基于MATLAB的图像处理研究.doc

《基于MATLAB的图像处理研究.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于MATLAB的图像处理研究姓名：彭宝学号：2131138导师：孙韶媛指导老师：齐金鹏基于MATLAB的图像处理研究1研究目的由于现阶段，随着科技的发展，计算机技术的应用已经渗透到社会的方方面面，而与图像有关的通信、网络、传媒、多媒体等已经给人们的生活带来巨大的变化。放观长远，图像技术将在未来的很长一段时间内，影响着计算机应用的各个领域。因此，探究图像处理技术对今后计算机图像处理的发展有着很好的前瞻作用，也为图像处理的技术创新在以后提供理论上的支持。图像平滑和图像锐化作为图像处理中比较基础且尤为重要的基本方式，在今后的数字化

2、的信息时代中仍然会有广泛的用处。作为基本的图像处理，在数字技术应用的许多方面都有需要的地方，无论是计算机，还是微电子、通信工程、嵌入式系统、传感技术都有着十分重要的地位。2空域图像处理2.1图像平滑基本概述图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理方法。2.1.1线性滤波（均值滤波）对一些图像进行线性滤波可以去除图像中某些类型的噪声。领域平均法就是一种非常适合去除通过扫描得到的图像中的噪声颗粒的线性滤波。领域平均法是空间域平滑噪声

3、技术。对于给定的图像中的每个像素点，取其领域S。设S含有M个像素，取其平均值作为处理后所得图像像素点处的灰度。用一像素领域内各像素灰度平均值来代替该像素原来的灰度，即领域平均技术。领域S的形状和大小根据图像特点确定。一般取的形状是正方形、矩形及十字形等，S的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S的中心。如S为3×3领域，点(m,n)位于S中心，则(2.1)假设噪声n是加性噪声，在空间各点互不相关，且期望为0，方差为，图像g是未受污染的图像，含有噪声图像f经过加权平均后

4、为(2.2)由上式可知，经过平均后，噪声的均值不变，方差，即方差变小，说明噪声强度减弱了，抑制了噪声。2.1.2中值滤波中值滤波是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。设有一个一维序列，，…，，取窗口长度为m(m为奇数)，对此序列进行中值滤波，就是从输入序列中相继抽出m个数，，…，，…，，…，，…，，其中为窗口的中心位置，，再将这m个

5、点按其数值大小排列，取其序号为正中间的那作为输出。用数学公式表示为：(2.3)对于二维序列进行中值滤波时，滤波窗口也是二维的，但这种二维窗口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形等。二维数据的中值滤波可以表示为：(2.4)其中，A为滤波窗口。2.1.3滤波效果在进行滤波前，首先给图像添加噪声，在此，给图像添加高斯噪声和椒盐噪声，并进行均值滤波和中值滤波得到图像如下：图1高斯噪声与椒盐噪声下的均值滤波与中值滤波2.1.4结果分析中值滤波和均值滤波后，都残留一些噪点，但是均值滤波残留的噪点量要明显小于中值滤波。说

6、明均值滤波对于线性的高斯噪声的滤波效果要优于中值滤波。2.2图像锐化2.2.1图像锐化的基本概述图像在传输过程中，通常质量都要降低，除了噪声因素外，图像一般都要变得模糊。这主要是因为图像的传输或转换系统的传递函数对高频成分的衰减作用，造成图像的细节轮廓不清晰。图像锐化就是使灰度反差增强，从而增强图像中边缘信息，有利于轮廓抽取。因为轮廓或边缘就是图像中灰度变化率最大的地方。因此，为了把轮廓抽取出来，就是要找一种方法把图像的最大灰度变化处找出来。2.2.2拉普拉斯算子——基于二阶微分的图像增强Laplacian算子是不依赖于边缘方

7、向的二阶微分算子，是常用的二阶导数算子.拉普拉斯算子是一个标量而不是向量，具有线性特性和旋转不变，即各向同性的性质。拉普拉斯微分算子强调图像中灰度的突变,弱化灰度慢变化的区域。这将产生一幅把浅灰色边线、突变点叠加到暗背景中的图像。计算数字图像的拉普拉斯值也可以借助于各种模板。拉普拉斯对模板的基本要求是对应中心像素的系数应该是正的，而对应于中心像素邻近像素的系数应是负的，它们的和应该为零。将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。拉普拉斯算子是最简单的各向同性微分算子，具有

8、旋转不变性，比较适用于改善因为光线的漫反射造成的图像模糊。其原理是，在摄像记录图像的过程中，光点将光漫反射到其周围区域，这个过程满足扩散方程:(3.1)经过推导，可以发现当图像的模糊是由光的漫反射造成时，不模糊图像等于模糊图像减去它的拉普拉斯变换的常数倍。另外，人们还发现，即