一灰度级上都有相同的像素点数（即输出的直方图是平的） 进一步的作用在于图像比较和分割 实际是完成直方图变换：DB＝f(DA) 累积分布密度为 变换 4 图像操作的基本函数 imread() / imwrite() /imshow imresize(A,[mrows ncols],method) 图像缩放，A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 …… 5 图像处理 图像变换： fft2(傅里叶变换)、dct2(离散余弦变换)、radon(Radon变换)、ifft2/idct2/iradon…. 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)、wiener2(维纳滤波)、 Medfilt2(中值滤波)…… 边缘检测edge()：提供6种检测方法 Sobel method Prewitt method Roberts method Laplacian of Gaussian method zero-cross method Canny method 5 其他图像处理专题 图像分割 将图像分割成多个区域 图像特征提取 表征一个图像最基本的属性或特征，图像特征可以是人类视觉能够识别的自然特征 图像恢复 在景物成像的过程中，受多种因素的影响，图像的质量都会有所下降 。。。。。。 90年代以来： CBIR (Content-based Image Retrieval） 基于内容的图像检索 对图像的视觉内容，如图像的颜色、纹理、形状等进行分析和检索图像。 其特点是图像本身包含的客观视觉特性，不需要人为干预和解释，能够通过计算机自动实现对图像特征的提取和存储。 CBIR进行检索时利用的是第2层的特征。特征提取是CBIR系统最基础的部分，在很大程度上决定了CBIR系统的成败． 1 　基于颜色特征的检索 实践表明，基于颜色的CBIR系统具有较好的性能，而且实现相对容易．最常用的表达颜色特征的方法是颜色直方图。 其他常用的颜色特征表示方法还有颜色矩和颜色相关图。 ? 2 　基于纹理特征的检索 纹理是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征，对图像灰度变化的特征进行量化,与对象的位置、走向、大小、形状有关,与平均灰度级无关。 图像检索中用到的纹理特征表示方法主要有：Tamura法、小波变换和自回归纹理模型。 3 　基于形状特征的检索 形状特征常与目标联系在一起，需提取目标的轮廓或描述目标轮廓所包围的区域的性质。因此形状比颜色和纹理的语义性更强。 基于边界的表示