實驗四數(shù)字圖像濾波及邊緣檢測

實驗四數(shù)字圖像濾波及邊緣檢測

了解圖像復(fù)原的基本方法。了解圖像邊緣檢測。利用MATLAB提供的函數(shù)實現(xiàn)對圖像處理。一、實驗?zāi)康亩?、實驗原理圖像恢復(fù)和圖像增強一樣，都是為了改善圖像的視覺效果，以便后續(xù)處理。只是圖像增強方法更偏重于主觀判斷，而圖像恢復(fù)則是根據(jù)圖像畸變或退化原因，進行模型處理。圖像分割是圖像檢索、識別和圖像理解的基本前提。1、圖像中值濾波中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)。中值濾波的優(yōu)點是運算簡單且速度較快，在某些條件下，中值濾波方法可以去除噪聲，保護圖像邊緣，使圖像較好地復(fù)原。它非常適用于一些線性濾波器無法勝任的數(shù)字圖像處理的應(yīng)用場合。中值濾波的基本原理中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點鄰域中各點值的中值替代。例如：有一個序列為(2,3,4,5,6),這個序列的中值為4。中值濾波器用于圖像處理中是這樣進行的:設(shè)置一個濾波窗口，將其移遍圖像(序列)上的點，且用窗口內(nèi)各原始值的中值代替窗口中心點的值。利用Matlab實現(xiàn)數(shù)字圖像中值濾波應(yīng)用Matlab軟件中圖像處理工具箱的函數(shù)。二維中值濾波器的函數(shù)格式如下:B=Medfilt2(A,[mn])；B=Medfilt2(A)。(缺省窗口大小為[33])

函數(shù)：imnoise()格式：

J=imnoise(I,type,……)type:‘gaussian’Gauss白噪聲‘salt&pepper’椒鹽噪聲‘speckle’乘法噪聲圖像中添加噪聲‘gaussian’Gauss白噪聲參數(shù)設(shè)置:M、V：在圖像中加入均值為M、方差為V的高斯白噪聲。(缺省M=0,V=0.01)J=imnoise(I,’gaussian’,M,V)‘salt&pepper’椒鹽噪聲參數(shù)設(shè)置:D:在圖像I中加入強度為D的“椒鹽”黑白像素點.(缺省為0.05)J=imnoise(I,’salt&pepper’,D)‘speckle’乘法噪聲參數(shù)設(shè)置:J=imnoise(I,’speckle’,V),使用公式J=I+n*I,向圖像I中加入乘法噪聲,其中n是均值為0,方差為V均勻分布的隨機噪聲.(V的缺省值為0.04)x=imread(‘dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j1=imnoise(i,'gaussian',0,0.04);subplot(2,2,2);subimage(j1);j2=imnoise(i,'salt&pepper',0.04);subplot(2,2,3);subimage(j2);j3=imnoise(i,'speckle',0.08);subplot(2,2,4);subimage(j3);a=imread('dog.jpg','jpg');i=rgb2gray(x);subplot(2,2,1);subimage(i);j=imnoise(i,'salt&pepper',0.04);subplot(2,2,2);subimage(j);c=medfilt2(j,[22]);subplot(2,2,3);subimage(c);d=medfilt2(j,[55]);subplot(2,2,4);subimage(d);對加噪的圖像進行二維中值濾波2、邊緣檢測在對圖像的研究和應(yīng)用中，人們往往僅對各幅圖像中的某些部分感興趣，需要將這些有關(guān)區(qū)域分離提取出來，在此基礎(chǔ)上對相關(guān)目標(biāo)作進一步的處理。分割算法借助灰度圖像中像素灰度值的兩個性質(zhì)：不連續(xù)性和相似性。區(qū)域內(nèi)部的像素一般具有灰度相似性，而在區(qū)域之間的邊界上一般具有灰度不連續(xù)性。利用區(qū)域間灰度不連續(xù)性的基于邊界的算法；利用區(qū)域內(nèi)灰度相似性的基于區(qū)域的算法。根據(jù)分割過程中處理策略的不同并行算法所有判斷和決定都可獨立和同時地做出。串行算法前期處理的結(jié)果可被其后的處理過程所利用。兩種算法的對比串行算法所用時間要長與并行算法，但其抗噪聲能力則強于并行算法。分割算法分類表注意：現(xiàn)在尚無一種適合于所有圖像的通用分割算法，現(xiàn)在提出的分割算法大都是針對具體問題的。分類邊界（不連續(xù)性）區(qū)域（相似性）并行處理PBPR串行處理SBSR邊緣檢測采用并行邊界技術(shù)。兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣。邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)?？衫们髮?dǎo)的方法檢測到。一般常用一階和二階導(dǎo)數(shù)來檢測邊緣。微分算子邊緣檢測可借助空域微分算子通過卷積完成。梯度算子；拉普拉斯算子；綜合正交算子。邊界閉合利用各種算子得到的邊緣像素常常是孤立或分小段連續(xù)的。為組成區(qū)域的封閉邊界將不同的區(qū)域分開，需要將邊緣像素連接起來。哈夫變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的方法。

MATLAB實例提取二進制圖像的輪廓。語法：BW2=bwmorph(BW1,operation)operation取值：'bridge';'clean';'close';'fill';‘majority’;‘remove’;‘shrink’;‘skel’等。BW1