基于MATLAB图形图像处理技术

基于MATLAB图形图像解决技术摘 要本文提出了一种基于MATLAB的数字图像解决技术的设计，系统中涉及了图像解决技术的各个方面，涵盖了图像解决领域的个别算法，在此过程中所应用的技术和措施为此后的进一步研究和将其应用于实际生产奠定了坚实的基本。本文一方面简介了数字图像解决的现状，以及MATLAB语言的基本知识，涉及特点、措施和重要内容。重点讲述了MATLAB所用到的某些数字图像解决技术和措施,并应用这些技术和措施对采集的图像进行解决和分析判断。例如：图像增强、图像变换、图像分割、边沿提取、图像的降噪，等等。本软件操作界面清晰明了，交互性好。运用其中的图像解决措施，可大大减少工作量，图像解决精度高，同步系统通用性强，波及到的图形图像解决，构造清晰、针对性强，理论与实例相结合。通过论文描述，让我提高了图形图像的解决技术，提高了分析能力及解决问题的能力。更好的掌握了图像解决的知识。核心词：图像解决 MATLAB的基本知识 图形变换 图像分割 图像降噪Graphic image processing technology based on MATLABABSTRACTThis paper presents a MATLAB-based digital image processing technology in the design, the system includes an image processing technology in all aspects of the image processing area Hangai Gebie Algorithm, in the process the application of technologies and method-depth study of the future and applying it to actual production and laid a solid foundation. This paper describes the status of digital image processing, and basic knowledge of MATLAB language, including features, methods, and main content. This paper will highlight some of the MATLAB is used in digital image processing technologies and methods, and apply these technologies and methods on the collection of image processing and analysis to judge. For example: image enhancement, image transformation, image segmentation, edge extraction, image noise reduction, and so on. Clarity of the software interface, good interaction. Using image processing methods which can greatly reduce the workload, image processing and high precision, while the system versatility, involving graphic image processing, a clear structure, targeted, theory and examples of the combination. By describing this paper, let me raise a graphic image processing technology to improve the analytical ability and problem-solving ability. Better grasp of the image processing knowledge. KEY WORDS: basic knowledge of MATLAB image processing image segmentation image noise graph transformation目录前言1第1章 数字图像解决的现状及展31.1 数字图像解决技术的发展及应用31.1.1 数字图像的前景展望4第2章 数字图像解决技术及MATLAB软件简介62.1 数字图像解决技术简介62.1.1 数字图像解决技术的特点62.1.2 数字图像解决技术的研究内容72.1.3数字图像解决技术的应用92.2 MATLAB软件简介102.2.1 MATLAB的重要优缺陷112.2.2 MATLAB支持的图像类型及其转换分析12第3章 MATLAB常用的图像解决措施143.1 MATLAB图像增强143.1.1 直方图解决143.2 MATLAB图像分割163.2.1图像边沿连接与分割163.2.2域图像分割技术173.2.3基于模糊判决的边沿连接技术18结论21论文总结21谢 辞22参照文献23附录25外文资料翻译26前言迅速发展的时代，对图像信息解决提出了更高的规定，以便更加迅速、精确、可靠地获得有用信息。MATLAB软件自从20世纪80年代中期推出以来，不断吸取各学科领域权威人士所编写的实用程序，通过近年的逐渐发展与不断完善，现已成为国际公认的、最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。国内在此领域的研究中具有代表性的是清华大学研制的数字图像解决实验开发系统 TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传播与解决实验软件。TDB-IDK 系列产品是一款基于 TMS320C6000 DSP 数字信号解决器的高档视频和图像系统，也是一套 DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和公司进行视频、图像方面的实验与开发。该软件可以完毕图像采集输入程序、图像输出程序、图像基本算法程序。该系统的特点是实现对图像信号的实时分析，图像数据相对 DSP 独立以便开发人员对图像进行解决，该产品融合 DSP 和 FPGA/CPLD 两个高品位技术，可以根据顾客的具体需求合理改动，可以分析黑白和彩色信号，可以完毕图形显示功能。南京东大互联技术有限公司研制的数字图像采集传播与解决实验软件重要简介了数字图像的采集、传播与解决的措施。使初学者可以运用软件及图像采集与传播设备，采集图像并实现点对点的数字图像传播。可以观测理解多种图像解决技术的效果和差别，其中涉及图像的灰度直方图及其变换、锐化、平滑、滤波、伪彩、轮廓提取的增强、图像格式转换及其文献构造。目前大量的图像解决软件如PHOTOSHOP,PAINTSHOP等都是基于广告筹划和图像修饰解决而设计的应用软件，针对图像解决技术基本知识的理解与掌握以及有关解决措施研究的软件甚少，不适合学习研究使用。随着计算机辅助设计的日益提高和成熟，用于学习与研究的软件也越来越多。在国外，如美国Southern Illinois University开发的CVIPtools计算机视觉与图像解决实验软件就是专门针对图像解决技术的实验软件。CVIPtools计算机视觉与图像解决实验软件，重要用于计算机数字图像分析和解决，重要宗旨是让图像解决的教师、学生、和其他研究人员摸索计算机数字图像解决的巨大力量。最新Windows版本的CVIPtools提供使用者四种层次应用方式：算法代码层，公共对象模块（组件）界面层，cvipimage层和图像顾客界面（GUI）。最下面的阶层算法代码层重要是基于此前的版本CVIPtools，涉及所有的图像、数据解决程序和功能，使用原则C语言写的。最上面的阶层为CVIPtools GUI，可以让生手实验某些图像解决的工具，而不需具有程序设计的能力。目前国外诸多大学、研究院在数字图像解决的实验研究中都应用此软件。但是，CVIPtools软件还没退出中文版并且既有Windows版本保存了部分Unix风格，在Windows系统下操作并不十分以便，并且常出问题，并且这种商用图像解决软件是静态的、封闭的，软件功能在发布时就已经拟定，增长新功能或新算法或改善性能只能寄但愿于软件升级。国内某些大学或科研单位根据课题研究需要，开发了相应的图像解决软件，并应用于教学实验。但是已有的实验软件内容不全或陈旧，没有波及图像解决领域较新的成果，并且许多实验软件的界面不够和谐，交互性差，顾客无法调节算法参数，不具有可扩展性，软件一旦完毕，不容易修改或添加新内容。 第1章 数字图像解决的现状及展1.1 数字图像解决技术的发展及应用数字图像解决技术使20世纪60年代随着计算机技术和VLSY Very Large Scale Integration的发展而产生、发展和不断成熟起来的一种新兴技术领域，它在理论上和实际应用中都获得了很大的成就。 视觉是人类最重要的感知手段，图像又是视觉的基本3。初期图像解决的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。图像解决中输入的是质量低的图像，输出的是改善质量后的图像。常用的图像解决措施有图像增强、复原、编码、压缩等。初次获得成功应用的是美国喷气推动实验室（JPL）。她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进行图像解决，如几何校正、灰度变换、清除噪声等，并考虑了太阳位置和月球环境的影响。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解决，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了基本，也推动了数字图像解决这门学科的诞生。在后来的宇航空间技术探测研究中，数字图像解决技术都发挥了巨大的作用。 数字图像解决技术获得的另一种巨大成就是在医学上。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层照相装置，也就是我们一般所说的CT（Computer Tomograph）。CT的基本措施是根据人的头部截面的投影，经计算机解决来重建截面图像，成为图像重建。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被授予诺贝尔奖，以表扬它对人类做出的划时代奉献。从20世纪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，数字图像解决技术向更高、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，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。诸多国家，特别是发达国家投入更多的人力、物力到这项研究，获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近年的主导思想。20世纪80年代末期，人们开始将其应用于地理信息系统，研究海图的自动读入、自动生成措施。数字图像解决技术的应用领域不断拓展。数字图像解决技术的大发展是从20世纪90年代初开始的。自1986年以来，小波理论与变换措施迅速发展，它克服了傅立叶分析不能用于局部分析等方面的局限性之处，被觉得是调和分析半个世纪以来工作之结晶。Mallat在1988年有效地将小波分析应用于图像分解和重构。小波分析被觉得是信号与图像分析在数学措施上的重大突破。随后数字图像解决技术迅猛发展，到目前为止，图像解决在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传播及分析和工业自动化领域的应用越来越多。进入21世纪，随着计算机技术的迅猛发展和有关理论的不断完善，数字图像解决技术在许多应用领域受到广泛注重并获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。该技术成为一门引人注目、前景远大的新型学科。1.1.1 数字图像的前景展望图像是人类获取和互换信息的重要来源，因此，图像解决的应用领域必然波及到人类生活和工作的方方面面。随着科学技术的发展，数字图像解决技术的应用领域也将随之不断扩大。数字图像解决技术将来应用领域重要有如下七个方面：1. 航天航空技术方面 数字图像解决技术在航天航空技术方面的应用，除JPL对月球、火星照片的解决之外，另一方面是在飞机遥感和卫星遥感技术中。图像在空中先解决（数字化编码）成数字信号存人磁带中，在卫星通过地面站上空时，再高速传送下来，然后由解决中心分析判读。这些图像无论是在成像、存储、传播过程中，还是在判读分析中，都必须采用诸多数字图像解决措施。目前世界各国都在运用各类卫星所获取的图像进行资源调查、灾害检测、资源勘察、农业规划、都市规划。在气象预报和对太空其他星球研究方面，数字图像解决技术也发挥了相称大的作用。2. 生物医学工程方面数字图像解决技术在生物医学工程方面的应用十分广泛，且很有成效。除了CT技术之外，尚有一类是对医用显微技术的解决分析，如染色体分析、癌细胞辨认等。此外，在X光肺部图像增晰、超声波图像解决、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像解决技术。3. 通信工程方面当面通信的重要发展方向是声音、文字、图像和数据结合的流媒体通信。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100M/s以上。要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的核心。4. 工业工程方面在工业工程领域中图像解决技术有着广泛的应用，它大大提高了工作效率，如自动装配线中质量检测，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在某些恶性环境内辨认工件及物体的形状和排列状态，先进设计和制造技术中采用工业视觉等等。其中值得一提的是研制具有视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的面貌，目前已在工业生产中的喷漆、焊接、装配中得到有效的运用。5. 军事公安方面在军事方面图像解决和辨认重要用于导弹的精确制导，多种侦察照片的判读，具有图像传播、存储和显示的军事自动化指挥系统和模拟训练系统等；公安方面重要用于指纹辨认、人脸鉴别、不完整图片的复原以及交通监控、事故分析等。目前已投入运营的高速公路不断车自动收费系统中的车辆和车牌的自动辨认就是图像解决技术成功应用的例子。6. 文化艺术方面的应用 目前此类应用有电视画面的数字编辑、动画的制作、电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片的复制和修复、运动员动作分析和评分等等。目前正在形成一门新的艺术计算机美术。7. 其他方面的应用 数字图像解决技术已经渗入到社会生活的各个领域，如地理信息系统中二维、三维电子地图的自动生成、修复等；教育领域多种辅助教学系统研究、制作中；流媒体技术领域等等。第2章 数字图像解决技术及MATLAB软件简介2.1 数字图像解决技术简介图像解决技术基本可以提成两大类：模拟图像解决(Analog Image Processing)和数字图像解决(Digital Image Processing)，数字图像解决是指将图像信号转换成数字信号并运用计算机进行解决的过程。数字图像解决技术重要涉及如下内容：几何解决(Geometrical Processing)、算术解决(Arithmetic processing)、图像增强(ImageEnhancement)、图像复原(Image Restoration)、图像重建(Image Reconstruction)、图像编码(Image Encoding)、图像辨认(Image Recognition)、图像理解(Imageunderstanding)。数字图像解决技术的发展波及信息科学、计算机科学、数学、物理学以及生物学等学科，因此数理及有关的边沿学科对图像解决科学的发展有越来越大的影响。近年来，数字图像解决技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域，并促使这些学科产生了新的发展。2.1.1 数字图像解决技术的特点1. 数字图像解决技术的长处(1)再现性好数字图像解决与模拟图像解决的主线不同在于，它不会因图像的存储、传播或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时精确地体现了原稿，则数字图像解决过程始终能保持图像的真实再现。(2)解决精度高按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这重要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度级别量化为16位甚至更高，这意味着图像的数字化精度可以满足任一应用需求。从原理上讲不管图像的精度有多高，解决总是能实现的，只要在解决时变化程序中的数组参数就可以了。(3)合用面宽图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表达的灰度图像组合而成，因而均可用计算机来解决。(4)灵活性高由于图像的光学解决从原理上讲只能进行线性运算，极大地限制了光学图像解决能实现的目的，而数字图像解决不仅能完毕线性运算，且能实现非线性解决，即但凡可以用数学公式或逻辑关系来体现的一切运算均可用数字图像解决实现。(5)信息压缩的潜力大数字图像中各个像素是不独立的，其有关性大。在图像画面上，常常有诸多像素有相似或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其有关系数可达0.9以上，而相邻两帧之间的有关性比帧内有关性一般说还要大些。因此，图像解决中信息压缩的潜力很大。2.1.2 数字图像解决技术的研究内容 1几何解决几何解决重要涉及坐标变换，图像的放大、缩小、旋转、移动，多种图像配准，全景畸变校正，扭曲校正，周长、面积、体积计算等。2算数解决算数图像解决重要对图像施以加、减、乘、除等运算。3. 图像变换由于图像阵列很大，直接在空间域中进行解决，波及计算量很大。因此，往往采用多种图像变换的措施，将空间域的解决转换为变换域解决，不仅可减少计算量，并且可获得更有效的解决。4. 图像增强图像增强解决重要是突出图像中感爱好的信息，而削弱或清除不需要的信息，从而使有用的信息得到加强，便于辨别或解释。重要措施有直方图增强、伪彩色增强法、灰度窗口等技术。5. 图像复原图像复原的重要目的是清除干扰、模糊和图像畸变，恢复图像的本来面目。典型的去噪操作就属于复原解决。图像噪声涉及随机噪声和相干噪声，随机噪声干扰体现为麻点干扰，相干噪声体现为网文干扰。去模糊也是复原解决的任务。这些模糊来自透镜散焦，相对运动，大气湍流，以及云层遮挡等。这些干扰可用维纳滤波、逆滤波波等措施加以清除。清除图像畸变则需要借助图像的空间变换操作。6. 图像分割图像分割是将图像中故意义的特性部分提取出来，这是进一步进行图像辨认、分析和理解的基本。目前已研究出不少边沿提取、区域分割的措施，但还没有一种普遍合用于多种图像的有效措施。因此，对图像分割的研究还在不断进一步之中，是目前图像解决中研究的热点之一。7. 图像重建几何解决、图像增强、图像复原都是从图像到图像的解决，即输入的原始数据是图像，解决后输出的也是图像，而重建解决则是从数据到图像的解决，也就是说输入的是某种数据，而解决成果得到的是图像。该解决的典型应用就是 CT 技术，初期为 X射线 CT，后来发展的有 ECT、超声 CT、核磁共振(NMR)等。图像重建的重要算法有代数法、迭代法、傅立叶反投影法、卷积反投影法等，其中以卷积反投影法运用最为广泛，由于它的运算量小、速度快。值得注意的是三维重建算法发展得不久，并且由于与计算机图形学相结合，把多种二维图像合成三维图像，并加以光照模型和多种渲染技术，能生成多种具有强烈真实感及纯净的高质量图像。三维重建技术也是当今颇为热门的虚拟现实和科学可视化技术的基本。8. 图像编码图像编码研究属于信息论中信源编码范畴，其重要宗旨是运用图像信号的记录特性及人类视觉的生理学及心理学特性对图像信号进行高效编码，即研究数据压缩技术，以解决数据量大的矛盾。一般来说，图像编码的目的有 3 个：(1)减少数据存储量；(2)减低数据率以减少传播带宽；(3)压缩信息量，便于特性提取，为辨认做准备。9. 模式辨认模式辨认是数字图像解决的又一研究领域。当今，模式辨认措施大体 3 种，即记录辨认法、句法构造模式辨认法和模糊辨认法。记录辨认法侧重于特性，句法构造辨认侧重于构造和基元，而模糊辨认法是把模糊数学的某些概念和理论用于辨认解决。10. 图像理解图像理解是由模式辨认发展起来的措施。该解决输入的是图像，输出的是一种描述。这种描述并不仅是单纯的用符号做出具体的描绘，并且要运用客观世界的知识使计算机进行联想、思考及推论，从而理解图像所体现的内容。2.1.3数字图像解决技术的应用 在社会生产和科研活动中，人们要频繁的接触到图像，例如照片、图画、书报、医学 X 光片和卫星遥感图像等。图像是人们结识客观世界的重要知识来源。随着计算机的高速化和大容量化，图像信息的解决已成为也许。此外，由于摄像设备的小型化和高精度化，图像的画质有了明显改善。随着这些技术的进步，图像解决在工作站及个人计算机的小型机上已可以实现。数字图像解决重要采用计算机来实现，随着计算机软硬件技术的突飞猛进，以及图像解决的长足发展，使得数字图像解决技术无论在科学研究、工业生产、军事国防以及现代管理决策部门等各行各业都得到越来越多的应用，其应用场合广阔、内容众多、形式新颖、门类齐全，可以说是方兴未艾，正向着实时化、大型化、小型化、远程化等多方面迅猛发展。表 2-1 简朴列出了图像解决的应用领域。表2-1图像解决的应用领域领域应用内容物理、化学结晶分析、谱分析生物医学细胞分析、染色体、血球分析 X 光片分析、CT环保水质和大气污染调查地址资源勘探、地图绘制农林植被分布调查、农作物估产海洋鱼群调查水利河流分布、水利水害调查气象云图分析、灾害性检查等通信传真、电视、可视电话、图像通信工业工业探伤、计算机视觉、 自动控制、机器人法律、公安指纹辨认、人像鉴定交通铁路选线、交通指挥、汽车辨认军事侦查、成像制导、图像融合宇航 星级探险照片解决等文化多媒体、动画特技2.2 MATLAB软件简介MATLAB 是 Math works 公司于推出的一套高性能的数值计算和可视化软件，其全称是 Matrix Laboratory，亦即矩阵实验室，通过近年的逐渐发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。它集数值分析、矩阵运算、信号解决和图形显示于一体，构成了一种以便的、界面和谐的顾客环境，并且还具有可扩展性特性。Math Works 公司针对不同领域的应用，推出了信号解决、控制系统、神经网络、图像解决、小波分析、鲁棒控制、非线性系统控制设计、系统辨识、优化设计、记录分析、财政金融、样条、通信等 30 多种具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需顾客自己编写所用的专业基本程序，可直接对工具箱进行运用。同步，工具箱内的函数源程序也是开放性的，多为 M 文献，顾客可以查看这些文献的代码并进行更改，MATLAB 支持顾客对其函数进行二次开发，顾客的应用程序也可以作为新的函数添加到相应的工具箱中。MATLAB 中的数字图像是以矩阵形式表达的，这意味着 MATLAB 强大的矩阵运算能力用于图像解决非常有利。矩阵运算的语法对 MATLAB中的数字图像同样合用。2.2.1 MATLAB的重要优缺陷1. MATLAB 的重要长处(1)界面和谐，编程效率高MATLAB 是一种以矩阵为基本变量单元的可视化程序设计语言，它的语法构造简朴，数据类型单一，命令体现方式接近于常用的数学公式。这使 MATLAB 顾客在短时间内就能迅速地掌握其重要内容和基本操作。MATLAB 不仅能免除大量的常常反复的基本数学运算，并且它的编译和执行速度都远远超过了采用 C 和 Fortran 语言设计的程序。可以说，MATLAB 在科学计算与工程应用方面的编程效率都远远高于其她高档语言。(2)功能强大，可扩展性强MATLAB 语言不仅提供了科学计算、数据分析与可视化、系统仿真等强大的功能，并且具有可扩展性特性。Mathworks 公司针对不同领域的应用，推出了自动控制、信号解决、图像解决、模糊逻辑、神经网络、小波分析、通信、最优化、数理记录、偏微分方程、财政金融等 30 多种具有专门功能的 MATLAB 工具箱。多种工具箱中的函数可以互相调用，也可以由顾客自己更改。MATLAB 支持顾客对其函数进行二次开发，顾客的应用程序可以作为新的函数添加到相应的工具箱中。(3)易学易用性MATLAB 不需要顾客有高深的数学知识和程序设计能力，不需要顾客深刻理解算法及编程技巧。(4)高效性MATLAB 语句功能十分强大，一条语句可完毕十分复杂的任务。它大大加快了工程技术人员从事软件开发的效率。据 Math works 公司声称，MATLAB 软件中所涉及 MATLAB源代码相称于 70 万条 C 代码。正是 MATLAB 语言的这些优势，我们选择采用这种语言实现图像解决算法，运用MATLAB 强大的工具包，使算法易于实现。2. MATLAB 的缺陷然而 MATLAB 自身存在的某些缺陷限制了它的应用范畴。(1)MATLAB 是一种解释性语言，因此它的语言执行效率低，这对于实时性规定较高的领域，如自动控制、信号解决等，其实时效率是较差的。(2)MATLAB 程序不能脱离其环境运营，因此它不能被用于开发商用软件。(3)程序可以被直接看到程序的源代码，因而不利于算法和数据的保密。2.2.2 MATLAB支持的图像类型及其转换分析MATLAB 中的一幅图像也许涉及一种数据矩阵，也也许涉及一种颜色映射表矩阵，它涉及 4 种基本的图像类型：索引图像、灰度图像、RGB 图像和二值图像。此外，MATLAB还支持由多帧图像构成的图像序列。 1. 索引图像索引图像涉及一种数据矩阵 A，一种颜色映射矩阵 B。其中 B 是一种涉及 3 列和若干行的数据阵列。B 矩阵的每一行分别表达红色、绿色和蓝色的颜色值。在 MATLAB 中，索引图像是从像素值到颜色映射表值的直接映射。像素颜色由数据矩阵 A 作为索引指向矩阵 B 进行索引。例如，值 1 指向矩阵 B 中的第一行，2 指向第二行，依此类推。2. 灰度图像MATLAB 中，一幅灰度图像是一种数据矩阵 I,其中 I 的数据均代表了在一定范畴内的颜色灰度值。MATLAB 把灰度图像存储为一种数据矩阵，该数据矩阵中的元素分别代表了图像中的像素。矩阵中的元素可以是双精度的浮点数类型、8 位或 16 位无符号的整数类型。大多数状况下，灰度图像很少和颜色映射表一起保存。但是在显示灰度图像时，MATLAB 仍然在后台使用系统预定义的默认的灰度颜色映射表。3. 二值图像与灰度图像相似，二值图像只需要一种数据矩阵，每个像素只取两个灰度值。二值图像可以采用 uint8 和 double 类型存储，工具箱中以二值图像作为返回成果的函数都使用 uint8 类型。4. RGB 图像RGB 图像，即真彩色图像，在 MATLAB 中存储为 nm3 的数据矩阵。数组中的元素定义了图像中每一种像素的红、绿、蓝颜色值。需要指出的是，RGB图像不使用Windows颜色映射表。像素的颜色保存在像素位置上的红、绿、蓝的强度值的组合来拟定。图像文献格式把 RGB 图像存储为 24 位的图像，红、绿、蓝分别占 8 位。这样可以有约 1000万种颜色（即224=16777216）。5. 图像序列MATLAB 的图像解决工具箱中还支持将多帧图像连接成图像序列。图像序列是一种四维的数组，图像帧的序号在图像的长、宽、颜色深度之后构成第四维。例如一种涉及了 5 幅 400300 像素的真彩色图像序列，其大小为 40030035。在 MATLAB 中，多种图像类型之间的转换关系如图 2.1 所示：图2-1图形图像间的转换第3章 MATLAB常用的图像解决措施3.1 MATLAB图像增强图像增强是指按特定的需要突出一幅图像中的某些信息，同步，消弱或清除某些不需要的信息的解决措施。其重要目的是使解决后的图像对某些特定的应用比本来的图像更加有效。图像增强技术重要涉及直方图修改解决、图像平滑化解决、图像锋利化解决和彩色解决技术等。在实际应用中，常常综合运用这几种措施，以便达到预期的增强效果。从技术上讲，图像增强技术基本上可以提成两大类：一类是频域解决法，一类是空域解决法。频域解决法的基本是卷积定理。它采用修改图像傅里叶变换的措施实现对图像的增强解决。空域解决法是直接对图像中的像素进行解决，基本上是以灰度映射变换为基本的。所用的映射变换取决于增强的目的。 3.1.1 直方图解决直方图均衡化的含义均衡：图像的直方图是平直的，即各灰度级具有相似的浮现频数均衡化：将原图像的直方图通过变换函数修正为均匀的直方图均衡化后的图像看起来就更清晰。 s = T(r) 0r 1满足如下条件：(a) T(r)在区间0r 1中为单值且单调递增(b)当0r 1时, 0 T(r)1一幅图像的灰度级可视为0,1的随机变量,令 Pr(s)和Ps(s) 分别表达随机变量r和s的概率密度函数。若Pr(s)和T(r)已知,则有如下成果: Ps(s)=Pr(r)|dr/ds| s的概率密度函数由输入函数的概率密度函数和所选择的变换函数决定。如图所示： 图3-1直方图均衡化减少图像的灰度级以换取对比度的加大，原图上频数较小的灰度级被归入很少几种或一种灰度级内，故得不到增强。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。1.列出原始图像灰度级fj, j=0,1,k,L-1;2.记录各灰度级的象素数目，nj, j=0,1,k,L-1;3.计算原始图像直方图Pf(fj)=nj/n，n为原始图像总的象素数目；4.计算累积分布函数c(f);5.应用转移函数，计算映射后的灰度级, gi=INT(gmax-gmin)c(f)+gmin+0.56.记录映射后各灰度级的象素数目ni, i=0,1,p-1;7.计算输出图像直方图Pg(gi)= nj/n，i=0,1,p-1;8.用fj和gi的映射关系，修改原始图像灰度级，获得直方图近似均匀分布的输出图像，图为直方图均衡化变换前后对比图。图3-2直方图均衡化对比图3.2 MATLAB图像分割图像分割是图像分析的第一步，是计算机视觉的基本，是图像理解的重要构成部分，是图像解决到图像分析的核心环节，同步也是图像解决中最古老和最困难的问题之一。 图像分割：将图像表达为物理上故意义的连通区域的集合，也就是根据目的与背景的先验知识，对图像中的目的、背景进行标记、定位，然后将目的从背景或其她伪目的中分离出来。由于这些被分割的区域在某些特性上相近，因而，图像分割常用于模式辨认与图像理解以及图像压缩与编码两大类不同的应用目的。3.2.1图像边沿连接与分割1.图像分割的措施简介初期的图像分割措施可以分为两大类：（1）一类是边界措施，这种措施假设图像分割成果的某个子区域在本来图像中一定会有边沿存在；（2）一类是区域措施，这种措施假设图像分割成果的某个子区域一定会有相似的性质，而不同区域的像素则没有共同的性质。这两种措施均有长处和缺陷。根据应用目的不同，分为粗分割和细分割：对于模式辨认应用，一种物体对象内部的细节与颜色(或灰度)渐变应被忽视，并且一种物体对象只应被表达为一种或少数几种分割区域，即粗分割；而对于基于区域或对象的图像压缩与编码，其分割的目的是为了得到色彩信息一致的区域，以利于高效的区域编码。若同一区域内具有大量变化细节，则难以编码，图像需要细分割，即需要捕获图像的细微变化。 根据分割措施的不同，可分为并行边界分割（边界检测），串行边界分割（边界跟踪），并行区域分割（阈值分割、聚类），串行区域分割（区域生长、分裂合并）。 根据分割对象的属性，可被分为灰度图像分割和彩色图像分割。 根据分割对象的状态，可被分为静态图像分割和动态图像分割。 根据分割对象的应用领域，可分为医学图像分割、工业图像分割、安全图像分割、军事图像分割、交通图像分割等。（如图3-3）图3-3图像分割在工程中的位置3.2.2域图像分割技术 本课题中研究的基于模糊判决的边沿连接及分割技术重要应用于具有多种（两个或两个以上）子图像的全域图像中。如下图所示： 图3-4茶杯和书原图因此必须引入全域图像的概念，定义如下：其中， f (x, y)为输入图像数据即全域图像， fi(x, y)为子图像，即全域图像是各子图像的并集，且各子图像无交集。在图 3-4 中，茶杯，书，蓝色的色块，墨水瓶，计算机等即为目的子图像，它们的集合构成了输入图像-全域图像，且各子图像之间互不相交。 因此，全域图像分割的核心技术，就是将各子图像轮廓边沿连接，形成各子图像区域。图像分割技术应用于此类图像时，转化成为目的物体边沿检测、提取及连接技术。检测到各子图像的边沿，完毕边沿连接即相应达到图像分割的目的，因此，下面着重简介本文提出的基于模糊判决的边沿连接技术。3.2.3基于模糊判决的边沿连接技术 边沿连接的目的是为了尽量地得到目的图像的闭合边沿，以便进行后续的高档解决，如精拟定位、模式辨认等。基于此定义，可以觉得边沿连接就是进行物体轮廓检测，即在也许的边沿点分布图像中，检测图像轮廓。我们得到了处在边沿点上的像素集合，由于噪声、不均匀的照明而产生的边沿间断及其她由于引入虚假的亮度间断所带来的影响，使得到的一组像素很少能完整地描述一条边沿。为了得到精确的边沿轮廓，我们必须考虑三个方面的因素：1、起始点选择原则；2、轮廓中间点选择准则；3、轮廓终结点选择准则。基于以上的系统设计思想，本文提出了基于模糊判决的图像边沿连接技术。下面分别给出了其基本原理，三类点的选择准则和算法实现流程框图。如图：图3-5边沿构造基于模糊判决的图像边沿连接是基于模糊判决理论，是在由 Sobel 算子得到的边沿图像的基本上判断像素点与已知边沿像素点梯度幅值和梯度方向相似性的边沿连接技术。其基本原理与基于局部解决的边沿连接措施类似，不同之处在于它不是给出一种分明阈值，而是运用模糊理论中的从属度函数来判断该像素点的梯度幅值和梯度方向与已知边沿象素点的相似限度，克服了分明阈值措施提取边沿不精确的局限性。考虑(x, y)处的单一像素，设它为初始边沿像素，以(x, y)为中心，建立一种 33 构造的邻域(x+i, y+ j):i = ?1,.,1; j = ?1,.,1，则当(i, j) (0,0)时，可根据梯度幅值Mag 和梯度方向 的相似限度来判断像素(x+i, y+ j)与否是与(x, y)连接的边沿像素。采用的从属度函数为正态分布，见下式：式中，s为像素(x+i, y+ j)属于与(x, y)相连的边沿像素的从属度；t 表示像素(x+i, y+ j)的梯度幅值或梯度方向； 表达像素(x, y)处的梯度幅值或梯度方向； 是(x, y)邻域中梯度幅值或梯度方向的 3 倍均方差，当下标s = Mag 时，表达梯度幅值所相应的值，而当下标 s = 时表达梯度方向所相应的值。实验成果如下图：图3-6灰度图像与模糊判决边沿连接结论 本文重要论述了基于 MATLAB 的数字图像解决的研究一方面简要的简介了数字图像的现状与发展，接着简介了 数字图像解决技术及MATLAB软件简介，然后重点简介了，MATLAB常用的图像解决措施对其中的图像增强、图像分割、边沿提取都做了具体论述，并运用 MATLAB 提供的强大的图像解决工具包进行了算法的实现，并通过实验对算法进行比较分析。通过本文我们可以理解到MATLAB常用的图像解决措施的意义及运算图像增强：是通过一定手段对原图像附加某些信息或变换数据，有选择地突出图像中感爱好的特性或者克制(掩盖)图像中某些不需要的特性，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的因素，解决后的图像不一定逼近原始图像。图像增强技术根据增强解决过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法解决时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。图像分割：将图像表达为物理上故意义的连通区域的集合，也就是根据目的与背景的先验知识，对图像中的目的、背景进行标记、定位，然后将目的从背景或其她伪目的中分离出来。由于这些被分割的区域在某些特性上相近，因而，图像分割常用于模式辨认与图像理解以及图像压缩与编码两大类不同的应用目的。本文重要完毕如下工作：1. 简介了MATLAB图像解决的基本技术，涉及图像解决基本操作、图像增强、图像分割、边沿提取等。2. 分析了 MATLAB 软件的重要优缺陷及在图像解决中的应用。3. 在以上前期工作的基本上,结识到由于老式的模糊连接度算法中,需要遍历所有始于种子点止于目的点的途径中两两接点的相似度,使得这一过程十分繁琐。针对这一问题,对模糊连接算法进行了分析和改善,提出了一种改善的基于相对模糊连接度的迅速分割算法,与老式算法相比,可在不减少分割效果的前提下,使运算速度得到提高。实验成果表白满足了预期的规定,效果良好。谢 辞走的最快的总是时间，来不及感慨，大学生活已近尾声，两年多的努力与付出，随着本次论文的完毕，将要划下完美的句号。本论文设计在宋志芳教师和张教师的细心指引和严格规定下也已经完毕，从课题选择到具体的写作过程，论文草稿与定稿无不凝聚着宋志芳教师的心血和汗水，在我的毕业设计期间，宋志芳教师为我提供了种种专业知识上的指引和某些富于发明性的建议，宋教师一丝不苟的作风，严谨求实的态度使我深受感动，没有这样的协助和关怀，我不会这样顺利的完毕毕业设计。在此向宋志芳教师表达深深的感谢和崇高的敬意！在临近毕业之际，我还要借此机会向在这两年中予以我诸多教导和协助的各位教师表达由衷的谢意，感谢她们两年来的辛勤栽培。不积跬步何以至千里，各位任课教师认真负责，在她们的协助和支持下，我可以较好的掌握和运用专业知识，并在设计中得以体现，顺利完毕毕业论文。同步，在论文写作过程中，我还参照了有关的书籍和论文，在这里一并向有关的作者表达谢意。由于我是第一次接触Matlab这个软件，因此程序做的略显简朴了些，理解的还不是那么深。但对于个人学习与发展的角度来讲，Matlab的确为一种非常值得进一步学习的软件，我想在此后的日子里，我会继续钻研。最后我想对宋志芳教师说一句：您辛苦了。此外我还要感谢同组的各位同窗，在毕业设计的这段时间里，你们给了我诸多的启发，提出了诸多珍贵的意见，对于你们协助和支持，在此我表达深深地感谢！参照文献1 张弘.数字图像解决与分析M.武汉：机械工业出版社， 2 孙祥等.MATLAB7.0基本教程M.北京：清华大学出版社，3 章毓晋.图像分割M .北京：科学出版社，.24 刘文萍，吴介德.基于分形理论的种图象分割措施J .计算机学报,1998-01,245 Rafael C, Gonzalez，Richard E W.Digital Image Processing Using MATLAB.北京：电子工业出版社，6 邓华.浅谈 Matlab 在数字图像解决中的应用.科技资讯.,87 勒中鑫.数字图像信息解决.北京：国防工业出版社,8 河东健,耿楠,张义宽.数字图像解决.西安：西安电子科技大学出版社，9 孙祥,黄晓鸣.基于MATLAB的集成化图像解决系统.科学技术与工程.,710 陈杰.MATLAB 宝典.北京：电子工业出版社,11 盛利元,李宏言,孙克辉. 数字图像解决实验教学摸索与实验软件研制.电气电子教学学报.12 刘文萍，吴介德.基于分形理论的种图象分割措施J .计算机学报,199813 周广芬,李鹏,杨久义.运用MATLAB 图像解决工具箱进行图形数字化的研究.河北科技大学学报.14 王家文，李仰军.MATLAB7.0图形图像解决.北京：国防工业出版社，.615 飞思科技产品研发中心编著.MATLAB6.5辅助图像解决.北京：电子工业出版社，附录 附录题目【在这里写附录内容】对于某些不适宜放在正文中，但有参照价值的内容，可编入附录中。此项为可选项目。附录大体涉及如下某些材料：（1）比正文更为详尽的理论根据、研究措施和技术要点，建议可以阅读的参照文献的题录，对理解正文内容有用的补充信息等。（2）由于篇幅过长或取材于复制品而不适宜写入正文的材料。（3）某些重要的原始数据、公式推导、软件源程序、框图、构造图、登记表等。外文资料翻译“外文资料译文”用三号黑体居中打印，下空一行打印外文原文内容（小四Times New Roman字体），另起新页打印中文翻译（小四宋体）。