基于matlab的數(shù)字圖像處理畢業(yè)論文

1、<p><b>　　學(xué)士學(xué)位論文</b></p><p>　　Bachelor’s Thesis</p><p>　論文題目基于MATLAB的數(shù)字圖像處理</p><p>　作者姓名</p><p>　指導(dǎo)教師</p><p>　所在院系物理與電子科學(xué)學(xué)院</p><

2、p>　專業(yè)名稱電子信息科學(xué)與技術(shù)</p><p>　完成時間2011.5.15</p><p><b>　　目 錄</b></p><p>　　xx論文（設(shè)計(jì)）誠信承諾書I</p><p><b>　　目 錄II</b></p><p><b>　　摘

3、　要1</b></p><p><b>　　1．前言2</b></p><p>　　2．?dāng)?shù)字圖像處理基本內(nèi)容3</p><p>　　2.1數(shù)字圖像處理綜述3</p><p>　　2.2數(shù)字圖像處理的過程及內(nèi)容方法4</p><p><b>　　2.3圖像變換4&l

4、t;/b></p><p>　　2.4 圖像增強(qiáng)4</p><p><b>　　2.5圖像分割5</b></p><p>　　2.6 圖像復(fù)原6</p><p>　　2.7 MATLAB簡介6</p><p>　　3．利用MATLAB圖像處理分析及新方案7</p>&

5、lt;p>　　3.1 計(jì)算結(jié)果7</p><p>　　3.2 計(jì)算結(jié)果分析11</p><p><b>　　4．小結(jié)12</b></p><p>　　4.1 本文主要工作總結(jié)12</p><p><b>　　4.2 展望13</b></p><p><b

6、>　　5．致謝14</b></p><p><b>　　參考文獻(xiàn)15</b></p><p><b>　　附錄16</b></p><p>　　湖北師范學(xué)院學(xué)士學(xué)位論文評審表</p><p>　　基于MATLAB的數(shù)字圖像處理</p><p>　　摘　

7、要:本文簡述了數(shù)字圖像處理的一些基本方法和技術(shù)。邊緣檢測是其中一個比較基礎(chǔ)且重要的課題。介紹了邊緣檢測中5種常用的算子，然后在MATLAB上加以實(shí)現(xiàn)，并對它們進(jìn)行比較，最后提出了一個新的檢測方法。</p><p>　　關(guān)鍵詞: MATLAB 數(shù)字圖像處理 圖像增強(qiáng) 邊緣檢測 </p><p>　　中圖分類號:TP391.41 </p><p>　　DIGITAL I

8、MAGE PROCESSING BASED ON MATLAB </p><p>　　Abstract : Some basic methods and technologies of digital image processing are introduced in this paper. Edge detection is one of the comparison foundation and impo

9、rtant topics. Five kind of commonly used operators of edge detection are introduced. Then realize on MATLAB, and make comparison between them. At last, a new detection method is put forward. </p><p>　　Key wo

10、rds: MATLAB　digital image processing　image enhancement　edge detection</p><p>　　基于MATLAB的數(shù)字圖像處理</p><p><b>　　1．前言</b></p><p>　　數(shù)字圖像處理(Digital Image Processing)又稱為計(jì)算機(jī)圖像處理

11、，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計(jì)算機(jī)對其進(jìn)行處理的過程。數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計(jì)算機(jī)來處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。圖像處理中，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[1]。</

12、p><p>　　MATLAB是MathWorks公司開發(fā)的一套高性能的用于數(shù)值計(jì)算和可視化圖形處理的工程軟件，它將數(shù)值分析、矩陣運(yùn)算、圖形圖像處理、信號處理和仿真等集成于一體，構(gòu)成了一個方便、界面友好的用戶環(huán)境。MATLAB語言是一種簡單、高效、功能極強(qiáng)的編程語言。</p><p>　　MATLAB的推出得到了各個領(lǐng)域?qū)＜覍W(xué)者的廣泛關(guān)注，其強(qiáng)大的擴(kuò)展功能為各個領(lǐng)域的應(yīng)用提供了基礎(chǔ)。由各個領(lǐng)域的

13、專家學(xué)者相繼推出了MATLAB工具箱，它的工具箱主要有通信、控制系統(tǒng)、濾波器設(shè)計(jì)、圖像處理、非線性控制設(shè)計(jì)、系統(tǒng)識別、神經(jīng)網(wǎng)絡(luò)、最優(yōu)化、模糊邏輯、信號處理、魯棒控制、統(tǒng)計(jì)等，而且工具箱還在不斷的增加。借助于這些工具,各個層次的研究人員可直觀、方便地進(jìn)行分析、計(jì)算及設(shè)計(jì)工作，從而大大地節(jié)省了時間。為此，MATLAB己經(jīng)成為目前使用最為廣泛的工程應(yīng)用軟件[2]。</p><p>　　本文主要論述數(shù)字圖像處理的一些基本

14、方法，并以灰度圖像為例，說明圖像增強(qiáng)和邊緣檢測等數(shù)字圖像處理技術(shù)通過MATLAB實(shí)現(xiàn)的方法。然后對新提出的方法進(jìn)行驗(yàn)證，并對計(jì)算結(jié)果進(jìn)行分析。</p><p>　　2．?dāng)?shù)字圖像處理基本內(nèi)容</p><p>　　2.1數(shù)字圖像處理綜述</p><p>　　數(shù)字圖像就是用數(shù)字?jǐn)z像機(jī)、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，

15、稱為灰度值。圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強(qiáng)和復(fù)原，匹配、描述和識別3個部分。</p><p>　　一般來講,對圖像進(jìn)行處理(或加工、分析)的主要目的有三個方面: </p><p>　　(1) 提高圖像的視感質(zhì)量,如進(jìn)行圖像的亮度、彩色變換,增強(qiáng)、抑制某些成分,對圖像進(jìn)行幾何變換等,以改善圖像的質(zhì)量。 　　</p><p>　　(2) 提取圖像中所包含的某些

16、特征或特殊信息，這些被提取的特征或信息往往為計(jì)算機(jī)分析圖像提供便利。提取特征或信息的過程是模式識別或計(jì)算機(jī)視覺的預(yù)處理。提取的特征可以包括很多方面,如頻域特征、灰度或顏色特征、邊界特征、區(qū)域特征、紋理特征、形狀特征、拓?fù)涮卣骱完P(guān)系結(jié)構(gòu)等。 　　</p><p>　　(3) 圖像數(shù)據(jù)的變換、編碼和壓縮，以便于圖像的存儲和傳輸。不管是何種目的的圖像處理，都需要由計(jì)算機(jī)和圖像專用設(shè)備組成的圖像處理系統(tǒng)對圖像數(shù)據(jù)進(jìn)行輸入

17、、加工和輸出[1]。</p><p>　　數(shù)字圖像處理主要有以下優(yōu)缺點(diǎn)：</p><p><b>　　主要缺點(diǎn)：</b></p><p>　　(1) 處理信息量很大。所以對計(jì)算機(jī)的的計(jì)算速度和存儲容量有較高的要求；</p><p>　　(2) 占用頻帶較寬。所以在成像、傳輸、存儲、處理、顯示等各個環(huán)節(jié)的實(shí)現(xiàn)上，技術(shù)難度較

18、大，成本高，對頻帶壓縮技術(shù)提出了更高的要求；</p><p>　　(3) 每個像素不是獨(dú)立的，相關(guān)性大；</p><p>　　(4) 無法復(fù)現(xiàn)三位景物的全部信息；</p><p>　　(5) 受人的影響較大。數(shù)字圖像處理后的圖像一般是給人觀察和評價(jià)的，因此受人的因素影響較大。</p><p><b>　　主要優(yōu)點(diǎn)：</b>

19、;</p><p><b>　　(1) 再現(xiàn)性好；</b></p><p>　　(2) 處理精度高；</p><p>　　(3) 適用范圍廣。不僅可以用于可見光圖像，也可用于不可見的波普圖像；</p><p><b>　　(4) 靈活性高。</b></p><p>　　2.2

20、數(shù)字圖像處理的過程及內(nèi)容方法</p><p>　　圖像處理就是按特定的目標(biāo)，用一系列的特定操作來對圖像信息進(jìn)行加工。數(shù)字圖像處理是指利用數(shù)字計(jì)算機(jī)或者其他數(shù)字硬件，對從圖像信息轉(zhuǎn)換而得到的數(shù)字電信號進(jìn)行某些數(shù)學(xué)運(yùn)算或處理，以期提高圖像的質(zhì)量或達(dá)到人們所預(yù)期的結(jié)果。</p><p>　　通常來說，數(shù)字圖像處理的研究內(nèi)容有：圖像變換、圖像增強(qiáng)、圖像復(fù)原、圖像分割、圖像描述、圖像壓縮編碼、圖像識

21、別[2]。</p><p><b>　　2.3圖像變換</b></p><p>　　在MATLAB中，一般用二元函數(shù)f(x,y)作為圖像的數(shù)學(xué)表示。f(x,y)表示在特定點(diǎn)(x,y)處的函數(shù)值，表示圖像在該點(diǎn)相應(yīng)的顏色強(qiáng)度或者灰度。所謂圖像變換就是把圖像轉(zhuǎn)換為另一種數(shù)字表示方式的操作。</p><p>　　在圖像處理技術(shù)中，圖像的正交變換技術(shù)有

22、著廣泛的應(yīng)用，是圖像處理的重要工具。通過變換圖像，改變圖像的表示域及表示數(shù)據(jù)，可以給后繼工作帶來極大的方便。例如，傅里葉變換可使處理分析在頻域中進(jìn)行，使運(yùn)算簡單；而離散余弦變換可使能量集中在少數(shù)數(shù)據(jù)上，從而實(shí)現(xiàn)數(shù)據(jù)壓縮，便于圖像傳輸和存儲[3]。</p><p><b>　　2.4 圖像增強(qiáng)</b></p><p>　　圖像增強(qiáng)就是采用一系列技術(shù)去增強(qiáng)圖像中用戶感興趣

23、的信息，其目的主要有兩個：一是改善圖像的視覺效果，提高圖像成分的清晰度；二是使圖像變得史有利于計(jì)算機(jī)處理。在圖像增強(qiáng)中，中值濾波和直方圖均衡化都是強(qiáng)有力的圖像增強(qiáng)方法[4]。</p><p>　　圖像增強(qiáng)的方法分為兩大類：空域法和頻域法。“空間域”一詞是圖像平面自身，這類方法是以對圖像的像素直接處理為基礎(chǔ)的；“頻域”處理技術(shù)是以修改圖像的傅里葉變換為基礎(chǔ)的。以這兩類方法的各種結(jié)合為基礎(chǔ)的技術(shù)是不常見的[5]。&l

24、t;/p><p>　　(1) 空域增強(qiáng)技術(shù)：空域法是在原圖像上直接進(jìn)行數(shù)據(jù)運(yùn)算，主要是對圖像中的各個像素點(diǎn)進(jìn)行操作。典型的空域處理圖像方法是灰度直方圖處理技術(shù)以及直方圖均衡化處理技術(shù)。它的主要原理是對一幅圖像的直方圖，經(jīng)過一定的變換，使其成為均勻或者基本均勻。但是由于灰度直方圖實(shí)施近似概率密度函數(shù)。因此，當(dāng)用離散的灰度等級做變換時，很難得到完全平坦均勻的結(jié)果。</p><p>　　(2) 頻域

25、增強(qiáng)技術(shù)：頻域法是從另外一個角度來分析圖像信號的特性。即首先將圖像從空間域變換到頻域，然后進(jìn)行各種各樣的處理，再將所得到的結(jié)果進(jìn)行反變換，從而達(dá)到圖像處理的目的。通常采用的變化方法有傅立葉變換、DCT變換、沃爾什-哈達(dá)瑪變換、小波變換等[6]。</p><p><b>　　2.5圖像分割</b></p><p>　　圖像分割可借助集合概念用如下比較正式的方法定義：&l

26、t;/p><p>　　令集合R代表整個圖像區(qū)域，對R的分割可看做將R分成若干個滿足以下5個條件的非空的子集(子區(qū)域)：</p><p>　　(1) (分割所得全部子區(qū)域的總和(并集)應(yīng)能包括圖象中所有象素或?qū)D象中每個象素都劃分進(jìn)一個子區(qū)中)</p><p>　　(2) 對所有的 i 和 j ,有Ri∩Rj = ø;</p><p>　

27、　(3) 對 i=1，2，3，……，N，有P(Ri)=TRUE；</p><p>　　(4) 對 i ≠ j，有P(Ri ∪Rj)=FALSE；</p><p>　　(5) 對i=1，2，……，N，Ri是連通區(qū)域 [5]。</p><p>　　上面的定義，不僅說明了分割的含義，而且對分割也有指導(dǎo)作用。因?yàn)榉指钍歉鶕?jù)一些分割準(zhǔn)則進(jìn)行的。條件(1)和條件(2)說明正確的

28、分割準(zhǔn)則應(yīng)適用于所有的區(qū)域和所有的象素，條件(3)和條件(4)說明合理的分割準(zhǔn)則應(yīng)能夠幫助確定各區(qū)域象素有代表性的特性，條件(5)則說明完整的分割準(zhǔn)則應(yīng)該直接或間接地對區(qū)域內(nèi)象素連通性有一定要求或限定。最后需要指出的是，在實(shí)際應(yīng)用中圖象分割不僅是要把一幅圖象分成滿足以上五個條件的各具特性的區(qū)域，而且需要把其中感興趣的目標(biāo)區(qū)域提取出來,只有這樣才算是真正完成了圖象分割的任務(wù)。</p><p>　　圖像分割技術(shù)包括并

29、行邊界技術(shù)、串行邊界技術(shù)、并行區(qū)域技術(shù)和串行區(qū)域技術(shù)。其中并行邊界技術(shù)中的邊緣檢測技術(shù)在圖像處理技術(shù)中有很重要的位置。</p><p><b>　　2.6 圖像復(fù)原</b></p><p>　　圖像恢復(fù)就是要除去或減少在獲得圖像過程中因各種原因產(chǎn)生的退化。這類原因可能是光學(xué)系統(tǒng)的像差或離焦、攝像系統(tǒng)與被攝物之間的相對運(yùn)動、電子或光學(xué)系統(tǒng)的噪聲和介于攝像系統(tǒng)與被攝像物間

30、的大氣湍流等。圖像復(fù)原常用兩種方法。當(dāng)不知道圖像本身的性質(zhì)時，可以建立退化源的數(shù)學(xué)模型，然后施行復(fù)原算法除去或減少退化源的影響。當(dāng)有了關(guān)于圖像本身的先驗(yàn)知識時，可以建立原始圖像的模型，然后在觀測到的退化圖像中通過檢測原始圖像而復(fù)原圖像。</p><p>　　圖像恢復(fù)技術(shù)可以有多種分類方法。在給定模型的條件下，圖像恢復(fù)技術(shù)可分為無約束和有約束的兩大類。根據(jù)是否需要外來干預(yù)，圖像恢復(fù)技術(shù)有可分為自動和互交的兩大類。另

31、外根據(jù)處理所在域，圖像恢復(fù)技術(shù)還可以分為頻域和空域兩大類。許多圖像恢復(fù)技術(shù)借助頻域處理的概念，但越來越多的空域處理技術(shù)得到應(yīng)用[5]。</p><p>　　2.7 MATLAB簡介</p><p>　　MATLAB是一種用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級技術(shù)計(jì)算語言和交互式環(huán)境。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。MATLAB可以進(jìn)行矩陣運(yùn)算、繪制函數(shù)和數(shù)據(jù)、

32、實(shí)現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等。MATLAB的應(yīng)用范圍非常廣，主要應(yīng)用于通訊、工程計(jì)算、信號和圖像處理、控制設(shè)計(jì)、信號處理與通訊、圖像處理、信號檢測、金融建模設(shè)計(jì)與分析以及計(jì)算生物學(xué)等領(lǐng)域。MATLAB的圖像處理功能主要集中在他的圖像處理工具箱中(Image proeessing Toolbox)。此工具箱是由一系列支持圖像處理的函數(shù)組成?？梢赃M(jìn)行如幾何操作、線性濾波和濾波器設(shè)計(jì)、圖像的變換與增強(qiáng)、二值圖像操作以及形態(tài)

33、學(xué)處理等圖像處理操作 [7]。</p><p>　　MATLAB數(shù)字圖像處理工具箱函數(shù)包括以下15類：(1)圖像顯示函數(shù)；(2)圖像文件輸入、輸出函數(shù)；(3)圖像幾何操作函數(shù)；(4)圖像像素值及統(tǒng)計(jì)函數(shù)；(5)圖像分析函數(shù)；(6)圖像增強(qiáng)函數(shù)；(7)線性濾波函數(shù)；(8)二維線性濾波器設(shè)計(jì)函數(shù)；(9)圖像變換函數(shù)；(10)圖像鄰域及塊操作函數(shù)；(11)二值圖像操作函數(shù)；(12)基于區(qū)域的圖像處理函數(shù)；(13)顏色圖

34、操作函數(shù)；(14)顏色空間轉(zhuǎn)換函數(shù)；(15)圖像類型和類型轉(zhuǎn)換函數(shù)[8]。這些函數(shù)，涵蓋了包括近期研究成果在內(nèi)的幾乎所有的圖像處理方法。這些函數(shù)按其功能可分為：圖像顯示；圖像文件I/O；幾何操作；像素和統(tǒng)計(jì)處理；圖像分析；圖像增強(qiáng)；線性濾波；線性二元濾波設(shè)計(jì)；圖像變換；鄰域和塊處理；二進(jìn)制圖像操作；區(qū)域處理；顏色映像處理；顏色空間變換；圖像類型和類型轉(zhuǎn)換。</p><p>　　MATLAB的圖像處理工具箱功能十分

35、強(qiáng)大，利用這些圖像處理工具箱， 并結(jié)合其強(qiáng)大的數(shù)據(jù)處理能力，可不必關(guān)心圖像文件的格式、讀寫、顯示等細(xì)節(jié)，從而把精力集中在算法研究上，大大提高了工作效率。而且, 在測試這些算法時既可方便地得到統(tǒng)計(jì)數(shù)據(jù)，同時又可得到直觀圖示[9]。</p><p>　　將MATLAB用于數(shù)字圖像處理,其優(yōu)點(diǎn)在于以下幾個方面:</p><p>　　(1) 強(qiáng)大、高效的矩陣和數(shù)組運(yùn)算功能。</p>

36、<p>　　(2) 語法規(guī)則與一般的高級語言類似，一個稍有編程基礎(chǔ)的人能很快熟悉掌握。</p><p>　　(3) 語言簡潔緊湊，使用靈活，程序書寫形式自由。而且?guī)旌瘮?shù)十分豐富，避免了繁雜的子程序編程任務(wù)。</p><p>　　(4) 向用戶提供各種方便的繪圖功能。</p><p>　　(5) 提供了圖像處理工具箱、數(shù)字信號處理工具箱、小波工具箱等各種功能

37、強(qiáng)大的工具箱。</p><p>　　(6) 集成了各種變換函數(shù),不僅方便了研究人員，而且使源程序簡潔明了、易實(shí)現(xiàn)[10]。</p><p>　　3．利用MATLAB圖像處理分析及新方案</p><p><b>　　3.1 計(jì)算結(jié)果</b></p><p><b>　　圖像處理分析：</b></

38、p><p>　　首先，對原圖像進(jìn)行灰度處理，在對其進(jìn)行均衡化處理，并分別作出它們的直方圖進(jìn)行比較；然后，用較為常見的5種邊緣檢測算子對灰度圖像進(jìn)行邊緣檢測，計(jì)算出它們的檢測結(jié)果，并對結(jié)果進(jìn)行比較，分析它們之間的特點(diǎn)。</p><p><b>　　圖1.原始圖片</b></p><p>　　圖2.灰度處理后的灰度圖片 圖3

39、.灰度直方圖</p><p>　　圖4.均衡化后的圖片 圖5.均衡化后直方圖</p><p>　　首先，介紹一下灰度直方圖，灰度直方圖(histogram)是灰度級的函數(shù)，它表示圖象中具有每種灰度級的象素的個數(shù)，反映圖象中每種灰度出現(xiàn)的頻率?；叶戎狈綀D的橫坐標(biāo)是灰度級，縱坐標(biāo)是該灰度級出現(xiàn)的頻率，是圖象的最基本的統(tǒng)計(jì)特征。</p><p>

40、　　從前面幾幅圖可以看出，在處理之前，原圖像的灰度主要集中在20到110之間，在對灰度圖像進(jìn)行均衡化處理后，圖像的灰度幾乎是平均分布的，也就是增加了圖像像素灰度值的動態(tài)范圍，使圖像的整體對比度效果更佳。</p><p>　　其次，介紹什么是邊緣檢測。邊緣(Edge)是指圖像局部亮度變化最顯著的部分，它存在與目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域之間。邊緣檢測是根據(jù)數(shù)字圖像中的突變信息檢測圖像的邊緣。圖像邊緣信息在圖像

41、分析和人的視覺中都是十分重要的，是圖像識別中提取圖像特征的一個重要屬性。邊緣信息便于量化和比較，更適合于檢測和定位圖像中的物體位置，因此邊緣檢測技術(shù)在數(shù)字圖像檢測和識別中有極其重要的地位。邊緣檢測的實(shí)質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線，其目的就是要突出圖像的邊緣以便提取圖像的特征[11]。邊緣檢測算子實(shí)際上就是一種基于某種數(shù)學(xué)方法對圖像的邊緣進(jìn)行增強(qiáng)處理的算法。</p><p>　　圖6.cann

42、y算子邊緣檢測 圖7.log算子邊緣檢測</p><p>　　圖8.prewitt算子邊緣檢測 圖9.sobel算子邊緣檢測</p><p>　　圖10.roberts算子邊緣檢測</p><p>　　比較上面分別用5種算子對圖像進(jìn)行的邊緣檢測效果，可以很清楚的看出使用canny算子的效果最好，檢測到得邊緣連續(xù)性好

43、而且清晰；使用log算子效果也很好，但是連續(xù)性不如canny算子；其他三個算子檢測到得邊緣效果差不多，許多邊緣檢測不到，而且連續(xù)性也不好。</p><p>　　圖11.加高斯噪聲的圖片 圖12.高斯噪聲圖片均值濾波后的圖片</p><p>　　對比上面兩幅圖像可以看出，使用均值濾波后的噪聲圖像，去噪效果非常好，基本上能濾掉大部分噪聲。</p><p>　　通過對

44、上面的計(jì)算結(jié)果的分析，本設(shè)計(jì)對施加了高斯噪聲圖像新的邊緣檢測提出一個新方案：首先對含高斯噪聲的圖像進(jìn)行均值濾波處理，然后對處理后的圖像使用canny算子和roberts算子進(jìn)行邊緣檢測，然后將兩個算子檢測到得的邊緣進(jìn)行疊加，得到新的檢測邊緣。計(jì)算結(jié)果如下圖：</p><p>　　圖13.單獨(dú)使用canny算子檢測結(jié)果 圖14.單獨(dú)使用roberts算子檢測結(jié)果</p><p>　　圖1

45、5.canny和roberts算子檢測結(jié)果疊加之后的邊緣</p><p>　　對比前面的使用單個算子的邊緣檢測結(jié)果可以看出，疊加之后的邊緣更加完整，檢測的效果較單個算子的檢測效果更好，對噪聲的抑制也較好，邊緣比較清晰。</p><p>　　3.2 計(jì)算結(jié)果分析</p><p>　　通過比較圖2和圖4可看出圖像對比度明顯增加，圖像變得清晰，比較圖3和圖5，均衡化后的直

46、方圖形狀也比原直方圖的形狀更理想，像素的灰度值分布均勻，即達(dá)到增強(qiáng)圖像的對比度的效果。</p><p>　　通過比較圖6、7、8、9、10,可以看出，sobel 算子和prewitt 算子都是對圖像先作加權(quán)平滑處理后, 再作微分運(yùn)算, 不同的是平滑部分的權(quán)值有些差異, 雖然對噪聲具有一定抑制能力, 但也不能完全排除檢測結(jié)果中出現(xiàn)虛假邊緣。雖然sobel算子和prewitt算子邊緣定位效果不錯, 但檢測出的邊緣易出

47、現(xiàn)多像素寬度。這兩個算子對灰度漸變的低噪聲圖像有較好的檢測效果, 但對于混合的多復(fù)雜噪聲圖像, 處理效果就不是蠻理想。roberts算子定位比較精確, 但是由于不包括平滑, 所以對噪聲比較敏感，顯然prewitt和sobel算子的檢測效果要好些。log算子對圖像的邊緣檢測比上面三個算子對圖像的邊緣檢測效果要好，但在抑制噪聲的同時可能將原有的比較尖銳的邊緣也平滑掉了，所以會造成這些尖銳邊緣無法檢測到，從圖7可以看出仿真后還是有一定的噪聲的

48、。canny算子是以一階導(dǎo)數(shù)為基礎(chǔ)來判斷邊緣點(diǎn)。并采用高斯函數(shù)對圖像作平滑處理, 因此具有比較強(qiáng)的抑制噪聲的能力，它是一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算子之一。但同樣該算子也會將部分高頻邊緣平滑掉，造成邊緣丟失，無法被檢測。</p><p>　　在對施加高斯噪聲的圖片進(jìn)行均值濾波處理后，效果非常明顯，很好的將噪聲處理掉并很好的保持了原始圖片的信息。但是使用均值濾波去噪聲時，所選模板尺寸比較重要，模板尺寸越大

49、去噪效果越好。</p><p>　　最后，在總結(jié)了前面的分析之后，本設(shè)計(jì)提出一個基于施加了高斯噪聲的圖像進(jìn)行邊緣檢測的新的方案，由于canny算子是以一階導(dǎo)數(shù)為基礎(chǔ)來判斷邊緣點(diǎn)，所以它在檢測階躍型邊緣中效果最好，而且去噪能力強(qiáng)，roberts算子主要優(yōu)點(diǎn)是定位精確，對噪聲敏感，去噪能力也較強(qiáng)，所以對這兩個算子的檢測邊緣進(jìn)行疊加，在保證檢測的邊緣連續(xù)完整的同時，也保證了對噪聲的抑制效果。</p>&l

50、t;p><b>　　4．小結(jié)</b></p><p>　　4.1 本文主要工作總結(jié)</p><p>　　通過閱讀大量的文獻(xiàn)，對數(shù)字圖像處理技術(shù)有了一定的了解，同時通過使用MATLAB圖像處理工具箱對圖像進(jìn)行處理，并對仿真結(jié)果進(jìn)行觀察和分析，更加深了對圖像處理的直觀認(rèn)識。本次設(shè)計(jì)主要進(jìn)行了以下方面的工作：</p><p>　　(1) 對數(shù)字

51、圖像處理內(nèi)容及過程進(jìn)行了詳細(xì)的敘述。</p><p>　　(2) 對數(shù)字圖像處理技術(shù)的主要內(nèi)容進(jìn)行了比較詳細(xì)的陳述。</p><p>　　(3) 對MATLAB以及其圖像處理工具箱進(jìn)行了簡要的敘述。</p><p>　　(4) 通過MATLAB軟件對其中的圖像增強(qiáng)和圖像的邊緣檢測以及平滑處理等內(nèi)容進(jìn)行了仿真，并展示仿真的效果，并對結(jié)果進(jìn)行了比較和分析。</p&

52、gt;<p>　　(5) 提出一個新的圖像處理方案，通過MATLAB進(jìn)行仿真，并觀察其仿真效果，然后進(jìn)行對比分析。</p><p><b>　　4.2 展望</b></p><p>　　如今，圖像是人們獲取和交換信息的主要來源。因此，圖像處理應(yīng)用領(lǐng)域涉及到人們生活的各個方面。隨著科技的發(fā)展，數(shù)字圖像處理技術(shù)的應(yīng)用范圍也將不斷增大。在未來幾年甚至是幾十年內(nèi)

53、，數(shù)字圖像處理技術(shù)將更廣泛的應(yīng)用于以下幾個領(lǐng)域：</p><p>　　(1) 航空航天技術(shù)方面：譬如對月球，火星照片進(jìn)行處理；對飛機(jī)及衛(wèi)星遙感等，都要用到數(shù)字圖像處理技術(shù)。</p><p>　　(2) 生物工程方面：最常見的就是CT圖，X光圖像，超聲波圖像處理等領(lǐng)域也都會用到數(shù)字圖像處理技術(shù)。</p><p>　　(3) 工業(yè)工程方面：流體力學(xué)的圖像的阻力和升力分析

54、等等。</p><p>　　(4) 通信工程方面：主要的發(fā)展方向在于聲音、圖像、文字和數(shù)據(jù)結(jié)合的流媒體通信。</p><p>　　(5) 文化藝術(shù)方面：在卡通動畫制作，電子游戲制作，服裝設(shè)計(jì)等方面都需要圖像處理技術(shù)。</p><p>　　(6) 在軍事及犯罪方面：例在如導(dǎo)彈的精確制導(dǎo)，人臉識別，指紋識別，不完整圖片復(fù)原等方面都有圖像處理技術(shù)的應(yīng)用。</p>

55、;<p>　　圖像處理技術(shù)未來發(fā)展大致體現(xiàn)在在以下4個方面：</p><p>　　(1) 朝高速、高分辨率、立體化、多媒體、智能化和標(biāo)準(zhǔn)化方向發(fā)展。具體表現(xiàn)：①提高硬件速度。這不僅僅要提高計(jì)算機(jī)的速度，而且A/D和D/A的速度要實(shí)時化；②提高分辨率。主要是提高采集分辨率和顯示分辨率，其主要困難是顯像管的制造和圖像圖形刷新存取速度；③立體化。圖像是二維信息，信息量更大的三維圖像將隨意計(jì)算圖形學(xué)及虛擬現(xiàn)

56、實(shí)技術(shù)的發(fā)展將得到廣泛應(yīng)用；④多媒體化。20世紀(jì)90年代出現(xiàn)的多媒體技術(shù)，其關(guān)鍵技術(shù)就是圖像數(shù)據(jù)的壓縮，目前數(shù)據(jù)壓縮的國際標(biāo)準(zhǔn)有多個，而且還在發(fā)展，它將朝著人類接收和處理信息最自然的方式發(fā)展；⑤智能化。力爭使計(jì)算機(jī)識別和理解能夠按照人的認(rèn)識和思維方式工作，能夠考慮到主觀概率和非邏輯思維；⑥標(biāo)準(zhǔn)化。從整體上看，圖像處理技術(shù)目前還沒有國際標(biāo)準(zhǔn)。</p><p>　　(2) 圖像和圖形相結(jié)合朝著三維成像或多維成像的方向

57、發(fā)展。</p><p>　　(3) 硬件芯片的開發(fā)研究。目前結(jié)合多媒體的研究，硬件芯片越來越多，如Thomson公司ST13220采用Systolic結(jié)構(gòu)設(shè)計(jì)了運(yùn)動預(yù)測器，把圖像處理的眾多功能固化在芯片上，為實(shí)踐服務(wù)。</p><p>　　(4) 新理論和新算法的研究。圖像處理科學(xué)經(jīng)過初創(chuàng)造期、發(fā)展期、普及期和廣泛應(yīng)用期，近年來引入了一些新的理論并提出了一些新的算法，如:Wavelet、F

58、ractal、Morphology、遺傳算法和神經(jīng)網(wǎng)絡(luò)等，其中Fractal廣泛應(yīng)用圖像處理、圖形處理、紋理分析，同時還用于物理、數(shù)學(xué)、生物、神經(jīng)和音樂等方面[12]。</p><p><b>　　5．致謝</b></p><p>　　本次畢業(yè)設(shè)計(jì)是在zz老師的指導(dǎo)下完成的，從課題選擇到項(xiàng)目最終完成，zz老師始終給我細(xì)心的指導(dǎo)和不懈的支持，他嚴(yán)謹(jǐn)?shù)淖黠L(fēng)深深感染了我，在

59、我做這個項(xiàng)目遇到困難和茫然的時候，在我想對論文中的難點(diǎn)不懂的時候，也是zz老師始終沒有放棄的幫助我，讓我最終可以完成這個項(xiàng)目。</p><p>　　另外，還要感謝這四年來陪伴我度過大學(xué)時代的老師和同學(xué)們，是他們豐富了我的大學(xué)生活，在求學(xué)的路上給我指引了方向，訓(xùn)練我科學(xué)嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度。</p><p><b>　　參考文獻(xiàn)</b></p><p>

60、;　　[1] 岡薩雷斯(美). 數(shù)字圖像處理[M]. 電子工業(yè)出版社,2009:1~50</p><p>　　[2] 王 磊. 基于MATLAB的數(shù)字圖像處理[J]. 蘇州市職業(yè)大學(xué)學(xué)報(bào), 2006,20(2):53~54</p><p>　　[3] 賀興華,周媛媛,王繼陽,周 暉等. MATLAB7.x圖像處理[M]. 人民郵電出版社, 2006:50~150</p>

61、<p>　　[4] 白 羽,索麗敏,孟艷君. 基于MATLAB 的數(shù)字圖像處理分析及應(yīng)用[J]. 信息科學(xué),2009,(32): 84~85</p><p>　　[5] 章毓晉. 圖像工程(上冊)——圖像處理和分析[M]. 清華大學(xué)出版社, 1999:100~150</p><p>　　[6] 賈小軍. 基于Matlab 的圖像增強(qiáng)技術(shù)研究[J]. 渭南師范學(xué)院學(xué)報(bào), 2

62、008,23 (2): 68~69</p><p>　　[7] 賈 偉. MATLAB在數(shù)字圖像處理中的應(yīng)用[J]. Silicon Valley,2010,(8): 92~133</p><p>　　[8] 叢 波. 基于MATLAB的數(shù)字圖像處理技術(shù)及應(yīng)用[J]. 中國信息科技, 2011,(5): 86~89</p><p>　　[9] 涂望明,魏友國,

63、施少敏. MATLAB在數(shù)字圖像處理中的應(yīng)用[J]. 微計(jì)算機(jī)信息,2007,23(6):299~300</p><p>　　[10] 于廣州,楊秀娟. MATLAB在圖像處理中的應(yīng)用[J]. 中國校外教育(理論),2009, (2): 166~167</p><p>　　[11] 張秀蘭. 基于MATLAB的數(shù)字圖像的邊緣檢測[J]. 吉林化工學(xué)院學(xué)報(bào), 2010,27(2): 59~6

64、0</p><p>　　[12] 陳炳權(quán),劉宏立,孟凡斌. 數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向[J].吉首大學(xué)學(xué)報(bào),2009,30(1): 67~68</p><p><b>　　附錄</b></p><p><b>　　源碼：</b></p><p>　　i=imread('1.jpg&#

65、39;);...</p><p>　　j=rgb2gray(i);...</p><p>　　k=imnoise(j,'gaussian',0.02);...</p><p>　　imshow(k) %加高斯噪聲</p><p>　　i=imread('1.jpg');...</p><p&

66、gt;　　j=rgb2gray(i);...</p><p>　　imshow(j)%原始圖像灰度出理</p><p>　　i=imread('1.jpg');...</p><p>　　j=rgb2gray(i);...</p><p>　　imhist(j)%灰度直方圖</p><p>　　i=im

67、read('1.jpg');...</p><p>　　j=rgb2gray(i);...</p><p>　　k=histeq(j);...</p><p>　　imhist(k)%均衡化后直方圖</p><p>　　i=imread('1.jpg');...</p><p>　　j=

68、rgb2gray(i);...</p><p>　　k=histeq(j);...</p><p>　　imshow(k)%均衡化后的圖片</p><p>　　i=imread('1.jpg');...</p><p>　　j=rgb2gray(i);...</p><p>　　k=edge(j,

69、9;log');...</p><p>　　imshow(k)%log算子圖片,canny,sobel,prewitt,</p><p>　　i=imread('1.jpg');...</p><p>　　j=rgb2gray(i);...</p><p>　　k=imnoise(j,'gaussian'

70、;,0,0.001);...</p><p>　　l=filter2(fspecial('average',3),k)/225;...</p><p>　　imshow(l)%高斯噪聲均值濾波</p><p>　　i=imread('1.jpg');...</p><p>　　j=rgb2gray(i);...

71、</p><p>　　k=imnoise(j,'gaussian',0.02);...</p><p>　　l=filter2(fspecial('average',3),k)/225;...</p><p>　　m=edge(l,'canny');...</p><p>　　imshow(m)

72、;%高斯噪聲圖像邊緣檢測</p><p>　　i=imread('1.jpg');...</p><p>　　j=rgb2gray(i);...</p><p>　　k=imnoise(j,'gaussian',0.02);...</p><p>　　l=filter2(fspecial('averag

73、e',3),k)/225;...</p><p>　　m=edge(l,'canny');...</p><p>　　n=edge(l,'roberts');...</p><p><b>　　a=m+n;...</b></p><p>　　imshow(a);</p>