您现在的位置:首页 >> ★免费资源 >> 毕业论文下载 >> 内容

图像滤波方法的探讨及Matlab实现

时间:2017-5-2 4:49:21 点击:

  核心提示:图像滤波方法的探讨及Matlab实现...

 1引言

人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%,所以图像信息是十分重要的信息传递媒体和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。在实际应用中每个部分都有可能导致图像品质变差,使图像传递的信息无法被正常读取和识别。因此图像增强技术在图像的传递过程中很重要,是确保图像在传递过程中品质好坏的重要保障。

对于一个图像处理系统来说,可将流程分为三个阶段,在获取原始图像后,首先是图像预处理阶段、第二是特征抽取阶段、第三是识别分析阶段.其中图像预处理阶段尤为重要,如果此阶段处理不当,后面的工作将无法展开.

实际应用中,我们的系统获取的原始图像并非完美:例如系统获取的原始图像,由于噪声、光照等原因,使得图像的质量不高,需进行预处理,以达到利于我们提取感兴趣的信息的目的.图像的预处理包括图像增强、平滑滤波、锐化等内容。图像的预处理既可以在空间域实现,也可以在频域内实现,其中空间域内实现是对图像进行点运算,它是一种既简单又重要的图像处理技术,它能让用户改变图像上像素点的灰度值,这样通过点运算处理将产生一幅新图像.

MATLAB是一种简单,高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。在数字图像处理领域,可应用MKILAB数字图像处理技术进行系统分析与设计。本文介绍了MATLAB提供的图像处理工具箱函数的用法指南,并辅以应用示例,说明了基于MATLAB,进行数字图像处理的方法。

1.1图像处理的背景及意义

随着电子计算机技术的进步,计算机图像处理近年来得到飞跃的发展,已经成功的应用于几乎所有与成像有关的领域,并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作,从而获得某种预期的结果。对图像进行处理时,经常运用图像增强技术以改善图像的质量。

在一般情况下,经过图像的传送和转换,如成像、复制、扫描、传输和显示等,经常会造成图像质量的下降。在摄影时由于光照条件不足或过度,会使图像过暗或过亮;光学系统的失真、相对运动、大气流动等都会使图像模糊,传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题,这类问题不妨统称为质量问题。尽管由于目的、观点、爱好等的不同,图像质量很难有统一的定义和标准,但是根据应用要求改善图像质量却是一个共同的目标。图像增强是指根据特定的需要突出图像中的重要信息,同时减弱或去除不需要的信息。从不同的途径获取的图像,通过进行适当的增强处理,可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像,有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域,从而更加容易对图像中感兴趣的目标进行检测和测量。处理后的图像是否保持原状已经是无关紧要的了,不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。图像增强的目的是增强图像的视觉效果,将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。它一般要借助人眼的视觉特性,以取得看起来较好地视觉效果,很少涉及客观和统一的评价标准。增强的效果通常都与具体的图像有关系,靠人的主观感觉加以评价。 

目前图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。如对x射线图片、CT影像、内窥镜图像进行增强,使医生更容易从中确定病变区域,从图像细节区域中发现问题;对不同时间拍摄的同一地区的遥感图片进行增强处理,侦查是否有敌人军事调动或军事装备及建筑出现;在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度,克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象,减少电视系统维护的工作量。图像增强技术的快速发展同它的广泛应用是分不开的,发展的动力来自稳定涌现的新的应用,我们可以预料,在未来社会中图像增强技术将会发挥更为重要的作用。

1.2图像处理技术的发展现状

图像处理是人类视觉延续的重要手段.可以使人们看到任意波长上所测得的图像。例如,借助伽马相机、X光机,人们可以看到红外和超声图像;借助CT可看到物体内部的断层图像:借助相应工具可看到立体图像和剖视图像。几十年前,美国在太空探索中拍回了大量月球照片,但是由于种种环境因素的影响,这些照片是非常不清晰的,为此,人们对这些照片应用了一些图像处理手段,使照片中的重要信息得以清晰再现。正是这一方法产生的效果引起了巨大的轰动,从而促进了图像处理技术的蓬勃发展。

总体来说.图像处理技术的发展大致经历了初创期、发展蝴、普及期和实用化四个阶段。初创期开始于20世纪60年代,当时的图像采用像素型光栅进行扫描显示,大多采用中、大型机对其进行处理。在这一时期,由于图像存储成本高,处理设备造价高,因而其应用面很窄。20世纪70年代进入了发展期,开始大量采用中、小型机进行处理,图像处理也逐渐改用光栅扫捕显示方式,特别是出现了CT利卫星遥感图像,对图像处理技术的发展起到了很好的促进作用。到了20世纪80年代,图像处理技术进入普及期,此时的微机已经能够担当起图形图像处理的任务。VLSI的出现更使得处理述度大大提高,其造价也进一步降低,极大地促进了图形图像系统的普及应用。20世纪90年代是图像技术的实用化时期,图像处理的信息量巨大,对处理速度的要求极高。

21世纪的图像技术向高质量化方面发展,主要体现在以下儿点:

1、高分辨率、高速度:图像处理技术发展的最终目标是要实现图像的实时处理,移动目标的生成、识别和跟踪有着重要意义;

2、立体化:立体化所包括的信息最为完整和丰富,未来采用数字全息技术将有利于达到这个目的;

3、智能化:其目的是实现图像的智能生成、处理、识别和理解。

1.3课题的主要内容

图像增强的过程往往也是一个矛盾的过程:图像增强希望既去除噪声又增强边缘。但是,增强边缘的同时会同时增强噪声,而滤去噪声又会使边缘在一定程度上模糊,因此,在图像增强的时候,往往是将这两部分进行折中,找到一个好的代价函数达到需要的增强目的。 

传统的图像增强算法在确定转换函数时常是图像变换、灰度变换、直方图变换、图像平滑与锐化、色彩增强等。常用的一些图像增强方法是学习图像增强的基础,至今它们对于改善图像质量仍发挥着重要的作用。本文着重研究了这些增强方法对图像进行增强处理,针对图像增强的普遍性问题,研究和实现常用的图像增强方法及其算法,并对直方图均衡法做Matlab实例。

 

 

 

 

 

 

 

2数字图像的基本理论

图像增强是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合,有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。

2.1图像与数字图像

图像就是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人眼而产生视知觉的实体。

图像能够以各种各样的形式出现,例如,可视的和不司视的,抽象的和实际的,适于计算机处理的和不适于计算机处理的。就其本质来说,可以将图像分为两大类:

一类是模拟图像,包括光学图像、照相图像、电视图像等,例如,在生物医学研究中,人们在显微镜下看到的图像就是一副光学模拟图像,照片、用线条画的图、绘画也都是模拟图像。模拟图像的处理速度快,但精度和灵活性差,不易查找和判断。

另一类是将连续的模拟图像经过离散化处理后变成计算机能够辨识的点阵图像,称为数字幽像。严格的数字图像是一个经过等距离矩形网格采样,对幅度进行等间隔量化的二维函数。冈此,数字图像实际上就是被量化的二维采样数组。

本文中涉及到的图像处理都是指数字图像的处理,与模拟图像相比,数字图像具有以下显著优点:

1、精度高:目前的计算机技术可以将一幅模拟图像数字化为任意的二维数组,即数字图像可以由无限个像素组成,每个像素的亮度可以量化为8(256个灰度级)12(4096个灰度级),这样的精度使得数字图像与彩色照片的效果相差无几;

2、处理方便:由于数字图像本质上是一组数据,所以可以用计算机对它进行任意方式的修改,例如,放大、缩小、改变颜色、复制和删除某一部分等;

3、重复性好:模拟图像(例如,照片)即便是使用非常好的底片和相纸,也会随着时问的流逝而退色、发黄,而数字图像可以存储在光盘中,上百年后再用计算机重现也不会有丝毫改变。

2.2图像处理技术内容与相关学科

图像处理就是将图像转换为一个数字矩阵存放在计算机中,并采用一定的算法对其进行处理。图像处理的基础是数学,最主要的任务就是各种算法的设计和实现。目前的图像处理技术已经在许多不同的应用领域中得到重视,并取得了巨大的成就。根据应用领域的不同要求,可以将图像处理技术划分为许多分支,其中比较重要的分支有:

l、图像数字化:通过采样与量化过程将模拟图像变换成便于计算机处理的数字形式。图像在计算机内通常用一个数字矩阵来表示,矩阵中的每一个元素称为像素。图像数字化的设备主要是各种扫描仪和数字化仪器。

2、图像增强与复原:主要目的是增强图像中的有用信息。削弱干扰和噪声,使图像清晰或将其转换为更适合人或机器分析的形式。图像增强并不要求真实地反映原始图像,而图像复原则要求尽量消除域减少在获取图像过程中所产生的某些退化,使图像能够反映原始图像的真实面貌。

3、图像编码:在满足一定的保真度条件下,对图像信息进行编码,实现用最少的存储和传输数据量来存储、传输尽可能多的信息,简化图像的表示,从而大大压缩图像描述的数据量,以便于存储和传输。

4、图像分割与特征提取:图像分割是将图像划分为一些互不重叠的区域,通常用于将分割的对象从背景中分离出米。图像的特征提取包括了形状特征、纹理特征、运动特征等。

5、图像分析:对图像中的不同对象进行分割、分类、识别、描述和解释。

6、图像隐藏:是指媒体信息的相互隐藏,常见的有数字水印和图像的信息伪装等。

上述图像处理的内容往往是相互联系的,一个实用的图像处理系统往往需要结合应用几种图像处理技术才能得到所需要的结果。例如,图像数字化是将一个图像变换为适合计算机处理的形式,这是图像处理的第一步:图像编码技术可用于传输和存储图像;图像增强与复原一般是图像处理的最后目的,当然也可作为进一步进行图像处理工作的准备;通过图像分割得到的图像特征既可以作为最后结果,也可以作为下一步图像分析的基础。

图像处理技术涉及到的知识很广泛,也很复杂。例如,图像的编码理论基础是信息论和抽象数学的结合,进行图像识别需要掌樨随机过程和信号处理方面的知识,不少课题还需要更加专业的知识,如小波变换、神经网络、分形理论等。另外,图像处理是一门麻用性很强的学问,必须与计算机技术的发展相适应。

图像处理的另一个特点,也是难点,就是其算法的优劣与被处理对象的内容高度相关,很难找到一种适用于各种情况的通用方法。因此,图像处理按照处理的对象又可以分为遥感图像处理、医学图像处理等。

本论文中涉及到的图像处理是图像的增强处理。

2.3数字图像的表示

图像并不能直接用计算机来处理,处理前必须先转化成数字图像。早期一般用picture代表图像,随着数字技术的发展,现在都用image代表离散化了的数字图像。 

由于从外界得到的图像多是二维(2-D)的,一幅图像可以用一个2-D数组 表示。这里xy表示二维空间XY中一个坐标点的位置,而f则代表图像在点 的某种性质数值。为了能够用计算机对图像进行处理,需要坐标空间和性质空间都离散化。这种离散化了的图像都是数字图像,即 都在整数集合中取值。图像中的每个基本单元称为图像那元素,简称像素。

2.4图像的灰度

常用的图像一般是灰度图,这时f表示灰度值,反映了图像上对应点的亮度。亮度是观察者对所看到的物体表面反射光强的量度。作为图像灰度的量度函数

应大于零。人们日常看到的图像一般是从目标上反射出来的光组成的,所以 可看成由两部分构成:入射到可见场景上光的量;场景中目标对反射光反射的比率。确切地说它们分别称为照度成分 和反射成分 i(x,y) 都成正比,可表示成

将二维坐标位置函数 称为灰度。入射光照射到物体表面的能量是有限的,并且它永远为正,即 ;反射系数为0时,表示光全部被物体吸收,反射系数为1时,表示光全部被物体反射,反射系数在全吸收和全反射之间,即 ,因此图像的灰度值也是非负有界的。

2.4灰度直方图

灰度直方图是数字图像处理中一个最简单、最有用的工具,它反映了数字图像中每一灰度级与其出现频率之间的统计关系。可以有针对性地通过改变直方图的灰度分布状况,使灰度均匀地或按预期目标分布于整个灰度范围空间,从而达到图像增强的效果。 

灰度直方图是灰度值的函数,描述的是图像中具有该灰度值的像素的个数,如图2.1所示,(b)为图像(a)的灰度直方图,其横坐标表示像素的灰度级别,纵坐标表示该灰度出现的频率(像素的个数)

clear;

close all;

I=imread('E:\tu\pout.tif');

subplot(1,2,1);

imshow(I,256);

subplot(1,2,2);

imhist(I,256);

作者:图像滤波 来源:图像滤波
  • 您是如何找到本站的?
  • 百度搜索
  • Google搜索
  • 查阅资料过程中
  • 论坛发现
  • 百度贴吧发现
  • 朋友介绍
本站最新成功开发工程项目案例
相关评论
发表我的评论
  • 大名:
  • 内容:
  • matlab代做|matlab专业代做|matlab淘宝代做(www.hslogic.com) © 2018 版权所有 All Rights Reserved.
  • Email:highspeed_logic@163.com 站长QQ: 1224848052

    专业代做/代写/承接、MATLAB、SIMULINK、FPGA项目、博士/硕士/本科毕业设计、课题设计、论文,毕业论文,Coursework、Eassy、Assignment