數(shù)字圖像處理課程設計

1、<p>　　1課程設計目的 </p><p>　?。?）對數(shù)字圖像處理這門課程所學知識進行鞏固和擴充。 </p><p>　?。?）運用圖像理論知識來完成圖像的膨脹的設計。 </p><p>　?。?）學習并且熟練使用MATLAB軟件進行編程和仿真。 </p><p>　?。?）增強學生對圖像學科的學

2、習興趣，培養(yǎng)圖像處理的仿真建模能力。 </p><p>　?。?）培養(yǎng)學生分析問題、解決問題的能力及動手操作能力。</p><p><b>　　2 課程設計要求</b></p><p>　?。?）掌握課程設計的相關知識、概念清晰；</p><p>　　（2）程序設計合理、能夠正確運行；</p>&l

3、t;p>　　（3）查閱資料，掌握圖像腐蝕的基本方法，編程實現(xiàn)膨脹；</p><p>　　（4）掌握運用Matlab軟件對灰度與二值圖像的腐蝕的處理方法；</p><p>　　（5）使用imerode函數(shù)進行圖像腐蝕，觀察腐蝕后的圖像變化情況。</p><p><b>　　3 理論知識敘述</b></p><p>　

4、　3.1 圖像處理與數(shù)字圖像處理概念</p><p>　　圖像處理并不僅限于對圖像進行增強、復原和編碼，還要對圖像進行分析，圖像分析旨在對圖像進行描述，即用一組數(shù)或符號表征圖像中目標區(qū)的特征、性質和相互間的關系，為模式識別提供基礎。描述一般針對圖像或景物中的特定區(qū)域或目標。閉運算通常用來填充目標內(nèi)細小空洞，連接斷開的鄰近目標，平滑其邊界的同時不明顯改變其面積。</p><p>　　數(shù)字圖像

5、處理（digitalimageprocessing）是用計算機對圖像信息進行處理的一門技術，使利用計算機對圖像進行各種處理的技術和方法。利用數(shù)字圖像處理主要是為了修改圖形，改善圖像質量，或是從圖像中提起有效信息，還有利用數(shù)字圖像處理可以對圖像進行體積壓縮，便于傳輸和保存。</p><p>　　3.2 MATLAB 及其圖像處理工具箱</p><p>　　MATLAB語言是由美國MathWo

6、rks公司推出的計算機軟件，經(jīng)過多年的逐步發(fā)展與不斷完善，現(xiàn)已成為國際公認的最優(yōu)秀的科學計算與數(shù)學應用軟件之一，它集數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體，構成了一個方便的、界面友好的用戶環(huán)境，而且還具有可擴展性特征。MATLAB中的數(shù)字圖像是以矩陣形式表示的，矩陣運算的語法對MATLAB中的數(shù)字圖像同樣適用，這意味著MATLAB強大的矩陣運算能力對用于圖像處理非常有利。</p><p>　　圖像處理工具箱

7、(Image Processing Toolbox)提供了一套全方位的參照標準算法和圖形工具，用于進行圖像處理、分析、可視化和算法開發(fā)?？蛇M行圖像壓縮、空間轉換、圖像增強、特征檢測、降噪、圖像分割和圖像配準等功能。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)。本文利用MATLAB圖像處理工具箱對基于DCT的JPEG圖像壓縮編碼理論算法進行仿真，實驗證明該軟件功能強大，語言簡潔易學

8、，工具箱具有豐富的技術支持并集成了該領域專家的智慧，應用簡單而效果良好。</p><p>　　3.3 MATLAB在數(shù)字圖像處理中的應用</p><p>　　MATLAB7．x提供了2O類圖像處理函數(shù)，涵蓋了圖像處理包括近期研究成果在內(nèi)的幾乎所有的技術方法，是學習和研究圖像處理的人員難得的寶貴資料和加工工具箱。這些函數(shù)按功能可分為圖像顯示、圖像文件I／O、圖像算術運算、幾何變換、圖像登記、

9、像素值與統(tǒng)計、圖像分析、圖像增強、線性濾波、線性二元濾波設計、圖像去模糊、圖像變換、鄰域與塊處理、灰度與二值圖像的形態(tài)學運算、結構元素創(chuàng)建與處理、基于邊緣的處理、色彩映射表操作、色彩空間變換及圖像類型與類型轉換。</p><p>　　Matlab數(shù)字圖像處理工具箱函數(shù)包括以下幾類：(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)計函數(shù)；(5)圖像分析函數(shù)；(6)圖像增

10、強函數(shù)；(7)線性濾波函數(shù)；(8)二維線性濾波器設計函數(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)顏色圖操作函數(shù)；(14)顏色空間轉換函數(shù)；(15)圖像類型和類型轉換函數(shù)。</p><p><b>　　3.4原理簡述</b></p><p>　　3.4.1形態(tài)學簡介</p>&l

11、t;p>　　數(shù)字圖像處理中的形態(tài)學處理是指將數(shù)字形態(tài)學作為工具從圖像中提取對于表達和描繪區(qū)域形狀有用處的圖像分量，比如邊界、骨架以及凸殼，還包括用于預處理或后處理的形態(tài)學過濾、細化和修剪等。圖像形態(tài)學處理中我們感興趣的主要是二值圖像。</p><p>　　在二值圖像中，所有黑色像素的集合是圖像完整的形態(tài)學描述，二值圖像的各個分量是Z2的元素。假定二值圖像A和形態(tài)學處理的結構元素B是定義在笛卡兒網(wǎng)格上的集合，

12、網(wǎng)格中值為1的點是集合的元素，當結構元素的原點移到點(x,y)時，記為Sxy，為簡單起見，結構元素為3x3，且全都為1，在這種限制下，決定輸出結果的是邏輯運算。</p><p>　　3.4.2圖像膨脹的原理</p><p>　　膨脹和腐蝕操作是形態(tài)學處理的基礎，許多形態(tài)學算法都是以這兩種運算為基礎的。膨脹，即給圖像中的對象邊界添加像素。</p><p>　　膨脹是以

13、得到B的相對與它自身原點的映像并且由z對映像進行移位為基礎的。A被B膨脹是所有位移z的集合，這樣， 和A至少有一個元素是重疊的。我們可以把上式改寫為：結構元素B可以看作一個卷積模板，區(qū)別在于膨脹是以集合運算為基礎的，卷積是以算術運算為基礎的，但兩者的處理過程是相似的：⑴ 用結構元素B，掃描圖像A的每一個像素；⑵ 用結構元素與其覆蓋的二值圖像做“與”操作；⑶ 如果都為0，結果圖像的該像素為0，否則為1。在操作中，輸出圖像中所有給定像素的狀

14、態(tài)都是通過對輸入圖像的相應像素及鄰域使用一定的規(guī)則進行確定。在膨脹操作時，輸出像素值是輸入圖像相應像素鄰域內(nèi)所有像素的最大值。在二進制圖像中，如果任何像素值為1，那么對應的輸出像素值為1。</p><p>　　可以使用imdilate函數(shù)進行圖像膨脹,imdilate函數(shù)需要兩個基本輸入?yún)?shù)，即待處理的輸入圖像和結構元素對象。結構元素對象可以是strel函數(shù)返回的對象，也可以是一個自己定義的表示結構元素鄰域的二進

15、制矩陣。此外，imdilate還可以接受兩個可選參數(shù)：PADOPT(padopt) ——影響輸出圖片的大小、PACKOPT(packopt).——說明輸入圖像是否為打包的二值圖像(二進制圖像)。</p><p><b>　　4 設計方案</b></p><p>　　4.1 灰度矩陣的膨脹</p><p>　　首先創(chuàng)建一個包含矩形對象的二值圖像矩

16、陣，然后定義結構元素('square',9)，再用imdilate函數(shù)將圖像進行膨脹操作，最終顯示原圖像和膨脹后的圖像進行對比觀察。 </p><p>　　4.2灰度圖像的膨脹</p><p>　　首先從F盤中讀取灰度圖像，然后定義一個結構元素('square',6)，再用imdilate函數(shù)對圖像進行膨脹操作和用1-im2

17、bw(I)進行相反方向操作，再用imdilate函數(shù)將相反圖像進行膨脹操作，并依次顯示原始圖像，膨脹結果圖像，相反圖像，相反圖像膨脹結果進行對比觀察。</p><p>　　4.3 彩色圖像的膨脹</p><p>　　首先讀取F盤中的彩色圖像，然后定義結構元素('square',3)，用imdilate函數(shù)將原始圖像膨脹，再通過rgb2gray(I)函數(shù)將圖像進行二值化操作，

18、轉化為灰度圖像，繼而再用imdilate函數(shù)將灰度圖像膨脹，依次顯示原始圖像，原始圖像膨脹結果 ，灰度圖像，灰度圖像膨脹結果進行對比觀察。</p><p>　　4.4圖像的膨脹與邊緣提取</p><p>　　首先讀取F盤中的彩色圖像，然后定義結構元素('diamond',2)，再用rgb2gray(I)函數(shù)將圖像進行二值化操作，轉化為灰度圖像，用imdilate函數(shù)膨脹灰度

19、圖像和J1=imerode(J,SE);J2=J-J1;兩步操作提取灰度圖像的邊緣，顯示原始圖像，圖像灰度化結果，灰度圖像膨脹結果和邊緣提取圖像的結果，并進行對比觀察。 </p><p><b>　　5 程序設計</b></p><p>　　5.1 灰度矩陣的膨脹</p><p>　　BW=zeros(90,90);</p>&l

20、t;p>　　BW(30:60,30:60)=1; %創(chuàng)建一個包含矩形對象的二值圖像矩陣</p><p>　　SE=strel('square',9); %定義結構元素</p><p>　　BW2=imdilate(BW,SE); %將圖像進行膨脹操作</p&g

21、t;<p>　　figure(1); </p><p>　　imshow(BW); %顯示原圖像</p><p>　　title('原圖像');</p><p>　　figure(2); </p><p>　　imshow(B

22、W2); %顯示膨脹后的圖像 </p><p>　　title('膨脹結果圖像');</p><p>　　5.2灰度圖像的膨脹</p><p>　　I=imread('F:\1003030405\zhaowei.jpg'); %從F盤中讀取圖像&l

23、t;/p><p>　　SE=strel('square',6); %定義一個結構元素</p><p>　　IM1=imdilate(I,SE); %將圖像進行膨脹操作</p><p>　　J=1-im2bw(I);

24、 %將圖像進行相反方向操作 </p><p>　　IM2=imdilate(J,SE); %將相反圖像進行膨脹操作</p><p>　　figure(1);</p><p>　　imshow(I); </p><p>　　title('原始圖像');

25、 %顯示原始圖像</p><p>　　figure(2);</p><p>　　imshow(IM1); %顯示膨脹結果圖像</p><p>　　title('膨脹結果圖像');</p><p>　　figure(3);</p>

26、;<p>　　imshow(J);</p><p>　　title('相反圖像'); %顯示相反圖像</p><p>　　figure(4);</p><p>　　imshow(IM2); %顯示相反圖像膨脹結果

27、 </p><p>　　title('相反圖像膨脹結果');</p><p>　　5.3 彩色圖像的膨脹</p><p>　　I=imread('F:\1003030405\hehua.jpg'); %讀取F盤中的彩色圖像</p><p>　　SE=strel

28、('square',3); %定義結構元素</p><p>　　J=imdilate(I,SE); %將原始圖像膨脹</p><p>　　K=rgb2gray(I); %將圖像進行二值化操作，轉化為灰度圖像</p><p>　　L=imdilat

29、e(K,SE); %將灰度圖像膨脹</p><p>　　figure(1);</p><p>　　imshow(I); %顯示原始圖像</p><p>　　title('原始圖像');</p><p>　　figure(2);</p>

30、<p>　　imshow(J); %顯示原始圖像膨脹結果 </p><p>　　title('原始圖像膨脹結果'); </p><p>　　figure(3);</p><p>　　imshow(K); %顯示圖像灰度化結果 </p>

31、;<p>　　title('灰度圖像');</p><p>　　figure(4);</p><p>　　imshow(L); %顯示灰度圖像膨脹結果 </p><p>　　title('灰度圖像膨脹結果');</p><p>　　5.4圖像的膨脹與

32、邊緣提取</p><p>　　I=imread('F:\1003030405\baobao.jpg');</p><p>　　SE=strel('diamond',2);</p><p>　　J=rgb2gray(I); %將圖像進行二值化操作，轉化為灰度圖像</p><p&g

33、t;　　L=imdilate(J,SE);</p><p>　　J1=imerode(J,SE);</p><p><b>　　J2=J-J1;</b></p><p>　　figure(1);</p><p>　　imshow(I); %顯示原始圖像</p>&

34、lt;p>　　title('原始圖像'); </p><p>　　figure(2); </p><p>　　imshow(J); %顯示圖像灰度化結果</p><p>　　title('灰度圖像'); </p&

35、gt;<p>　　figure(3); </p><p>　　imshow(L); </p><p>　　title('灰度圖像膨脹結果'); %顯示灰度圖像膨脹結果</p><p>　　figure(4);</p><p>　　imshow(J2)

36、;</p><p>　　title('邊緣提取圖像'); %顯示邊緣提取圖像 </p><p><b>　　6 仿真結果與分析</b></p><p>　　6.1二值圖像矩陣仿真結果</p><p>　　分析：利用結構元素將圖6-1亮的地方進行膨脹的結果如圖6-2所示，證明對圖像

37、的膨脹處理成功。</p><p>　　圖6-1二值圖像矩陣原始圖像 </p><p>　　圖6-2 二值圖像矩陣膨脹結果圖像</p><p>　　6.2灰度圖像的仿真結果</p><p>　　分析：利用結構元素將圖6-3亮的地方進行膨脹的結果如圖6-4所示，證明對圖像的膨脹處理成功；對圖6-5進行取反操作得到圖6-6，并且對圖6-7進行膨脹得

38、到圖6-8，通過對處理后的趙薇的四幅圖像的對比觀察證明對圖像的處理成功。</p><p>　　圖6-3 灰度圖像的原始圖像 </p><p>　　圖6-4 灰度圖像的膨脹結果圖像</p><p>　　圖6-5 灰度圖像的相反圖像</p><p>　　圖6-6 灰度圖像的相反圖像膨脹結果</p><p>　　6.3彩色圖

39、像的仿真結果</p><p>　　分析：利用結構元素將圖6.3.1亮的地方進行膨脹的結果如圖6.3.2所示，證明對圖像的膨脹處理成功；對圖6.3.1進行灰度化操作得到圖6.3.3，并且對圖6.3.3進行膨脹得到圖6.3.4，通過對處理后的荷花和詩句的圖像的對比證明對圖像的處理成功。</p><p>　　圖6-7 彩色圖像的原始圖像</p><p>　　圖6-8 彩色

40、圖像的原始圖像膨脹結果</p><p>　　圖6-9彩色圖像的灰度化圖像</p><p>　　圖6-10 灰度圖像膨脹結果</p><p>　　6.4圖像的膨脹和邊緣提取</p><p>　　利用結構元素對圖6.3.1進行灰度化操作得到圖6.4.2，并且對圖6.4.2進行膨脹得到圖6.4.3，對圖6.4.3邊緣提取得到圖6.4.4，通過對處理

41、后的海綿寶寶的圖像的對比對圖像的處理成功。</p><p>　　圖6-11 圖像邊緣提取的原始圖像</p><p>　　圖6-12 圖像邊緣提取的灰度圖像</p><p>　　圖6-13 圖像邊緣提取的灰度圖像膨脹結果</p><p>　　圖6-14 邊緣提取圖像</p><p><b>　　總結 </

42、b></p><p>　　本次實驗利用形態(tài)學運算—膨脹對圖像進行了處理。數(shù)學形態(tài)學的基本思想是：用具有一定形態(tài)的結構元素去量度和提取圖像中的對應形狀，以達到圖像分析和識別的目的。它的優(yōu)點有：有效濾除噪聲、保留圖像中原有信息、算法易于用并行處理方法有效實現(xiàn)等等。 </p><p>　　圖像的二值化處理就是將圖像上的點的灰度置為0或255，也就是講整個圖像呈現(xiàn)出明顯的黑白效果。一般情況下

43、，膨脹和腐蝕是不可逆運算，對圖像膨脹或腐蝕都導致圖像目標面積大小改變。為了對二值圖像進行著兩種基本操作而保證圖像目標面積不發(fā)生明顯變化，提出了二值圖像的開運算和閉運算。使用同一個結構元素對圖像先膨脹再進行腐蝕的運算稱為閉運算。閉運算的作用是在保持原目標的大小與形態(tài)的同時，填充凹陷，彌合孔洞和裂縫。常用來填充孔洞、凹陷和連接斷開的目標，與膨脹作用相類似，但與膨脹的處理相比，具有保持目標大小不變的優(yōu)點。</p><p&g

44、t;　　通過本次的實驗，我了解了二值形態(tài)學的基本運算，掌握了二值圖像膨脹、基本方法，并且會運用編程實現(xiàn)膨脹、腐蝕，本次的實驗目的已經(jīng)完成，意識到在以后的生活中要了解做事情的目的，注重每一個與細節(jié)，認真思考遇到的所有問題，提高自己各方面的能力。感謝魏老師教會我們理論與實踐知識，也讓我明白了什么是學習，怎么樣學習，為以后的生活奠定的基礎與指引了方向。</p><p>　　總的來說，在此次實驗中遇到了較多問題，經(jīng)過對相

45、關知識的復習以及對相關資料的查詢，才逐個地解決了。在今后的實驗課中要有充分的準備與預習，不懂的問題要提前查資料，這樣在實驗中才會胸有成竹，才不會手忙腳亂。</p><p><b>　　參考文獻</b></p><p>　　[1] 張汗靈編著 MATLAB在圖像處理中的應用/ 北京:清華大學出版社,2008 </p><p>　　[2] 王家文

46、 MATLAB 6.5 圖形圖像處理 國防工業(yè)出版社 </p><p>　　[3] 余成波編著 數(shù)字圖像處理及MATLAB實現(xiàn) 重慶大學出版社 2003 </p><p>　　[4] 龔聲蓉，劉純平，王強 數(shù)字圖像處理與分析 北京：清華大學出版社，2006.7</p><p>　　[5] 郝文化主編 MATLAB圖形圖像處理應用教程 中國水利水電出版