彩色圖像分割 數(shù)字圖像處理期末論文

數(shù)字圖像處理PAGEPAGE10彩色圖像分割題目彩色圖像處理成績專業(yè)課程名稱、代碼年級姓名學號時間彩色圖像分割摘要由于彩色圖像提供了比灰度圖像更為豐富的信息,因此彩色圖像處理正受到人們越來越多的關(guān)注。彩色圖像分割是彩色圖像處理的重要問題,彩色圖像分割可以看成是灰度圖像分割技術(shù)在各種顏色空間上的應用,為了使該領(lǐng)域的研究人員對當前各種彩色圖像分割方法有較全面的了解,因此對各種彩色圖像分割方法進行了系統(tǒng)論述,即先對各種顏色空間進行簡單介紹,然后對直方圖閾值法、特征空間聚類、基于區(qū)域的方法、邊緣檢測、模糊方法、神經(jīng)元網(wǎng)絡、基于物理模型方法等主要的彩色圖像分割技術(shù)進行綜述,并比較了它們的優(yōu)缺點,通過比較發(fā)現(xiàn)模糊技術(shù)由于能很好地表達和處理不確定性問題,因此在彩色圖像分割領(lǐng)域會有更廣闊的應用前景。關(guān)鍵詞彩色圖像分割顏色空間直方圖閾值化邊緣檢測模糊方法神經(jīng)網(wǎng)絡目錄基于MATLAB工具箱的數(shù)字圖像處理技術(shù) 11引言 32MATLAB圖像處理工具箱及數(shù)字圖像處理基本過程簡介 32.1.常用圖像操作 42.2.圖像增強功能: 42.3.邊緣檢測和圖像分割功能 52.4.圖像變換功能 53MATLAB圖像處理工具箱運用實例 53.1對灰度圖進行直方圖均衡化處理 73.2灰度調(diào)整 83.3灰度圖像平滑與銳化處理 84結(jié)論 10參考文獻 101引言MATLAB語言是由美國MathWorks公司推出的計算機軟件，經(jīng)過多年的逐步發(fā)展與不斷完善，現(xiàn)已成為國際公認的最優(yōu)秀的科學計算與數(shù)學應用軟件之一，是近幾年來在國內(nèi)外廣泛流行的一種可視化科學計算軟件。它集數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體，構(gòu)成了一個方便的、界面友好的用戶環(huán)境，而且還具有可擴展性特征。MathWorks公司針對不同領(lǐng)域的應用，推出了信號處理、控制系統(tǒng)、神經(jīng)網(wǎng)絡、圖像處理、小波分析、魯棒控制、非線性系統(tǒng)控制設計、系統(tǒng)辨識、優(yōu)化設計、統(tǒng)計分析、財政金融、樣條、通信等30多個具有專門功能的工具箱，這些工具箱是由該領(lǐng)域內(nèi)的學術(shù)水平較高的專家編寫的，無需用戶自己編寫所用的專業(yè)基礎(chǔ)程序，可直接對工具箱進行運用。同時，工具箱內(nèi)的函數(shù)源程序也是開放性的，多為M文件，用戶可以查看這些文件的代碼并進行更改，MALAB支持用戶對其函數(shù)進行二次開發(fā)，用戶的應用程序也可以作為新的函數(shù)添加到相應的工具箱中。MATLAB中的數(shù)字圖像是以矩陣形式表示的，這意味著MATLAB強大的矩陣運算能力用于圖像處理非常有利，矩陣運算的語法對MATLAB中的數(shù)字圖像同樣適用。本文對MATLAB圖像處理工具箱進行探索及應用，實驗證明該軟件功能強大，語言簡潔易學，人機界面友好，工具箱具有豐富的技術(shù)支持并集成了該領(lǐng)域?qū)＜业闹腔郏瑧煤唵味Ч己谩?MATLAB圖像處理工具箱及數(shù)字圖像處理基本過程簡介數(shù)字圖像處理工具箱函數(shù)包括以下15類:⑴、圖像顯示函數(shù);⑵、圖像文件輸入、輸出函數(shù);⑶、圖像幾何操作函數(shù);⑷、圖像像素值及統(tǒng)計函數(shù);⑸、圖像分析函數(shù);⑹、圖像增強函數(shù);⑺、線性濾波函數(shù);⑻、二維線性濾波器設計函數(shù);⑼、圖像變換函數(shù);⑽、圖像鄰域及塊操作函數(shù);⑾、二值圖像操作函數(shù);⑿、基于區(qū)域的圖像處理函數(shù);⒀、顏色圖操作函數(shù);⒁、顏色空間轉(zhuǎn)換函數(shù);⒂、圖像類型和類型轉(zhuǎn)換函數(shù)。MATLAB圖像處理工具箱支持四種圖像類型，分別為真彩色圖像、索引色圖像、灰度圖像、二值圖像，由于有的函數(shù)對圖像類型有限制，這四種類型可以用工具箱的類型轉(zhuǎn)換函數(shù)相互轉(zhuǎn)換。MATLAB可操作的圖像文件包括JPG、HDF、JPEG、PCX、TIFF、XWD等格式。下面就圖像處理的基本過程討論工具箱所實現(xiàn)的常用功能。2.1.常用圖像操作圖像的讀寫與顯示操作:用imread()讀取圖像，imwrite()輸出圖像，把圖像顯示于屏幕有imshow()，image()等函數(shù)。imcrop()對圖像進行裁剪，圖像的插值縮放可用imresize()函數(shù)實現(xiàn)，旋轉(zhuǎn)用imrotate()實現(xiàn)。2.2.圖像增強功能:圖像增強是數(shù)字圖像處理過程中常用的一種方法，目的是采用一系列技術(shù)去改善圖像的視覺效果或?qū)D像轉(zhuǎn)換成一種更適合于人眼觀察和機器自動分析的形式。常用的圖像增強方法有以下幾種:1)灰度直方圖均衡化均勻量化的自然圖像的灰度直方圖通常在低灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚，采用直方圖修整可使原圖像灰度集中的區(qū)域拉開或使灰度分布均勻，從而增大反差，使圖像的細節(jié)清晰，達到增強目的。直方圖均衡化可用histeq()函數(shù)實現(xiàn)。2)灰度變換法照片或電子方法得到的圖像，常表現(xiàn)出低對比度即整個圖像偏亮或偏暗，為此需要對圖像中的每一像素的灰度級進行標度變換，擴大圖像灰度范圍，以達到改善圖像質(zhì)量的目的。這一灰度調(diào)整過程可用imadjust()函數(shù)實現(xiàn)。3)平滑與銳化濾波平滑技術(shù)用于平滑圖像中的噪聲，基本采用在空間域上的求平均值或中值。或在頻域上采取低通濾波，因在灰度連續(xù)變化的圖像中，我們通常認為與相鄰像素灰度相差很大的突變點為噪聲點，灰度突變代表了一種高頻分量，低通濾波則可以削弱圖像的高頻成分，平滑了圖像信號，但也可能使圖像目標區(qū)域的邊界變得模糊。而銳化技術(shù)采用的是頻域上的高通濾波方法，通過增強高頻成分減少圖像中的模糊，特別是模糊的邊緣部分得到了增強，但同時也放大了圖像的噪聲。在MATLAB中，各種濾波方法都是在空間域中通過不同的卷積模板即濾波算子實現(xiàn)，可用fspecial()函數(shù)創(chuàng)建預定義的濾波算子，然后用filter2()或conv2()函數(shù)在實現(xiàn)卷積運算的基礎(chǔ)上進行濾波。2.3.邊緣檢測和圖像分割功能邊緣檢測是一種重要的區(qū)域處理方法，邊緣是所要提取目標和背景的分界線，提取出邊緣才能將目標和背景區(qū)分開來。如果一個像素落在邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級變化的帶。對這種變化最有用的兩個特征是灰度的變化率和方向。邊緣檢測算子可以檢查每個像素的鄰域并對灰度變化率進行量化，也包括對方向的確定，其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。MATLAB工具箱提供的edge()函數(shù)可針對sobel算子、prewitt算子、Roberts算子、log算子和canny算子實現(xiàn)檢測邊緣的功能。基于灰度的圖像分割方法也可以用簡單的MATLAB代碼實現(xiàn)。2.4.圖像變換功能圖像變換技術(shù)是圖像處理的重要工具，常運用于圖像壓縮、濾波、編碼和后續(xù)的特征抽取或信息分析過程。MATLAB工具箱提供了常用的變換函數(shù)，如fft2()與ifft2()函數(shù)分別實現(xiàn)二維快速傅立葉變換與其逆變換，dct2()與idct2()函數(shù)實現(xiàn)二維離散余弦變換與其逆變換，Radon()，iradon()函數(shù)實現(xiàn)Radon變換與逆Radon變換。除了以上基本的圖像處理功能，MATLAB還提供了如二值圖像的膨脹運算dilate()函數(shù)、腐蝕運算erode()函數(shù)等基于數(shù)學形態(tài)學與二值圖像的操作函數(shù)。3MATLAB圖像處理工具箱運用實例為了證明MATLAB語言是一種簡潔，可讀性較強的高效率編程軟件，本文通過運用圖像處理工具箱中的有關(guān)函數(shù)對一實拍的芯片圖像進行處理。如圖1，圖“Fig.jpg”為一幅原圖像，該圖像右邊的剪切圖像為從“Fig.jpg”中剪切出的將用于分析的子圖像塊。為了便于分析與觀察，把子圖像塊旋轉(zhuǎn)90度置于水平位置并把該圖存在名為“Fig1.jpg”的圖像文件中。以上的過程可用以下代碼實現(xiàn)。x=imread('E:\study\電子與通信\Term2\數(shù)字圖像處理DIP\Fig.jpg');figure,imshow(x);y=imcrop(x);figure,imshow(y,[]);z=imrotate(y,90);imwrite(z,'E:\study\電子與通信\Term2\數(shù)字圖像處理DIP\Fig1.jpg','jpg');isrgb(z)原圖Fig.jpg剪貼圖Fig1.jpg圖1經(jīng)判斷得知該圖像為一真彩色圖像,首先把它轉(zhuǎn)換為灰度圖像,以下所有的進一步處理均采用經(jīng)過灰度化處理后的圖像作為原圖。3.1對灰度圖進行直方圖均衡化處理通過比較灰度原圖和經(jīng)均衡化后的圖形可見圖像變得清晰，均衡化后的直方圖形狀比原直方圖的形狀更理想。效果比較見圖2，程序代碼如下:x=imread('E:\study\電子與通信\Term2\數(shù)字圖像處理DIP\Fig1.jpg');y=rgb2gray(x);subplot(221),imshow(y);title('Fig1.jpg灰度化圖像');subplot(222),imhist(y);title('均衡化前直方圖');I=histeq(y);subplot(223),imshow(I);title('均衡化后圖像');subplot(224),imhist(I);title('均衡化后直方圖');圖23.2灰度調(diào)整通過灰度調(diào)整把感興趣的灰度范圍拉開，使圖像中亮的越亮，暗的越暗，分別取原圖中要變換的灰度范圍為(0.3，0.7)和(0.5，0.6)，把變換后的圖像相比較，見圖3，可知原圖所變換的灰度范圍小，則調(diào)整后的圖像反差大。程序代碼如下:x=imread('E:\study\電子與通信\Term2\數(shù)字圖像處理DIP\Fig1.jpg');y=imadjust(x,[0.30.7],[]);z=imadjust(x,[0.50.6],[]);subplot(211),imshow(y);title('原圖所變換的灰度范圍為(0.3,0.7)');subplot(212),imshow(z);title('原圖所變換的灰度范圍為(0.5,0.6)');圖33.3灰度圖像平滑與銳化處理MATLAB圖像工具箱中有多種平滑與銳化濾波函數(shù)，也可以自定義濾波算子。在此我們采用可根據(jù)圖像的局部方差來調(diào)整濾波器輸出的自適應濾波對圖像進行平滑，及采用拉氏算子運算使圖像的模糊部分得到增強。處理后的圖像見圖4，實現(xiàn)代碼如下:x=imread('E:\study\電子與通信\Term2\數(shù)字圖像處理DIP\Fig1.jpg');x=rgb2gray(x);x=double(x);p=wiener2(x);subplot(211),imshow(p,[]);title('自適應濾波平滑')h=[010;1-40;010];q=c