【文章內(nèi)容簡介】 符號計(jì)算，可視化建模仿真，文字處理及實(shí)時(shí)控制等功能。學(xué)科工具包是專業(yè)性比較強(qiáng)的工具包，控制工具包，信號處理工具包，通信工具包等都屬于此類。除內(nèi)部函數(shù)外，所有 MATLAB 主包文件和各種工具包都是可讀可修改的文件。 Matlab Main Toolbox—— matlab 主工具箱 System Identification Toolbox—— 系統(tǒng)辨識工具箱 Image Processing Toolbox—— 圖象處理工具箱 LMI Control Toolbox—— 線性矩陣不等式工具箱 Optimization Toolbox—— 優(yōu)化工具箱 Simulink Toolbox—— 動(dòng)態(tài)仿真工具箱 Wavele Toolbox—— 小波工具箱 它附加的工具箱，即單獨(dú)提供的專用 matlab 函數(shù)集，擴(kuò)展了 matlab 環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。 小 結(jié) 對于 MATLAB，由于本科階段我們大量的運(yùn)用它來進(jìn)行編程學(xué)習(xí)，對于以上所敘，均比較了解，但是對于其圖像處理功能還是不十分熟悉，因此以下將著重從這方面介紹： 圖像處理工具包是由一系列支持圖像處理操作的函數(shù)組成的。所支持的圖像處理操作有 :圖像的幾何操作、鄰域和區(qū)域操作、圖像變換、圖像恢復(fù)與增強(qiáng)、線性濾波和濾波器設(shè)計(jì)、變換 (DCT 變換等 ) 、圖像分析和統(tǒng)計(jì)、二值圖像操作等。下面就 MATLAB 在圖像處理中各方面的應(yīng)用分別進(jìn)行介紹。 1) 圖像文件格式的讀寫和顯示。 MATLAB 提供了圖像文件讀入函數(shù) imread ( ) ,用來讀取如 : bmp 、 tif 、 jpg、 pcx、 tiff 、 gpeg、 hdf 、 xwd 、 png等各種格式的圖像文件 。圖像寫出函數(shù) imwrite () ,還有圖像顯示函數(shù) image ( ) 、imshow( ) 等等。 2) 圖像處理的基本運(yùn)算。 MATLAB 提供了圖像的和、差等線性運(yùn)算 ,以及卷積、相關(guān)、濾波等非線性運(yùn)算。例如 ,conv2( I ,J ) 實(shí)現(xiàn)了 I ,J 兩幅圖像的卷積。 第二章 Matlab 的簡介 11 3) 圖像變換。 MATLAB 提供了一維和二維離散傅立葉變換 (DFT) 、快速傅立葉變換 (FFT) 、 離散余弦變換 (DCT) 及其反變換函數(shù) ,以及連續(xù)小波變換 (CWT) 、離散小波變換 (DWT) 及其反變換。 4) 圖像的分析和增強(qiáng)。針對圖像的統(tǒng)計(jì)計(jì)算 ,MATLAB 提供了校正、直方圖均衡、中值濾波、對比度調(diào)整、自適應(yīng)濾波等對圖像進(jìn)行的處理。 以上所提到的 MATLAB 在圖像中的應(yīng)用都是由相應(yīng)的 MATLAB 函數(shù)來實(shí)現(xiàn)的 ,使用時(shí) ,只需按照函數(shù)的調(diào)用語法正確輸入?yún)?shù)即可。具體的用法可參考 MATLAB 豐富的幫助文檔。 12 第三章 Matlab 圖像增強(qiáng) 圖像增強(qiáng)是按特定的需要突出一幅圖像中的某些信息，同時(shí)，消弱 或去除某些信息使得圖像更加實(shí)用。圖像增強(qiáng)技術(shù)主要包含直方圖修改處理、圖像平滑處理、圖像尖銳化處理和彩色技術(shù)等。 圖像增強(qiáng)技術(shù)概述 圖像增強(qiáng)技術(shù)主要包括：直方圖修改處理，圖像平滑處理，圖像尖銳化處理，彩色圖像處理。從純技術(shù)上講主要有兩類：頻域處理法和空域處理法。 頻域處理法主要是卷積定理，采用修改圖像傅立葉變換的方法實(shí)現(xiàn)對圖像的增強(qiáng)處理技術(shù)；空域處理法：是直接對圖像中的像素進(jìn)行處理，基本上是以灰度映射變換為基礎(chǔ)的。 空域?yàn)V波增強(qiáng) 使用空域模板進(jìn)行的圖像處理被稱為空域?yàn)V波 ,模板本身被稱為空域?yàn)V 波器?？沼?yàn)V波器包括：線性濾波器和非線性濾波器?？沼?yàn)V波處理效果來分類，可以分為平滑濾波器，和銳化濾波器，平滑的目的在于消除混雜在圖像中的干擾因素，改善圖像質(zhì)量，強(qiáng)化圖像表現(xiàn)特征。銳化的目的在于增強(qiáng)圖像邊緣，以及對圖像進(jìn)行識別和處理。 平滑濾波器 用于模糊處理和減小噪聲。平滑線性空間濾波器的輸出（響應(yīng)）是包含在濾波掩模鄰域內(nèi)像素的簡單平均值。因此這些濾波器也被稱為均值濾波器。平滑濾波器的概念很簡單：它是用濾波掩模確定的領(lǐng)域內(nèi)像素的平均值去代替圖像每個(gè)像素點(diǎn)的值。這種處理減少了圖像灰度的尖銳化。每 個(gè)掩模前邊的乘數(shù)等于它的系數(shù)值的和，以計(jì)算平均值。 我們經(jīng)常用這些極端類型的模糊處理來去除圖像中的一些小物體。例如：在matlab 中利用線性平滑濾波器處理一副圖像 I=imread(39。39。)。 J=imnoise(I,39。salt amp。 pepper39。,)。 %添加椒鹽噪聲 第三章 Matlab 圖像增強(qiáng) 13 subplot(221) imshow(I) title(39。原圖像 39。) subplot(222) imshow(J) title(39。添加椒鹽噪聲圖像 39。) K1=filter2(fspecial(39。average39。,3),J)/255。 %應(yīng)用 3*3 鄰域窗口法 subplot(223),imshow(K1) K2=filter2(fspecial(39。average39。,7),J)/255。 %應(yīng)用 7*7 鄰域窗口法 subplot(224),imshow(K2) 中值濾波器 其原理是把數(shù)字圖像或數(shù)字序列中某一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值交換。中值濾波器的窗口可以取方形，圓形，十字形等。 例如：濾波函數(shù)圖像處理 1 clc。clear。 fid = fopen(39。39。)。 temp= fread(fid, [256,256])。 LenaRaw=uint8(temp39。)。 subplot(1,3,1) Imshow(LenaRaw)。 title(39。原始圖像 39。) subplot(1,3,2) Imshow(smoothingMedianFilter(LenaRaw,3))。 title(39。自制函數(shù)，使用用 3*3 模板，中值濾波圖像 39。) subplot(1,3,3) Imshow(medfilt2(LenaRaw,[3,3]))。 title(39。調(diào)用庫函數(shù) medfilt2，使用 3*3 模板，中值濾波圖像 39。) 14 銳化濾波器 銳化處理主要目的是突出圖像中的細(xì)節(jié)或者增強(qiáng)被模糊了的細(xì)節(jié)，這種模糊不是由于錯(cuò)誤操作，就是特殊圖像獲取方法的固有影響。常用的方法有兩種即為微分法和模板匹配法。 其中微分法中梯度是圖像處理常用的一次微分方法，在灰度驟變區(qū)域，梯度值大，在灰度相似區(qū)域，梯度值小。在灰度級為常數(shù)的區(qū)域，梯度為零； Laplacian算子是線性二次微分算子，與梯度算子一樣，具有旋轉(zhuǎn) 不變性，從而滿足不同走向的圖像邊界的銳化要求。 而對于模板匹配法則是出去能夠增強(qiáng)圖像邊緣外，還具有平滑噪聲的優(yōu)點(diǎn)。 低通濾波器 一幅圖像的邊緣，跳躍部分以及顆粒噪聲代表圖像信號的高頻分量，而大面積的背景區(qū)域代表了圖像信號的低頻分量。低通濾波器的作用就是濾除這些高頻分量，保留低頻分量，使圖像信號平滑。它包括：理想低通濾波器，巴特沃斯低通濾波器，指數(shù)低通濾波器等。 例如：頻域增強(qiáng) I=imread(39。39。)。 J=imnoise(I,39。salt amp。 pepper39。,)。 subplot(121),imshow(J) title(39。含噪聲的圖像 39。) J=double(J)。 f=fft2(J)。 g=fftshift(f)。 [M,N]=size(f)。 n=3。d0=20。 n1=floor(M/2)。n2=floor(N/2)。 for i=1:M for j=1:N d=sqrt(in1)^2+((in2)^2)。 h=1/(1+*(d/d0)^(2*n))。 g(i,j)=h*g(i,j)。 end 第三章 Matlab 圖像增強(qiáng) 15 end g=ifftshift(g)。 g=uint8(real(ifft2(g)))。 subplot(122),imshow(g) title(39。三階 Butterworth 濾波圖像 39。) 高通濾波器 與低通濾波器相反，它將高頻信號通過，而抑制了低頻信號。 同態(tài)濾波器 把頻率過濾和灰度變換結(jié)合起來的圖像處理方法叫同態(tài)濾波。 Matlab 圖像增強(qiáng)函數(shù) Matlab 中圖像增強(qiáng)函數(shù)的具體使用方法： （ 1）直方圖 imhist 函數(shù)用于數(shù)字圖像的直方圖顯示，如： i=imread(39。e:\39。)。 imhist(a)。 （ 2）直方圖均化 histeq 函數(shù)用于數(shù)字圖像的直方圖均化，如： i=imread(39。e:\39。)。 j=histeq(a)。 （ 3）對比度調(diào)整 imadjust 函數(shù)用于數(shù)字圖像的對比度調(diào)整，如： i=imread(39。e:\39。)。 j=imadjust(a,[,],[])。 （ 4） 對數(shù)變換 log 函數(shù)用于數(shù)字圖像的對數(shù)變換，如： i=imread(39。e:\39。)。 j=double(a)。 k=log(v)。 （ 5）基于卷積的圖像濾波函數(shù) filter2 函數(shù)用于圖像濾波，如： 16 i=imread(39。e:\39。)。 h=[1,2,1。0,0,0。1,2,1]。 j=filter2(h,i)。 （ 6） 線性濾波 利用二維卷積 conv2 濾波 , 如 : i=imread(39。e:\39。)。 h=[1,1,1。1,1,1。1,1,1]。 h=h/9。 j=conv2(i,h)。 （ 7）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)。 （ 8）銳化 利用 Sobel 算子銳化圖像 , 如 : i=imread(39。e:\39。)。 h=[1,2,1。0,0,0。1,2,1]。%Sobel 算子 j=filter2(h,i)。 Matlab 應(yīng)用于數(shù)字圖像增強(qiáng)和濾波 目的 1）熟悉灰度圖像讀入函數(shù) imread 和圖像顯示函數(shù) imshow。 2）掌握數(shù)據(jù)類型強(qiáng)制轉(zhuǎn)換函數(shù) y=double(x)。 (注意進(jìn)行運(yùn)算前類型為 uint8的數(shù)據(jù)必須轉(zhuǎn)換為 double 類型 )。 3）掌握使用函數(shù)映射增強(qiáng)圖 像的方法。 4）熟悉使用 imhist 函數(shù)顯示圖像直方圖。 5）熟悉使用 histeq 函數(shù)進(jìn)行直方圖均衡化 ,通過實(shí)驗(yàn)結(jié)果理解直方圖均衡化的作用。 6）掌握加噪函數(shù) imnoise 函數(shù)。 7）熟悉常用空域平滑濾波和銳化濾波模板。 第三章 Matlab 圖像增強(qiáng) 17 內(nèi)容 根據(jù)簡單的函數(shù)映射規(guī)則編寫程序 ,完成圖像求反、增強(qiáng)對比度、降低對比度。 1）在 MATLAB 中讀入名為 的圖像給矩陣 D，將 D 強(qiáng)制類型轉(zhuǎn)換為 double。 2）對原始圖像求反 ,即轉(zhuǎn)換為黑色或白色 ,形成底片效果 ,結(jié)果賦值給矩陣 D1。 要求原 圖像灰度范圍 0~255,求反后灰度變化范圍 255~0。 3）對原始圖像 D 降低對比度 ,結(jié)果賦值給矩陣 D2。要求原圖像灰度范圍0~255,降低對比度后灰度變化范圍 0~127。 4）對降低對比度后的圖像 D2 增強(qiáng)對比度 , 結(jié)果賦值給矩陣 D3,要求與原始圖像外觀類似。 5）在 figure（ 1）中顯示求反圖像、增強(qiáng)對比度圖像和降低對比度圖像的圖像與直方圖 ,并添加標(biāo)注說明。 6）對降低對比度后圖像矩陣 D2 使用 histeq 函數(shù)進(jìn)行直方圖均衡化 ,結(jié)果賦值給矩陣 D4。在 figure 顯示降低對比度后圖像與直方圖均衡化后 圖像 ,并添加標(biāo)注說明。 Dimread(39。39。)。 Ddouble(D/255。 D=1D D=(floor(D255/2)/255)。 D=(exp(D*255/10))/255。 figure,subplot(4,2,1),imshow(D title(39。原圖像 39。)。 subplot(4,2,2),imhist(D)。 title(39。原圖像直方圖 39。)。 subplot(4,2,3),imshow(D1)。 title(39。求反圖像 39。)。 subplot(4,2,4),imhist(D2)。 title(39。求反圖像直方圖 39。)。 subplot(4,2,5),i