圖像與MATLAB數(shù)字圖象處理漢化版

第二章圖像與MATLAB,2.1灰度圖像,紅色 + 藍色 = 品紅色 紅色 + 綠色 = 黃色 綠色 + 藍色 = 青色 紅色 + 綠色 + 藍色 = 白色,紅色 + 青色 = 白色 綠色 + 品紅色 = 白色 藍色 + 黃色 = 白色,R:200,G:50,B:120,RGB色系 顏色構(gòu)成,2.3索引彩色圖像,2.4數(shù)據(jù)類型和相互轉(zhuǎn)換,2.5圖像文件和格式,MATLAB與圖像處理,圖像信息是人類認識世界的主要知識來源。 國外學(xué)者的研究結(jié)果： 人類所獲得的外界信息有70以上是通過眼睛獲得的。,數(shù)字圖像處理：,利用計算機對圖像進行加工和處理的過程 應(yīng)用范圍： 遙感 氣象預(yù)報 軍事偵察 生物醫(yī)學(xué) 。,數(shù)字圖像處理的主要研究領(lǐng)域：,圖像的數(shù)字化 圖像變換 圖像增強 圖像恢復(fù) 圖像分割 圖像分析和理解 圖像壓縮,MATLAB的圖像處理函數(shù)分類：,圖像的幾何操作 圖像變換 圖像分析和增強 圖像壓縮,圖像格式和類型,真彩色圖像（RGB圖像） 利用R、G、B三個分量表示一個像素的顏色。,0.6118 0.8392 0.6471 0.6471 0.6471 0.6471 0.7765 0.8392 0.8078 0.8078 0.8078 0.8078 0.7412 0.7098 0.9373 0.9373 0.9373 0.9373,紅,綠,藍,圖像格式和類型,索引色圖像 對不同顏色進行編號，組成一個調(diào)色板，圖像數(shù)據(jù)記錄像素對應(yīng)的調(diào)色板顏色的序號。,灰度圖像： 只有圖像的強度信息，沒有顏色信息。,圖像格式和類型,二值圖像： 只有黑白兩種顏色的圖像。,圖像格式和類型,圖像類型轉(zhuǎn)換的函數(shù)：,im2bw( ) 將真彩色、索引色和灰度圖像轉(zhuǎn)換為二值圖像。,例： load trees BW=im2bw(X,map,0.4); imshow(X,map) figure imshow(BW),圖像類型轉(zhuǎn)換的函數(shù)：,ind2gray( ) 將索引色圖像轉(zhuǎn)換為灰度圖像。,例： load trees J=ind2gray(X,map); imshow(X,map) figure imshow(J),圖像類型轉(zhuǎn)換的函數(shù)：,ind2rgb( ) 將索引色圖像轉(zhuǎn)換為真彩色圖像。,例： load trees J=ind2rgb(X,map); imshow(X,map) figure imshow(J),圖像類型轉(zhuǎn)換的函數(shù)：,mat2gray( ) 將數(shù)據(jù)矩陣轉(zhuǎn)換為灰度圖像。 grb2gray( ) 將真彩色圖像轉(zhuǎn)換為灰度圖像。 grb2ind( ) 將真彩色圖像轉(zhuǎn)換為索引色圖像。,圖像的輸入輸出：,imread( ) 支持對cur、mp、df、ico、jpg、pcx、png、tif和xwd等格式圖像的輸入。 imwrite( ) 支持對cur、mp、df、ico、jpg、pcx、png、tif和xwd等格式圖像的輸出。,圖像的顯示：,image( ) imshow( ) 兩個函數(shù)均可用于數(shù)據(jù)和圖像的顯示。,圖像增強：,改善視覺效果。 噪聲抑制。,改善視覺效果的方法：,直方圖均化 右圖太暗，看不清輪胎的細節(jié)，需要對圖像進行增強處理。,I=imread(tire.tif); %讀入圖像 J=histeq(I); %直方圖均化 subplot(1,2,1),imshow(I) %顯示原始圖像 subplot(1,2,2),imshow(J) %顯示增強后圖像 figure subplot(1,2,1),imhist(I,64) %顯示直方圖 subplot(1,2,2),imhist(J,64),圖像增強的一般處理：,原理： 輸入圖像為f(x,y),處理后的圖像為g(x,y)，則圖像增強的數(shù)學(xué)表達式為： g(X,Y)=T(f(X,Y) 其中： T表示輸入、輸出圖像對應(yīng)點的灰度映射關(guān)系。,例：對數(shù)變換,I=imread(pout.tif); imshow(I) I=double(I) %對數(shù)運算不支持uint8類型數(shù)據(jù) J=log(I+1); figure,imshow(J,4,5),圖像去噪聲的實驗:,實驗過程： 1. 讀入圖像數(shù)據(jù)。 2. 對圖像添加噪聲。 3. 對帶噪聲的圖像數(shù)據(jù)進行濾波處理。 4. 顯示處理后的圖像。,添加噪聲：,I=imread(eight.tif); J1=imnoise(I,gaussian,0,0.02); %對圖像數(shù)據(jù)添加均值為0，方差為0.02的高斯噪聲。 J2=imnoise(I,salt %對圖像數(shù)據(jù)添加乘性噪聲。 subplot(2,2,1),imshow(I) subplot(2,2,2),imshow(J1) subplot(2,2,3),imshow(J2) subplot(2,2,4),imshow(J3),添加噪聲的結(jié)果：,去噪聲處理：,鄰域平均法：,h=1 1 1;1 1 1;1 1 1; %產(chǎn)生濾波模板 h=h/9; %對模板歸一化 J=conv2(J1,h); subplot(1,2,1),imshow(J1) subplot(1,2,2),imshow(J2),去噪聲處理：,中值濾波：,J=medfilt2(J1); subplot(1,2,1),imshow(J1) subplot(1,2,2),imshow(J2),圖像變換：,圖像變換是圖像處理的重要工具。通過變換，改變圖像的表示域，可以對圖像的后繼處理帶來極大的方便。 例如： 傅立葉變換：圖像的頻域分析 離散余弦變換： 使能量集中利于圖像壓縮。,傅立葉變換的例子：,load imdemos saturn2 imshow(saturn2) b=fft2(saturn2); figure imshow(log(abs(b),) colormap(jet(64); colorbar,離散余弦變換（DCT）：,b=dct2(saturn2); figure imshow(log(abs(b),) colormap(jet(64); colorbar,圖像壓縮的基本原理：,b(abs(b)<10)=0; %將DCT變換值小于10的元素置為0 K=idct2(b)/255; %對逆DCT變換歸一化 figure imshow(K),邊緣檢測,邊緣是目標與背景的分界線，通過提取邊緣可以分離目標和背景。,MATLAB的圖像處理工具箱提供了函數(shù)edge來實現(xiàn)檢測邊緣的功能。,I=imread(west.tif); imshow(I) b=edge(I); figure imshow(b),edge()的使用方法：,edge(數(shù)據(jù)，檢測方法，參數(shù)）,微分算子檢測方法： 1. roberts max(|f(i,j)-f(i+1,j+1)|, |f(i+1,j)-f(i,j+1)|) 2. sobel,I=imread(rice.tif); imshow(I) b=edge(I ,roberts); figure imshow(b) c=edge(I ,sobel); figure imshow(c),拉普拉斯高斯算子 一種二階邊緣檢測算法。 利用圖像的二階微分中的零點來檢測邊緣。,edge(I,log),較新的一種邊緣檢測方法：,I = imread(rice.tif); BW2 = edge(I,canny); imshow(BW2),