基于matlab的圖像處理(完整版)
【正文】 11002 ( 2 1 ) ( 2 1 )( , ) ( ) ( ) ( , ) c o s c o s22MNxyx u y vF u v c u c v f x yMNMN????????? ??1 / 2 , , 0( ) , ( )1 uvc u c v ? ?????? 其 他11002 ( 2 1 ) ( 2 1 )( , ) ( , ) ( ) ( ) c o s c o s22MNuvx u y vf x y F u v c u c vMNMN????????? ??第 47頁 XUPT 專業(yè)課程設(shè)計(jì) 二維離散余弦變換 矩陣形式 ? 矩陣形式 正變換： F=DfD’ 反變換： f=D’FD 產(chǎn)生 DCT矩陣的 MATLAB函數(shù)： D=dctmtx(N)。因此，可用鄰域內(nèi)各像素的灰度平均值代替該像素原來的灰度值，實(shí)現(xiàn)圖像的平滑。salt amp。 ? 去噪效果的好壞直接影響到后續(xù)的圖像處理工作如圖像分割、邊緣檢測(cè)等。 ? fcm_label=zeros(m*n,1)。 第 32頁 XUPT 專業(yè)課程設(shè)計(jì) 模糊 c均值聚類 (FCM) ? 目標(biāo)函數(shù) ? ? 2 2211m in ( , ) ( , ) . .i k k i f cikJ U v D x v s t U M???? ? ???? ??????? ????????? ? ?? ?cinkikikikfc inkkiRUM1 1,0。39。 第 20頁 XUPT 專業(yè)課程設(shè)計(jì) 基于閾值的分割方法 ? 閾值分割法是一種最常用的分割技術(shù)。39。這時(shí)候要用更高的灰度級(jí)。 (1天 ) ? 分組題目講解，學(xué)生進(jìn)行分組課程設(shè)計(jì)， 確定解決方案。XUPT 第 1頁 西安郵電大學(xué) 專業(yè)課程設(shè)計(jì) 基于 matlab的圖像處理 不積跬步 無以至千里 不積小流 無以成江海 第 2頁 XUPT 專業(yè)課程設(shè)計(jì) 專業(yè)課程設(shè)計(jì)內(nèi)容 ? 本次專業(yè)課程設(shè)計(jì)是 基于 MATLAB的圖像處理 ，著重訓(xùn)練Matlab在圖像處理方面的應(yīng)用，能夠運(yùn)用相關(guān)軟件進(jìn)行模擬實(shí)驗(yàn)。(2天 ) ? 上機(jī)調(diào)試程序，修改并完善設(shè)計(jì)，實(shí)現(xiàn)相應(yīng)功能。 第 10頁 XUPT 專業(yè)課程設(shè)計(jì) 圖像文件的讀 ? 將圖像文件讀入內(nèi)存 ? imread() ? 如果圖像是灰度圖，內(nèi)存數(shù)據(jù)為 2維矩陣 ? 如果圖像是彩色圖，內(nèi)存數(shù)據(jù)為 3維矩陣， 3維分別表示紅、綠、藍(lán)空間 ? 數(shù)據(jù)類型為 uint8 ? 舉例： ? f=imread(39。) ? f可以是一個(gè) MbyN (灰度圖像 ) 或 MbyNby3 (彩色圖像 )的矩陣 第 12頁 XUPT 專業(yè)課程設(shè)計(jì) ? 內(nèi)存數(shù)據(jù)的圖像顯示 ? imshow() ? 可根據(jù)圖像數(shù)據(jù)顯示灰度圖或彩色圖 ? 數(shù)據(jù)類型必須為 uint8，如果數(shù)據(jù)是 double，可用 uint8()函數(shù)轉(zhuǎn)換，f=uint8(f)。 ? 單閾值分割方法實(shí)際上是輸入圖像 f到輸出圖像 g的如下變換： 第 21頁 XUPT 專業(yè)課程設(shè)計(jì) 多閾值分割 由此可見，閾值分割算法主要有兩個(gè)步驟： T； (How to find) 。)。,1。 ? [O,U,obj_f1] = fcm(I(:), k)。 ? 圖像信號(hào)在產(chǎn)生、傳輸過程中都可能會(huì)受到噪聲的污染，一般數(shù)字圖像系統(tǒng)中的常見噪聲主要有：高斯噪聲（主要由阻性元器件內(nèi)部產(chǎn)生）、椒鹽噪聲（主要是圖像切割引起的黑圖像上的白點(diǎn)噪聲或光電轉(zhuǎn)換過程中產(chǎn)生的泊松噪聲）等； 第 37頁 XUPT 專業(yè)課程設(shè)計(jì) Matlab加噪函數(shù) ? imnoise函數(shù) ? 格式： J = imnoise(I,type,parameters) ? 例子： ? J = imnoise(I,39。 pepper39。 空域去噪 —— 局部平滑法 第 40頁 XUPT 專業(yè)課程設(shè)計(jì) 設(shè)有一幅 N N的圖像 f(x,y)，若平滑圖像為 g(x,y),則有 式中 x,y=0,1,…,N 1； s 為（ x,y）鄰域內(nèi)像素坐標(biāo)的集合； M 表示集合 s 內(nèi)像素的總數(shù)。 第 48頁 XUPT 專業(yè)課程設(shè)計(jì) Matlab命令 ? dct2， idct2 ? J=dct2(I)。gaussian39。 imshow(K,[])。39。 mask=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]。 imshow(I1),figure,imshow(I2)。融合結(jié)果由于能利用兩幅 (或多幅 ) 圖像在時(shí)空上的 相關(guān) 性及信息上的 互補(bǔ) 性，并使得融合后得到的圖像對(duì)場(chǎng)景有更全面、清晰的描述，從而更有利于人眼的識(shí)別和機(jī)器的自動(dòng)探測(cè)。P1.*x39。 I1=double(I)/255。圖像數(shù)據(jù)的冗余主要表現(xiàn)為：圖像中相鄰像素間的相關(guān)性引起的空間冗余；圖像序列中不同幀之間存在相關(guān)性引起的時(shí)間冗余；等等。 ? imshow(I)。 ? I_new=idct2(J)。 ,1( , ) ( , )i j sg x y f i jM?? ?第 41頁 XUPT 專業(yè)課程設(shè)計(jì) 鄰域平均法算法步驟： 忽略圖像邊界數(shù)據(jù)。 原圖 高斯 (0,) 椒鹽 () 第 38頁 XUPT 專業(yè)課程設(shè)計(jì) 圖像去噪方法 ? 空域方法 ? 對(duì)圖像中的像素直接進(jìn)行處理，例如鄰域平均法，就是用像素及其指定領(lǐng)域內(nèi)像素的平均值或加權(quán)平均值作為該像素的新值，以便去除突變的像素點(diǎn)，從而濾除一定的噪聲
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1