【正文】 BW4=edge(H,39。)。sobel39。加高斯噪聲中指濾波后的圖39。subplot(2,2,3),imshow(B1,[]),title(39。)。%椒鹽噪聲圖的中指濾波B1=conv2(double(I7),h)。figure。)。gaussian39。加椒鹽噪聲后的圖39。%加入椒鹽噪聲subplot(1,2,1),imshow(H),title(39。I6=imnoise(H,39。subplot(2,2,4),imhist(J),title(39。)。灰度圖39。)?；叶葓D39。%灰度圖像亮度調(diào)整33figure,imshow(I5),title(39。%將RGB圖像轉(zhuǎn)化了灰度圖像figure,imshow(H),title(39。%交互式剪切subplot(1,2,2),imshow(I4),title(39。%圖像剪切I4=imcrop(I1,[100 80,50,60])。旋轉(zhuǎn)圖39。nearest39。%圖像縮小figure,imshow(I1),title(39。)。39。gaussianamp。subplot(2,3,5),imshow(BW5),title(39。)。roberts edge check39。subplot(2,3,1),imshow(BW1),title(39。,5)。canny39。%用“prewitt”進行邊緣檢測BW4=edge(H,39。)。sobel39。加高斯噪聲中指濾波后的圖39。32subplot(2,2,3),imshow(B1,[]),title(39。)。%椒鹽噪聲圖的中指濾波B1=conv2(double(I7),h)。figure。)。gaussian39。加椒鹽噪聲后的圖39。%加入椒鹽噪聲subplot(1,2,1),imshow(H),title(39。I6=imnoise(H,39。subplot(2,2,4),imhist(J),title(39。)?；叶葓D39。)?；叶葓D39。%灰度圖像亮度調(diào)整figure,imshow(I5),title(39。%將RGB圖像轉(zhuǎn)化了灰度圖像figure,imshow(H),title(39。%交互式剪切subplot(1,2,2),imshow(I4),title(39。%圖像剪切I4=imcrop(I1,[100 80,50,60])。旋轉(zhuǎn)圖39。nearest39。%圖像縮小figure,imshow(I1),title(39。)。39。在對數(shù)字圖像進行處理的過程中，并不是每一次處理都獲得預(yù)期的效果，主要是對各個函數(shù)的功能和各種算子的算法掌握掌握不夠，對一幅圖像由模糊到清晰的處理過程不熟悉，同時，加之時間較緊的情況下，沒有足夠的時間去研究如何清晰的獲得一幅圖像的具體步驟，從而導(dǎo)致最終的圖像效果不是很好。圖 13 邊 緣 檢 測 的 各 種 算 法 圖 例 小結(jié)本 章 主 要 概 述 了 邊 緣 檢 測 ， 介 紹 了 邊 緣 檢 測 的 方 法 。 信 噪 比 SNR 的 定 義 為 ： （ 321）2()wGxhdSNR????式 中 ， G（ x） 代 表 邊 緣 函 數(shù) ； h(x)代 表 寬 度 為 的 濾 波 器 的 脈 沖響 應(yīng) ； 代 表 高 斯 噪 聲 的 均 方 差 。一種更好的辦法就是求梯度局部最大值對應(yīng)的點，并認(rèn)為他們是邊緣點。 其 可 以 簡 單 表 示 為 ： （ 319）?????????(,)4,1,1,Gijfijfijfijfijfij??????或 者 （ 320）??????8,(,)11,fijfijfijijfijfijfij????，也 就 是 說 ， 拉 普 拉 斯 算 子 常 用 兩 種 模 板 來 進 行 檢 測 ， 其 模 板 分 別見 圖 （ a） 和 圖 (b). 014?18?模 板 （ a） 模 板 (b).拉 普 拉 斯 算 子 是 一 個 標(biāo) 量 而 不 是 向 量 ， 具 有 線 性 特 性 和 旋 轉(zhuǎn) 不變 ， 即 各 向 同 性 的 性 質(zhì) ， 常 常 被 用 在 圖 像 處 理 的 過 程 中 。表 4 3*3 子圖像示意圖 （316 ）,max54:0,??????（ i,j） =式中 （317 ）???0a12a3??,ij456725式（317 ）中的下標(biāo)超過 7 就用 8 去除并取余數(shù)。Sobe 梯度算子是先做加成權(quán)平均，在求微分，最后求梯度，即用式（312 ） 、式（ 313）和式（314 ）來實現(xiàn)的。圖像中的每個點都用這兩個模板做卷積，兩個模板卷積的最大值作為該店的輸出值。表 3 梯度幅值計算示意圖0a12a3??,ij4567因此式（312）則可以簡單記為： （313(,)234078012654Gijacacacac?????） 式中 c=2。Gy= 。求梯度幅值時對于平方和及開放運算，可以用兩個分量的絕對值之和來表示。對一個圖像 f(x,y)函數(shù)，21它在位置（x,y）處的梯度可定為梯度算子： G[f(x,y)]= (36)22(/)fy???（ f/x）梯度算子是圖像處理中最常用的一階微分算法，是(311)中 f(x,y)表示圖像的灰度值，圖像梯度最重要的性質(zhì)是梯度方向，是在圖像灰度最大變化率上，它恰是可以反映出圖像邊緣上的灰度變化。同時在數(shù)字圖像處理方面還具有簡單性和嚴(yán)謹(jǐn)性，能很好的描述圖像的形態(tài)特征。一階微分圖像的閾值處對應(yīng)著圖像的邊緣點；二階微分圖像的過零點對應(yīng)著圖像的邊緣點。邊緣檢測的方法主要有以下4 種。凸緣型：其邊緣的灰度值上升與下降都比較緩慢。 邊緣檢測簡介邊緣檢測是圖像處理和計算機視覺中的基本問題，邊緣是指其周圍像素灰度變化不連續(xù)的那些像素的集合，邊緣廣泛從在于物體與背景之間、物體與物體之間，因此它是圖像分割所依賴的重要特征。MATLAB 圖像處理工具箱提供了兩種用于圖像處理的 DCT 變換函數(shù)；dct2 使用一個基于的算法來提高輸入輸出速度，特別適合于比較大的輸入矩陣，其語法格式為：B=dct2(A)B=dct2(A,[m,n])B=dct2(A,m,n)其中，B=dct2(A) 用于計算圖像的二維 DCT，變換前后圖像的大小一樣；B=dct2(A,[m,n])通過補 0 或截取元素，使得 A 成為 m*n 大小的矩陣，變換結(jié)果 B 與 A 的大小也是一樣的。F=fft2(f,m,n)截取或補充 0 元素，使圖像的大小為 m*n，然后對其進行二維fft，的大小沒有改變。在數(shù)字圖像處理中，輸入圖像和輸出圖像通常都是二維的，一般表示成二維數(shù)字矩陣，可以直接叫二維傅里葉變換、二維 DFT、二維 FFT。 圖 10 二值圖像與腐蝕圖像Imerode 函數(shù)實現(xiàn)二值圖像的腐蝕運算，其語法格式為：IM1=Imerode (IM,SE) 返回灰度、二值圖像和壓縮二值圖像 IM 進行腐蝕的圖像。幾種圖像操作的定義：15平移： 定義為圖像 A 被 b 平移后的結(jié)果，表示為 ，bA ??bAa???其中，中 所有的元素是 A 中對應(yīng)元素平移到以 b 點為原點的坐標(biāo)系內(nèi)的結(jié)果。數(shù)學(xué)形態(tài)學(xué)的基本運算有腐蝕、膨脹、開啟和閉合。（1） RGB 圖像轉(zhuǎn)換為灰度圖像的函數(shù) rgb2gray()，其語法格式為：I=rgb2gray（RGB）前者表示將輸入的 RGB 圖像轉(zhuǎn)換為灰度圖 I.圖 8 RGB 圖像轉(zhuǎn)換為灰度圖后的圖（2） RGB 圖像轉(zhuǎn)換為索引圖像的函數(shù) rgb2ind()，其語法格式為：[X,map]=rgb2ind（RGB）:直接將圖像轉(zhuǎn)換為具有顏色圖 map 的矩陣 X（3）轉(zhuǎn)換為二值圖像的函數(shù) im2bw()這一函數(shù)通過閾值化方法將索引、灰度和圖像轉(zhuǎn)化為二值圖像。12 圖 6 交互與非交互圖像對比圖（3） 調(diào)整圖像的大小函數(shù)可以通過一種特定的插補方法來調(diào)整圖像的大小，其語法格式為：B=imresize(A,m,methed):用 methed 指定的插補方法返回大小等于 A 的m 倍的圖像 B。該操作剪切的是圖像中的一個矩陣子圖，用戶可以通過參數(shù)指定這個矩形四個頂點的坐標(biāo)，也可以交互的用鼠標(biāo)選取這個操作。Nearest（近鄰插補運算）：輸入像素的賦值為當(dāng)前點的像素點。（7）PNG 格式。（5）TIFF 格式。（2）BMP 格式：有 24 為非壓縮圖像，8 位 RLE 圖像。（2）中值濾波是一種常用的非線性平滑濾波器，其濾波原理是，中值濾波器的輸出像素值是有鄰域像素的中間值決定的，其濾波后產(chǎn)生的圖像模糊較少，適合于消除圖像的孤立噪聲點。 圖像濾波圖像的空間文理信息可以形象的反映出圖像的大小、位置、和形狀等特征，利用線性濾波技術(shù)可以對圖像的某些紋理信息進行一定程度的增強，而去除其他的特征。（1） 直方圖均衡化其基本思想是把原圖的直方圖變換成均勻分布的形式，這樣增強了像素灰度值的動態(tài)范圍，從而達到了增強圖像整體對比度的效果。 直方圖處理為改變圖像整體偏暗，或整體偏亮，或者灰度層次不豐富的情況，可將圖像的直方圖通過一定的函數(shù)處理為均衡的直方圖，使直方圖不再偏于低端，或者不再偏于高端，而是變成比較均勻的分布，而這種技術(shù)就叫做直方圖均衡化。其語法格式為：I1=imadjust（I,[low high],[bottom top],gamma）對圖像使用灰度線性增強，使原圖因顏色灰暗不能體現(xiàn)細節(jié)的地方能夠清晰的體現(xiàn)出來。其主要有兩個目的：一是增強有用信息，抑制無用信息，從而改善圖像的視覺效果；二是有利于人工和機器分析。圖像壓縮：在滿足一定的圖像質(zhì)量要求下對圖像進行編碼，可以壓縮表示圖像的數(shù)據(jù)。RGB 色彩模式是用 RGB 模型為圖像中的每一個像素的 RGB 分量分配一個 0～255 范圍內(nèi)的強度值。通常，用 0 表示黑，用 255 表示白，從到亮度逐漸增加。每一個像素值將取 0 或 1 中的一個值，通常用 0 表示黑，用 1 表示白。邊緣檢測是數(shù)字圖像處理中最重要的一種技術(shù)，圖像物體中邊緣表現(xiàn)為灰度變化，邊緣廣泛存在于物體與背景之間、物體與物體之間。 目的意義圖像是對客觀對象的一種相似性的、生動的描述或表示。數(shù)字圖像計算機可以直接處理，其空間坐標(biāo)和灰度都不連續(xù)，是用離散的數(shù)字來表示圖像。MATLAB 的特點有：高級科學(xué)計算語言，用于線性代數(shù)統(tǒng)計、的集成管理環(huán)境，算法設(shè)計開發(fā)的交互式工具，創(chuàng)建自定義工程師圖形界面的工具，2D 和 3D 的數(shù)據(jù)可視化，與第三方算法開發(fā)工具—C/C++、FORTRAN、Java、COM、Microsoft Excel—集成開發(fā)基于 MATLAB的算法。本2課題闡述了數(shù)字圖像在一些應(yīng)用領(lǐng)域中的處理及處理前后的對比，包括各種算子的邊緣檢測，從而實現(xiàn)對圖像的分析及處理。MATLAB 圖像處理工具箱提供了邊緣檢測（edge）函數(shù)，它能利用多種算子進行圖像的邊緣檢測，語言結(jié)構(gòu)簡單。圖像處理的目的是改善圖像的質(zhì)量，以人為對象以改善人的視覺效果為目的。（保密論文在解密后遵守此規(guī)定） 作者簽名: 二〇一〇年九月二十日4目 錄基于 MATLAB 的數(shù)字圖像分析與邊緣檢測 ..........................................................................................................1 課題概述 ..........................................................................................................................................................1 課題背景知識 ...............................