【文章內容簡介】 LAB 原理與應用》課程設計 2 圖像處理工具箱函數(shù)介紹 1. imread imread 函數(shù)用于讀入各種圖像文件，如： a=imread(39。E:\) 注：計算機 E 盤上要有 1 相應的 .jpg 文件。 2. imfinfo imfinfo 函數(shù)用于讀取圖像文件的有關信息，如： imfinfo(39。E:\) 3. rgb2grad rgb2grad()函數(shù)用于把真 彩圖轉換為灰度圖 4. imshow imshow 函數(shù)用于灰度圖像文件的顯示，如： i=imread(39。E:\)。 imshow(i)。 5. imnoise imnoise 函數(shù)用于對圖像生成模擬噪聲，如： i=imread(39。E:\)。 j=imnoise(i,39。gaussian39。,0,)。%模擬高斯噪聲 5. fspecial fspecial 函數(shù)用于產生預定義濾波器，如： h=fspecial(39。sobel39。)。%sobel 水平邊緣增強濾波器 h=fspecial(39。gaussian39。)。%高斯低通濾波器 h=fspecial(39。laplacian39。)。%拉普拉斯濾波器 h=fspecial(39。log39。)。%高斯拉普拉斯（ LoG）濾波器 h=fspecial(39。average39。)。%均值濾波器 6. 中值濾波 medfilt2 函數(shù)用于圖像的中值濾波，如： i=imread(39。e:\39。)。 j=medfilt2(i)。 武漢理工大學《 MATLAB 原理與應用》課程設計 3 2 圖像的采集 圖像以數(shù)字形式進入計算機是進行數(shù)字圖像處理的第一步。一幅黑白圖像可以看成是一個二維函數(shù) f（ x， y） ，其亮度是位置 （ x， y） 的連續(xù)函數(shù)。計算機中的數(shù)字圖像是以矩陣形式 [f(m,n)]表示的，不同的處理就是用不同的算法對這一圖像矩陣進行運算。從二維連續(xù)函數(shù)到矩陣，涉及在不同空間位置上取出函數(shù)值作為樣本，并用一組整數(shù)值來表示這些樣本的兩個過程，前者稱為取樣，后者稱為量化，二者統(tǒng)稱為數(shù)字化。 根據(jù)要求，數(shù)據(jù)來源于電腦上的圖片，將這幅圖片保存在路徑“ F:\CF\” ,圖片命名為 1,原始的圖片如圖 11 所示： 圖 1 原彩色圖像武漢理工大學《 MATLAB 原理與應用》課程設計 4 3 圖像的加噪 加入乘性噪聲 噪聲分析與函數(shù)使用 現(xiàn)實中 ,圖像在被獲取和被傳輸時常常會受到各種各樣的噪聲的干擾 ,按其影響可分為加性噪聲和乘性噪聲。 MATLAB 中為圖片加乘性噪聲的語句是 (1)J = imnoise(I, 39。speckle39。)； (1) (2)J = imnoise(I, 39。speckle39。,parameters)； (2) 其中 I 為原圖象的灰度矩陣， J 為加噪聲后圖象的灰度矩陣；一般情況下用 (1)表示即可， (2)中表示是允許修改參數(shù)，而 (1)中使用缺省參數(shù)。 代碼及其注釋 A=imread(39。F:\CF\39。)。 %圖像的讀入，并將圖像數(shù)據(jù)存入 A B=rgb2gray(A)。 %將原彩色圖像變成灰度圖像，并將圖像數(shù)據(jù)存入 B subplot(2,2,1)。 %分割顯示窗口，將其分為 2X2，將圖像放入第一個位置 imshow(B)。title(39。原灰度圖像 39。)。 %顯示灰度圖像 B，并為其加標題 Bspeckle=imnoise(B,39。speckle39。)。 %給圖像加入乘性噪聲，并存入 Bspeckle subplot(2,2,2)。 %分割顯示窗口，將其分為 2X2，將圖像放入第二個位置 imshow(Bspeckle)。title(39?；叶葓D像加入乘性噪聲后 39。)。 武漢理工大學《 MATLAB 原理與應用》課程設計 5 %顯示加入乘性噪聲的圖像 B，并為其加標題 圖像仿真 圖 2 灰度圖像與加入乘性噪聲后的圖像 加入椒鹽噪聲 噪聲分析與函數(shù)使用 椒鹽噪聲是一種比較典型的噪聲，由圖像傳感器，傳輸信道，解碼處理等產生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由圖像切割引起。 MATLAB 中為圖片加椒鹽噪聲的語句是 (1)J = imnoise(I, 39。salt amp。 pepper39。)； (3) (2)J = imnoise(I, 39。salt amp。 pepper39。,parameters)； (4) 其中 I 為原圖象的灰度矩陣， J 為加噪聲后圖象的灰度矩陣；一般情況下用 (3)表示即可， (4)中表示是允許修改參數(shù)，而 (式 34)中使用缺省參數(shù)。 代碼及其注釋 A=imread(39。F:\CF\39。)。 B=rgb2gray(A)。 subplot(2,2,1)。 武漢理工大學《 MATLAB 原理與應用》課程設計 6 imshow(B)。title(39。原灰度圖像 39。)。 Bsalt=imnoise(B,39。salt amp。 pepper39。)。 subplot(2,2,2)。 imshow(Bgauss)。title(39?；叶葓D像加入椒鹽噪聲后 39。)。 圖像仿真 圖 3 灰度圖像與加入椒鹽噪聲后的圖像 加入高斯噪聲 噪聲分析與函數(shù)使用 高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。MATLAB 中為圖片加高斯噪聲的語句是 (1)J = imnoise(I, 39。gaussian39。)； (5) (2)J = imnoise(I, 39。gaussian39。,parameters)； (6) (3)J=imnoise(I, 39。gaussian39。,m,v)； (7) 其中 I 為原圖象的灰度矩陣， J 為加噪聲后圖象的灰度矩陣一般情況下用(5)表示即 可， (6)中表示是允許修改參數(shù)，而 (5)中使用缺省參數(shù)； (7)中對圖像 I 加高斯噪聲 ， 均值為 m， 方差為 v。本次課程設計選擇的加噪方式為第二種。 武漢理工大學《 MATLAB 原理與應用》課程設計 7 代碼及其注釋 A=imread(39。F:\CF\39。)。 B=rgb2gray(A)。 subplot(2,2,1)。 imshow(B)。title(39。原灰度圖像 39。)。 Bgauss=imnoise(B,39。gaussian39。,)。 subplot(2,2,2)。 imshow(Bgauss)。title(39?；叶葓D像加入高斯噪聲后 39。)。 圖像仿真 圖 4 灰度圖像與加入高斯噪聲后的圖像 4圖像的去噪 濾波器的介紹 一種較好的圖像去噪方法應該既可以消掉噪聲影響又不使圖像的邊緣輪廓和線條變模糊。圖像去噪處理方法有空域法和頻域法２類。在空間域里一類方法是噪聲去除，即先判定某點是否為噪聲點，若是，重新賦值，若不是按原值武漢理工大學《 MATLAB 原理與應用》課程設計 8 輸出；另一類方法是平均，即不依賴于噪聲點的識別和去除，而對整個圖像進行平均運算。在頻率域里是對圖像頻譜進行修正，一般采用低通濾波方法，而不像在空間域里直接對圖像像素灰度級值進行運算，即首先將圖像從空間域變換到頻率域， 然后進行各種各樣的處理，再將所得到的結果進行反變換，從而達到圖像處理的目的。小波變換是全局變換，在時域或頻域中均可從混有強噪聲的信號中提取原始信號。本研究對空間域中的均值濾波、中值濾波和自適應濾波３種去噪技術進行分析比較，以下為３種技術的各自去噪原理。 均值濾波 也稱線性濾波，主要思想為鄰域平均法， 對圖像的任一像素點以其為中心取 M M 窗口 (M 一般取 3,5,7,9 等奇數(shù) ) ,即用幾個像素灰度的平均值來代替每個像素的灰度。有效抑制加性噪聲，但容易引起圖像模糊，可以對其進行改進，主要避開對景物邊緣的平滑 處理。該方法運算簡單，對高斯噪聲具有良好的去噪能力。均值濾波法可歸結為矩形窗加權的有限沖擊響應線性濾波器。第一個“旁瓣”比主峰大約低 13 分貝。因此，均值濾波器相當于低通濾波器。這種