數(shù)字信號(hào)處理課程設(shè)計(jì)--基于matlab的數(shù)字圖像處理

1、<p><b>　　數(shù)字信號(hào)課程設(shè)計(jì)</b></p><p>　　題目：基于Matlab的數(shù)字圖像處理 </p><p>　　學(xué)院： 信息工程學(xué)院</p><p>　　專業(yè)： 通信工程 </p><p><b>　　班級(jí)：</b></p><p><

2、;b>　　姓名： </b></p><p><b>　　學(xué)號(hào)： </b></p><p>　　指導(dǎo)教師： </p><p>　　2012年 11 月 31 日</p><p><b>　　目 錄</b></p><p><b&g

3、t;　　摘 要II</b></p><p><b>　　第1章 緒論1</b></p><p>　　第2章 數(shù)字圖像處理系統(tǒng)設(shè)計(jì)2</p><p><b>　　2.1設(shè)計(jì)概括2</b></p><p><b>　　2.2文件3</b></p>

4、;<p><b>　　2.2.1打開3</b></p><p><b>　　2.2.2保存3</b></p><p><b>　　2.2.3退出3</b></p><p><b>　　2.3編輯3</b></p><p><b&

5、gt;　　2.3.1灰度3</b></p><p><b>　　2.3.2亮度5</b></p><p><b>　　2.3.3截圖7</b></p><p><b>　　2.3.4縮放7</b></p><p><b>　　2.4旋轉(zhuǎn)9<

6、/b></p><p>　　2.4.1上下翻轉(zhuǎn)9</p><p>　　2.4.2左右翻轉(zhuǎn)10</p><p>　　2.4.3任意角度翻轉(zhuǎn)11</p><p><b>　　2.5噪聲12</b></p><p><b>　　2.6濾波13</b></p&g

7、t;<p>　　2.6.1中值濾波13</p><p>　　2.6.2自適應(yīng)濾波13</p><p>　　2.6.3 平滑濾波14</p><p>　　2.7直方圖統(tǒng)計(jì)15</p><p>　　2.8頻譜分析16</p><p>　　2.8.1、頻譜圖16</p><p&g

8、t;　　2.8.2通過高通濾波器17</p><p>　　2.8.3通過低通濾波器18</p><p>　　2.9灰度圖像處理19</p><p>　　2.9.1二值圖像19</p><p>　　2.9.2創(chuàng)建索引圖像20</p><p>　　2.10顏色模型轉(zhuǎn)換21</p><p>

9、;　　2.11操作界面設(shè)計(jì)22</p><p>　　第3章 程序調(diào)試及結(jié)果分析23</p><p><b>　　總 結(jié)24</b></p><p><b>　　參考文獻(xiàn)25</b></p><p><b>　　摘 要</b></p><p>　

10、　數(shù)字圖像處理（Digital Image Processing）又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過程。在數(shù)字圖像處理過程中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。</p><p>　　MATLAB既是一種直觀、高效的計(jì)算機(jī)語(yǔ)言，同時(shí)又是一個(gè)科學(xué)計(jì)算平臺(tái)。它為數(shù)據(jù)分析和數(shù)據(jù)可視化、算法和應(yīng)用程序開發(fā)提供了最核

11、心的數(shù)學(xué)和高級(jí)圖形工具。根據(jù)它提供的500多個(gè)數(shù)學(xué)和工程函數(shù)，工程技術(shù)人員和科學(xué)工作者可以在它的集成環(huán)境中交互或編程以完成各自的計(jì)算。 本文利用MATLAB圖像處理工具箱，根據(jù)需求進(jìn)行程序的功能分析和界面設(shè)計(jì)，實(shí)現(xiàn)數(shù)字圖像的灰度處理、亮度處理、截圖、縮放、旋轉(zhuǎn)、噪聲、濾波、直方圖統(tǒng)計(jì)、頻譜分析、顏色模型轉(zhuǎn)換等。</p><p>　　關(guān)鍵詞：數(shù)字圖像處理，MATLAB，計(jì)算機(jī)語(yǔ)言，工程函數(shù)。</p&g

12、t;<p><b>　　英文摘要</b></p><p>　　The digital image processing (Digital Image Processing) and referred to as the computer image processing, which refers to the image signal is converted into a

13、digital signal and using the process of the computer to be processed. In digital image processing, the input is a low-quality image, the output image after the improvement of quality, the conventional image processing me

14、thod with an image enhancement, restoration, coding, compression, etc.. MATLAB both an intuitive and efficient compu</p><p><b>　　第1章 緒論</b></p><p>　　數(shù)字圖像處理，即用計(jì)算機(jī)對(duì)圖像進(jìn)行處理。與人類對(duì)視覺機(jī)

15、理研究的歷史相比，它是一門相對(duì)年輕的學(xué)科。但在其短短的歷史中，它卻以程度不同的成功被廣泛應(yīng)用于幾乎所有與圖像有關(guān)的領(lǐng)域口數(shù)字圖像處理技術(shù)在20多年的時(shí)間里，迅速地發(fā)展成為一門獨(dú)立的有強(qiáng)大生命力的學(xué)科。</p><p>　　數(shù)字圖像處理的手段有光學(xué)方法和電子學(xué)(數(shù)字)方法。前者已經(jīng)有很長(zhǎng)的一發(fā)展歷史，從簡(jiǎn)單的光學(xué)濾波到現(xiàn)在的激光全息技術(shù)。光學(xué)處理理論已經(jīng)日趨完善，而且處理速度快，信息容量大，分辨率高，處理經(jīng)濟(jì)。但是

16、光學(xué)處理圖像精度不夠高，穩(wěn)定性能差，操作不方便。最早的圖像處理是上世紀(jì)六七十年代，隨著電子技術(shù)和計(jì)算機(jī)技術(shù)的不斷提高和普及，數(shù)字圖像處理進(jìn)入高速發(fā)展時(shí)期。數(shù)字圖像處理就是利用數(shù)字計(jì)算機(jī)或者其它數(shù)字硬件，對(duì)從圖像信息轉(zhuǎn)換而得的電信號(hào)進(jìn)行某些數(shù)學(xué)運(yùn)算，以提高圖像的實(shí)用性。例如從衛(wèi)星圖片中提取目標(biāo)物的特征參數(shù)，三維立體斷層圖像的重建等等。數(shù)字圖像處理技術(shù)處理精度比較高，而且還可以通過改進(jìn)處理軟件來(lái)優(yōu)化處理效果。但是，由于數(shù)字圖像處理的數(shù)據(jù)量非

17、常龐大，因此處理速度相對(duì)較慢，這就限制了數(shù)字圖像處理的發(fā)展。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，計(jì)算機(jī)的運(yùn)算速度大大提高，這將大大促進(jìn)數(shù)字圖像處理技術(shù)的發(fā)展。</p><p>　　數(shù)字圖像處理技術(shù)研究?jī)?nèi)容很多，主要包括以下幾個(gè)方面：圖像變換、圖像編碼壓縮、圖像增強(qiáng)和復(fù)原、圖像分割、圖像描述圖像識(shí)別等。數(shù)字圖像處理具有再現(xiàn)性好、處理精度高、適用面廣、靈活性高、成本低等優(yōu)點(diǎn)。在圖像研究領(lǐng)域中圖像特征的研究是一重要的研究方向。人

18、們觀察圖像時(shí)主要通過觀察圖像紋理、亮度、幾何等關(guān)鍵特征，從而來(lái)識(shí)別理解圖像。實(shí)際上通過圖像特征的提取匹配不僅用于圖像識(shí)別，還可以用于圖像分割、配準(zhǔn)、拼接等各個(gè)方面。對(duì)圖像特征的研究已經(jīng)取得了很多研究成果，隨著人們探知世界的深入，對(duì)圖像特征的研究將更加重要。</p><p>　　第2章 數(shù)字圖像處理系統(tǒng)設(shè)計(jì)</p><p><b>　　2.1設(shè)計(jì)概括</b></

19、p><p>　　由于要實(shí)現(xiàn)的功能并不是很多，所以在排版的過程中，把各個(gè)功能都安排在目錄欄上，整體安排如下圖所示： </p><p><b>　　圖2.1 設(shè)計(jì)概括</b></p><p>　　同時(shí)在調(diào)節(jié)亮度時(shí)，雖然可以同對(duì)話框的形式輸入調(diào)節(jié)的比例系數(shù)，但是這樣效果不好了，不容易調(diào)節(jié)，因此這里考慮用滾動(dòng)條來(lái)調(diào)節(jié)。</p><p&g

20、t;<b>　　2.2文件</b></p><p><b>　　2.2.1打開</b></p><p>　　為了更方便的使用，所以在設(shè)計(jì)的時(shí)候，通過對(duì)話框的形式來(lái)選擇文件，選擇uigetfile函數(shù)來(lái)實(shí)現(xiàn)，uigetfile函數(shù)顯示一個(gè)打開文件對(duì)話框，該對(duì)話框自動(dòng)列出當(dāng)前路徑下的目錄和文件，由于這個(gè)GUI程序的操作對(duì)象是圖像文件，所以設(shè)置這里的缺

21、省后綴名為“.bmp”。</p><p>　　Uigetfile函數(shù)的調(diào)用格式為[name,path]=yigetfile(…), 在按下對(duì)話框中的執(zhí)行按鈕“打開”后，返回選擇的文件名和路徑，分別保存到“name”和“path”中。如果按下取消按鈕或是發(fā)生錯(cuò)誤，則返回值是0。 根據(jù)返回值的情況，如果是0，則彈出提示錯(cuò)誤的對(duì)話框，否則，通過imread函數(shù)讀出圖像數(shù)據(jù)，把圖像數(shù)據(jù)賦值給全局變量handles.img

22、。</p><p><b>　　2.2.2保存</b></p><p>　　同樣也通過對(duì)話框的形式來(lái)保存圖像數(shù)據(jù)，通過uigetfile函數(shù)選擇文件名和路徑，用getimage（gca）取出坐標(biāo)2變換后的圖像數(shù)據(jù)保存到變量i，最后用imwrite函數(shù)，把數(shù)據(jù)i存到指定的文件。</p><p><b>　　2.2.3退出</b&g

23、t;</p><p>　　退出比較簡(jiǎn)單，程序如下所示：</p><p><b>　　clc;</b></p><p>　　close all;</p><p>　　close(gcf); </p><p><b>　　2.3編輯</b></p><

24、p><b>　　2.3.1灰度</b></p><p>　　將RGB圖像轉(zhuǎn)化成為灰度圖像的過程成為圖像的灰度化處理。彩色圖像中的每個(gè)像素的顏色有R、G、B三個(gè)分量決定，而每個(gè)分量有255中值可取，這樣一個(gè)像素點(diǎn)可以有1600多萬(wàn)（255×255×255）的顏色的變化范圍。而灰度圖像是R、G、B三個(gè)分量相同的一種特殊的彩色圖像，其一個(gè)像素點(diǎn)的變化范圍為255種，所以在

25、數(shù)字圖像處理種一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計(jì)算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級(jí)的分布和特征。圖像的灰度化處理可用兩種方法來(lái)實(shí)現(xiàn)。</p><p>　　第一種方法使求出每個(gè)像素點(diǎn)的R、G、B三個(gè)分量的平均值，然后將這個(gè)平均值賦予給這個(gè)像素的三個(gè)分量。</p><p>　　第二種方法是根據(jù)YUV的顏色空間中，Y的分

26、量的物理意義是點(diǎn)的亮度，由該值反映亮度等級(jí)，根據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B三個(gè)顏色分量的對(duì)應(yīng)，以這個(gè)亮度值表達(dá)圖像的灰度值，公式為：</p><p><b>　　(2-1)</b></p><p>　　由于RGB圖像是三維圖像，所以圖像數(shù)據(jù)是一個(gè)三維數(shù)組，為了顯示灰度圖像，把三維圖像降為二維，可以只取其中的二維數(shù)據(jù)，實(shí)現(xiàn)方法程序?yàn)椋?lt

27、;/p><p>　　y=(handles.img(:,:,1)); %當(dāng)然也可以選擇(:,:,2) 或(:,:,3)</p><p>　　imshow(y);</p><p>　　但是這樣的話，根據(jù)程序所選的不同，圖像數(shù)據(jù)也不同，顯示也就不一樣。</p><p>　　另一種方法就是，運(yùn)用rgb2gray函數(shù)實(shí)現(xiàn)彩色圖像到灰度圖像的轉(zhuǎn)換。程

28、序?yàn)椋?lt;/p><p>　　y=rgb2gray(handles.img); </p><p>　　imshow(y);</p><p>　　這個(gè)程序只能用于RGB圖像轉(zhuǎn)換灰度圖像，當(dāng)原始圖像本來(lái)就是灰度圖像時(shí)，運(yùn)行該程序時(shí)就會(huì)出錯(cuò)，但是使用者在使用時(shí)有時(shí)并不知道這些，為了使該程序更加完善，應(yīng)該在使用者原先圖像時(shí)灰度圖像時(shí)使用該功能時(shí)，應(yīng)該要顯示提示類信息

29、。所以在開始時(shí)應(yīng)該要有一個(gè)RGB圖像或是灰度圖像的判斷過程。完整的程序如下： </p><p>　　if isrgb(handles.img) </p><p>　　y=rgb2gray(handles.img); </p><p>　　imshow(y);</p><p><b>　　else<

30、;/b></p><p>　　msgbox('這已經(jīng)是灰度圖像','轉(zhuǎn)換失敗');</p><p><b>　　end</b></p><p>　　如果原圖是RGB，執(zhí)行該操作的結(jié)果如下圖：</p><p>　　圖2.3 灰度處理對(duì)比圖</p><p><

31、;b>　　2.3.2亮度</b></p><p>　　亮度是指顏色的相對(duì)明暗程度，通常使用從0%（黑色）至100%（白色）的百分比來(lái)度量。</p><p>　　亮度處理是指圖像整體變亮或者變暗，實(shí)現(xiàn)方法：加大或減小每個(gè)像素的三色數(shù)，公式為：</p><p><b>　　其中：</b></p><p>&

32、lt;b>　　(2-2)</b></p><p>　　式中：V為調(diào)整后顏色值 為原顏色值 d為亮度調(diào)整系數(shù)</p><p>　　用imadjust函數(shù)，其調(diào)用格式如下：</p><p>　　g=imadust(f,[low_in high_in],[low_out high_out]),gamma)</p><p>

33、;　　gamma 表示映射性質(zhì)，默認(rèn)值是1 表示線性映射。</p><p>　　由于該函數(shù)有五個(gè)參數(shù)需要輸入，為了方便用戶改變，所以這里設(shè)計(jì)一個(gè)輸入對(duì)話框，用戶通過對(duì)話框把五個(gè)參數(shù)賦值給[low_in high_in],[low_out high_out],gamma這五個(gè)參數(shù)，如下一組命令建立了如下圖所示的輸入對(duì)話框：</p><p>　　圖2.4 命令對(duì)話框</p>&l

34、t;p>　　prompt={'輸入?yún)?shù)1','輸入?yún)?shù)2','輸入gamma'};</p><p>　　defans={'[0 0.7]','[0 1]','1'};</p><p>　　p=inputdlg(prompt,'輸入?yún)?shù)',1,defans);</p&g

35、t;<p>　　但是，這種方法并不能很好的讓用戶能夠?qū)D像進(jìn)行任意的亮度和對(duì)比度變化調(diào)整，有時(shí)并不事先知道參數(shù)的值要多少，也不關(guān)心，而是任意調(diào)節(jié)的，直到滿意為止。所以應(yīng)該用滑動(dòng)條來(lái)調(diào)節(jié)圖像的亮度和對(duì)比度，這樣更適合用戶的使用習(xí)慣。</p><p>　　由于imadjust函數(shù)有五個(gè)參數(shù)，所以原則上需要設(shè)計(jì)五個(gè)滑動(dòng)條來(lái)調(diào)節(jié)對(duì)比度，這對(duì)用戶來(lái)說顯然比較麻煩，因此在設(shè)計(jì)的時(shí)候固定其中的三個(gè)參數(shù)，通過調(diào)節(jié)兩

36、個(gè)參數(shù)的值來(lái)改變亮度和對(duì)比度。</p><p>　　[0 handles.beta],[0 1],handles.gm，這里的變量handles.beta和handles.gm就通過滑動(dòng)條得到，滑動(dòng)條設(shè)計(jì)如下圖：</p><p>　　圖2.5 滑動(dòng)條設(shè)計(jì)圖</p><p>　　亮度調(diào)整的tag名為ld，取值范圍0~1，gamma值的tag名為gamma，取值范圍為0

37、~5。獲取滑動(dòng)條參數(shù)的程序如下：</p><p>　　handles.beta=get(handles.ld,'value');</p><p>　　handles.gm=get(handles.gamma,'value');</p><p>　　執(zhí)行該操作，調(diào)節(jié)滑動(dòng)條到上圖所示位置，結(jié)果如下圖：</p><p&g

38、t;　　圖2.6 亮度處理對(duì)比圖</p><p><b>　　2.3.3截圖</b></p><p>　　提取目標(biāo)圖像中的任意部分，公式：imcrop('圖象名',[x起點(diǎn)，y起點(diǎn)，x寬度，y寬度]。</p><p>　　在MATLAB中，用函數(shù)imcrop實(shí)現(xiàn)對(duì)圖像的剪切操作。該操作剪切的是圖像中的一個(gè)矩形子圖，用戶可以通過參

39、數(shù)指定這個(gè)矩形四個(gè)頂點(diǎn)的坐標(biāo)，也可以交互地用鼠標(biāo)選取這個(gè)矩形。</p><p>　　Imcrop函數(shù)的調(diào)用格式如下：</p><p>　　y=imcrop(handles.img);</p><p>　　不管handles.img是三維的還是二維數(shù)據(jù)，該函數(shù)都能進(jìn)行操作。下圖就是對(duì)三維圖像的截圖：</p><p>　　圖2.7 截圖處理對(duì)比圖

40、</p><p><b>　　2.3.4縮放</b></p><p>　　假設(shè)圖像x軸縮放比例為c，y軸方向縮放比率為d,，那么原圖中，點(diǎn)()對(duì)應(yīng)與新圖中的點(diǎn)()的轉(zhuǎn)換矩陣為：</p><p><b>　　=</b></p><p><b>　　(2-3)</b></p&

41、gt;<p>　　要求：輸入一副圖像，根據(jù)輸入的水平和垂直放量，顯示縮放后的圖像。</p><p>　　在MATLAB中，用函數(shù)imresize來(lái)實(shí)現(xiàn)對(duì)圖像的放大或縮小。插值方法可選用三種方法，最近鄰插值，雙線性插值，雙三次插值。</p><p>　　該函數(shù)的調(diào)用格式如下：</p><p>　　B＝imresize(A，m，method)</p&

42、gt;<p><b>　　其中：</b></p><p>　　參數(shù)method用于指定插值的方法，可選的值為“nearest”(最近鄰法),“bilinear”(雙線性插值)、“bicubic”(雙三次插值)，缺省值為“nearest”。</p><p>　　B＝imresizee(A．m，method)表示返回原圖A的m倍放大圖像(m小于1時(shí)實(shí)際上是縮

43、小)；</p><p>　　下圖就是采用鄰近插值法的放大和縮小圖像，參數(shù)值保持默認(rèn)設(shè)置：</p><p>　　圖2.8 放大處理對(duì)比圖</p><p>　　雖然處理后看不出放大的效果，這是由于坐標(biāo)軸限制的原因，如果把處理后的圖片保存起來(lái)，再把處理后的文件打開，就可以看到比較明顯的放大效果。</p><p>　　圖2.9 放大效果圖</p

44、><p><b>　　縮小后的結(jié)果如下：</b></p><p>　　圖2.10 縮小處理對(duì)比圖</p><p><b>　　2.4旋轉(zhuǎn)</b></p><p><b>　　2.4.1上下翻轉(zhuǎn)</b></p><p>　　如果A是一個(gè)列向量，將A中的元素順序

45、進(jìn)行翻轉(zhuǎn)。 </p><p>　　如果A是一個(gè)行向量，還等于A。</p><p>　　例一：A是一個(gè)3×2的矩陣</p><p>　　1 4 3 6</p><p>　　2 5 翻轉(zhuǎn)則為： 2 5</p><p>　　3 6 1 4</p&g

46、t;<p>　　例二：A是一個(gè)列向量</p><p>　　1 3</p><p>　　2 翻轉(zhuǎn)則為： 2</p><p>　　3 1</p><p>　　例三：A是一個(gè)行向量</p><p>　　1 2 3 翻轉(zhuǎn)則為： 3 2 1

47、</p><p>　　函數(shù)flipud是實(shí)現(xiàn)一個(gè)二維矩陣的上下翻轉(zhuǎn)，如a=[1 2;3 4],經(jīng)過該函數(shù)處理后，原矩陣變?yōu)閇3 4;1 2];所以利用該函數(shù)也可以對(duì)圖像進(jìn)行上下翻轉(zhuǎn)處理，但由于該函數(shù)針對(duì)二維數(shù)據(jù)的處理，所以在寫程序時(shí)，要對(duì)RGB圖像和灰度圖像分開處理，這就要用到isrgb函數(shù)來(lái)判斷，如果是灰度圖像，則可以直接用這個(gè)函數(shù)進(jìn)行處理，否則就要對(duì)RGB圖像進(jìn)行降維處理。</p><p&

48、gt;　　for k=1:3 </p><p>　　y(:,:,k)=flipud(x(:,:,k));</p><p><b>　　end</b></p><p><b>　　處理結(jié)果如圖：</b></p><p>　　圖2.11 上下翻轉(zhuǎn)處理對(duì)比圖</p><p><

49、;b>　　2.4.2左右翻轉(zhuǎn)</b></p><p>　　如果A是一個(gè)行向量，將A中元素的順序進(jìn)行翻轉(zhuǎn)。 </p><p>　　如果A是一個(gè)列向量，還等于A。</p><p>　　例一： A是一個(gè)行向量</p><p>　　1 2 3 翻轉(zhuǎn)則為：3 2 1</p><p>　　例一： A是一個(gè)3&#

50、215;2的矩陣</p><p>　　1 4 4 1</p><p>　　2 5 翻轉(zhuǎn)則為： 5 2</p><p>　　3 6 6 3</p><p>　　例三： A是一個(gè)列向量</p><p>　　1 1</

51、p><p>　　2 翻轉(zhuǎn)則為： 2</p><p>　　3 3</p><p>　　對(duì)圖像的左右翻轉(zhuǎn)也可以用fliplr函數(shù)來(lái)處理，同樣的，也要對(duì)灰度和彩色圖像分開處理，處理結(jié)果如圖：</p><p>　　圖2.12 左右翻轉(zhuǎn)處理對(duì)比圖</p><p>　　2.4.3任意角度翻

52、轉(zhuǎn)</p><p>　　圖像繞中心點(diǎn)旋轉(zhuǎn)的公式為：</p><p><b>　　=</b></p><p><b>　　(2-4)</b></p><p>　　圖像如果繞一個(gè)指點(diǎn)點(diǎn)旋轉(zhuǎn)，則先要將坐標(biāo)系平移到該點(diǎn)，再進(jìn)行旋轉(zhuǎn)，然后平移回新的坐標(biāo)原點(diǎn)。則旋轉(zhuǎn)變換公式為：</p><p

53、><b>　　=</b></p><p><b>　　(2-5)</b></p><p>　　用函數(shù)imrotate來(lái)實(shí)現(xiàn)對(duì)圖像的插值旋轉(zhuǎn)。</p><p>　　該函數(shù)的調(diào)用格式如下：</p><p>　　B＝imrotate(A，angle，method，’crop’)</p>

54、<p>　　其中，參數(shù)method用于指定插值的方法，可選的值可以有三種，分別為鄰近插值，雙線性插值，雙三次插值，缺省時(shí)為鄰近插值，參數(shù)angle代表旋轉(zhuǎn)的角度。</p><p>　　一般來(lái)說，旋轉(zhuǎn)后的圖像會(huì)比原圖大，用戶可以指定“crop”參數(shù)對(duì)旋轉(zhuǎn)后的圖像進(jìn)行剪切(取圖像的中間部分)，使返回的圖像與原圖大小相同。執(zhí)行結(jié)果為：</p><p>　　圖2.13 任意角度翻轉(zhuǎn)處理

55、對(duì)比圖</p><p><b>　　2.5噪聲</b></p><p>　　圖像是噪聲：原本我們可以清晰的看到一副圖像，但是有時(shí)候圖像上會(huì)有一些我們不需要的圖案，使我們無(wú)法很清楚的看清一副圖，這就是圖像的噪聲。</p><p>　　去除噪聲的方法：不同原因產(chǎn)生的噪聲，其分布特性也不完全相同，根據(jù)噪聲和信號(hào)的關(guān)系可將其氛圍兩種形式：1.加性噪聲，

56、此類噪聲與輸入圖像信號(hào)無(wú)關(guān)，含噪聲象表示為；2.乘性噪聲，此類噪聲與圖像信號(hào)有關(guān)，含噪聲象表示為。噪聲對(duì)圖像處理十分重要，如果圖像伴有較大的噪聲，它會(huì)直接影響到圖像處理的輸入、采集、處理的各個(gè)環(huán)節(jié)以及輸出的全過程甚至輸出結(jié)果，因此在進(jìn)行數(shù)字圖像處理的時(shí)候，首先需要對(duì)目標(biāo)圖像進(jìn)行去除噪聲的工作。</p><p>　　經(jīng)常用到的噪聲有三種，高斯噪聲，椒鹽噪聲，乘性噪聲，可以通過以下三個(gè)函數(shù)來(lái)實(shí)現(xiàn)：</p>

57、<p>　　y=imnoise(handles.img,'gaussian',p1,p2); %高斯噪聲</p><p>　　y=imnoise(x,'salt & pepper',p1); %椒鹽噪聲</p><p>　　y=imnoise(handles.img,'speckle',p1);

58、 %乘性噪聲</p><p>　　p1，p2的參數(shù)也通過輸入對(duì)話框的形式得到，原圖加入高斯噪聲后結(jié)果如下所示：</p><p>　　圖2.14 噪聲處理對(duì)比圖</p><p><b>　　2.6濾波</b></p><p><b>　　2.6.1中值濾波</b></p>&

59、lt;p>　　中值濾波是一種能有效抑制圖像噪聲而提高信噪比的非線性濾波技術(shù)。它是一種領(lǐng)域運(yùn)算，類似與卷積，但計(jì)算的不是加權(quán)求和，而是把領(lǐng)域中的像素按灰度級(jí)進(jìn)行排序，然后選擇該組的中間值作為輸出像素值。</p><p>　　設(shè)有一個(gè)而為圖像，二維中值濾波的結(jié)果為：</p><p><b>　　(2-6)</b></p><p>　　2.6.

60、2自適應(yīng)濾波</p><p>　　自適應(yīng)濾波，就是利用前一時(shí)刻已獲得的濾波器參數(shù)等結(jié)果，自動(dòng)調(diào)節(jié)現(xiàn)時(shí)刻的濾波器參數(shù)，以適應(yīng)信號(hào)和噪聲未知或隨時(shí)間變化的統(tǒng)計(jì)特性，從而實(shí)現(xiàn)最優(yōu)濾波。自適應(yīng)濾波器由兩個(gè)部分組成：一是濾波器的結(jié)構(gòu)；二是調(diào)節(jié)濾波器系數(shù)的自適應(yīng)算法。自適應(yīng)濾波器的特點(diǎn)是自動(dòng)調(diào)節(jié)自身的沖激響應(yīng)，達(dá)到最優(yōu)濾波，此算法適用于平穩(wěn)和非平穩(wěn)隨機(jī)信號(hào)，并且不要求知道信號(hào)和噪聲的統(tǒng)計(jì)特性。公式為：</p>

61、<p><b>　　(2-7)</b></p><p>　　式中:n為時(shí)間序列；N為濾波器階數(shù)；</p><p><b>　　T為輸入矢量</b></p><p><b>　　T為全系數(shù)矢量</b></p><p><b>　　(2-8)</b>

62、</p><p>　　2.6.3 平滑濾波</p><p>　　平滑濾波是低頻增強(qiáng)的空間域?yàn)V波技術(shù)。它的目的有兩類：一類是模糊；另一類是消除噪音。空間域的平滑濾波一般采用簡(jiǎn)單平均法進(jìn)行，就是求鄰近像元點(diǎn)的平均亮度值。鄰域的大小與平滑的效果直接相關(guān)，鄰域越大平滑的效果越好，但鄰域過大，平滑會(huì)使邊緣信息損失的越大，從而使輸出的圖像變得模糊，因此需合理選擇鄰域的大小。</p>&l

63、t;p>　　平滑濾波的基本算法是將函數(shù)與原始圖像進(jìn)行卷積，最后得到一個(gè)平滑圖像</p><p><b>　　=</b></p><p><b>　　=</b></p><p><b>　　(2-9)</b></p><p>　　式中：為高斯標(biāo)準(zhǔn)方差；為原始圖像點(diǎn)的橫坐標(biāo)變

64、量；為原始圖像點(diǎn)的縱坐標(biāo)變量。</p><p>　　這里選擇三種濾波方法，</p><p>　　k=medfilt2(handles.noise_img);%中值濾波</p><p>　　k=wiener2(handles.noise_img,[5,5]);%自適應(yīng)濾波</p><p>　　k=filter2(fspecial('av

65、erage',3),handles.noise_img)/255;%平滑濾波</p><p>　　同樣的，這些函數(shù)也是針對(duì)二維數(shù)據(jù)，所以要先判斷是彩色圖像還是灰度圖像，然后分別進(jìn)行處理，下面是對(duì)彩色圖像的自適應(yīng)濾波處理：</p><p>　　i=handles.noise_img;</p><p>　　if isrgb(i) </p><

66、p>　　a=handles.noise_img(:,:,1);</p><p>　　b=handles.noise_img(:,:,2);</p><p>　　c=handles.noise_img(:,:,3);</p><p>　　k(:,:,1)=wiener2(a,[5,5]);</p><p>　　k(:,:,2)=wiene

67、r2(b,[5,5]);</p><p>　　k(:,:,3)=wiener2(c,[5,5]);</p><p>　　imshow(k);</p><p><b>　　執(zhí)行結(jié)果如圖：</b></p><p>　　圖2.15 濾波處理對(duì)比圖</p><p>　　對(duì)其他方法的濾波程序也類似，由于把各

68、個(gè)濾波方法放在一個(gè)選擇框里，所以程序要用以下的選擇語(yǔ)句：</p><p>　　switch str</p><p>　　case '中值濾波'</p><p>　　case '自適應(yīng)濾波' </p><p>　　case '平滑濾波'</p><p><b>

69、　　end</b></p><p><b>　　2.7直方圖統(tǒng)計(jì)</b></p><p>　　概念：表示圖像中具有某種灰度級(jí)的像素個(gè)數(shù)，反映圖像中每種灰度出現(xiàn)的頻率。</p><p>　　為了有利于數(shù)字圖像處理，必須引入離散形式。在離散形式下，用代表離散灰度級(jí)，用代表，并且有下式子成立：</p><p>&l

70、t;b>　　= </b></p><p><b>　　(2-10)</b></p><p>　　式中為圖像中出現(xiàn)這種灰度級(jí)像素，是圖像中像素總和。在直角坐標(biāo)系中做出與的關(guān)系圖形，這個(gè)圖形稱為直方圖。</p><p>　　用imhist函數(shù)對(duì)圖像數(shù)據(jù)進(jìn)行直方圖統(tǒng)計(jì)，</p><p>　　x=imhi

71、st(handles.img(:,:,1));</p><p>　　bar(horz,x);</p><p>　　其中，x矩陣的數(shù)據(jù)是0~255灰度值的統(tǒng)計(jì)個(gè)數(shù)，如果直接對(duì)x矩陣數(shù)據(jù)進(jìn)行圖形圖顯示，由于有256個(gè)數(shù)據(jù)，在坐標(biāo)系中就會(huì)很密集，為了更清楚的顯示條形圖，所以在程序設(shè)計(jì)時(shí)，把x數(shù)據(jù)進(jìn)行部分提取，</p><p>　　x1=x(1:10:256);</p

72、><p>　　horz=1:10:256;</p><p>　　bar(horz,x1);</p><p>　　除了顯示數(shù)據(jù)的直方圖統(tǒng)計(jì)外，還可以對(duì)圖像進(jìn)行均衡處理，所用到的函數(shù)是histeq，這兩個(gè)函數(shù)同樣只使用于二維數(shù)據(jù)，所以也要對(duì)二維和三維數(shù)據(jù)分開處理。</p><p>　　直方圖顯示和均衡后的圖像分別如下圖所示：</p>&

73、lt;p><b>　　圖2.16 直方圖</b></p><p><b>　　2.8頻譜分析</b></p><p><b>　　2.8.1、頻譜圖</b></p><p>　　由卷積定理可知，如果原始圖像是，處理后的圖像是，而是處理系統(tǒng)的沖激響應(yīng)，那么，處理過程可由下式表示：</p>

74、;<p><b>　　=*</b></p><p><b>　　(2-11)</b></p><p><b>　　式中*代表卷積</b></p><p>　　如果，，分別是，，的傅立葉變換，那么，上面的卷積關(guān)系表示為變換域的乘積關(guān)系，即：</p><p><

75、b>　　=</b></p><p><b>　　(2-12)</b></p><p><b>　　式中為傳遞函數(shù)。</b></p><p>　　在增強(qiáng)問題中，是給定的原始數(shù)據(jù)，經(jīng)傅立葉變換可得。選擇合適的，得到：</p><p><b>　　=</b><

76、/p><p><b>　　(2-13)</b></p><p>　　得到的的比在某些特性方面更加鮮明、突出，因而更加易于識(shí)別、解釋。</p><p>　　為了得到圖像的頻譜圖，先要對(duì)數(shù)據(jù)進(jìn)行傅里葉變換，用fft2函數(shù)對(duì)二維數(shù)據(jù)進(jìn)行快速傅里葉變換，同時(shí)為了更好的觀察頻譜圖，需要把fft2變換后的數(shù)據(jù)進(jìn)行平移，利用fftshift函數(shù)，把快速傅里葉變換

77、的DC 組件移到光譜中心。這樣圖像能量的低頻成分將集中到頻譜中心，圖像上的邊緣、線條細(xì)節(jié)信息等高頻成分將分散在圖像頻譜的邊緣。如下圖所示：</p><p>　　圖2.17 頻譜處理對(duì)比圖</p><p>　　2.8.2通過高通濾波器</p><p>　　axes(handles.axes2);</p><p>　　x=(handles.img

78、);</p><p>　　if isrgb(x)</p><p>　　msgbox('這是彩色圖像,不能通過高通濾波器','失敗');</p><p><b>　　else</b></p><p>　　y1=imnoise(x,'gaussian');

79、 %加高斯噪聲</p><p>　　f=double(y1); % 數(shù)據(jù)類型轉(zhuǎn)換</p><p>　　k=fft2(f); % 傅立葉變換</p><p>　　g=fftshift(k); %

80、轉(zhuǎn)換數(shù)據(jù)矩陣</p><p>　　[M,N]=size(g);</p><p><b>　　nn=2;</b></p><p>　　d0=3; %截止頻率為3</p><p>　　m=fix(M/2); n=fix(N/2);</p><

81、p><b>　　for i=1:M</b></p><p><b>　　for j=1:N</b></p><p>　　d=sqrt((i-m)^2+(j-n)^2); % 計(jì)算高通濾波器傳遞函數(shù)</p><p><b>　　if d<=d0</b></p><p>

82、;<b>　　h=0;</b></p><p><b>　　else h=1;</b></p><p><b>　　end</b></p><p>　　result(i,j)=h*g(i,j);</p><p><b>　　end</b></p>

83、;<p><b>　　end</b></p><p>　　result=ifftshift(result);</p><p>　　y2=ifft2(result);</p><p>　　y3=uint8(real(y2));</p><p>　　imshow(y3); </p><

84、p><b>　　end</b></p><p>　　2.8.3通過低通濾波器</p><p>　　axes(handles.axes2);</p><p>　　x=(handles.img);</p><p>　　if isrgb(x)</p><p>　　msgbox('這是彩色圖

85、像,不能通過低通濾波器','失敗');</p><p><b>　　else</b></p><p>　　y1=imnoise(x,'salt & pepper'); % 疊加椒鹽噪聲</p><p>　　f=double(y1); % 數(shù)據(jù)類型轉(zhuǎn)換，不支持圖像的無(wú)符號(hào)整型的計(jì)算</p&

86、gt;<p>　　g=fft2(f); % 傅立葉變換</p><p>　　g=fftshift(g); % 轉(zhuǎn)換數(shù)據(jù)矩陣</p><p>　　[M,N]=size(g);</p><p>　　nn=2; % 二階巴特沃斯(Butterwort

87、h)低通濾波器</p><p>　　d0=10; %截止頻率為10</p><p>　　m=fix(M/2); n=fix(N/2);</p><p><b>　　for i=1:M</b></p><p><b>　　for j=1:N</b>&

88、lt;/p><p>　　d=sqrt((i-m)^2+(j-n)^2);</p><p>　　h=1/(1+0.414*(d/d0)^(2*nn));% 計(jì)算低通濾波器傳遞函數(shù)</p><p>　　result(i,j)=h*g(i,j);</p><p><b>　　end</b></p><p>

89、<b>　　end</b></p><p>　　result=ifftshift(result);</p><p>　　y2=ifft2(result);</p><p>　　y3=uint8(real(y2));</p><p>　　imshow(y3); % 顯示濾波處理后的圖像</p><p&

90、gt;<b>　　end</b></p><p><b>　　2.9灰度圖像處理</b></p><p><b>　　2.9.1二值圖像</b></p><p>　　二值圖像是指數(shù)據(jù)矩陣中的元素只是0或1，讀入matlab也是一個(gè)二維矩陣。值得注意的是，像素點(diǎn)取值只限于0，1。</p>

91、<p><b>　　圖像二值化流程：</b></p><p>　　圖2.18 圖像二值化流程圖</p><p>　　用j=im2bw(x);來(lái)對(duì)灰度圖像到二值圖像的轉(zhuǎn)換。轉(zhuǎn)換結(jié)果為：</p><p>　　圖2.19 灰度圖像轉(zhuǎn)二值圖像對(duì)比圖</p><p>　　2.9.2創(chuàng)建索引圖像</p>&l

92、t;p>　　根據(jù)數(shù)據(jù)矩陣和圖像像素顏色匹配關(guān)系，MATLAB中圖像可分為：索引圖像、灰度圖像、二值圖像和RGB圖像。</p><p>　　索引圖像：它的數(shù)據(jù)信息包括一個(gè)數(shù)據(jù)矩陣和一個(gè)雙精度色圖矩陣，它的數(shù)據(jù)矩陣中的值直接指定該點(diǎn)的顏色為色圖矩陣中的某一種。色圖矩陣中，每一行表示一種顏色，每行有三個(gè)數(shù)據(jù)，分別表示該種顏色中紅、綠、藍(lán)的比例情況，所有元素值都在[0，1]內(nèi)。</p><p&g

93、t;　　用X = grayslice(I,n)函數(shù)來(lái)實(shí)現(xiàn)，轉(zhuǎn)換后得到的圖像為：</p><p>　　圖2.20 索引圖像</p><p>　　2.10顏色模型轉(zhuǎn)換</p><p>　　H參數(shù)表示色彩信息，即所處的光譜顏色的位置。該參數(shù)用一角度量來(lái)表示，紅、綠、藍(lán)分別相隔120度。互補(bǔ)色分別相差180度。</p><p>　　純度S為一比例值，

94、范圍從0到1，它表示成所選顏色的純度和該顏色最大的純度之間的比率。S=0時(shí)，只有灰度。</p><p>　　V表示色彩的明亮程度，范圍從0到1。有一點(diǎn)要注意：它和光強(qiáng)度之間并沒有直接的聯(lián)系。</p><p>　　RGB轉(zhuǎn)化到HSV的算法:</p><p>　　max=max(R,G,B) </p><p>　　min=min(R,G,B)

95、 </p><p>　　if R = max, H = (G-B)/(max-min) </p><p>　　if G = max, H = 2 + (B-R)/(max-min) </p><p>　　if B = max, H = 4 + (R-G)/(max-min) </p><p>　　H = H * 60 </p&g

96、t;<p>　　if H < 0, H = H + 360 </p><p>　　V=max(R,G,B) </p><p>　　S=(max-min)/max</p><p>　　下面是RGB顏色模型到HSV模型的轉(zhuǎn)換程序：</p><p>　　axes(handles.axes2);</p><

97、p>　　x=(handles.img);</p><p>　　if isrgb(x)</p><p>　　HSV=rgb2hsv(x);</p><p>　　imshow(HSV);</p><p><b>　　else</b></p><p>　　msgbox('這是灰度圖像,不能

98、轉(zhuǎn)換','轉(zhuǎn)換失敗');</p><p><b>　　end</b></p><p><b>　　轉(zhuǎn)換后的結(jié)果為：</b></p><p>　　圖2.21 顏色模型轉(zhuǎn)換對(duì)比圖</p><p>　　同樣的，轉(zhuǎn)化為ntsc和ycbcr模型，只要改為相應(yīng)的函數(shù)即可。函數(shù)如下：<

99、;/p><p>　　rgb2ntsc(x);% rgb模型轉(zhuǎn)ntsc模型</p><p>　　rgb2ycbcr(x);% rgb模型轉(zhuǎn)ycbcr模型</p><p>　　2.11操作界面設(shè)計(jì)</p><p>　　為了使整個(gè)操作界面更加的美觀，對(duì)背景顏色和字體顏色進(jìn)行設(shè)置。</p><p>　　第3章 程序調(diào)試及結(jié)果分析

100、</p><p>　　程序經(jīng)過調(diào)試各個(gè)功能模塊可以正確獨(dú)立運(yùn)行。</p><p>　　在設(shè)計(jì)過程中，發(fā)現(xiàn)程序的一些缺陷和不足：</p><p>　　1.一個(gè)函數(shù)只能對(duì)灰度圖像處理，不能對(duì)RGB圖像處理，那么如何才能對(duì)RGB圖像處理：</p><p>　　這主要是對(duì)MATLAB函數(shù)的不夠清楚，用到的很多函數(shù)是針對(duì)二維數(shù)據(jù)的，而RGB圖像的數(shù)據(jù)是

101、一個(gè)三維矩陣，所以處理要與灰度圖像不同，在開始的時(shí)候，我認(rèn)為應(yīng)該找一個(gè)能夠應(yīng)用于三維矩陣的函數(shù)，結(jié)果卻沒找到，后來(lái)想到可以把三維數(shù)據(jù)進(jìn)行降維處理，同樣使用二維的函數(shù)，只要是同樣處理三次。比如，彩色圖像的濾波處理，直方圖均衡等。</p><p>　　2.同一個(gè)操作對(duì)灰度圖像可以使用，當(dāng)用戶選擇的是彩色圖像時(shí)，該操作就會(huì)出錯(cuò)：</p><p>　　這是由于設(shè)計(jì)程序時(shí)，本身程序是有針對(duì)性的，有些

102、程序只能對(duì)灰度圖像有效，有些對(duì)彩色圖像有效，但是用戶并不清楚這些，所以在設(shè)計(jì)的過程中就要考慮全面，要分開設(shè)計(jì)。在本次課程設(shè)計(jì)中，我均對(duì)每個(gè)程序的開始時(shí)，用if isrgb（x）進(jìn)行判斷。</p><p>　　3.在沒有加入噪聲的情況下，點(diǎn)擊“中值濾波”或是其它濾波，會(huì)提示錯(cuò)誤：</p><p>　　這是由于在濾波程序設(shè)計(jì)的過程中，開始用到的變量是handles.noise_img，而這個(gè)變

103、量是在加入噪聲時(shí)候才定義的，所以在沒有加入噪聲的情況下，點(diǎn)擊各個(gè)濾波就會(huì)彈出變量沒有定義的錯(cuò)誤，解決方法就是在文件打開的時(shí)候就給定義handles.noise_img=x。</p><p>　　4.本次設(shè)計(jì)存在一個(gè)比較大的問題，就是每次操作都是獨(dú)立的，比如：要對(duì)圖像加入噪聲，然后在此基礎(chǔ)上進(jìn)行亮度調(diào)整，截圖，頻譜分析就無(wú)法實(shí)現(xiàn)。</p><p>　　我認(rèn)為應(yīng)該是整個(gè)程序設(shè)計(jì)過程中對(duì)變量的設(shè)

104、置沒有做好，應(yīng)該每次操作后，把處理后的數(shù)據(jù)保存在一個(gè)全局變量，這樣還要對(duì)處理后的數(shù)據(jù)進(jìn)行在處理時(shí)，只要把這個(gè)全局變量作為原始數(shù)據(jù)帶入就可。</p><p><b>　　總 結(jié)</b></p><p>　　在這次課程設(shè)計(jì)過程中，感觸很深，由于對(duì)MATLAB圖像處理的函數(shù)不熟悉，導(dǎo)致自己走了很多彎路，例如在設(shè)計(jì)圖像左轉(zhuǎn)90度和右轉(zhuǎn)90度時(shí)，由于開始并不知道imrotate

105、函數(shù)，只知道上下翻轉(zhuǎn)flipud和左右翻轉(zhuǎn)fliplr函數(shù)，怎樣才能用這兩個(gè)函數(shù)來(lái)實(shí)現(xiàn)左轉(zhuǎn)和右轉(zhuǎn)成了一個(gè)難題，如果只用矩陣轉(zhuǎn)置的話，并不能達(dá)到要求，后來(lái)經(jīng)過不斷的調(diào)試發(fā)現(xiàn)可以結(jié)合flipud和fliplr函數(shù)來(lái)實(shí)現(xiàn)，同理，也可以通過轉(zhuǎn)置和fliplr函數(shù)實(shí)現(xiàn)右轉(zhuǎn)90度。</p><p>　　但是后來(lái)發(fā)現(xiàn)其實(shí)只要用imrotate函數(shù)就可以解決問題。通過這次經(jīng)歷后，后來(lái)在設(shè)計(jì)其它程序時(shí)，盡量找MATLAB自帶的函數(shù)

106、，而不是一碰到問題就自己想算法，這樣可以節(jié)省較多的時(shí)間。</p><p>　　在理工科的專業(yè)應(yīng)用背景下，用matlab 進(jìn)行相關(guān)計(jì)算與仿真編程的優(yōu)勢(shì)非常突出。特定的問題處理算法，我們通常都以M文件的文本形式給定最終的解決方案，自己設(shè)計(jì)的程序是在MATLAB環(huán)境下，用MATLAB語(yǔ)言編寫的，這對(duì)于有安裝MATLAB軟件的計(jì)算機(jī)上運(yùn)行并不存在什么問題，關(guān)鍵是一般的計(jì)算機(jī)很少有去安裝MATLAB軟件的，怎樣在這些機(jī)子上

107、運(yùn)行該程序有成了一個(gè)問題，經(jīng)過查閱資料發(fā)現(xiàn).exe （可執(zhí)行）文件可運(yùn)行于所有的通用WINDOWS操作系統(tǒng)，為此，將M文件轉(zhuǎn)換成.exe文件倒是個(gè)不錯(cuò)的想法。</p><p>　　通過本次課程設(shè)計(jì)，使自己對(duì)MATLAB GUI設(shè)計(jì)流程有了比較深刻的體會(huì)，同時(shí)也了解了一般軟件設(shè)計(jì)的過程。在設(shè)計(jì)過程中碰到了很多的問題，通過這些問題，使自己分析問題，解決問題的能力得到了較大的提高。</p><p&g

108、t;<b>　　參考文獻(xiàn)</b></p><p>　　[1]鄭阿奇，曹戈，趙陽(yáng).MATLAB實(shí)用教程[M].北京：電子工業(yè)出版社</p><p>　　[2]程衛(wèi)國(guó)，馮峰，姚東，徐聽.MATLAB5.3應(yīng)用指南[M].北京：人民郵電出版社</p><p>　　[3]陳楊.MATLAB 6.X圖像編程與圖像處理[M].西安：西安電子科技大學(xué)出版社&