基于matlab的图像处理.ppt
《基于matlab的图像处理.ppt》由会员分享,可在线阅读,更多相关《基于matlab的图像处理.ppt(67页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、XUPXUPT T第1页西安邮电大学专业课程设计专业课程设计基于基于matlabmatlab的图像处理的图像处理不不积积跬跬步步无无以以至至千千里里不不积积小小流流无无以以成成江江海海第第2 2页页XUPTXUPT专业课程设计专业课程设计专业课程设计内容本次专业课程设计是基于MATLAB的图像处理,着重训练Matlab在图像处理方面的应用,能够运用相关软件进行模拟实验。通过课程设计的学习,能够掌握图像处理的基本知识和方法,主要包括图像变换、图像去噪、图像恢复、图像分割和图像增强等。撰写专业课程设计报告并提交验收。第第3 3页页XUPTXUPT专业课程设计专业课程设计专业课程设计目的数字图像处理
2、,就是用数字计算机及其他有关数字技术,对图像进行处理,以达到预期的目的。随着计算机的发展,图像处理技术在许多领域得到了广泛应用。通过基于MATLAB的图像处理课程设计,旨在使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法;增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力;尝试所学的内容解决实际工程问题,培养学生的工程实践能力。第第4 4页页XUPTXUPT专业课程设计专业课程设计进度安排掌握图像处理相关理论知识;熟悉Matlab语言,学习使用图像处理工具箱(2天)给定分组题目,提出分组要求,学生查找相关文献。(1天)分组题目讲解,学生进行分组课程设计
3、,确定解决方案。(2天)上机调试程序,修改并完善设计,实现相应功能。(3天)撰写专业课程设计报告并提交验收,分组答辩(以组为单位进行答辩,准备20-30分钟ppt,提交报告不能相同)。(2天)第第5 5页页XUPTXUPT专业课程设计专业课程设计MATLAB概述MATrix LABoratory由美国Math Works公司开发适合多学科、功能强大发展自今,已集成科学计算、图像处理、声音处理(包括微积分、代数、数值分析等)矩阵计算功能强大、还支持符号运算高级课程的基本教学工具比其他程序设计语言容易学习第第6 6页页XUPTXUPT专业课程设计专业课程设计Matlab与数字图像一幅图像可以被定义
4、为一个二维函数f(x,y),其中x和y是空间坐标,f在坐标(x,y)处的值称为图像在该点的亮度(灰度)。一幅图像在Matlab中可以自然地表示成矩阵,并以变量的形式来存储。变量只能由字母、数字和下划线组成。ji第第7 7页页XUPTXUPT专业课程设计专业课程设计不同级灰度的图像256级灰度16级灰度8级灰度4级灰度第第8 8页页XUPTXUPT专业课程设计专业课程设计不同分辨率下的图像1024 1024 512 512 256 256 128 128 64 64 32 32分辨率:图像的采样点数MN第第9 9页页XUPTXUPT专业课程设计专业课程设计二值图像与灰度图像二值图像是指每个像素不
5、是黑就是白,其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形,其优点是占用空间少,缺点是,当表示人物,风景的图像时,二值图像只能描述其轮廓,不能描述细节。这时候要用更高的灰度级。第第1010页页XUPTXUPT专业课程设计专业课程设计图像文件的读将图像文件读入内存imread()如果图像是灰度图,内存数据为2维矩阵如果图像是彩色图,内存数据为3维矩阵,3维分别表示红、绿、蓝空间数据类型为uint8举例:f=imread(coins.png);f=imread(D:MATLAB7workbacteria.tif);第第1111页页XUPTXUPT专业课程设计专业课程设计图像文件的写将
6、内存中的数据以图片形式保存imwrite()举例imwrite(f,coins_1.tif)f可以是一个M-by-N(灰度图像)或 M-by-N-by-3(彩色图像)的矩阵第第1212页页XUPTXUPT专业课程设计专业课程设计内存数据的图像显示imshow()可根据图像数据显示灰度图或彩色图数据类型必须为uint8,如果数据是double,可用uint8()函数转换,f=uint8(f)。例:imshow(f)图像文件的显示第第1313页页XUPTXUPT专业课程设计专业课程设计Matlab的帮助在Matlab运行环境下,按F1第第1414页页XUPTXUPT专业课程设计专业课程设计第第15
7、15页页XUPTXUPT专业课程设计专业课程设计图像操作的基本函数imread()/imwrite()/imshow()imresize(A,mrows ncols,method)图像缩放,mrows ncols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)imrotate(A,angle,method)图像逆时针旋转,angle为角度imcrop(A,rect)图像剪切,其中rect为x y width heightimhist():图像直方图计算和显示histeq():直方图均衡化imnoise():图像中添加噪
8、声第第1616页页XUPTXUPT专业课程设计专业课程设计图像操作的基本函数图像变换:fft2(傅里叶变换)、dct2(离散余弦变换)、反变换:ifft2/idct2.图像类型转换rgb2gray(彩色转灰度)、im2bw(转为2值图像)空域滤波filter2(线性平滑滤波)、Medfilt2(中值滤波)、课下注意对图像操作的基本函数进行练习,并熟练掌握。第第1717页页XUPTXUPT专业课程设计专业课程设计图像处理专题图像分割根据需要将图像划分为有意义的若干区域或部分的图像处理技术 图像去噪图像信号在产生、传输过程中都可能会受到噪声的污染,图像去噪的目的是在去除图像中噪声的同时保留更多原始
9、图像中的信息图像压缩图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术 图像融合图像融合技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理,提取各自信道的信息,最后综合成一幅新的图像以供观察或进一步处理 第第1818页页XUPTXUPT专业课程设计专业课程设计图像分割图像分割就是把图像分成若干个特定的、具有独特性质的区域的技术。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类基于阈值的分割方法基于区域的分割方法基于边缘的分割方法基于特定理论的分割方法 第第1919页页XUPTXUPT专业课程设计专业课程设计图像分割的数学描述令集合R代表整个区域,对R
10、的分割可看作将R分成若干个满足以下5个条件的非空子集(子区域)R1,R1,Rn:(1)所有子集构成图像;(2)各子集不重叠;(3)每个子集中的像素有某种共同的属性;(4)不同的子集属性不同;(5)每个子集中的所有像素应该是连通的。第第2020页页XUPTXUPT专业课程设计专业课程设计基于阈值的分割方法基于阈值的分割方法 阈值分割法是一种最常用的分割技术。单阈值分割方法实际上是输入图像f到输出图像g的如下变换:第第2121页页XUPTXUPT专业课程设计专业课程设计多阈值分割 由此可见,阈值分割算法主要有两个步骤:1.确定需要的分割阈值 T T;(How to find)2.将分割阈值与像素灰
11、度值比较以确定像素归属。u多阈值分割:图像中含有多个目标且灰度差别较大时,可以设置多个阈值实现多阈值分割:式中:T Tk k为一系列分割阈值;k k为赋予每个目标区域的标号;m为分割后的目标区域数减1。第第2222页页XUPTXUPT专业课程设计专业课程设计Otsu最大类间方差阈值分割 Otsu法(大津法)由大津于1979年提出的最优阈值方法,是一种在判决分析或最小二乘法原理的基础上推导出来的最大类间方差法。设图像像素有L个灰度级0,1,2,L-1,ni 表示图像中灰度级为 i 的像素个数,N=n0+n1+n2+nL-1表示图像的总像素数。图像的灰度直方图被归一化后视为灰度级的概率分布:第第2
12、323页页XUPTXUPT专业课程设计专业课程设计令 k 为分割阈值,它把图像中的所有像素按灰度级分成两类C0和C1,即:n 那么C0和C1发生的概率可由下式给出:单阈值分割为例第第2424页页XUPTXUPT专业课程设计专业课程设计两类像素的灰度均值分别为:式中T为图像像素灰度总体平均值第第2525页页XUPTXUPT专业课程设计专业课程设计两类像素的灰度方差分别为:n 两类像素的类内方差、类间方差和总体方差分别为:第第2626页页XUPTXUPT专业课程设计专业课程设计n 两类像素的类内方差、类间方差和总体方差分别为:第第2727页页XUPTXUPT专业课程设计专业课程设计为了评估阈值 k
13、 k 的优劣,Otsu使用类内方差、类间方差和总体方差定义了两类像素的可分性测度:Otsu通过最大化上述三个测度之一来选取最佳阈值k k,这三个可分性测度是等价的。第第2828页页XUPTXUPT专业课程设计专业课程设计三个准则中(k)最为简单,因此选其作为准则,可得到最佳阈值。由于总体方差 与阈值 k k 无关,因此,常通过最大化 来获取最优阈值kopt,即:第第2929页页XUPTXUPT专业课程设计专业课程设计Otsu阈值计算步骤第第3030页页XUPTXUPT专业课程设计专业课程设计例:Otsu最大类间方差阈值分割I=imread(coins.png);level=graythresh
14、(I);BW=im2bw(I,level);imshow(BW);第第3131页页XUPTXUPT专业课程设计专业课程设计基于聚类的图像分割模糊聚类算法是近年来图像分割技术领域的研究热点之一,模糊C均值聚类(FCM)算法是最常用的聚类算法。模糊C均值算法是在模糊数学基础上,通过最优化一个模糊目标函数实现聚类,它是赋予每个点一个对各类的隶属度,用隶属度更好地描述像素亦此亦彼的特点,适合处理事物内在的不确定性。利用模糊C均值(FCM)非监督模糊聚类标定的特点进行图像分割,可以减少人为的干预,且较适合图像中存在不确定性和模糊性的特点。第第3232页页XUPTXUPT专业课程设计专业课程设计模糊c均值
15、聚类(FCM)目标函数第第3333页页XUPTXUPT专业课程设计专业课程设计FCM算法交替优化隶属函数更新公式聚类原型更新公式第第3434页页XUPTXUPT专业课程设计专业课程设计FCM算法的迭代过程第第3535页页XUPTXUPT专业课程设计专业课程设计FCM图像分割方法实现I=imread(bacteria.tif);I=double(I);m,n=size(I);k=2;fcm_label=zeros(m*n,1);O,U,obj_fcn1=fcm(I(:),k);maxU=max(U);for j=1:k index=find(U(j,:)=maxU);fcm_label(inde
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 matlab 图像 处理
限制150内