【正文】 。bilinear39。%雙線性插值法放大8倍figure。imshow(i)。imshow(j1)。imshow(j2)。imshow(j3)。期中左上圖為原圖像xx；右上圖為原圖像放大（即縮?。?；左下圖為原圖像使用最鄰近方法放大8倍后的圖像；右下圖為原圖像使用雙線性方法放大8倍后的圖像。在MATLAB中，圖像裁剪的函數(shù)式imcrop，它的常見調(diào)用方法如下： I0=imcrop I0=imcrop(I,rect)其中第一種調(diào)用方法是交互式的操作，即首先顯示一幅圖像，然后執(zhí)行這條命令，用鼠標(biāo)在圖像中選中感興趣的區(qū)域，然后這個(gè)感興趣的區(qū)域就會(huì)存儲(chǔ)在矩陣I0中。（1）圖像的交互式裁剪。39。%讀取圖像figure,imshow(i)i0=imcrop。在這個(gè)程序中，首先顯示了一幅圖像，然后在這個(gè)圖像上進(jìn)行了交互式操作，選取感興趣的區(qū)域，然后顯示感興趣的區(qū)域。 （2）圖像的參數(shù)式裁剪 i=imread(39。)。%規(guī)定裁剪區(qū)域的起始位置imshow(i),figure,imshow(i2)，其中左圖像為原圖像xx，右圖為參數(shù)式裁剪后得到的圖像。[low high]為原圖像中藥變換的灰度范圍，[bottom top]指定變化后的灰度范圍，兩者的默認(rèn)值均為[0,1]。如果gamma等于1時(shí)，為線性變換；如果gamma大于1時(shí)，那么影射加權(quán)后的灰度值比原來??；如果gamma小于1時(shí)，那么影射將會(huì)對(duì)圖像的像素值加權(quán)。39。J=imadjust(I,[,],[])。subplot(212),imshow(J)。在MATLAB中，圖像旋轉(zhuǎn)的函數(shù)式imrotate，同imresize函數(shù)一樣，imrotate函數(shù)需要調(diào)用圖像插值法，對(duì)旋轉(zhuǎn)后的圖像進(jìn)行插值。 B=imrotate(A,angle) B=imrotate(A,angle,method) B=imrotate(A,angle,method,bbox)其中A是要旋轉(zhuǎn)的圖像，angle是要旋轉(zhuǎn)的角度，method是插值的方法，可以作為nearest、bilinear、bicubic等。i=imread(39。)。bicubic39。%使用bicubic插值順時(shí)針旋轉(zhuǎn)45度j2=imrotate(i,45,39。,39。)。bilinear39。loose39。%使用loose方式顯示旋轉(zhuǎn)后的圖像figure。imshow(i)。imshow(j1)。imshow(j2)。imshow(j3)。根據(jù)圖像的獲取方法不同，有很多引入圖像噪聲的方法。（2） 如果圖像直接由數(shù)字設(shè)備得到，則獲取圖像數(shù)據(jù)的設(shè)備會(huì)引入噪聲。為了模擬不同方法的去噪效果，MATLAB圖像處理工具箱中使用imnoise函數(shù)對(duì)一幅圖像加入不同的噪聲。i=imread(39。)。salt amp。,)。gaussian39。%加入高斯白噪聲j3=imnoise(i,39。)。speckle39。%加入乘法噪聲imshow(i)。subplot(221),imshow(j1)。subplot(223),imshow(j3)。 沒有噪聲的原圖像 加入各噪聲后的圖像在這個(gè)程序中，首先讀取一幅圖像。（四）均值濾波均值濾波器的原理類似于中值濾波器，中值濾波器輸出的像素值為相應(yīng)像素鄰域內(nèi)的中值，而均值濾波器輸出的像素值為相應(yīng)像素鄰域內(nèi)的平均值，這使得對(duì)于粒狀噪聲可以很好的被濾除。下面的例子使用相同權(quán)重的55的濾波器進(jìn)行濾波，這類濾波器成為均值濾波器。I=imread(‘’)。i2=imfilter(I,h)。subplot(122),imshow(i2)。傅里葉變換是最簡(jiǎn)單的正交變換，它是裂解其他變換的基礎(chǔ)，同時(shí)傅里葉變換也是應(yīng)用最廣泛的一種正交變換。傅里葉變換在實(shí)際中有非常明顯的物理意義。用fft2函數(shù)對(duì)二維數(shù)據(jù)進(jìn)行快速傅里葉變換，其調(diào)用的形式如下：z=fft2(x,m,n) 其中，x為輸入的二維圖像數(shù)據(jù)矩陣，其數(shù)據(jù)類型為double型。若參數(shù)省略，則進(jìn)行二維傅里葉變換的點(diǎn)數(shù)與x的尺寸相同。x=imread(39。)。imshow(y),figurez=fft2(y)imshow(log(1+abs(z)),[]),figure在這個(gè)程序中，首先將圖像的數(shù)據(jù)轉(zhuǎn)換為double型，再將其輸出入到fft2函數(shù)中，其次，由于圖像的低頻部分能量非常集中，其值遠(yuǎn)遠(yuǎn)大于高頻分量值，所以導(dǎo)致頻域圖像的動(dòng)態(tài)范圍非常大，如果正常顯示的話，高頻部分的信息幾乎無法看清，所以在顯示前使用log對(duì)數(shù)函數(shù)進(jìn)行轉(zhuǎn)換，目的是為了顯示清晰，這種顯示方法在顯示頻域圖像時(shí)會(huì)經(jīng)常用到。綜合學(xué)習(xí)使用MATLAB 軟件對(duì)于圖像處理的基本知識(shí)，給出部分MATLAB實(shí)例和圖像處理效果，使讀者能夠更好地理解和掌握使用MATLAB圖像處理工具箱函數(shù)進(jìn)行圖像處理的方法。隨著計(jì)算機(jī)和各個(gè)研究領(lǐng)域的迅猛發(fā)展，圖像處理已經(jīng)成為人們認(rèn)識(shí)世界、改造世界的重要手段。數(shù)字圖像處理在實(shí)際中得到了廣泛應(yīng)用，幾乎覆蓋了所有的社會(huì)生活領(lǐng)域，特別是在遙感、航空航天、通信、生物和醫(yī)學(xué)、安全監(jiān)控、工業(yè)生產(chǎn)、視頻和多媒體、機(jī)器人視覺、物理和化學(xué)分析、公安和軍事等領(lǐng)域，它在國家安全、經(jīng)濟(jì)發(fā)展和日常生活中已經(jīng)起到越來越重要的作用。 amp。 and processing of image data for storage, transmission, and representation for autonomous machine perception. This chapter has several objectives: (1)to define the scope of the field that we call image processing。 (3)to give an idea of the state of the art in image processing by examining some of the principal area in which it is applied。 (5)to give an overview of the ponents contained in a typical, generalpurpose image processing system。 數(shù)字圖像處理的概念一幅圖像可定義為一個(gè)二維函數(shù)f(x, y)，這里x和y是空間坐標(biāo)，而在任何一對(duì)空間坐標(biāo)f(x, y)上的幅值f稱為該點(diǎn)圖像的強(qiáng)度或灰度。象素是廣泛用于表示數(shù)字圖像元素的詞匯。 視覺是人類最高級(jí)的感知器官，所以，毫無疑問圖像在人類感知中扮演著最重要的角色。它們可以對(duì)非人類習(xí)慣的那些圖像源進(jìn)行加工，這些圖像源包括超聲波、電子顯微鏡及計(jì)算機(jī)產(chǎn)生的圖像。 圖像處理涉及的范疇或其他相關(guān)領(lǐng)域(例如，圖像分析和計(jì)算機(jī)視覺)的界定在初創(chuàng)人之間并沒有一致的看法。我們認(rèn)為這一定義僅是人為界定和限制。另一方面，有些領(lǐng)域(如計(jì)算機(jī)視覺)研究的最高目標(biāo)是用計(jì)算機(jī)去模擬人類視覺，包括理解和推理并根據(jù)視覺輸人采取行動(dòng)等。人工智能領(lǐng)域處在其發(fā)展過程中的初期階段，它的發(fā)展比預(yù)期的要慢得多，圖像分析(也稱為圖像理解)領(lǐng)域則處在圖像處理和計(jì)算機(jī)視覺兩個(gè)學(xué)科之間。然而，在這個(gè)連續(xù)的統(tǒng)一體中可以考慮三種典型的計(jì)算處理(即低級(jí)、中級(jí)和高級(jí)處理)來區(qū)分其中的各個(gè)學(xué)科。低級(jí)處理是以輸人、輸出都是圖像為特點(diǎn)的處理。中級(jí)圖像處理是以輸人為圖像，但輸出是從這些圖像中提取的特征(如邊緣、輪廓及不同物體的標(biāo)識(shí)等)為特點(diǎn)的。 根據(jù)上述討論，我們看到，圖像處理和圖像分析兩個(gè)領(lǐng)域合乎邏輯的重疊區(qū)域是圖像中特定區(qū)域或物體的識(shí)別這一領(lǐng)域。舉一個(gè)簡(jiǎn)單的文本自動(dòng)分析方面的例子來具體說明這一概念。理解一頁的內(nèi)容可能要根據(jù)理解的復(fù)雜度從圖像分析或計(jì)算機(jī)視覺領(lǐng)域考慮問題