應用MATLAB語言進行數(shù)字圖像處理

1、應用MATLAB語言進行數(shù)字圖像處理 一、前言 MATLAB是集數(shù)值計算，符號運算及圖形處理等強大功能于一體的科學計算語言。作為強大的科學計算平臺，它幾乎能夠滿足所有的計算需求。自MATLAB4.0問世以來，MATLAB語言就一直受到工程應用的各個領域的學者和工程師們的關注。2001年Mathworks公司又推出了強大的MATLAB升級版本MATLAB6.0，使其在符號運算和圖形處理功能上得到了進一步完善。除此之外，新版本的MATLAB還增強了它的各種應用工具箱，使MATLAB的應用面越來越廣，功能也越來越強大。因此MATLAB已成為最為普遍的計算工具之一。 MATLAB軟件具有很強的開放性和

2、適用性。在保持內(nèi)核不便的情況下，MATLAB可以針對不同的應用學科推出相應的工具箱（toolbox）。目前，MATLAB已經(jīng)把工具箱延伸到了科學研究和工程應用的諸多領域，諸如數(shù)據(jù)采集、概率統(tǒng)計、信號處理、圖像處理和物理仿真等，都在工具箱（Toolbox）家族中有自己的一席之地。此外，MATLAB還支持用戶用自己編寫的M文件（MATLAB的程序文件）組成自己的工具箱，極大的方便了用戶的使用和維護。本文想就MATLAB中提供的圖像處理工具箱（Image Processing Toolbox）的使用作一些實例方面的介紹。 二、MATLAB數(shù)字圖像處理 MATLAB全稱是Matrix Laborato

3、ry（矩陣實驗室），一開始它是一種專門用于矩陣數(shù)值計算的軟件，從這一點上也可以看出，它在矩陣運算上有自己獨特的特點。實際上MATLAB中的絕大多數(shù)的運算都是通過矩陣這一形式進行的。這一特點也就決定了MATLAB在處理數(shù)字圖像上的獨特優(yōu)勢。理論上講，圖像是一種二維的連續(xù)函數(shù)，然而在計算機上對圖像進行數(shù)字處理的時候，首先必須對其在空間和亮度上進行數(shù)字化，這就是圖像的采樣和量化的過程。二維圖像進行均勻采樣，就可以得到一幅離散化成M×N樣本的數(shù)字圖像，該數(shù)字圖像是一個整數(shù)陣列，因而用矩陣來描述該數(shù)字圖像是最直觀最簡便的了。而MATLAB的長處就是處理矩陣運算，因此用MATLAB處理數(shù)字圖像非

4、常的方便。 MATLAB支持五種圖像類型，即索引圖像、灰度圖像、二值圖像、RGB圖像和多幀圖像陣列；支持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等圖像文件格式的讀，寫和顯示。MATLAB對圖像的處理功能主要集中在它的圖像處理工具箱（Image Processing Toolbox）中。圖像處理工具箱是由一系列支持圖像處理操作的函數(shù)組成，可以進行諸如幾何操作、線性濾波和濾波器設計、圖像變換、圖像分析與圖像增強、二值圖像操作以及形態(tài)學處理等圖像處理操作。下面用一些實例進行簡單說明： 1、圖像的讀取 MATLAB中從圖像文件中讀取數(shù)據(jù)用函數(shù)imread()，

5、這個函數(shù)的作用就是將圖像文件的數(shù)據(jù)讀入矩陣中，此外還可以用imfinfo()函數(shù)查看圖像文件的信息（見例1） %例1：圖像數(shù)據(jù)及圖像信息的讀取 imfinfo e:matlabworktuxiangGirl.bmp %讀取圖像信息 A,M=imread('e:matlabworktuxiangGirl.bmp','bmp');  %圖像數(shù)據(jù)的讀取，將圖像數(shù)據(jù)放入矩陣A中，顏色數(shù)據(jù)放入矩陣M中 imshow(A,M);title('原圖像'); M(:,1)=0;%將顏色數(shù)據(jù)矩陣的一列置零 figure imshow(A,M);title

6、('改變顏色后的圖像') 圖1 圖像數(shù)據(jù)的讀取  MATLAB還提供了將數(shù)據(jù)寫入一個文件的函數(shù)imwrite以及不同類型文件相互轉換的函數(shù)，在此就不一一贅述了，可以參考MATLAB 的幫助文件。 2、灰度直方圖及直方圖均衡化 灰度直方圖用于顯示圖像的灰度值分布情況，是數(shù)字圖像處理中最簡單和最實用的工具。MATLAB中提供了專門繪制直方圖的函數(shù)imhist()。用它可以很簡單的繪制出一幅圖像的灰度直方圖（見例2）。 %例2：直方圖的顯示 imshow('e:matlabworktuxiangGirl.bmp');title('原圖像')

7、%顯示原圖像 A=imread('e:matlabworktuxiangGirl.bmp','bmp'); figure;imhist(A),title('對應直方圖') 圖2 直方圖的顯示  在圖像處理中，點運算是簡單而又重要的一種技術，其中最常用的一種應用就是直方圖的均衡化（見例3）。 %例3：直方圖均衡化 imshow('e:matlabworktuxiangGirl2.bmp');title('原圖像') I=imread('e:matlabworktuxiangGirl2.bmp'

8、;,'bmp'); figure;imhist(I),title('對應直方圖') %從得到的直方圖可以看出，圖像的對比度很低，灰度級集中在70-160范圍內(nèi)，如果只取 %這個范圍內(nèi)的灰度，并擴展到0,255，則會明顯增強圖像對比度 J=imadjust(I,70/255 160/255,); figure;imshow(J),title('經(jīng)灰度級調(diào)整后的圖') figure;imhist(J),title('灰度級調(diào)整后的直方圖') %MATLAB還提供了histeq函數(shù)（自動直方圖均衡化） K=histeq(I); figu

9、re;imshow(K),title('經(jīng)直方圖均衡化后的圖') figure;imhist(K),title('直方圖均衡化后的直方圖') 圖3 直方圖均衡化  3、圖像的代數(shù)運算 代數(shù)運算是指對兩幅輸入圖像進行點對點的加、減、乘和除計算而得到輸出圖像的運算。對于相加和相乘的情形，可能不止有兩幅圖像參加運算。圖像相加的一個重要應用是對同一場景的多幅圖像求平均值。這點被經(jīng)常用來有效地降低加性（additive）隨機噪聲的影響（見例4） %例4：圖象加噪聲再通過多次相加求平均的方法祛除噪聲 I,M=imread('e:matlabworktuxi

10、angGirl.bmp','bmp'); J=imnoise(I,'salt & pepper',0.005); subplot(1,2,1),imshow(I,M),title('原圖象'); subplot(1,2,2),imshow(J,M),title('加噪聲后圖象'); K=zeros(128); for i=1:100 J=imnoise(I,'salt & pepper',0.005); J1=im2double(J); K=K+J1; end K=K/100; %求圖像的平

11、均 figure;imshow(K),title('相加求平均后的圖象'); 圖4 多次平均去噪聲  4、圖像濾波處理 在數(shù)字圖像處理中，常常會遇到圖像中混雜有許多的噪聲。因此，在進行圖像處理中，有時要先進行祛除噪聲的工作。最常用的祛除噪聲的方法是用濾波器進行濾波處理。MATLAB的圖像處理工具箱里也設計了許多的濾波器。如均值濾波器、中值濾波器、維納濾波器等。用戶可以很方便的運用一些函數(shù)完成數(shù)字濾波工作。（見例5）。 %例5：用濾波器祛除圖象噪聲（分別用均值濾波，中值濾波，及維納濾波器祛除加入高斯噪聲的圖象） I=imread('e:matlabworktux

12、iangGirl.bmp','bmp'); J=imnoise(I,'gaussian',0,0.002);%加入高斯噪聲 %進行均值濾波 h=fspecial('average',3); I2=uint8(round(filter2(h,I); %進行中值濾波 I3=medfilt2(J,3,3); %進行維納濾波 I4=wiener2(J,3,3); %進行一次維納濾波 I5=wiener2(I4,3,3);%進行二次維納濾波 subplot(2,3,1),imshow(I),title('原圖象') subplot(

13、2,3,2),imshow(J),title('加噪聲圖象') subplot(2,3,3),imshow(I2),title('均值濾波后圖象') subplot(2,3,4),imshow(I3),title('中值濾波后圖象') subplot(2,3,5),imshow(I4),title('維納濾波后圖象') subplot(2,3,6),imshow(I5),title('兩次維納濾波后圖象') 圖5 濾波器祛除圖像噪聲    5、傅立葉變換 傅立葉變換是線性系統(tǒng)分析的一個有力的工具

14、。它在圖像處理，特別是在圖像增強、復原和壓縮中，扮演著非常重要的作用。實際中一般采用一種叫做快速傅立葉變換（FFT）的方法，MATLAB中的fft2指令用于得到二維FFT的結果，ifft2指令用于得到二維FFT逆變換的結果。（見例6） %例6：近似沖擊函數(shù)的二維快速傅立葉變換（FFT） x=1:99;y=1:99; X,Y=meshgrid(x,y); A=zeros(99,99); A(49:51,49:51)=1; B=fft2(A); subplot(1,2,1),imshow(A),xlabel('空域圖象'); subplot(1,2,2),imshow(B),xla

15、bel('時域圖象'); figure subplot(1,2,1),mesh(X,Y,A),xlabel('空域'),grid on; subplot(1,2,2),mesh(X,Y,abs(B),xlabel('時域'),grid on; 圖6 近似沖擊函數(shù)的傅立葉變換      6、圖像壓縮 在圖像的變換和壓縮中，常常用到離散余弦變換（DCT）。DCT具有能使圖像的最重要的信息集中在DCT的幾個系數(shù)上的性能。正是基于此，DCT通常應用于圖像的壓縮。（見例7） %例7：DCT變換用于圖象的壓縮實例 I=imrea

16、d('e:matlabworktuxiangGirl.bmp','bmp'); I=im2double(I); T=dctmtx(8); B=blkproc(I,8,8,'P1*x*P2',T,T'); mask=1,1,1,1,0,0,0,0 1,1,1,0,0,0,0,0 1,1,0,0,0,0,0,0 1,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 0,0,0,0,0,0,0,0 B2=blkproc(B,8,8,'P1.*x',mask); I2=blkproc(B2,8,8,'P1*x*P2',T',T); imshow(I),title('原圖象'); figure,imshow(I2),title('變換后的圖象'); 圖7 DCT變換用于圖像壓縮  可以看出，盡管由于85%的DCT系數(shù)被拋棄而使恢復后的圖像質(zhì)量有所降低，圖像內(nèi)容仍能清晰可辨，達到了圖像壓縮的目的。 三、結語 當然，MATLA