【正文】 答 謝經(jīng)過近一個學(xué)期的忙碌，在老師和同學(xué)的幫助下我的畢業(yè)論文以成形。figure。SE=ones(5,3)。E1=im2bw(I1,)。%對原圖進(jìn)程DCTsubplot(1,2,1),imshow(H),title(39。%腐蝕運(yùn)算subplot(1,2,1),imshow(H),title(39。%膨脹運(yùn)算subplot(1,2,1),imshow(E),title(39?；叶葓D像轉(zhuǎn)換為二值圖像39。)。subplot(2,3,6),imshow(BW6),title(39。prewitt edge check39。)。%用“l(fā)og”進(jìn)行邊緣檢測BW5=edge(H,39。roberts39。 subplot(2,2,4), imshow(K1),title(39。加椒鹽噪聲均值濾波后的圖39。)。I7=imnoise(H,39。,)。)。%均衡化subplot(2,2,1),imshow(H),title(39。subplot(1,2,1),imshow(H),title(39。%非交互式剪切H=rgb2gray(I1)。I3=imcrop(I1)。I2=imrotate(I1,40,39。原圖39。subplot(2,3,6),imshow(BW6),title(39。prewitt edge check39。)。%用“l(fā)og”進(jìn)行邊緣檢測BW5=edge(H,39。roberts39。 subplot(2,2,4), imshow(K1),title(39。加椒鹽噪聲均值濾波后的圖39。)。I7=imnoise(H,39。,)。)。%均衡化subplot(2,2,1),imshow(H),title(39。subplot(1,2,1),imshow(H),title(39。%非交互式剪切H=rgb2gray(I1)。I3=imcrop(I1)。I2=imrotate(I1,40,39。原圖39。尤其對圖像進(jìn)行各種算子的邊緣檢測將得到不同的圖像。 Canny 算 子Canny 算 子 檢 測 邊 緣 的 3 個 準(zhǔn) 則 ：（ 1） 信 噪 比 準(zhǔn) 則信 噪 比 越 大 ， 提 取 的 邊 緣 質(zhì) 量 越 高 。 拉 普 拉 斯 模 板 的 基 本 要 求 是 對 應(yīng) 中 心 像 素 的 系 數(shù) 應(yīng) 該 是正 的 ， 而 對 應(yīng) 于 中 心 像 素 鄰 近 像 素 的 系 數(shù) 應(yīng) 該 是 負(fù) 的 ， 且 它 們 的 和 應(yīng)該 是 零 。因此 Sobel 算子是邊緣檢測中最常用的算子之一。 （i,j）為當(dāng)前的位置點，梯度幅值計算公式如下：表 2 Sobel 算子中各個點的像素點的關(guān)系圖（i1,j1） (i1,j) (i1,j+1)(i,j1) (i,j) (i,j+1)(i+1,j1) (i+1,j) (i+1,j+1)=??,Gij????????12i,j1i,j1i,j12i,ji1,jffffff??????+ ?i,j)?（312 ）23將其進(jìn)行簡化，表 2 中的坐標(biāo)對應(yīng)記為如表 3 所示的符號。f(x,y)表示處理前的點的灰度值，G(x,y)表示處理后的點的灰度值。（4）基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測 數(shù)學(xué)形態(tài)學(xué)是一種對二值圖像進(jìn)行操作的一種非線性數(shù)學(xué)方法，其運(yùn)算是物體形狀集合與結(jié)構(gòu)元素之間的相互作用，對邊緣方向不敏感，在圖像處理中得到了廣泛的應(yīng)用。20 邊緣檢測方法由于圖像的邊緣是以灰度變化出現(xiàn)的，因此，可以通過計算圖像灰度的不連續(xù)性來增強(qiáng)圖像和進(jìn)行圖像檢測邊緣。3. 圖像分析——邊緣檢測在某些情況下，為了辨別和分析圖像，需要對圖像進(jìn)行分離提取的操作，在此基礎(chǔ)上可進(jìn)一步進(jìn)行圖像的識別與分析。MATLAB 圖像處理工具箱提供了以下處理圖像的快速傅立葉變換的函數(shù)；Fft2 用來計算二維快速傅立葉變換，其語法格式為：F=fft2(f)F=fft2(f,m,n)其中，F(xiàn)=fft2(f)返回圖像 f 的二維變換矩陣，F(xiàn) 與 f 的大小一致。16 二值數(shù)學(xué)形態(tài)學(xué)的運(yùn)算函數(shù)dilate 函數(shù)實現(xiàn)二值圖像的膨脹運(yùn)算，其語法格式為：BW=dilate（BW1，SE,….,N）返回圖像 BW1 經(jīng)過結(jié)構(gòu)元素 SE 膨脹 N次后的圖像，這里 SE 為結(jié)構(gòu)元素。當(dāng)該結(jié)構(gòu)元素在圖像中不斷移動時，便可以考察圖像各個部分之間的相互關(guān)系，從而了解圖像各個部分的結(jié)果特征。X2=imcrop（X,map,[xmin ymin width height]）: 對索引圖像進(jìn)行非交互式剪切。（1）圖像的旋轉(zhuǎn)imrorate 函數(shù)可以通過一種特定的插補(bǔ)方法來改變顯示圖像，其語法格式為：B=imrorate(A，angle，method)其中，A 是圖像的數(shù)據(jù)矩陣，angle 是圖像的旋轉(zhuǎn)角度，method 可以是nearest、bicubic 或 bilinear。是一種稱為聯(lián)合圖像專家組的圖像壓縮格式。鄰域平均法的主要思想是用幾個像素灰度的平均值來代替某個像素。直方圖反應(yīng)的是一幅7圖像的灰度值的概率統(tǒng)計特征，常用的方法有直方圖均衡化技術(shù)和直方圖規(guī)定化技術(shù)。MATLAB 圖像處理工具箱中用函數(shù)進(jìn)行灰度線性增強(qiáng)。圖像增強(qiáng)：對圖像的某些特征進(jìn)行強(qiáng)調(diào)或尖銳化而不增加圖像的相關(guān)5數(shù)據(jù)。當(dāng)像素灰度級用 8bit 表示時，圖像的灰度級就是，每個像素的取值就是 256 中灰度中的一種，即每個像素的灰度值為 0～255 中的一個。可以說，數(shù)字圖像處理技術(shù)已經(jīng)融入到科學(xué)研究的各個領(lǐng)域。按圖像空間坐標(biāo)和明暗程度的連續(xù)性可分為數(shù)字圖像和模擬圖像。在現(xiàn)實生活中，圖像處理的問題一直是個焦點問題，在軟件 MATLAB處理圖像的領(lǐng)域中，圖像的各種處理易于實現(xiàn)，易于得到預(yù)期的結(jié)果。變換域處理法有：傅立葉變換、離散余弦變換。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設(shè)計（論文）不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻(xiàn)的個人和集體均已在文中以明確方式標(biāo)明。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。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。數(shù)字圖像計算機(jī)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。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。通常，用 0 表示黑，用 255 表示白，從到亮度逐漸增加。圖像壓縮：在滿足一定的圖像質(zhì)量要求下對圖像進(jìn)行編碼，可以壓縮表示圖像的數(shù)據(jù)。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(qiáng)，使原圖因顏色灰暗不能體現(xiàn)細(xì)節(jié)的地方能夠清晰的體現(xiàn)出來。（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(qiáng)了像素灰度值的動態(tài)范圍，從而達(dá)到了增強(qiáng)圖像整體對比度的效果。（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。（5）TIFF 格式。Nearest（近鄰插補(bǔ)運(yùn)算）：輸入像素的賦值為當(dāng)前點的像素點。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(bǔ)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(bǔ)方法返回大小等于 A 的m 倍的圖像 B。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有腐蝕、膨脹、開啟和閉合。 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(yùn)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(jìn)行腐蝕的圖像。F=fft2(f,m,n)截取或補(bǔ)充 0 元素，使圖像的大小為 m*n，然后對其進(jìn)行二維fft，的大小沒有改變。 邊緣檢測簡介邊緣檢測是圖像處理和計算機(jī)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。邊緣檢測的方法主要有以下4 種。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。求梯度幅值時對于平方和及開放運(yùn)算，可以用兩個分量的絕對值之和來表示。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。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。 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(jìn) 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 。 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 。在對數(shù)字圖像進(jìn)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。)。nearest39。%圖像剪切I4=imcrop(I1,[100 80,50,60])。%將RGB圖像轉(zhuǎn)化了灰度圖像figure,imshow(H),title(39?；叶葓D39?；叶葓D39。subplot(2,2,4),imhist(J),title(39。%加入椒鹽噪聲subplot(1,2,1),imshow(H),title(39。gaussian39。figure。)。加高斯噪聲中指濾波后的圖39。)。canny39。subplot(2,3,1),imshow(BW1),title(39。)。gaussianamp。)。nearest39。%圖像剪切I4=imcrop(I1,[100 80,50,60])。%將RGB圖像轉(zhuǎn)化了灰度圖像figure,imshow(H),title(39。灰度圖39?；叶葓D39。subplot(2,2,4),imhist(J),title(39。%加入椒鹽噪聲subplot(1,2,1),imshow(H),title(39。gaussian39。figure。)。加高斯噪聲中指濾波后的圖39。)。canny39。subplot(2,3,1),imshow(BW1),title(39。)。gaussianamp。 subplot(1,2,2), imshow(I8),title(39。)。二值圖像39?；叶葓D像39。 原圖39。subplot(1,2,1),imshow(E),title(39。%建立結(jié)構(gòu)元素E2=imdilate(E,SE)。E3=imerode(H,SE)。先感謝我的指導(dǎo)老師王書文老師及楊雪松老師，在此次論文的設(shè)計過程中，他們給了我許多寶貴的建議，他們嚴(yán)謹(jǐn)求實的治學(xué)態(tài)度、高度的敬業(yè)精神對我產(chǎn)生了重要的影