彩色圖像的灰度化處理課程設計

1、<p>　　彩色圖像的灰度化處理</p><p><b>　　1 設計目的</b></p><p>　　1、通過MATLAB仿真軟件，實現(xiàn)彩色圖像的灰度化處理；</p><p>　　2、學習并熟悉MATLAB編程環(huán)境的一般操作和運用；</p><p>　　3、在加深對數(shù)字圖像處理課本知識理解的基礎上，學會運用

2、已學的知識設計彩色圖像灰度化的處理方法并對結果進行分析。</p><p><b>　　2 設計方案</b></p><p>　　將彩色圖像轉(zhuǎn)化成為灰度圖像的過程稱為圖像的灰度化處理。彩色圖像中的每個像素的顏色有R、G、B三個分量決定，而每個分量有255個中值可取，這樣一個像素點可以有1600多萬（255*255*255）的顏色的變化范圍。而灰度圖像是R、G、B三個分

3、量相同的一種特殊的彩色圖像，其中一個像素點的變化范圍為255種，所以在數(shù)字圖像處理中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的分布和特征。</p><p>　　在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫做灰度值。因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強度值、亮度值

4、），灰度范圍為0-255。圖像的灰度化處理，一般有以下三種設計方案：</p><p><b>　　1、加權平均法</b></p><p>　　根據(jù)重要性及其它指標，將三個分量以不同的權值進行加權平均。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，對RGB三分量進行加權平均能得到較合理的灰度圖像。</p><p><b>　　2、平均

5、值法</b></p><p>　　求出每個像素點的R、G、B三個分量的平均值，然后將彩色圖像中的這個平均值賦予給這個像素的三個分量。</p><p><b>　　3、最大值法</b></p><p>　　將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。</p><p>　　本課程設計分別采用了以上三種設計

6、方案，即加權平均法、平均值法和最大值法。在MATLAB中，通過編程實現(xiàn)了彩色圖像的灰度化處理。</p><p><b>　　3 相關知識</b></p><p><b>　　1、設計平臺</b></p><p>　　本次設計采用的平臺是MATLAB 7.0。MATLAB編程語言被業(yè)界稱為第四代計算機語言，它允許按照數(shù)學推

7、導的習慣編寫程序。MATLAB7.0的工作環(huán)境包括當前工作窗口、命令歷史記錄窗口、命令控制窗口、圖形處理窗口、當前路徑選擇菜單、程序編輯器、變量查看器、模型編輯器、GUI編輯器以及豐富的函數(shù)庫和MATLAB附帶的大量M文件。</p><p>　　MATLAB是由美國Math Works公司生產(chǎn)的一個為科學和工程計算專門設計的交互式大型軟件，是一個可以完成各種計算和數(shù)據(jù)處理的、可視化的、強大的計算工具。它集圖示和精

8、確計算于一身，在應用數(shù)學、物理、化工、機電工程、醫(yī)藥、金融和其他需要進行復雜計算的領域得到了廣泛應用。MATLAB作為一種科學計算的高級語言之所以受歡迎，就是因為它有豐富的函數(shù)資源和工具箱資源，編程人員可以根據(jù)自己的需要選擇函數(shù)，而無需再去編寫大量繁瑣的程序代碼，從而減輕了編程人員的工作負擔，被稱為第四代編程語言。</p><p>　　在MATLAB設計環(huán)境中，圖像處理工具箱提供一套全方位的參照標準算法和圖形工具

9、，用于進行圖像處理、分析、可視化和算法開發(fā)?？捎闷鋵τ性肼晥D像或退化圖像進行去噪聲或還原、增強圖像以獲得更高清晰度、提取特征、分析形狀和紋理以及對兩個圖像進行匹配。工具箱中大部分函數(shù)均以開放式 MATLAB 語言編寫。這意味著可以檢查算法、修改源代碼和創(chuàng)建自定義函數(shù)。圖像處理工具箱在生物測定學、遙感、監(jiān)控、基因表達、顯微鏡技術、半導體測試、圖像傳感器設計、顏色科學及材料科學等領域為工程師和科學家提供支持。它也促進了圖像處理技術的教學。&

10、lt;/p><p><b>　　2、發(fā)展前景</b></p><p>　　在計算機領域中，灰度數(shù)字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗的黑色到最亮的白色的灰度，盡管理論上這個采樣可以是任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同，在計算機圖像領域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏

11、色深度。但是，在數(shù)字圖像領域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。</p><p>　　彩色圖像的灰度化技術在現(xiàn)代科技中應用越來越廣泛, 例如人臉目標的檢測與匹配以及運動物體目標的監(jiān)測等等, 在系統(tǒng)預處理階段, 都要把采集來的彩色圖像進行灰度化處理, 這樣既可以提高后續(xù)算法速度, 而且可以提高系

12、統(tǒng)綜合應用實效, 達到更為理想的要求。因此研究圖像灰度化技術具有重要意義。</p><p><b>　　4 詳細設計</b></p><p>　　本設計采用的三種方法，都實現(xiàn)了對彩色圖像的灰度化處理。下面分別對其作具體分析如下：</p><p><b>　　方法一：加權平均法</b></p><p&g

13、t;　　根據(jù)重要性及其它指標，將R、G、B三個分量以不同的權值進行加權平均。由于人眼對綠色的敏感度最高，對藍色敏感度最低。因此，在MATLAB中我們可以按下式系統(tǒng)函數(shù)（4-1），對RGB三分量進行加權平均能得到較合理的灰度圖像。</p><p>　　f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)) （4-1）</p><p><b&

14、gt;　　方法二：平均值法</b></p><p>　　將彩色圖像中的R、G、B三個分量的亮度求簡單的平均值，將得到均值作為灰度值輸出而得到灰度圖。其表達式見下式（4-2）：</p><p>　　f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 （4-2）</p><p><b>　　方法三：最大值法&

15、lt;/b></p><p>　　將彩色圖像中的R、G、B三個分量中亮度的最大值作為灰度圖的灰度值。其表達式見下式（4-3）：</p><p>　　f(i,j)=max(R(i,j),G(i,j),B(i,j)) （4-3）</p><p><b>　　5 源代碼及分析</b></p><p

16、><b>　　1、源代碼</b></p><p>　　首先，打開MATLAB軟件，新建M文件。M文件是包括MATLAB代碼的文件。</p><p>　　然后，進行代碼編寫。本次課程設計的源代碼如下：</p><p>　　MyYuanLaiPic = imread('F:/3055.jpg'); %讀取RGB格式的圖像<

17、;/p><p>　　MyFirstGrayPic = rgb2gray(MyYuanLaiPic); %用已有的函數(shù)進行RGB到灰</p><p><b>　　%度圖像的轉(zhuǎn)換</b></p><p>　　[rows , cols , colors] = size(MyYuanLaiPic); %得到原來圖像的矩陣的參數(shù)</p><

18、;p>　　SecGrayPic = zeros(rows,cols); %用得到的參數(shù)創(chuàng)建一個全零的矩陣，這個矩%陣用來存儲用下面的方法產(chǎn)生的灰度圖像</p><p>　　SecGrayPic = uint8(SecGrayPic); %將創(chuàng)建的全零矩陣轉(zhuǎn)化為uint8格式，因%為用上面的語句創(chuàng)建之后圖像是double型的</p><p>　　ThirdGrayPic=zeros(r

19、ows,cols); </p><p>　　ThirdGrayPic=uint8(ThirdGrayPic);</p><p>　　for i = 1:rows </p><p>　　for j = 1:cols </p><p><b>　　sum1 = 0;</b></p><p>&

20、lt;b>　　sum2 = 0;</b></p><p>　　for k = 1:colors </p><p>　　sum1=sum1+MyYuanLaiPic( i,j,k )/3; %用均值法進行RGB到%灰度圖像的轉(zhuǎn)換</p><p>　　sum2=sum2+max(MyYuanLaiPic( i,j,k ));%用最大值法進行%RGB到

21、灰度圖像轉(zhuǎn)換</p><p><b>　　end </b></p><p>　　SecGrayPic(i,j) = sum1; %將得到的加權平均值作為對應像素點</p><p><b>　　%的灰度值</b></p><p>　　ThirdGrayPic(i,j)=sum2;%將得到的簡單平均值作

22、為對應像素點</p><p><b>　　%的灰度值</b></p><p><b>　　end </b></p><p><b>　　end</b></p><p>　　imwrite(SecGrayPic ,'F:/1.bmp','bmp'

23、;); %將轉(zhuǎn)換后圖像以bmp格式寫入文件%1.bmp</p><p>　　imwrite(ThirdGrayPic,'F:/2.bmp','bmp'); %將轉(zhuǎn)換后圖像以bmp格式寫入文件%2.bmp</p><p>　　figure(1); %顯示第1幅圖像</p><p>　　imshow(MyYuanLaiPic); %顯示

24、原來的RGB圖像</p><p>　　figure(2); %顯示第2幅圖像</p><p>　　imshow(MyFirstGrayPic); %顯示經(jīng)過系統(tǒng)函數(shù)運算過的灰度圖像 </p><p>　　figure(3); %顯示第3幅圖像</p><p>　　imshow(SecGrayPic); %顯示均值法轉(zhuǎn)化之后的灰度圖像&

25、lt;/p><p>　　figure(4); %顯示第4幅圖像</p><p>　　imshow(ThirdGrayPic); %顯示最大值法轉(zhuǎn)化之后的灰度圖像</p><p><b>　　2、代碼分析</b></p><p>　　該程序采用三種方法實現(xiàn)彩色圖像的灰度化。程序首先讀取一RGB格式的圖象,然后調(diào)用已有的函數(shù)rg

26、b2gray()來實現(xiàn)彩色圖像灰度化，此為方法一；繼而，調(diào)用size函數(shù)讀取原圖像圖像的尺寸，并以該尺寸構建一個全零矩陣來存儲用下面的方法產(chǎn)生的灰度圖像。由于在此之前的語句創(chuàng)建之后圖像為雙精度型， 因而我們采用uint8（）將其轉(zhuǎn)化成無符號整型。然后對原圖像中的像素逐點處理，首先采用的是均值法，即將每個像素點上的R，G,B分量取其平均，將處理后均值作為該像素點的灰度值輸出，對應代碼中</p><p>　　MyYu

27、anLaiPic( i,j,k )/3語句，在對所有像素點處理完畢后即可實現(xiàn)彩色圖像的灰度化處理，此為方法二；最后我還采用了取最大值法，即調(diào)用max（）函數(shù)讀取像素點上RGB分量中的最大值作為該點灰度值輸出，從而實現(xiàn)彩色圖像的灰度化處理。</p><p>　　6 功能仿真圖及分析</p><p>　　運行程序代碼，可得到如下運行結果，對應如上三種方法，可分別得到如圖6-1,6-2,6-3

28、和6-4。</p><p><b>　　圖6-1原彩色圖</b></p><p>　　圖6-2采用加權平均法得到的灰度圖</p><p>　　圖6-3 采用均值法得到的灰度圖</p><p>　　圖6-3采用最大值法得到的灰度圖</p><p>　　稍作比較即可發(fā)現(xiàn)，以三種方法得到的處理結果并不完

29、全相同，這是由于不同的處理方法對于灰度值的選取不同，考慮庫函數(shù)rgb2gray(),其轉(zhuǎn)化是依據(jù)亮度方程f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))來實現(xiàn)的，即依據(jù)人眼對不同顏色的敏感度不同，對RGB分量以不同系數(shù)的加權平均，得到較為合理的灰度化結果。而采用方法二處理是對RGB三個分量取簡單的平均，從而得到對應灰度值，而方法三則是直接取用RGB分量中最大值作為灰度值輸出。</p><

30、;p>　　為作進一步說明問題，我們可以分別選用紅色圖，綠色圖以及藍色圖用如上方法處理后來進一步比較說明。</p><p>　　首先，我們選用以紅色分量較多的圖像進行處理，結果如圖6-4所示。</p><p>　　圖6-4 紅色圖像灰度化對比</p><p>　　觀察如上對比結果可以發(fā)現(xiàn)，對于前兩種方法處理得到的figure2和figure3，兩圖中紅色分量灰度

31、化之后基本沒有區(qū)別，這是由于采用加權平均法對紅色分量R的加權系數(shù)為0.30，而采用簡單平均法的紅色分量系數(shù)為0.33，故兩者對于紅色分量的處理結果區(qū)別不大，而對于figure4，其采用最大值法，故在亮度現(xiàn)實上明顯大于前面二者。</p><p>　　接下來，選取一綠色分量為主的圖像進行處理分析，結果如圖6-5所示。</p><p>　　圖6-5 綠色圖像灰度化對比</p>&l

32、t;p>　　觀察如上對比圖像結果可以發(fā)現(xiàn)，figure3的亮度明顯低于figure2，而figure4的亮度則為三個處理結果中最大的。稍加分析，不難發(fā)現(xiàn)，這是由于在方法一的處理中，其對于綠色分量的加權系數(shù)為0.59，而方法二中綠色分量的系數(shù)約為0.33，加之上圖中物體部分顏色為綠色，故作處理后，方法一所得的灰度值大于方法二處理得到的灰度值，因而在顯示上，方法一對應的figure2較之方法二對應的figure3更亮；而對于方法三所得

33、的figure4，因其取的是最大值，故最終的灰度值也最大，所以顯示最亮。</p><p>　　最后，選取一藍色分量為主的圖像進行處理，結果如圖6-6所示。（此處僅給出灰度圖之間的對比，原彩色圖見附錄彩頁）</p><p>　　圖6-6 藍色圖像灰度化對比</p><p>　　對比如上圖像可以發(fā)現(xiàn)，此時figure3的亮度大于figure2的，而figure4的亮度依

34、然是三個圖像中最大的。這是由于在得到figure2的方法中，其對于藍色分量的加權系數(shù)是0.11，而figure3對應的方法二中藍色分量的系數(shù)約為0.33，加之此圖像中藍色分量居多，因而就不難解釋如上現(xiàn)象，對于方法一處理后對應像素點的灰度值小于方法三處理后對應點的灰度值，故顯示在圖像上，figure2就偏暗，而figure4取的是最大值，故最終在亮度顯示上最亮。</p><p>　　本課程設計中采用的三種不同設計方

35、法對同一彩色圖像的灰度化處理結果不相同，究其原因是由于它們在對同一像素點的灰度值確定上采取的手段不一。對于方法一，其轉(zhuǎn)換公式為</p><p>　　f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)) （6-1）</p><p>　　其對于不同顏色分量RGB的加權系數(shù)不相同，對比方法二中采用的</p><p>　　f(i,j)=

36、(R(i,j)+G(i,j)+B(i,j)) /3 （6-2）</p><p>　　其采用的加權系數(shù)約為0.33，且對于RBG三個分量采用統(tǒng)一加權系數(shù)，所以，當一幅圖像中紅色分量居多的時候，由于對于紅色分量，公式（6-1）計算結果與公式（6-2）計算結果基本相同，即對應點像素灰度值基本一致，故處理結果在亮度顯示上區(qū)別不大；而對于綠色分量，公式（6-1）計算結果大于公式（6-2）計算結果，也即處理所得

37、的像素灰度值更大，所以在綠色分量居多的圖像中，兩者在處理后，方法一所得圖像亮度大于方法二處理得到的圖像；同理，對于藍色分量居多的圖像，其方法一處理所得的圖像在亮度顯示上會低于方法二處理得到的圖像。對于方法三，由于其對灰度值的選取上取的是最大值，故在最終顯示上也最亮。</p><p>　　根據(jù)上文分析，也就不難解釋在圖像6-1,6-2和6-3之間顯示不同的問題。由于原圖是一七彩圖，其包含了紅、綠、藍以及這三者組合得

38、到的其他顏色分量，故在最終顯示上，由方法一所得的圖6-1可在對比方法二所得的圖6-2時，有些部分偏亮，而有些部分則偏暗，這都是由于兩種方法中對不RGB三個不同分量的加權平均系數(shù)不一致而造成的。而對于方法三，由于它只是簡單的選取三個分量中的最大值作為灰度值輸出，故圖6-3的亮度最大。</p><p><b>　　7 結束語</b></p><p>　　本次課程設計要求

39、我們根據(jù)已經(jīng)學習過的數(shù)字圖像處理知識，運用MATLAB中的M文件進行彩色圖像灰度化的仿真設計。在老師的指導下，我進一步熟悉了MATLAB仿真平臺使用方法，并且加深了對彩色圖像處理的相關知識的了解，然后在查閱了大量的書籍后，設計出了三種彩色圖像灰度化的方案，并順利實現(xiàn)了仿真。</p><p>　　在本次課程設計過程中，由于對MATLAB中庫函數(shù)不太熟悉，在一開始的設計過程過程中碰到了很多釘子，但是在老師耐心的指導與

40、同學的幫助下都一一克服了。在一次次的糾錯過程中與不斷的摸索下，我終于設計出了彩色圖像灰度化的實現(xiàn)代碼，并且運行出了正確的結果。</p><p>　　通過這次的課程設計，我深深的感受到了自身的不足。進行課程設計不但需要多方面的知識，同時還要考驗一個人的獨立動腦能力和動手能力，這在課本上學不到的。另外，這還要求我們具有一定的自學能力，在面對多次錯誤時要能冷靜，并且還要有堅定的意志力。在這次課程設計中，我得到的不僅僅是

41、知識的補充，更多的是問題分析能力的提高，雖然只有短短一周時間，卻給了我比平常更多的磨練，也讓我在鞏固書本知識的同時學到了更多的東西。在這次的課程設計中，我看到了理論與實際相結合的重要性，同樣，我還感受到了將理論實現(xiàn)于現(xiàn)實的重大喜悅，當代碼最終成功運行并出現(xiàn)正確的仿真結果時，那種巨大的成就感是無法用言語來形容的。</p><p>　　在實際中，僅僅擁有理論知識是遠遠不夠的，如果不能把理論賦予實踐，再豐富的理論知識也

42、只能是“紙上談兵”，只有將理論與實踐相結合，才能結出智慧的果實。課程設計是對我們綜合能力的檢測，是培養(yǎng)我們的專業(yè)素養(yǎng)以及學習興趣的很好的途徑，學習把理論付諸于實現(xiàn)，能夠讓我們更加清楚的看到我們努力的結果。雖然本次課程設計已經(jīng)結束了，但是我不會忘記從中收到的感受與啟發(fā)，相信在以后的學習中，我將更加認真努力，爭取從知識以及動手能力方面都能更上一層樓！</p><p><b>　　8 參考文獻</b&

43、gt;</p><p>　　[1] 張強，王正林．精通MATLAB數(shù)字圖像處理．北京：電子工業(yè)出版社，2009.6</p><p>　　[2] 朱虹 等.數(shù)字圖像處理.北京：科學出版社，2009.8    </p><p>　　[3] 余成波. 數(shù)字圖像處理及MATLAB實現(xiàn). 重慶大學出版社, 2003</p><

44、p>　　[4] 謝鳳英，趙丹培. Visual C++數(shù)字圖像處理.北京：電子工業(yè)出版社，2008.</p><p>　　[5] 曹志剛等.現(xiàn)代通信原理[M].清華大學出版社，2008: 66-89.</p><p>　　[6] 葛哲學.精通MATLAB[M].電子工業(yè)出版社，2008: 2-8.</p><p>　　[7] 張圣勤. MATLAB7.0實用教