《MATLAB图像处理》PPT课件.ppt

《《MATLAB图像处理》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《MATLAB图像处理》PPT课件.ppt（39页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、MATLAB的数字图像处理 所谓数字图像处理（所谓数字图像处理（digital image processing），就是），就是利用计算机对图像进行利用计算机对图像进行去除噪声、增强、恢复、分割、去除噪声、增强、恢复、分割、提取特征提取特征等的理论、方法和技术。等的理论、方法和技术。附附2 Resolution(Resolution(分辨率分辨率分辨率分辨率)单位单位单位单位图像分辨率图像分辨率 dpidpi的数值越大，图像越清晰的数值越大，图像越清晰的数值越大，图像越清晰的数值越大，图像越清晰dpi (display pixels/inch)dpi (display pixels/inch)

2、每英寸显示的线数（或像素）每英寸显示的线数（或像素）每英寸显示的线数（或像素）每英寸显示的线数（或像素）300 dpi 96 dpi 21 dpi300 dpi 96 dpi 21 dpidpidpi视觉效果视觉效果视觉效果视觉效果清晰度清晰度清晰度清晰度绝对清晰度绝对清晰度绝对清晰度绝对清晰度1 数字图像的基本概念不同分辨率下的图像：1024 1024 512 512 256 256 128 128 64 64 32 32 图像分辨率通常是以像素数来计量的，如：640480，注：640为水平像素数，480为垂直像素数。位图位图 图像由基本显示单元图像由基本显示单元图像由基本显示单元图像由基本

3、显示单元“像点像点像点像点”构构构构成成成成图像像点图像像点图像像点图像像点8bit (28bit (28 8=256=256色色色色 )16bit (216bit (21616=65536=65536色色色色 )24bit (224bit (22424=16M=16M色色色色 )8 8位图像位图像位图像位图像 1616位图像位图像位图像位图像 2424位图像位图像位图像位图像 二进制位与图像之间二进制位与图像之间二进制位与图像之间二进制位与图像之间 存在严格的存在严格的存在严格的存在严格的“位映射位映射位映射位映射”关关关关系系系系 像点由若干个二进制位进行描述像点由若干个二进制位进行描述像

4、点由若干个二进制位进行描述像点由若干个二进制位进行描述 二进制位代表图像颜色的数量二进制位代表图像颜色的数量二进制位代表图像颜色的数量二进制位代表图像颜色的数量 具有位映射关系的图叫作具有位映射关系的图叫作具有位映射关系的图叫作具有位映射关系的图叫作“位图位图位图位图”“位图位图位图位图”特指图特指图特指图特指图像像像像 像素像素 像素是图片大小的基本单位像素是图片大小的基本单位 图像的像素大小是指位图在高、宽两个方向的像素数相乘的结果图像的像素大小是指位图在高、宽两个方向的像素数相乘的结果 例如宽度和高度均为100像素的图片，其象素数是10000像素 我们经常用的数码相机像素数，所描述的就是

5、相机拍照出来的照片是多大尺寸，300万像素的数码照片通常是20481536像素，而500万像素数码照片则是25601920像素。不同灰度级的图像代表像素的亮度值，代表像素的亮度值，灰度等级划分得越细，越能灰度等级划分得越细，越能准确地再现原稿。准确地再现原稿。目前用得最为普遍的是目前用得最为普遍的是256个个灰度等级灰度等级二值图像与灰度图像2 图像文件的读写/显示v将图像文件读入内存nimread()n如果图像是彩色图，内存数据为3维矩阵，3维分别表示红、绿、蓝空间n如果图像是灰度图，内存数据为2维矩阵n数据类型为uint8v将内存中的数据以图片形式保存nimwrite()v内存数据的图像显

6、示nimshow()n可根据图像数据显示灰度图或彩色图n数据类型必须为uint8，如果数据是double，可用uint8()函数转换另：image()函数可以将矩阵的数据作为图像显示，可接收double、uint16、uint8类型，同时需通过colormap函数进行颜色配置3 图像的直方图v定义：灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。横坐标是灰度级，纵坐标是灰度级出现的频率。直方图计算 依据定义，若图像具有L（通常L=256,即8位灰度级）级灰度，则大小为MxN的灰度图像f(x,y)的灰度直方图hist0L-1可用如下计算获得：1.初始化 histk

7、=0;k=0,L-1 统计 histf(x,y)+;x=0,M-1,y=0,N-1 归一化 histf(x,y)/=M*N Matlab函数函数imhist()直方图的用处1）数字化参数n一般一幅数字图像应该利用全部或几乎全部可能的灰度级；n对直方图做快速检查。2）边界阈值选择n使用轮廓线确定简单物体的边界的方法，称为阈值化；n对物体与背景有较强对比的景物的分割特别有用；基于直方图的图像矫正、分割基于直方图的图像矫正、分割直方图均衡化v使一输入图像转换为在每一灰度级上都有相同的像素点数（即输出的直方图是平的）v进一步的作用在于图像比较和分割v实际是完成直方图变换：DBf(DA)n累积分布密度为

8、n变换4 图像操作的基本函数vimread()/imwrite()/imshowvimresize(A,mrows ncols,method)n图像缩放，A为缩放因子，method为nearest(默认)(最近邻插值)bilinear(双线性插值)bicubic(三线性插值)vimrotate(A,angle,method)n图像逆时针旋转，angle为角度vimcrop(A,rect)n图像剪切，其中rect为x y width heightvimhist():图像直方图计算和显示vhisteq():直方图均衡化vimnoise():图像中添加噪声v5 图像处理v图像变换：nfft2(傅里叶

9、变换)、dct2(离散余弦变换)、radon(Radon变换)、ifft2/idct2/iradon.v图像类型转换nrgb2gray(彩色转灰度)、im2bw(转为2值图像)v空域滤波nfilter2(线性平滑滤波)、wiener2(维纳滤波)、nMedfilt2(中值滤波)v边缘检测edge()：提供6种检测方法nSobel methodnPrewitt methodnRoberts methodnLaplacian of Gaussian methodnzero-cross methodnCanny method5 其他图像处理专题v图像分割n将图像分割成多个区域v图像特征提取n表征一个

10、图像最基本的属性或特征，图像特征可以是人类视觉能够识别的自然特征v图像恢复n在景物成像的过程中，受多种因素的影响，图像的质量都会有所下降v。更多图像处理，可参见有关参考书更多图像处理，可参见有关参考书 时，灰度图像及直方图 原始图像：90909090年代以来：年代以来：CBIRCBIR(Content-based Image Retrieval(Content-based Image Retrieval）基于内容的图像检索 对图像的视觉内容，如图像的颜色、纹理、对图像的视觉内容，如图像的颜色、纹理、形状等进行分析和检索图像。形状等进行分析和检索图像。其特点是图像本身包含的客观视觉特性，不其特点

11、是图像本身包含的客观视觉特性，不需要人为干预和解释，能够通过计算机自动实现需要人为干预和解释，能够通过计算机自动实现对图像特征的提取和存储。对图像特征的提取和存储。CBIRCBIR进行检索时利用的是第2 2层的特征。特征提取是CBIRCBIR系统最基础的部分，在很大程度上决定了CBIRCBIR系统的成败特特征征提提取取第第3 3层：语义特征层层：语义特征层人们对图像内容概念级的反映人们对图像内容概念级的反映第第2 2层：物理特征层层：物理特征层图像的颜色、纹理、形状和轮图像的颜色、纹理、形状和轮廓等低层物理特征廓等低层物理特征第第1 1层：原始数据层层：原始数据层图像的原始像素点图像的原始像素

12、点图图1 1 图像内容的层次模型图像内容的层次模型1 基于颜色特征的检索 实践表明，基于颜色的CBIRCBIR系统具有较好的性能，而且实现相对容易最常用的表达颜色特征的方法是颜色直方图。其他常用的颜色特征表示方法还有颜色矩和颜色相关图。2 基于纹理特征的检索基于纹理特征的检索 纹理是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征，对图像灰度变对图像灰度变化的特征进行量化化的特征进行量化,与对象的位置、走向、大与对象的位置、走向、大小、形状有关小、形状有关,与平均灰度级无关与平均灰度级无关。图像检索中用到的纹理特征表示方法主要有：TamuraTamura法、小波变换和自回归纹理模型。3 基

13、于形状特征的检索基于形状特征的检索 形状特征常与目标联系在一起，需提取目标的轮廓或描述目标轮廓所包围的区域的性质。因此形状比颜色和纹理的语义性更强。因此形状比颜色和纹理的语义性更强。v基于边界的表示：代表方法是傅里叶描述子。基于边界的表示：代表方法是傅里叶描述子。其基本思想是用对图像进行傅里叶变换得到其基本思想是用对图像进行傅里叶变换得到的边界作为形状描述的边界作为形状描述.其中一个优点就是把其中一个优点就是把二维问题简化为一维问题二维问题简化为一维问题。v基于区域的表示基于区域的表示：代表方法是代表方法是不变矩法。纹理特征提取v统计方法统计方法 Statistical approachn有基

14、于图像灰度直方图的矩分析法、灰度共生矩阵有基于图像灰度直方图的矩分析法、灰度共生矩阵法、灰度行程和自回归模型。法、灰度行程和自回归模型。n统计方法将纹理描述为光滑、粗糙、粒状等等。统计方法将纹理描述为光滑、粗糙、粒状等等。纹理特征提取v结构方法结构方法 Structural approachn研究基元及其空间关系。研究基元及其空间关系。基元基元一般定义为具有某种属性而一般定义为具有某种属性而彼此相连的单元的集合，属性包括灰度、连通区域的形状、彼此相连的单元的集合，属性包括灰度、连通区域的形状、局部一致性等。局部一致性等。空间关系空间关系包括基元的相邻性、在一定角度包括基元的相邻性、在一定角度范

15、围内的最近距离等等。根据基元间的空间联系，纹理可范围内的最近距离等等。根据基元间的空间联系，纹理可以分为弱纹理或强纹理。进一步细分，可以根据基元的空以分为弱纹理或强纹理。进一步细分，可以根据基元的空间共生概率来划分，也可以根据单位面积内的边缘数来区间共生概率来划分，也可以根据单位面积内的边缘数来区别。别。纹理特征提取v频谱方法频谱方法 Spectral approachn根据傅立叶频谱，根据峰值所占的能量比例将图象根据傅立叶频谱，根据峰值所占的能量比例将图象分类。包括计算峰值处的面积、峰值处的相位、峰分类。包括计算峰值处的面积、峰值处的相位、峰值与原点的距离平方、两个峰值间的相角差等手段。值与

16、原点的距离平方、两个峰值间的相角差等手段。u灰度直方图分析法 为了研究两种了研究两种纹理区域的灰度直方理区域的灰度直方图的相的相似性，可以比似性，可以比较累累积灰度直方灰度直方图分布，分布，计算直方算直方图的均的均值或方差。或方差。但是灰度直方但是灰度直方图不能得到不能得到纹理的二理的二维灰度灰度变化。如下化。如下图中两种中两种纹理具有相同的直方理具有相同的直方图，只靠，只靠直方直方图就不能区就不能区别这两种两种纹理。理。常用的几种纹理特征分析方法常用的几种纹理特征分析方法u 灰度共生矩阵法灰度共生矩阵法 The Gray-level Co-occurrence Matrixn共生矩共生矩阵用

17、用两个位置的象素的两个位置的象素的联合概率密度合概率密度来定来定义，它不它不仅反映亮度的分布特性，也反映具有同反映亮度的分布特性，也反映具有同样亮度或亮度或接近亮度的象素之接近亮度的象素之间的的位置分布位置分布特性，是有关特性，是有关图象亮象亮度度变化的化的二二阶统计特征特征。它是定。它是定义一一组纹理特征的基理特征的基础。指纹识别系统指纹，由于其具有终身不变性、唯一性和方便性，已几乎成为生物特征识别的代名词。指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用于身份鉴定

18、。指纹识别系统IBM指纹识别笔记本电脑指纹识别笔记本电脑汉王指纹考勤机汉王指纹考勤机指纹锁指纹锁指纹识别系统指纹的基本特征指纹的基本特征全局特征（描述了全局特征（描述了指纹的总体结构）指纹的总体结构）局部特征（指指纹纹乱上的节点的特征，这局部特征（指指纹纹乱上的节点的特征，这些特征提供了指纹唯一性的确认信息）些特征提供了指纹唯一性的确认信息）纹形（箕形、斗形、弓形）纹形（箕形、斗形、弓形）模式区模式区核心点核心点三角点三角点纹数纹数指纹识别系统斗形纹弓形纹箕形纹纹形可以分为箕形、弓形、斗形，如下图所示。其他的指纹图案都是基于这三种基本图案指纹识别系统指纹采集图像处理特征提取数据库指纹采集图像处

19、理特征提取匹配鉴别结果训练模块鉴别模块指纹识别系统框图指纹识别系统框图指纹图像的获取的设备指纹图像的获取的设备1、光学取像设备依据的是光的全反射原理(ftir)。光线照到压有指纹的玻璃表面，反射光线由ccd去获得，反射光的数量依赖于压在玻璃表面指纹的脊和谷的深度和皮肤与玻璃间的油脂。光线经玻璃设到谷后反射到ccd，而设到脊后则不反射到ccd（确切的是脊上的液体反光的）。2、晶体传感器硅传感器成为电容的一个极板，手指则是另一极板，利用手指纹线的脊和谷相对于平滑的硅传感器之间的电容差，形成8bit的灰度图像。3、超声波扫描利用超声波具有穿透材料的能力，且随材料的不同产生大小不同的回波（超声波到达不

20、同材质表面时，被吸收、穿透与反射的程度不同），因此，利用皮肤与空气对于声波阻抗的差异，就可以区分指纹脊与谷所在的位置。指纹识别系统指纹识别系统三种成像技术的比较三种成像技术的比较指纹识别系统图像剪裁图像平滑图像锐化二值化图像修饰图像细化原始图像输出图像指纹图像的预处理过程指纹图像的预处理过程指纹识别系统图像剪裁：将原始指纹图像应用一定的算法进行剪切，在基本不损失有用的指纹信息的基础上产生一个比原始图像小的指纹图像，减少数据量。图像平滑：去除噪声干扰，而又不使图像失真锐化处理：为强化指纹纹线间的界线，突出边缘信息，利于二值化修饰处理：指纹图像经过二值化后，纹线边缘往往有凹凸不齐，为使图像整洁，边缘圆滑，需要进行修饰处理。二值化：对于锐化后的图像，其直方图有明显的双峰，故易于选取阈值进行指纹图像二值化。细化处理：所关心的不是指纹的粗细，而是指纹的有无，因此，在不破坏图像连通性的情况下去掉多余的信息指纹识别系统定位分区特征提取分类细化图像存入指纹库指纹识别和分类流程指纹识别和分类流程