【導(dǎo)讀】感、醫(yī)學(xué)、計算機視覺等多個領(lǐng)域得到了廣泛的應(yīng)用。的相同場景的多幅圖像進行匹配的圖像處理的過程?；谧儞Q域的圖像配準方。并重點研究基于特征的圖像配準方法。領(lǐng)域中的關(guān)鍵技術(shù)，是多傳感圖像融合的基礎(chǔ)。軍事、遙感、醫(yī)學(xué)、同，但其中關(guān)鍵的因素是類似的。經(jīng)取得了眾多研究成果，但由于圖像配準的輸入數(shù)據(jù)來源的多樣性，以及配準問題的復(fù)雜性，還有待于更進一步的發(fā)展。的重建等后續(xù)處理工作，處理結(jié)果的好壞將直接影響后續(xù)工作質(zhì)量。

　　

【正文】 ① 對離散階躍信號、斜升信號不產(chǎn)生影響，連續(xù)個數(shù)小于窗口長度一半的離散脈沖將被平滑，三角函數(shù)的頂部平坦化。 ② 令 C 為常數(shù)，則 ? ? ? ?jk jkM e d C F C M e d F? ? ? ? ?jk jkM e d C F C M e d F? ? ? ? ? ? ? ? ?jk jk jk jkM e d F f M e d F M e d f? ? ? ③ 中值濾波后，信號頻譜基本不變。 30 處理后的圖片如下： 從圖中可見，中值濾波法能有效消弱椒鹽噪聲，在各個模板效果對比中可見， 5*5 模板處理后的 效果是最佳的，并且在誤差允許范圍內(nèi)幾乎沒有失真 。 (2) 特征提取 該過程是本實驗的一個重點研究過程。通過對比參考圖片和帶配準圖片，我們不難發(fā)現(xiàn)，帶配準圖像的噪聲是非常大的，因此若想直接在該圖像上進行控制點的提取顯然是非常困難的。這就需要我們首先進行前文中所提到的另一種特征提取方法，即提取。然后再根據(jù)需要考慮是否進行控制點的提取。 常用的結(jié)構(gòu)特征有很多，在前文中已經(jīng)提及，這里不再重 復(fù)。針對該圖像我們主要提取出圖像的重點區(qū)域。即進行二值化處理。 二值圖像是指只有黑白兩個亮度值的圖像，是灰度圖像的一個特例。及時 是灰度圖像也可以進行位平面分割而形成一系列的二值圖 31 像。 懸著灰度閾值對圖像二值化是圖像處理中最常見的 [11]。假設(shè)一幅圖像 f(x,y)，懸著對應(yīng)灰度作為閾值 T，利用下式對圖像二值化得到二值圖像 g(x,y) 0 ( , )( , )1 ( , )f x y Tg x yf x y T??? ??? 經(jīng)二值化 處理后的圖片如下： 二值化圖像 同樣的，用相同方法對參考圖像進行一系列處理。最終處理后的二值化圖像如下： 通過觀察，兩幅圖像經(jīng)過處理后，其主要的圖像結(jié)構(gòu)一目了然，這也為后續(xù)的操作奠定了基礎(chǔ)。 32 經(jīng)過結(jié)構(gòu)特征提取操作后，我們還需要進行控制點 的特征提取。方法同實驗一。控制點的提取情況如下： （ 3） 坐標變換與插值 經(jīng)過變換模型和坐標變換與插值的選擇及操作后，得到最終配準后的圖像，如下圖： 配準前后的比較圖如下： 33 （ 5）實驗總結(jié) 在上述實驗過程中可以看出經(jīng)過預(yù)處理后的待配準圖像質(zhì)量明顯提高，有利于后續(xù)的控制點選取和圖像配準，而且大大減少了計算量。從實驗結(jié)果圖中可以看到，配準效果非常好，達到本實驗的目的。 34 實驗總結(jié) 本課題的目的是基于特征的圖像配準的方法來實現(xiàn)圖像的配準。由于待處理圖像的質(zhì)量問題，在便于提取之前首先 應(yīng)對待處理圖片進行一定的預(yù)處理。然后再進行一系列的實驗后，最終實現(xiàn)圖像的準確配準。 此方法也存在一定的不足，由于圖像的不同質(zhì)量，還有方法的局限，應(yīng)用的范圍不是很廣。因此該方法有局限性。 35 參考文獻 [1] 孫即祥《圖像處理》北京 科學(xué)出版社 2021 年 [2] 賈永紅 《數(shù)字圖像處理》武漢 武漢大學(xué)出版社 2021 年 9月 [3] 許錄平 《數(shù)字圖像處理》北京 科學(xué)出版社 2021 年 [4] 曹茂永，孫農(nóng)亮等《數(shù)字圖像處理》北京 北京大學(xué)出版社 2021 年 9月 [5] 楊杰，黃朝兵《數(shù)字圖 像處理及 MATLAB 實現(xiàn)》北京 電子工業(yè)出版社2021 年 2月 [6] 阮秋琦《數(shù)字圖像處理》北京 電子工業(yè)出版社 2021 年 1月 [7] 王洪元，石澄賢，鄭明芳等《 MATLAB 語言及在電子信息工程中的應(yīng)用》北京 清華大學(xué)出版社 2021 年 12 月 [8] Jain,；韓博，徐楓譯《數(shù)字圖像處理基礎(chǔ)》北京 清華大學(xué)出版社 2021 年 11月 [9] 張德豐《 MATLAB 數(shù)字圖像處理》北京 機械工業(yè)出版社 2021 年 1 月 [10] 賀興華，周媛媛，王繼陽，周暉等《 圖像處理》北京 人民郵電出版社 2021年 11 月 [11]張德豐《詳解 MATLABA 數(shù)字圖像處理》北京 電子工業(yè)出版社 2021 年 7月 36 致 謝 本論文能在有限的時間內(nèi)完成，首先要誠摯感謝我的指導(dǎo)老師李向群老師，在忙碌的教學(xué)工作中擠出時間來檢查、修改我的論文。還要感謝一直幫助我完成論文的同學(xué)，沒有你們的耐心講解，我是不會保質(zhì)完成論文，在此表示感謝。 在完成本論文的過程中，讓我學(xué)會了如何分析問題，而且培養(yǎng)了我的耐性。在論文設(shè)計過程中也出現(xiàn)了許多問題，但在老師以及同學(xué)、朋友的積極討論，和查找相關(guān) 資料的幫助下最終找到了解決方法。經(jīng)過此次的論文設(shè)計，讓我知道無論做什么事都應(yīng)該有一個細心、耐心的態(tài)度，在今后的學(xué)習(xí)工作中我一定要培養(yǎng)這種態(tài)度。此外由于本人學(xué)識有限，論文中難免有不足之處，還望各位老師給予批評和指正。 37 附 錄 實驗 1 程序 K=imread(39。39。)。 figure,imshow(K)。 K=rgb2gray(K)。 figure,imshow(K)。 L=imread(39。39。)。 figure,imshow(L)。 L=rgb2gray(L)。 lpoint=[12,12。15,23。145,77。145,145。168,211]。 kpoint=[12,12。15,23。145,77。156,200。134,184]。 CN=cpselect(K,L,kpoint,lpoint)。 tform=cp2tform(lpoint,kpoint,39。linear conformal39。)。 K1=imtransform(L,tform,39。nearest39。)。 K2=imtransform(L,tform,39。bilinear39。)。 K3=imtransform(L,tform,39。bicubic39。)。 figure,subplot(2,2,1),imshow(K1) subplot(2,2,2),imshow(K2) subplot(2,2,3),imshow(K3) subplot(2,2,4),imshow(L) 38 實驗 2 程序 i=imread(39。39。)。 figure,imshow(i)。 LEN=10。 THETA=70。 PSF=fspecial(39。motion39。,LEN,THETA)。 i0=imfilter(i,PSF,39。circular39。,39。conv39。)。 figure,imshow(i0)。 i3=deconvwnr(i0,PSF)。 figure,imshow(i3)。 I=rgb2gray(i3)。 figure,imshow(I)。 K=16。 H=histeq(I,K)。 figure,subplot(2,2,1),imshow(I,[]) subplot(2,2,2),imshow(H,[]),hold on subplot(2,2,3),hist(double(I),16),subplot(2,2,4),hist(double(H),16) subplot(2,2,3),imshow(K2) subplot(2,2,4),imshow(K3) A2=im2bw(K2)。 figure,imshow(A2)。 39 lpoint=[12,12。15,23。145,77。145,145。168,211]。點選取 kpoint=[12,12。15,23。145,77。156,200。134,184]。 CN=cpselect(A1,A2,kpoint,lpoint)。 tform=cp2tform(lpoint,kpoint,39。linear conformal39。)。 K3=imtransform(A2,tform,39。bicubic39。)。 figure,imshow(K3) figure,subplot(2,2,1),imshow(A2)。 subplot(2,2,2),imshow(K3)