matlab在信号图像处理中应用第9章.docx
- 文档编号:26611075
- 上传时间:2023-06-20
- 格式:DOCX
- 页数:68
- 大小:237.25KB
matlab在信号图像处理中应用第9章.docx
《matlab在信号图像处理中应用第9章.docx》由会员分享,可在线阅读,更多相关《matlab在信号图像处理中应用第9章.docx(68页珍藏版)》请在冰豆网上搜索。
matlab在信号图像处理中应用第9章
第9章Matlab图像处理基础
图像作为自然界景物的客观反映,是人类感知世界的视觉基础,也是人类获取信息、表达信息和传递信息的重要手段。
据统计,人类获得的信息大约75%是以图像的形式,通过视觉系统获得的。
图像是人类最重要的信息源,“百闻不如一见”、“眼见为实”即是图像对于人类重要性的简明概括。
本章先对图像和图像处理做简要介绍,重点对Matlab中有关图像的一些基本知识进行较为系统的介绍。
学习目标
❒了解模拟图像与数字图像的区别
❒了解数字图像处理的特点、内容及方法
❒了解Matlab支持的常用数字图像文件格式
❒了解Matlab颜色模型及颜色处理
❒掌握Matlab中常用的数字图像处理函数
❒熟练掌握Matlab中数字图像的读写及显示方法
练习案例
❒数字图像的读写
❒数字图像的显示
9.1图像与数字图像
9.1.1图像的数字化
图像是客观事物通过某种系统的一种映射。
图像的存在方式多种多样,可以是可视的或者不可视的,抽象的或者实际的,适于计算机处理的和不适于计算机处理的。
但就其本质来说,可以将图像分为两大类。
第一类是模拟图像,主要是指采用光学技术或者模拟电子技术等得到的图像。
模拟图像的处理速度较快,但精度和灵活性差,不易查找和判断,一般不能直接被计算机处理。
如调整摄像机的光圈以改变图像亮度和色调、电视信号放大等都属于模拟图像的处理范畴。
第二类是数字图像,是指将连续的模拟图像经过离散化处理后得到的计算机能够辨识的点阵图像。
将模拟图像转换为离散数字图像的过程称为图像的数字化,其工作主要包含两个方面:
采样和量化。
所谓采样,就是将一幅连续图像在空间上分割成M×N个网格,每个网格中的模拟图像的亮度均值作为该网格的亮度值。
因为采样结果是一个样点值阵列,故也称采样为点阵采样,而称每个网格为像素或像元。
M×N的大小决定数字图像的空间分辨率。
所谓量化,就是将采样后的亮度值在每个幅度区间连续分布,转换成单个特定数码的过程。
量化后的像素点整数值为图像的灰度级,灰度级的多少常用
来表示。
n越大,图像的亮度分辨率越高,图像看上去越柔和逼真。
一般情况下,n=8,即图像的灰度级为256。
因此,从严格意义上讲,数字图像是经过等距离矩形网格采样和等间隔幅度量化的二维函数,即是被量化的二维采样数组。
9.1.2数字图像的表示
灰度数字图像有两种常用表示法:
矩阵法和链码法。
在Matlab中数字图像是以矩阵的方式存储的。
令数字图像排列成M×N阵列 9.1.3Matlab图像处理工具箱简介 Matlab为图像处理项目师、科学家和研究人员提供了直观、可靠的一体化开发工具,这些工具被广泛应用于航空航天和国防、遥感遥测、生物科技、医学图像和科学图像处理等领域中。 Matlab图像处理相关工具箱主要包括: ❒ImageAcquisitionToolbox ❒ImageProcessingToolbox ❒SignalProcessingToolbox ❒WaveletToolbox ❒StatisticsToolbox ❒BioinformaticsToolbox ❒MatlabCompiler ❒MatlabCOMBuilder Matlab图像处理工具箱是由一系列图像处理操作的函数组成。 这些操作主要有几何操作、区域操作和块操作、线性滤波和滤波器设计、变换、图像分析和增强、二值图像操作等。 本书介绍的图像处理操作就是基于该工具箱,图像处理函数按具体功能可以分为以下几类: ❒图像显示 ❒几何操作 ❒图像注册 ❒领域和块操作 ❒线性滤波和滤波器设计 ❒图像变换 ❒形态学操作 ❒图像分析与增强 ❒区域操作 ❒图像恢复 ❒颜色映射和颜色空间转换 提示: Matlab图像工具箱提供的函数大多数是M文件,用户查看这些文件的代码并进行改进,也可以根据需要编写自己的函数以满足特定的需要,还可以将这个工具箱和信号处理工具箱、小波工具箱等其他工具箱联合起来使用。 9.2数字图像处理学 数字图像处理就是采用特定的算法对数字图像进行处理,以获取视觉、接口输入的软硬件所需要数字图像的过程。 从本质上说,数字图像处理就是运用计算机强大的计算能力和“记忆能力”,对图像矩阵作某种“运算”、“变换”、“修饰”和“处理”,最终实现图像的“评价”、“识别”和“理解”。 数字图像处理的基础科目是数学,主要进行各种算法的设计和实现。 9.2.1数字图像处理技术的发展现状 数字图像处理技术是20世纪60年代初开始发展起来的,经过初创期、发展期、普及期及广泛应用4个阶段。 数字图像处理最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。 数字图像处理作为一门学科大约形成于20世纪60年代初期,当时的图像采用像素型光栅进行扫描显示,大多采用中、大型机对其处理,目的是改善图像的质量。 首次获得实际成功应用的是美国喷气推进实验室(JPL>。 他们对航天探测器漫步者7号在1964年发回的几千张月球照片使用了图像处理技术,如使用了几何校正、灰度变换、去除噪声等方法进行处理,并考虑了太阳位置和月球环境的影响,由计算机成功地绘制出月球表面地图,获得了巨大的成功。 随后又对探测飞船发回的近10万张照片进行更为复杂的图像处理,获得了月球的地形图、彩色图及全景镶嵌图,取得了非凡的成果,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。 但是因为图像存储成本高、处理设备昂贵,其应用面很窄。 20世纪70年代,数字图像处理在医学上的一项成果使其进入发展期。 1972年,英国EMI公司项目师Hounsfield发明了用于头颅诊断的X射线计算机断层摄影装置,也就是通常所说的CT(ComputerTomograph>。 CT的基本方法是根据人的头部截面的投影,经计算机处理来重建截面图像,称为图像重建。 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获得了诺贝尔奖,说明它对人类做出了划时代的贡献。 与此同时,图像处理技术在航空航天、生物医学项目、工业检测、机器人视觉、公安司法、军事制导、文化艺术等许多应用领域受到广泛重视并取得了重大的开拓性成就,使图像处理成为一门引人注目、前景远大的新型学科。 随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展。 到了20世纪80年代,数字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。 超大规模集成电路 20世纪90年代是数字图像处理技术的广泛应用时期,图像处理的信息量巨大,对处理速度的要求也很高。 近几年来,随着计算机和各个相关领域研究的迅速发展,科学计算可视化、多媒体技术等研究和应用的兴起,数字图像处理从一个专门领域的学科变成了一种新型的科学研究和人机界面的工具,其研究和应用呈现出蓬勃发展的崭新势头。 数字图像处理新的发展趋势主要反映在图像的安全技术、图像分割和图像压缩编码、人类视觉机理和机器处理技术、嵌入式技术、智能实时图像处理和图像处理标准化等方面。 数字图像处理主要依靠计算机对代表图像的整数矩阵进行处理,针对现有的实际应用,数字图像处理具有如下特点。 <1)处理精度高,处理内容丰富,灵活性和再现性好,适用面广。 利用计算机进行图像处理,其实质是对矩阵进行各种运算。 现在的计算机计算精度都很高,现在已有32位和64位的DSP,对于一般的图像处理来说,其处理精度绰绰有余。 另外,通过调用或编写不同的软件程序可以实现对图像的不同处理,如图像增强、图像滤波、图像恢复和图像压缩等,其处理内容十分丰富,因此具有相当的灵活性。 此外对同一图像用相同的方法处理多次,也可得到完全相同的效果,具有良好的再现性。 在图像处理程序中,可以任意设定或变动各种参数,从而有效地控制处理过程以达到预期的处理效果,这一特点在改善图像质量的处理中表现更为突出。 因为图像处理是通过程序进行的,因此,设计不同的图像处理程序可以实现各种不同的处理目的,其适用性非常广泛。 <2)图像数据量大,处理量大。 图像中包含有丰富的信息,通过图像处理用户可获取图像中所包含的有用信息,但数字图像的数据量非常庞大。 这是因为一幅数字图像是由图像矩阵中的像素组成的,通常每个像素都用红(R>、绿(G>、蓝(B>3种颜色表示,每种颜色用8位表示灰度级。 则一幅不经压缩的1024×1024像素的真彩色图像,数据量将达到3MB。 如此庞大的数据量自然给存储、传输和处理工作都带来了巨大的困难。 如果精度及分辨率再提高,所需的处理时间将大大增加。 因此对于一些具有实时要求的图像处理系统必须采取相应的图像处理措施,否则会影响其实时性。 <3)知识和技术综合性强。 数字图像处理技术中涉及的基础知识和专业技术相当广泛,如计算机技术、通信技术、微电子技术、电视技术以及更多的数学、物理学等方面的基础知识。 例如,图像编码的理论基础是信息论和抽象数学的结合,而图像识别则需要掌握随机过程和信号处理方面的知识。 此外,数字图像处理的具体应用有时还会涉及更加专业的知识,如小波变换、神经网络、分形理论等。 本书只是介绍具有广泛适用性和普遍性的图像处理基本知识和方法。 9.2.2数字图像处理的内容 完整的数字图像处理大体上可分为如下几个方面: 图像信息的获取、存储、传送、处理、输出和显示。 1.数字图像信息的获取 就数字图像来说,主要是把一幅图像转换成适合输入计算机和数字设备的数字信号,包括摄取图像、光电转换及数字化。 2.数字图像信息的存储 数字图像信息的突出特点是数据量巨大。 为了解决海量存储问题,数字图像的存储主要研究图像压缩、图像格式及图像数据库技术等。 3.数字图像信息的传送 数字图像信息的传送可分为系统内部传送与远距离传送。 4.数字图像信息的处理 数字图像信息的处理概括地讲主要包括: 几何处理 <1)几何处理 几何处理主要包括坐标变换,图像的放大、缩小、旋转、移动,多个图像配准,全景畸变校正,扭曲校正,周长、面积、体积计算等。 <2)算术处理 算术处理主要对图像进行加、减、乘、除等运算,如医学图像的减影处理就是算术处理的典型应用。 <3)图像增强 图像增强处理主要是突出图像中感兴趣的信息,而减弱或去除不需要的信息,从而使有用信息得到加强,便于区分或解释。 主要方法有灰度变换增强、空域滤波增强、频域增强、色彩增强等技术。 <4)图像复原 图像复原处理的主要目的是去除干扰、模糊和图像畸变,恢复图像的本来面目。 典型的去噪声操作就属于复原处理。 图像噪声包括随机噪声和相干噪声,随机噪声干扰表现为麻点干扰,相干噪声表现为网格干扰。 去模糊也是复原处理的任务,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。 这些干扰造成的图像畸变可用维纳滤波、约束最小二乘滤波、Lucy-Richardson、盲解卷积等方法复原,有时也需要借助图像的空间变换操作。 <5)图像重建 几何处理、图像增强、图像复原都是从图像到图像的处理,即输入的原始数据是图像,处理后输出的也是图像,而重建处理则是从数据到图像的处理,也就是说输入的是某种数据,而处理得到的结果是图像。 医学上的CT和核磁共振 图像重建的主要算法有代数法、迭代法、傅立叶反投影法、卷积反投影法等,其中运算量小、速度快的卷积反投影法应用最为广泛。 现在又发展了三维重建算法,与计算机图形学相结合,把多个二维图像合成三维图像,并加以光照模型和各种渲染技术,能得到更加具有真实感和纯净的高质量图像。 <6)图像编码 图像编码研究属于信息论中信源编码范畴,其主要宗旨是结合图像信号的统计特性及人类视觉的生理学及心理学特性研究数据压缩技术,以解决数据量大的矛盾。 一般说来,图像编码的目的有3个: ①减少数据存储量;②降低数据率以减少传输带宽;③压缩信息量,便于特征抽取,为识别作准备。 <7)图像识别 图像识别属于模式识别的范畴,其主要内容是对图像经过某些预处理<增强、复原、压缩)后,进行图像分割和特征提取,从而进行判别分类。 图像识别常用的方法有统计识别法、句法结构模式识别法,新发展起来的模糊识别法和人工神经网络识别法也日渐趋于成熟。 <8)图像理解 图像理解是由模式识别发展起来的方法。 该处理输入的是图像,输出的是一种描述。 这种描述不仅是单纯的用符号做出详细的描绘,而且要利用客观世界的知识使计算机进行联想、思考及推论,从而理解图像所表现的内容。 这一领域有相当多的问题有待深入研究。 本书主要对图像增强和图像复原作详细介绍。 5.数字图像的输出和显示 图像处理的最终目的是为人和机器提供一幅便于解释和识别的图像,数字图像输出和显示也是数字图像处理的重要内容之一。 本书主要是利用Matlab2007a进行图像处理。 9.2.3数字图像处理方法 从实现处理的过程看,数字图像处理的方法大致可以分为两大类: 空域法和频域法。 1.空域法 空域,即空间域,指灰度图像本身,空域法是把图像看作平面中各个像素组成的集合,然后直接对一维和二维函数进行相应处理。 空域处理就是在原图像上直接进行数据运算,以生成新的图像,被操作对象是像素的灰度值。 根据新图像生成方法的不同,空域处理法可分为: 点处理法、区处理法、迭代处理法、跟踪处理法、位移不变与位移可变处理法等。 <1)点处理法 所谓点处理,是指输出像素值仅取决于对应输入像素的像素值,或者说一个像素的新值仅取决于原值。 若输入像素灰度值为 ,输出像素灰度值为 ,则 其中 代表某种函数关系。 处理时,可采用逐点扫描图像像素的方法,进行像素值变换。 点处理的典型用途: 一是灰度处理 点处理方法的优点: 可用LUT方法快速实现;节省图像存储空间,原始图像与生成图像可共用一个数据区。 <2)区处理法 也称邻域处理法。 它根据输入图像某像素 的一个小邻域 的像素值,按某种函数关系 得到输出像素 的值,即 。 邻域处理中, 的形状是多种多样的,邻域的大小固定的,也可以随像素点的位置而变。 实用中多采用以像素 为中心的矩形对称邻域,如3×3,5×5等。 邻域越大,计算量越大。 若图像大小 ,邻域为 ,则邻域处理时总计算量为 。 邻域处理算法主要包括: 梯度运算 区处理法主要用于图像的平滑<滤波)和图像的锐化<增强)。 <3)迭代处理法 迭代就是反复进行某种处理运算,图像的迭代处理也是如此。 例如采用拉普拉斯或平滑算子处理的结果是物体的轮廓图像,但该图像轮廓的边缘太宽或粗细不一,为此要经过多次迭代把它处理成单像素轮廓——图像的细化,以便于后续的处理和识别。 迭代处理多用于图像细化、图像增强、图像平滑及边缘探测等方面。 <4)跟踪处理法 跟踪处理一般用于图像边界、边缘的追踪与提取,以便进行图像的分割、识别及特征参数的计算。 2.频域法 图像是在二维空间——空域上的分布信息,如果将图像进行二维正交变换(如傅立叶变换>,则输入图像的二维灰度分布就变换为对应的二维空间频率域中的频谱——即由空间域→频率域,对图像频谱进行的处理就称之为图像在频域上的处理。 采用频域处理的原因: 与灰度图像的边缘、线条所对应的区域灰度值变化较大,即包含有高频成分,其余部分灰度值改变不大,为低频成分,因此采用频率变换方法有利于对图像进行特征提取及图像增强的处理。 频域法处理的一般过程: 频域处理是建立在修改图像傅里叶变换基础之上的,增强感兴趣的频率分量,再将修改后的傅立叶变换值再做逆傅立叶变换,以得到增强的图像。 一般过程如图9-1所示。 图9-1图像频域处理的过程 9.3图像的读写 9.3.1图像的相关术语 1.像素 像素是构成数字图像的最小单位,是图像采样的网格单位。 它是以矩阵的方式排列,每帧图像被描述成由 个数据组成的矩阵,矩阵的每个元素就被称为像素。 数字图像每个像素的数值<灰度值)实际上反映了物理图像上对应小区域的平均亮暗程度。 像素点是与图像的分辨率相关的,分辨率越高,像素点越小,图像越清晰。 对图像采集设备<面阵CDD摄像机)来说,成像时,景物<图像)被分割成许多个小点,每个小点对应于一个CDD成像单元,像素就是成像单元。 对于输出设备显示器来说,一幅图像是由显示器上许多亮暗不同的光点组成,像素就是光点。 2.DPI DPI是指各类输出设备<如打印机、绘图仪等)每英寸上所显示的像素点数,一般也称设备分辨率。 一台激光打印机的设备分辨率在600DPI~1200DPI范围内,数值越高,打印输出效果越好。 3.PPI PPI是指每英寸的像素值,一般用于衡量一个图像输入设备<如扫描仪)的分辨率的高低,反映图像中储存信息量的多少,并决定图像的根本质量。 对同样大小的一幅图,如果组成该图的图像像素数目越多,则说明图像的分辨率越高,看起来就越逼真。 相反,图像显得越粗糙。 如 的图像质量远高于 的图像。 一幅粗糙的图像也绝不会因为有了一台高PPI的设备而变得细腻起来。 图像质量是由图像采集及模数转换的精度所决定,实际上现有的显示卡支持多种显示模式,如果一幅图像的大小为 ,则该幅图像在 模式下显示或在 模式下显示,其反映的信息量是相同的,换句话说,试图通过改变显示模式来改善图像质量是徒劳的。 但是,在分辨率为 的显示模式下,图像将占满整个显示屏,在 模式下占据部分显示屏;同理,对于某些高分辨率的图像<如用数码相机拍摄的 ),即使在 的显示模式下也不能在显示屏上显示一个完整的画面。 如果用300PPI来扫描一幅20cm×25cm(8in×l0in>的彩色图像,就得到一幅2400×3000个像素的图像。 分辨率越高,像素就越多。 4.显示分辨率 显示分辨率是指监视器<显示器)的分辨率,即指显示器上最大可以显示的像素数集合<总信息量),一般用在屏幕上显示的水平和垂直像素数目表示,最大分辨率为 的显示器,其满屏最多可产生786432个像素点。 计算机显示器的屏幕显示分辨率由显示卡决定。 目前常用的分辨率是 ,即水平方向1024个像素,垂直方向768个像素。 在网页上常用的分辨率 。 5.位(Bit>与颜色 在图像处理中,“位”是用来衡量每个像素储存信息的位数,颜色是通过数字“位”实现,“位”决定了每次在屏幕上显示多少种颜色。 若n表示所占的位数,则颜色数= 。 我们平常所说的高彩色,即为16位显示模式,共有 =65536<64K)种颜色;真彩色是在24位下,此显示模式下能处理 =16777216<16M)种颜色的真彩色图像。 6.查找表 查找表又称视频查找表、显示查找表、伪彩色查找表或彩色调色板,简称LUT,是由图像采集卡上分别代表R(红>、G(绿>、B(蓝>的3个读/写存储器所组成,每个存储器包含256个单元,每单元占8位二进制位。 LUT中存放的是三基色光(红、绿、蓝>的映射参数,可将每一个像素的256级灰度值映射成红、绿和蓝值,LUT的输出驱动3个数模转换器,将相应的红、绿和蓝值转换成模拟电压值,经编码,送往彩色显示器<控制电子枪的电子束强度)显示彩色图像。 用户可以自行改写LUT中的映射参数,实现伪彩色处理。 7.灰度图像 灰度图像即指黑白图像。 对于灰度等级为256的灰度图像,0代表黑,255代表白,从1~254的每个值分别代表了介于黑色与白色之间的所有深浅不同的灰度色调,灰度图像反映的实际上是图像的亮度信息。 8.真彩色图像 真彩色图像就是人眼感受到的自然色彩的图像。 在图像处理系统中,真彩色图像都是由三基色R,G,B图像<3幅相关的单色图像)合成后显示的,目前广泛使用的彩色显示器原理都是如此,其原理是自然界中客观存在的任一种颜色都可由3个相互独立的颜色按一定的比例混合而成——三基色原理。 实用中常选择红(R>、绿(G>、蓝(B>作为三基色,每一个像素要用R,G,B三个基色的灰度数据来表示,如果R,G,B的灰度级别都是256级,即0~255代表了各自颜色的饱和度——颜色的浓淡程度,因为三基色的任一比例的组合就可得到一种颜色,则组合的颜色可达256×256×256=16777216种。 9.伪彩色图像 伪彩色图像也是一种彩色图像,它是通过人工方式对图像着色后显示出来的,主要用在黑白图像的着色显示上。 一般来说,人眼对黑白的分辨能力较低,大约有40级左右,而且灰度差<5时,人眼无法分辨;而人眼对彩色的分辨能力是相对较高的,大约在200级左右,采用伪彩色方式显示黑白图像,可以提高人眼的判读能力,使图像更易于分辨。 例如,已知一幅黑白的电灯灯丝图像,图像的像素值是与温度有关的,可以用从红色到蓝色的不同色调代表温度的高低,这样就可以根据色彩来区分温度的不同。 再如在遥感图像<黑白)的处理中,对不同的地貌,赋以不同的色彩,以便更容易区分山川、海洋、森林等。 通常对黑白图像通过查找表的方式进行着色处理以获得伪彩色图像。 10.二值图像 二值图像也是一种特殊的灰度图像,它只有两种灰度值0和1<对于8位图像,通常是0和255)。 二值图像多用于图像分割的输出图像,作为图像识别前的一个必要步骤,例如文字识别等。 9.3.2图像文件格式 要进行图像处理,必须了解图像文件的格式。 用以存储图像数据的文件称为图像文件。 图像文件的数据存储有多种格式,且随着
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- matlab 信号 图像 处理 应用