【文章內(nèi)容簡介】 濃淡程度，叫做灰度等級或灰度標度。 在0255的值對應于白黑的時候，有以0為白，255為黑的方法，也有以0為黑，255為白的方法，這取決于圖像的輸入方法以及用什么樣的觀點對圖像進行處理等，這是在編程時應特別注意的問題。但在只有黑白二值的二值圖像的情形，一般設0為白，1為黑。 對連續(xù)的灰度值賦予量化級的，即灰度值方法有：均勻量化(uniform quantization)，線性量化(liner quantization)，對數(shù)量化，MAX量化，錐形量化(tapered quantization)等。(3) 采樣、量化和圖像細節(jié)的關系上面的數(shù)字化過程，需要確定數(shù)值N和灰度級的級數(shù)K。在數(shù)字圖像處理中，一般都取成2的整數(shù)冪，即: N=2n ()K=2m ()一幅數(shù)字圖像在計算機中所占的二進制存儲位數(shù)b為: b=log(2m)N*M=N*N*m(bit) ()例如，灰度級為256級(m=8)的512512的一幅數(shù)字圖像，需要大約210萬個存儲位。隨著N和m的增加，計算機所需要的存儲量也隨之迅速增加。由于數(shù)字圖像是連續(xù)圖像的近似，從圖像數(shù)字化的過程可以看到。這種近似的程度主要取決于采樣樣本的大小和數(shù)量(N值)以及量化的級數(shù)K(或m值)。N和K的值越大，圖像越清晰。 數(shù)字圖像的類型MATLAB中，一幅圖像可能包含一個數(shù)據(jù)矩陣，也可能包含一個顏色映射表矩陣。MATLAB中有四種基本的圖像類型：(1) 索引圖像索引圖像包括圖像矩陣與顏色圖數(shù)組，其中，顏色圖是按圖像中顏色值進行排序后的數(shù)組。對于每個像素，圖像矩陣包含一個值，這個值就是顏色圖中的索引。顏色圖為m*3雙精度值矩陣，各行分別指定紅綠藍（RGB）單色值。Colormap=[R，G， B]，R，G，B為值域為[0，1]的實數(shù)值。圖像矩陣與顏色圖的關系依賴于圖像矩陣是雙精度型還是uint8（無符號8位整型）類型。如果圖像矩陣為雙精度類型，第一點的值對應于顏色圖的第一行，第二點對應于顏色圖的第二行，依次類推。如果圖像矩陣是uint8，有一個偏移量，第0點值對應于顏色圖的第一行，第一點對應于第二行，依次類推；uint8長用于圖形文件格式，它支持256色。(2) 灰度圖像在MATLAB中，灰度圖像是保存在一個矩陣中的，矩陣中的每一個元素代表一個像素點。矩陣可以是雙精度類型，其值域為[0，1]；也可以為uint8類型，其數(shù)據(jù)范圍為[0，255]。矩陣的每個元素代表不同的亮度或灰度級。(3) 二進制圖像二進制圖像中，每個點為兩離散值中的一個，這兩個值代表開或關。二進制圖像保存在一個由二維的由0（關）和1（開）組成的矩陣中。從另一個角度講，二進制圖像可以看成為一個僅包括黑與白的灰度圖像，也可以看作只有兩種顏色的索引圖像。二進制圖像可以保存為雙精度或uint8類型的雙精度數(shù)組，顯然使用uint8類型更節(jié)省空間。在圖像處理工具箱中，任何一個返回二進制圖像的函數(shù)都是以uint8類型邏輯數(shù)組來返回的。(4) RGB圖像與索引圖像一樣，RGB圖像分別用紅，綠，藍三個亮度值為一組，代表每個像素的顏色。與索引圖像不同的是，這些亮度值直接存在圖像數(shù)組中，而不是存放在顏色圖中。圖像數(shù)組為M*N*3，M，N表示圖像像素的行列數(shù)。 數(shù)字圖像處理概述 基本概念數(shù)字圖像處理(Digital Image Processing)是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個因素的影響：一是計算機的發(fā)展；二是數(shù)學的發(fā)展(特別是離散數(shù)學理論的創(chuàng)立和完善)；三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學等方面的應用需求的增長。 研究內(nèi)容數(shù)字圖像處理主要研究的內(nèi)容有以下幾個方面：(1) 圖像變換。由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理(如傅里葉變換可在頻域中進行數(shù)字濾波處理)。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應用。 (2) 圖像編碼壓縮。圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量(即比特數(shù))，以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。(3) 圖像增強和復原。圖像增強和復原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量可減少圖像中噪聲影響。圖像復原要求對圖像降質(zhì)的原因有一定的了解，一般講應根據(jù)降質(zhì)過程建立“降質(zhì)模型”，再采用某種濾波方法，恢復或重建原來的圖像[4]。(4) 圖像分割。圖像分割是數(shù)字圖像處理中的關鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。(5) 圖像描述。圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。(6) 圖像分類(識別)。圖像分類(識別)屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預處理(增強、復原、壓縮)后，進行圖像分割和特征提取，從而進行判決分類。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法(結(jié)構(gòu))模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡模式分類在圖像識別中也越來越受到重視。 基本特點(1) 數(shù)字圖像處理的信息大多是二維信息，處理信息量很大。如一幅256256低分辨率黑白圖像，要求約64kbit的數(shù)據(jù)量；對高分辨率彩色512512圖像，則要求768kbit數(shù)據(jù)量；如果要處理30幀/秒的電視圖像序列，則每秒要求500kbit～。因此對計算機的計算速度、存儲容量等要求較高。(2) 數(shù)字圖像處理占用的頻帶較寬。與語言信息相比，占用的頻帶要大幾個數(shù)量 級。，而語音帶寬僅為4kHz左右。所以在成像、傳輸、存儲、處理、顯示等各個環(huán)節(jié)的實現(xiàn)上，技術(shù)難度較大，成本亦高，這就對頻帶壓縮技術(shù)提出了更高的要求。(3) 數(shù)字圖像中各個像素是不獨立的，其相關性大。在圖像畫面上，經(jīng)常有很多像素有相同或接近的灰度。就電視畫面而言，同一行中相鄰兩個像素或相鄰兩行間的像素，而相鄰兩幀之間的相關性比幀內(nèi)相關性一般說還要大些。因此，圖像處理中信息壓縮的潛力很大。(4) 由于圖像是三維景物的二維投影，一幅圖象本身不具備復現(xiàn)三維景物的全部幾何信息的能力，很顯然三維景物背后部分信息在二維圖像畫面上是反映不出來的。因此，要分析和理解三維景物必須作合適的假定或附加新的測量，例如雙目圖像或多視點圖像。在理解三維景物時需要知識導引，這也是人工智能中正在致力解決的知識工程問題。(5) 數(shù)字圖像處理后的圖像一般是給人觀察和評價的，因此受人的因素影響較大。由于人的視覺系統(tǒng)很復雜，受環(huán)境條件、視覺性能、人的情緒愛好以及知識狀況影響很大，作為圖像質(zhì)量的評價還有待進一步深入的研究。另一方面，計算機視覺是模仿人的視覺，人的感知機理必然影響著計算機視覺的研究。例如，什么是感知的初始基元，基元是如何組成的，局部與全局感知的關系，優(yōu)先敏感的結(jié)構(gòu)、屬性和時間特征等，這些都是心理學和神經(jīng)心理學正在著力研究的課題[5]。 主要應用領域計算機圖像處理和計算機、多媒體、智能機器人、專家系統(tǒng)等技術(shù)的發(fā)展緊密相關。近年來計算機識別、理解圖像的技術(shù)發(fā)展很快，也就是圖像處理的目的除了直接供人觀看(如醫(yī)學圖像是為醫(yī)生觀看作診斷)外，還進一步發(fā)展了與計算機視覺有關的應用，如郵件自動分檢，車輛自動駕駛等。下面僅羅列了一些典型應用實例，而實際應用更廣。(1) 在生物醫(yī)學中的應用主要包括顯微圖像處理；DNA顯示分析；紅、白血球分析計數(shù)；蟲卵及組織切片的分析；癌細胞的識別；染色體分析等等。(2) 遙感航天中的應用軍事偵察、定位、導航、指揮等應用；多光譜衛(wèi)星圖像分析；地形、地圖、國土普查；地質(zhì)、礦藏勘探；天文、太空星體的探測及分析等。(3) 工業(yè)應用CAD 和CAM技術(shù)用于模具、零件制造、服裝、印染業(yè)；零件、產(chǎn)品無損檢測，焊縫及內(nèi)部缺陷檢查；交通管制、機場監(jiān)控；火車車皮識別等。(4) 軍事公安領域中的應用巡航導彈地形識別；指紋自動識別；警戒系統(tǒng)及自動火炮控制；反偽裝偵察；手跡、人像、印章的鑒定識別；過期檔案文字的復原；集裝箱的不開箱檢查等。(5) 其他應用圖像的遠距離通信；多媒體計算機系統(tǒng)及應用；電視電話；服裝試穿顯示；理發(fā)發(fā)型預測顯示；電視會議；辦公自動化、現(xiàn)場視頻管理等。 4 利用MATLAB增強圖像 圖像增強是一類基本的圖像處理技術(shù)，其目的是對圖像進行加工，以得到對具體應用來說視覺效果更好、更有用的圖像。這里的好和有用要因具體的應用目的和要求而異，并且所需的具體增強技術(shù)也可不同。目前常用的增強技術(shù)根據(jù)其處理所進行的空間不同，可分為基于圖像域的方法和基于變化域的方法。第一類，直接在圖像所在的空間進行處理，也就是在像素組成的空間里直接對像素進行操作；第二類，在圖像的變化域?qū)D像進行間接處理[5]?？沼蛟鰪姺椒杀硎緸椋篻(x,y)=EH[f(x,y)]。其中f（x，y）和g（x，y）分別為增強前后的圖像，EH代表增強操作。 空域變換增強空域處理可表示為： g(x,y)=T[f(x,y)]其中f(x,y)是增強前的圖像，g(x,y)是增強處理后的圖像，而T是對f(x,y)的操作，其定義在(x,y)的鄰域，稱T為模板操作。特別的，當(x,y)的鄰域就是點(x,y)時，則T為點操作。而其中最簡單常用有圖像求反和增強對比度。下面分別介紹之。 圖像求反對圖像求反是將原來的灰度值翻轉(zhuǎn)，簡單的說就是使黑變白，使白變黑。也可以使用下式表示: I=255L ()其中，I表示圖像求反后每個像素的灰度值，L表示原圖像每個像素的灰度值。I和L的取值范圍為[0,255]。普通的黑白底片和照片就是這樣的關系。具體的變換就是將圖像中每個像素的灰度值根據(jù)變換曲線進行映射[6]。MATLAB代碼：figure。im= imread(39。39。)。im1= rgb2gray(im)。subplot(121), imshow(im1),title(39。original image39。)。f1=200。g1=255。k=g1/f1。[m,n]=size(im1),im2=double(im1)。for i=1:m for j=1:n f=im2(i,j)。 g(i,j)=0。 if(f=0)amp。(f=f1) g(i,j)=g1k*f。