基于matab的图像处理专业课程设计.ppt

简单组合融合（取小） 融合实例 * 对应像素取平均 融合实例 * 多数融合算法都是基于这样的假设，即图像中的特征都表现在频域系数绝对值大的地方，因此出现了一些基本规则： 频域图像融合规则 取最大值 加权平均法 方差协方差准则 梯度准则 局部能量法 * 频域图像融合流程 图像1 频域 图像1 变换 图像2 频域 图像2 变换 融合 规则 融合后的 频域图像 融合后 的图像 * 分组题目 二维Otsu图像阈值分割算法 基于二维熵的图像阈值分割算法 基于抑制式模糊c-均值的图像分割方法 常用空域图像去噪方法比较及其性能分析 采用离散余弦变换(DCT)的图像去噪方法 基于DCT的图像压缩方法 基于DCT的频域图像融合方法 * * load woman %read data X and map imshow(uint8(X)) figure;image(X);colormap(map) * * * * 基于聚类的图像分割 模糊聚类算法是近年来图像分割技术领域的研究热点之一，模糊C均值聚类(FCM)算法是最常用的聚类算法。 模糊C均值算法是在模糊数学基础上，通过最优化一个模糊目标函数实现聚类，它是赋予每个点一个对各类的隶属度，用隶属度更好地描述像素亦此亦彼的特点，适合处理事物内在的不确定性。 利用模糊C均值(FCM)非监督模糊聚类标定的特点进行图像分割，可以减少人为的干预，且较适合图像中存在不确定性和模糊性的特点。 * 模糊c均值聚类(FCM) 目标函数 * FCM算法—交替优化 隶属函数更新公式 聚类原型更新公式 * FCM算法的迭代过程 * FCM图像分割方法实现 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); for j=1:k index = find(U(j, :) == maxU); fcm_label(index) = j; end fcm_result=reshape(fcm_label,[m n]); figure, imshow(fcm_result,[]); * 图像去噪 图像去噪是数字图像处理中的重要环节和步骤。 去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。 图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； * Matlab加噪函数 imnoise函数 格式：J = imnoise(I,type,parameters) 例子： J = imnoise(I,gaussian,m,v); J = imnoise(I,poisson); J = imnoise(I,salt pepper,d); 原图 高斯(0,0.01) 椒盐(0.05) * 图像去噪方法 空域方法 对图像中的像素直接进行处理，例如邻域平均法，就是用像素及其指定领域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。 频域方法 对图像进行变换，在频域进行处理，常见的有低通滤波法，就是在变换域，允许低频成分通过，而抑制高频成分。因此它能够去除图像的噪声，实现图像去噪作用。 * 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。 空域去噪——局部平滑法 * 设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有 式中x,y=0,1,…,N-1； s 为（x,y）邻域内像素坐标的集合； M 表示集合s 内像素的总数。 可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。 * 邻域平均法算法步骤： 1、忽略图像边界数据。 2、对相应的元素做加权求和，即采用对应模板对当前像素及其相邻像素点进行统一平均处理 。 * （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 （5+7+6+5+7+6+5+6+