数字信号处理课程设计
设计题目：
姓名：
学号：
院系班级：
组次：
指导教师：
时间：2015年11月21日——2015年12月6日
摘要
基于 MATLAB 的图像边缘检测算法的研究和实现
图像边缘是图像的最基本的特征。所谓边缘，就是指图像局部强度变化最明显的部分，存在于区域与区域、目标与目标、目标与背景、基元与基元之间，包含有图像处理中用于识别的关键信息。边缘检测是数字图像处理中，最基础也是最重要的环节之一。本文介绍了六种经典的边缘检测算子，包括 Roberts 算子，Sobel 算子，Canny算子，Prewitt 算子，LOG 算法。并且利用 MATLAB 系统所提供的相关函数等，对同一副图像结合用这些不同的算子分别进行处理，分析并得到他们处理图像的特点。比较传统的边缘检测算子，因为是基于图像函数的一阶导数进行考察的，因而它们具有共同的特点是计算简单、速度较快，但是对噪声都比较敏感。LOG 算法和 Canny算法，都是先对图像进行平滑去噪，抗噪性能较好，但是会损失一些边缘信息，其中 LOG算法比较适合处理渐变灰度图像，而 Canny 算子更适合处理阶跃型边缘图像。小波变换边缘检测法，则能够很好的保留图像的边缘信息，更适合处理小阵列图像。
关键词:
MATLAB;图像处理;边缘检测;微分算子
目录
第一章绪论 (4)
1.1设计目的与要求 (4)
1.2叙述国内外研究动态 (5)
第二章软件设计- 基于MatLab的边缘检测算法 (6)
2.1 MatLab简介 (6)
2.2边缘检测算法原理 (7)
2.2.1 Roberts 边缘算子 (7)
2.2.2 Sobel 边缘算子 (8)
2.2.3 Prewitt 边缘算子 (8)
2.2.4 Log 边缘算子 (8)
2.2.5 Canny 边缘算子 (8)
2.3边缘检测算法--测试程序 (9)
第三章实验结果及分析 (13)
3.1 Roberts算子检测图像边缘的实现 (13)
3.2 Sobel算子检测图像边缘的实现 (14)
3.3 Prewitt算子检测图像边缘的实现 (15)
3.4高斯一拉普拉斯LOG算子检测图像边缘的实现 (16)
3.5 Canny算子检测图像边缘的实现 (17)
第四章总结与心得体会 (20)
参考文献 (21)
致谢 (22)
第一章绪论
1.1设计目的与要求
二十世纪五十年代，人们开始提出一些数字图像处理的技术，是通过计算机对图像所包含的信息进行加工和处理后，使得图像中的信息能够为我们所用。从早期的报纸业，到1964年，在航天领域中，有里程碑作用的“旅行者七号”太空船在太空中拍摄了月球的照片，并回传给地球上的工作站成功处理，到现在的我们所能接触到的统计学、医学等等各种领域之中，数字图像处理己经迅速发展，并成为了我们不可或缺的重要技术和研究对象。
图像处理中最关键的一步就是对图像信息进行分解，提取一些具有某种特征的图像信息。图像的边缘负载的信息，能够在图像处理过程中起到识别的作用，这也正是他作为图像基本特征的重要原因[l]。与此同时，之于图像边缘在图像的要素中占有举足轻重的地位，相对的，对边缘进行检测的技术，也在处理图像的各种技术之中，作用不可小觑。
图像边缘定义为图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。基于边缘灰度的不连续性，遍历考察图像中单个像素点的局部灰度分布情况，利用一阶和二阶导数来进行边缘检测。
在长期对图像边缘检测的研究中，不断涌现出了许多种图像边缘检测的方法。而到目前为止，己经提出的各种方法，对于图像边缘检测的效果，都有自己的优点和不足，也有自己的适用范围。并没有存在一种比较普遍适用的边缘检测方法。因此，对于寻找和创造更新的、更有效的边缘检测方法仍然是图像处理中比较主流的方向。
图像理解是图像处理的一个重要分支，研究为完成某一任务则需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。“飞思卡尔”杯全国大学生智能车竞赛中，要求各参赛队赛车在规定的赛道上
行驶，速度快者胜出。根据比赛规则：比赛过程中，如果赛车碰到赛道两边的立柱并使之倾倒或移动，裁判员将判为赛车冲出跑道（实际执行时，是根据裁判的肉眼判断）。赛车前两次冲出跑道时，由裁判员取出赛车交给比赛队员，立即在起跑区重新开始比赛，该圈成绩取消。因而在设计时，必须首先考虑找出赛道的边界点，然后再设计算法实现赛车行驶线路。
1.2叙述国内外研究动态
图像处理技术诞生于二十世纪中叶，经过10多年的迅速发展，逐渐形成了一个专门的学科，在此其中，边缘检测技术也有相当长的一段研究发展史。随着图像处理技术逐渐成熟，越来越多的科研领域关注到这一技术，给予重用且成效显著。无论是传统的工业检测等领域，还是近年新兴起来的人工智能等更为新颖的学科都包含在其中。数字图像处理技术未来的发展速度和空间不可限量。
在长期对图像边缘检测的研究中，不断涌现出了许多种图像边缘检测的方法。现有的边缘检测方法有比较经典的检测方法，如差分边缘检测、Roberts operator, Prewitt、operator ,神经网络、Sobel operator等。也有最近兴起的小波变换图像边缘检测法和fuzzy theory,基于人工智能等方法。
然而边缘检测技术发展至今，当前己经提出的各种方法之中，对于图像边缘检测的效果，都有自己的优点和不足，也有自己的适用范围。而鲜有能够适用于多数普遍情况的方法。因此，对于寻找和创造适用范围更为广泛、处理效果更佳的边缘检测方法仍然是图像处理中比较主流的方向。
第二章软件设计- 基于MatLab的边缘检测算法
2.1 MatLab简介
MATLAB通常又可被称作是矩阵实验室(根据其英文全称Matrix Laboratory得名)。
作为一款用于计算数值和处理图形图像的软件系统，MATLAB被应用在很多相关领域中，如在矩阵代数中，可利用MATLAB进行矩阵的计算，在数字信号处理领域中，可利用MATLAB进行动态仿真等等。他的几大特点可概括为以下几点:
1)功能强的数值运算。在MATLAB软件的系统函数中，为使用者提供了数五百多种计算函数。这些系统函数不仅数量多，而且涵盖学科范围广泛，包括有数学、统计以及科学等学科。函数的表达比较自然，为使用者提供一种解决问题的模式，让问题的解答像解决数学公式一样，简单而方便，为用户大大减少了操作电脑的时间和精力，而可以投入更多的精力在问题的解决上。
2)先进的资料视觉化功能。MATLAB用户可使用其提供的物件导向图像构架进行视觉数据分，绘制高品质图形，能够帮助用户很好的完成图文并茂的文章。
3)高阶但简单的程式环境。MATLAB语言是一种脚本语言，不需要编译和联结就能够立即执行。相比较FORTRAN或C语言等编译语言，MATLAB语言更为简单、易学、易用，能够让编程者更快速的学会如何编写程序，并且高效地完成工作，而能够大大的节约了时间。此外，MATLAB还提供了很多方便编程者使用的内建功能。
4)开放及可延伸的架构。MATLAB系统提供大量的开源代码，包括内部的数学原始码，可以让使用者能够检视其运算法，并可以根据自己的需要，更改现有的函数。同时，使用者也可以在MATLAB环境的基础上开发自己的功能函数，让MATLAB能够更好地为开发者所使用。同样对于MATLAB的各种工具包也是如此，使用者可以根据自己的需求进行修改或者创新、开发，形成这对性的工具包，以供此类开发方便使用。
5)丰富的程式工具箱。程式工具箱是MATLAB为使用者提供了另一大便利组件，他们由一些针对某些领域而编写的函数的集合。目前己经开发完成，并能够提供给用户使用的有符号数学工具箱，信号处理工具箱，偏微分方程工具箱等等。这些丰富的程式工具箱，解决了用户针对某领域中的
一些普遍处理需求，有效的节约了开发者的时间。
由此可见，MATLAB系统提供了一个更为使用者所方便操作的数学系统环境，且采用矩阵为基本的数据结构，更可在很大程度上的简化了编程。MATLAB语言所定义的语法规则，相比较于其他高级编程语言，更为简单，更容易学习，程序调试可设置断点，存储中间结果，使得MATLAB程序调试变得简单、快捷。
MATLAB的强大之处还在于他的灵活性和友好性。他能够跟许多程序相结合使用，如C语言，FORTRAN语言和Microsoft Word等。当使用者在MATLAB 系统中编写程序的时候，可以根据需要，直接调用C或者FORTRAN的功能函数，同样，在编写C或FORTRAN程序时，也可以根据需要直接调用MATLAB 的函数或命令，更加方便而充分地利用MATLAB中强大的各种数学处理功能。通过将MATLAB程序与其他语言程序灵活而有机的结合在一起使用，不仅可以弥补MATLAB程序中循环速度慢的缺点，也可以供其他程序直接利用MATLAB程序生成的MAT文件执行矩阵数据的读取和写入，从而大大地提高工作效率。
2.2边缘检测算法原理
由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容。首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法，因为导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。以下是几种常用的边缘检测算法。
2.2.1 Roberts 边缘算子
Roberts 边缘检测算子根据任意一对互相垂直方向上的差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，实际是该点连续梯度的近似值，而不是所预期的点处的近似值。另外该算子提取的边缘较粗，对噪声很敏感，并且需要手动地指定一个阈值 (Threshold)，对不同的图像使用不同的阈值后，边界提取效果差别很大。因此 Roberts 算子一般使用自适应的阈值，并对提取的边缘进行细化处理，这样将能有效地改善Roberts 算子的边界提取效果。一般适用于低噪声图像。
2.2.2 Sobel 边缘算子
Sobel 算子是边缘检测器中最常用的算子之一，一般可以利用快速卷积函数，简单有效，因此应用很广泛。该算子有两个，一个是检测水平边沿的；另一个是检测垂直平边沿的。水平与垂直相比，Sobel算子对于像素的位置的影响做了加权，因此效果更好。Sobel算子另一种形式是各向同性Sobel(Isotropic Sobel)算子，也有两个，一个是检测水平边沿的，另一个是检测垂直平边沿的。各向同性 Sobel算子和普通 Sobel 算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。但是该算子并没有将图像的主体与背景严格地区分开来，没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。具有采用加权滤波，边缘较宽，间断点较多的特点，适用于灰度渐变、低噪声图像。
2.2.3 Prewitt 边缘算子
Prewitt 算子是平均算子，和 Roberts 算子相比较，Prewitt 算子是从增大边缘检测算子的模板大小出发的。图像中的每个像素点都用两个模板做卷积，两个卷积的最大值作为该点的输出，这个运算结果也就是我们所需要的一幅边缘幅度图像。其中垂直边缘的检测受第一个模板的影响最大; 水平边缘的检测受第二个模板的影响最大取最大值作为输出。
Prewitt 算子的基本原理为:依次用图像信息边缘的理想模型和实际边缘信息相比较，以找出最相似的模板。在被检测区域中，检测到的边缘点相似度最大的作为最终结果。
2.2.4 Log 边缘算子
拉普拉斯高斯（LOG）算法是一种二阶边缘检测方法。它通过寻找图像灰度值中二阶微分中的过零点来检测边缘点。其原理为灰度级变形成的边缘经过微分算子形成一个单峰函数，峰值位置对应边缘点；对单峰函数进行微分，则峰值处的微分值为0，峰值两侧符号相反，而原先的极值点对二阶微分中的过零点，通过检测过零点即可将图像的边缘提取出来。具有各向同性、线性、位移不变的特点，对细线和孤立点效果较好。但对噪声较敏感，适用于屋顶型边缘的检测。
2.2.5 Canny 边缘算子
Canny 算子是一个具有滤波、增强和检测的多阶段的优化算子。在进行处理前，该算子先利用高斯平滑滤波器来平滑图像以除去噪声，其分割算
法采用一阶偏导的有限差分来计算梯度的幅值和方向。在处理过程中，Canny 算法还将经过一个非极大值抑制的过程，最后将采用两个阈值来连接边缘。具有高定位精度、低误判率、抑制虚假边缘的特点,适用于高噪声图像。
2.3边缘检测算法--测试程序
用MatLab 程序实现 ,为了便于二值化后的图像的显示的清楚，利用相机拍摄一幅智能车赛道的图像（实际情况下是智能车上的摄像头拍摄图像，然后进行分析）。
调用专门的边缘检测 edge 函数，进而实现各算子对边缘的检测，其调用格式如下:
BW = edge( I，’method’ )
BW = edge( I，’method’，thresh)
BW = edge( I，’method’，thresh，direction)
［BW，thresh］= edge( I，’method’，…)
Method 就是指要选用的算子类型，供我们可以选择的 method 有Roberts、Sobel、Prewitt、Log、Canny 等。另外，可供选择的参数还有 thresh( 阈值) 、sigma( 方差) 和 direction( 方向) 等。
以下为一些测试程序：
% 读入图像并进行显示
I=imread(‘赛道.bmp’);
Figure，imshow(I)
图1智能车赛道源图
% 对图像进行灰度处理并进行显示
I1=rgb2gray(I);
Figure，imshow(I1)
图 2 智能车赛道灰度图
% 画出腐蚀后的图像
se = strel('ball',5,5);
I2 = imerode(I1,se);
figure, imshow(I2), title('Eroded')
图 3 智能车赛道腐蚀后图像
% 利用 Roberts 算子求图像边界并显示BW1=edge(I1,'roberts','both'); figure ,imshow(BW1),
title(' 用 Roberts 算子 ')
图 4 采用 Roberts 算子的图像边界
% 利用 sobel 算子求图像边界并显示
BW2=edge(I1,'sobel','both');
figure,imshow(BW2),title(' 用 Sobel 算子 ')
图 5 采用 Sobel 算子的图像边界
% 利用 LOG 算子求图像边界并显示
BW3=edge(I1,'log','both');
figure,imshow(BW3),title(' 用拉普拉斯高斯算子 ')
图 6 采用拉普拉斯高斯算子的图像边界
图 7 采用 Canny 算子的图像边界
第三章实验结果及分析
3.1Roberts算子检测图像边缘的实现
1)获取原图像的数据区指针。
2)新建一个缓冲区，用于进行图像处理的中间过程和缓存中间结果，其大小应该与原图像一样。初始化区域中的所有像素值，设置成255.
3)核心算法的执行是在我们新建的缓冲区里面，用Roberts算子遍历图像中所有的像素点，分别计算其灰度值，再根据上述公式进行计算。
4)将缓冲区中的计算数据结果，复制到原图数据区。
实现代码如下:
I=imread('smallmiyue.jpg');
%读取待处理图像文件
subplot(131),imshow(I),title('原图像');
%显示待处理图像文件
image=rgb2gray(I);
%将图片转换成灰度图像
BW1=edge(image ,'Roberts');
%image为将要进行边缘检测目标图像，所使用的方法是Roberts算子，而阂值则是由系统自适应生成的
subplot(132),imshow(BW1),title( 'Roberts算子');
%显示Roberts自动阂值边缘检测效果图像
BW2=edge(image,'Roberts',0.07);
%image为将要进行边缘检测目标图像，所使用的方法是Roberts算子，而阂值设置为0. 07
subplot(133),imshow(BW2),title( 'Roberts算子I0}7值0.07' );
%处理效果图
图8 Roberts算子检测图像边缘处理效果图
3.2Sobel算子检测图像边缘的实现
1)获取原图像的数据区指针。
2)新建两个缓冲区，其大小与原图像一样，用于存储原图像及其副本，以供后面
的计算处理。同时将这两个区域初始化为原图像的副本。
3)为两个缓存区域，分别设置一个用于卷积操作的Sobel算子模板，然后两个区域
中，分别遍历副本图像中的所有像素，逐一进行卷积操作，计算结果。
4)将上一步骤中所得到的两个缓存区域中的结果进行比较，将较大值重新赋值给
图像中的像素点。
5)将缓冲区中选择的图像复制到原图像数据区。
实现代码如下:
I=imread('smallmiyue.jpg' );
%读取待处理图像文件
subplot(131),imshow(I),title('原图像');
%显示待处理图像文件
image=rgb2gray(I);
%将图片转换成灰度图像
BW1=edge(image,'Sobel' );
%image为将要进行边缘检测目标图像，所使用的方法是Sobel算子，而阂
值则是由系统自适应生成的
subplot(132),imshow(BW1),title( 'Sobel算子');
%显示处理后图像
BW2=edge(image,'Sobel',0.07);
%image为将要进行边缘检测目标图像，所使用的方法是Sobel算子，而阂值设置为 0. 07
subplot(133),imshow(BW2),title('Sobel算子I0}7值0.07');
%阂值为0. 07的Sobel算子处理后图像
图9 Sobel算子检测图像边缘处理效果图
3.3 Prewitt算子检测图像边缘的实现
1)获取原图像的数据区指针。
2)新建两个缓冲区，其大小与原图像一样，用于存储原图像及其副本，以供后面
的计算处理。同时将这两个区域初始化为原图像的副本。
3)为两个缓存区域，
后两个区域中，
果。
在每个区域中单独设置一个用于卷积操作的Prewitt模板，然
分别遍历副本图像中的所有像素，逐一进行卷积操作，计算结
4)将上一步骤中所得到的两个缓存区域中的结果进行比较，将较大值重新赋值给
图像中的像素点。
5)将缓冲区中选择的图像复制到原图像数据区。
实现代码如下:
I=imread('smallmiyue.jpg');
%读取待处理图像文件
subplot(131),imshow(I),title('原图像');
%显示待处理图像文件
image=rgb2gray(I);
%将图片转换成灰度图像
BW1=edge(image ,'Prewitt');
%image为将要进行边缘检测目标图像，所使用的方法是Prewitt算子，而阂值则是由系统自适应生成的
subplot(132),imshow(BW1),title( 'Prewitt算子');
%显示Prewitt自动阂值边缘检测效果图像
BW2=edge(image,'Prewitt',0.05);
%image为将要进行边缘检测目标图像，所使用的方法是Prewitt算子，而阂值设置为0. 05
subplot(133),imshow(BW2),title('Prewitt算子I0}7值0.05' );
%输出阂值为0. 05的Prewitt算子，边缘检测处理后图像
图10 prewitt算子检测图像边缘处理效果图
3. 4高斯一拉普拉斯LOG算子检测图像边缘的实现
1)获取原图像的数据区指针。
2)申请一个和原图像大小相同的图像缓冲区，将原图像复制到缓冲区中。
3)设置一个用于卷积操作的Gauss-Laplace算子模板，在区域中遍历副
本图像中的所有像素，逐一进行卷积操作，计算结果。
4)将计算结果复制到原图像数据区。
实现代码如下:
I=imread('smallmiyue.jpg');
%读取待处理图像文件
subplot(1,3,1),imshow(I),title('原图像');
%显示待处理图像文件
image=rgb2gray(I);
%将图片转换成灰度图像
BW1=edge(image ,'LOG');
%image为将要进行边缘检测目标图像，所使用的方法是LOG算子，而阂值则是由系统自适应生成的
subplot(132),imshow(BW1),title( 'LOG算子');
%显示LOG自动阂值边缘检测效果图像
BW2=edge(image,'LOG',[],4);
%使用LOG算子检测图像边缘，标准差s设置为4
subplot(133),imshow(BW2),title('LOG算子s为4')
%显示s为4的LOG算子处理后图像
图11 Log算子检测图像边缘处理效果图
3.5Canny算子检测图像边缘的实现
1)获取原图像的数据区指针。
2)将原图像用Gauss滤波器平滑噪声，达到降低噪声影响的目的。即使用Gauss
函数与原图像做卷积计算。
3)将上一步骤的结果图像，作为此步骤的输入，首先计算一阶偏导有限差分，然
后再计算其局部区域的梯度幅值和方向，并进行非极大值抑制。
4)新建两个图像缓冲区域，用于存储目标图像的副本，设置其大小与原图像相同，
并将原图像的副本分别初始化到两个区域中。
5)在两个缓冲区中分别用thl和th2提取图像边缘信息，得到图像1和图像2.
6)在进行连接边缘的操作时，主要是以图像2为基础，通过对图像1中的对比和
考察，不断的把有效的细节信息补充进去，以得到较为连续的图像边缘。
7)将连接图像复制到原图像数据区中。
实现代码如下:
I=imread('smallmiyue.jpg' );
%读取待处理图像文件
subplot(131),imshow(I),title('原图像');
%显示待处理图像文件
image=rgb2gray(I);
%将图片转换成灰度图像
BW1=edge(image,'Canny');
%image为将要进行边缘检测目标图像，所使用的方法是Canny算子
%系统自适应生成阂值
subplot(132),imshow(BW1),title( 'Canny算子');
%显示检测效果图像
BW2=edge(image,'Canny',[0.2 0.5]);
%认为将阂值设置为[0. 2 0. 5]
subplot(133),imshow(BW2),title('Canny算子s为4')
%处理后图像
图12 canny算子检测图像边缘处理效果图
第四章总结与心得体会
本文主要针对在图像处理研究中用于进行边缘检测处理的几种较为重要和基础的检测算法，详细的介绍了其原理，并进行了实验操作，得出结论。图像处理技术以其强大的功能和丰硕的成果，为我们在生活以及军事等很多领域中，解决了很多难题，推动了各研究领域的发展，他的重要性不言而喻。而作为图像处理中最基础的操作环节，边缘检测处理技术也就拥有着举足轻重的作用以及非常重要的研究意义。要进行研究图像处理技术的工作，了解和掌握图像边缘处理技术是非常必要的环节。
实际应用中，最常使用的边缘检测方法有Roberts边缘检测算子等经典方法，这些图像边缘检测算法虽然在处理图像时都有自己的缺点，但是他们相对比较简单，而且技术成熟，同时计算量也比较小，在根据使用需求具体选择，再加之改进，他们仍然有很大的应用空间和潜力。此外还有一些较为新型的边缘检测技术，是最近几年才发展起来的，如小波变换、数学形态学理论、分形理论等，他们具有较好的图像处理效果，但是相对的比较复杂，运算量较大。因此，对于如何为了满足不同的图像处理需求，从而选择最为合适的边缘检测技术，使其能够在运算效率和处理效果上达到一个更好的平衡，进而能更好的检测图像的边缘，依旧是目前图像处理方面的一个研究热点。
在医学诊疗和研究中，医学图像处理的影响力和重要程度日趋增大，医学图像处理为医生诊断疾病提供更直观和有力的依据，为治疗方案的定制提供了最有价值的参考，同时也为医生跟踪患者的治疗情况提供的便利途径。重中之重的则是图像处理过程的基础环节一一边缘检测技术，他是大部分图像处理的基础，其处理的结果以及效果的优劣都最直接的影响到下一步的操作和处理当中。因此，他在医学图像处理以及医学诊疗和研究中的地位也是举足轻重，不可或缺的，同时，这项技术己经广为医学研究所使用。更好的研究如何将医学图像处理结合到更多的情况中应用到医疗领域中，更会有助于医疗事业的快速发展。
此外，本文还简要地介绍了MATLAB软件。MATLAB拥有较强的对数学问题解决的能力，方便与我们对于处理基于数学理论的很多问题，包括数字图像处理。利用MATLAB所提供的强大的数学函数库，针对图像处理所提供的函数库，以及友好的用户界面，我们可以更容易、更高效地理解图像处理的理论，掌握图像处理的基本方法。
由于本人对图像处理所涉及的知识了解和掌握有限，在文中仅仅对图像边缘检测技术中一些比较常用的方法进行了初步的介绍和和粗浅的分析总结。希望能够通过以后在图像处理方面的进一步学习和研究，更加成熟地掌握有关的知识和技术。
抽样定理的应用 摘要 抽样定理表示为若频带宽度有限的，要从抽样信号中无失真地恢复原信号，抽样频率应大于2倍信号最高频率。抽样频率小于2倍频谱最高频率时，信号的频谱有混叠。抽样频率大于2倍频谱最高频率时，信号的频谱无混叠。 语音信号处理是研究用数字信号处理技术和语音学知识对语音 信号进行处理的新兴学科，是目前发展最为迅速的学科之一，通过语音传递信息是人类最重要，最有效，最常用和最方便的交换信息手段，所以对其的研究更显得尤为重要。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用 软件，它可以将声音文件变换成离散的数据文件，然后用起强大的矩阵运算能力处理数据。这为我们的本次设计提供了强大并良好的环境！ 本设计要求通过利用matlab对模拟信号和语音信号进行抽样，通过傅里叶变换转换到频域，观察波形并进行分析。 关键词：抽样Matlab
目录 一、设计目的： (2) 二、设计原理： (2) 1、抽样定理 (2) 2、MATLAB简介 (2) 3、语音信号 (3) 4、Stem函数绘图 (3) 三、设计内容： (4) 1、已知g1(t)=cos(6πt),g2(t)=cos(14πt),g3(t)=cos(26πt),以抽样频率 fsam=10Hz对上述三个信号进行抽样。在同一张图上画出g1(t)，g2(t)，g3(t)及其抽样点,对所得结果进行讨论。 (4) 2、选取三段不同的语音信号，并选取适合的同一抽样频率对其进 行抽样，画出抽样前后的图形，并进行比较，播放抽样前后的语音。 (6) 3、选取合适的点数，对抽样后的三段语音信号分别做DFT，画图 并比较。 (10) 四、总结 (12) 五、参考文献 (13)
数字图像处理 课程设计报告 姓名： 学号： 班级： 设计题目：图像处理 教师：赵哲老师 提交日期： 12月29日
一、设计内容： 主题：《图像处理》 详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等）， 二、涉及知识内容： 1、二值化 2、各种滤波 3、算法等 三、设计流程图 四、实例分析及截图效果： 运行效果截图： 第一步：读取原图,并显示 close all;clear;clc; % 清楚工作窗口clc 清空变量clear 关闭打开的窗口close all I=imread(''); % 插入图片赋给I imshow(I);% 输出图I I1=rgb2gray(I);%图片变灰度图 figure%新建窗口 subplot(321);% 3行2列第一幅图 imhist(I1);%输出图片
title('原图直方图');%图片名称 一，图像处理模糊 H=fspecial('motion',40); %% 滤波算子模糊程度40 motion运动 q=imfilter(I,H,'replicate');%imfilter实现线性空间滤波函数，I图经过H滤波处理，replicate反复复制q1=rgb2gray(q); imhist(q1); title('模糊图直方图'); 二，图像处理锐化 H=fspecial('unsharp');%锐化滤波算子，unsharp不清晰的 qq=imfilter(I,H,'replicate'); qq1=rgb2gray(qq); imhist(qq1); title('锐化图直方图'); 三，图像处理浮雕(来源网络) %浮雕图 l=imread(''); f0=rgb2gray(l);%变灰度图 f1=imnoise(f0,'speckle',; %高斯噪声加入密度为的高斯乘性噪声 imnoise噪声污染图像函数 speckle斑点 f1=im2double(f1);%把图像数据类型转换为双精度浮点类型 h3=1/9.*[1 1 1;1 1 1;1 1 1]; %采用h3对图像f2进行卷积滤波 f4=conv2(f1,h3,'same'); %进行sobel滤波 h2=fspecial('sobel'); g3=filter2(h2,f1,'same');%卷积和多项式相乘 same相同的 k=mat2gray(g3);% 实现图像矩阵的归一化操作 四，图像处理素描(来源网络) f=imread(''); [VG,A,PPG] = colorgrad(f); ppg = im2uint8(PPG); ppgf = 255 - ppg; [M,N] = size(ppgf);T=200; ppgf1 = zeros(M,N); for ii = 1:M for jj = 1:N if ppgf(ii,jj) 语音信号的数字滤波 ——利用双线性变换法实现IIR数字滤波器的设计一．课程设计的目的 通过对常用数字滤波器的设计和实现，掌握数字信号处理的工作原理及设计方法；熟悉用双线性变换法设计 IIR 数字滤波器的原理与方法，掌握利用数字滤波器对信号进行滤波的方法，掌握数字滤波器的计算机仿真方法，并能够对设计结果加以分析。 二．设计方案论证 1.IIR数字滤波器设计方法 IIR数字滤波器是一种离散时间系统，其系统函数为 假设M≤N，当M＞N时,系统函数可以看作一个IIR的子系统和一个(M-N)的FIR子系统的级联。IIR数字滤波器的设计实际上是求解滤波器的系数和，它 是数学上的一种逼近问题，即在规定意义上（通常采用最小均方误差准则）去逼近系统的特性。如果在S平面上去逼近，就得到模拟滤波器；如果在z平面上去逼近，就得到数字滤波器。 2.用双线性变换法设计IIR数字滤波器 脉冲响应不变法的主要缺点是产生频率响应的混叠失真。这是因为从S平面到Ｚ平面是多值的映射关系所造成的。为了克服这一缺点，可以采用非线性频率压缩方法，将整个频率轴上的频率范围压缩到-π/T～π/T之间，再用z=e sT转换 平面的-π/T～π到Z平面上。也就是说，第一步先将整个S平面压缩映射到S 1 /T一条横带里；第二步再通过标准变换关系z=e s1T将此横带变换到整个Z平面上去。这样就使S平面与Z平面建立了一一对应的单值关系，消除了多值变换性，也就消除了频谱混叠现象，映射关系如图1所示。 图1双线性变换的映射关系 为了将S平面的整个虚轴jΩ压缩到S1平面jΩ1轴上的-π/T到π/T段上，可以通过以下的正切变换实现 . . . .页脚. 数字图像处理课程设计容、要求 题目一：图像处理软件 1、设计容及要求： （1）、独立设计方案，实现对图像的十五种以上处理（比如：底片化效果、灰度增强、图像复原、浮雕效果、木刻效果等等）。 （2）、参考photoshop软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示； （3）、将实验结果与其他软件实现的效果进行比较、分析。总结设计过程所遇到的问题。 2、参考方案（所有参考方案若无特殊说明，均以matlab为例说明）： (1)实现图像处理的基本操作 学习使用matlab图像处理工具箱，利用imread（）语句读入图像，例如 image=imread（flower.jpg），对图像进行显示(如imshow（image）)，以及直方图计算和显示。 (2)图像处理算法的实现与显示 针对课程中学习的图像处理容，实现至少十五种图像处理功能，例如模糊、锐化、对比度增强、复原操作。改变图像处理的参数，查看处理结果的变化。自己设计要解决的问题，例如引入噪声，去噪；引入运动模糊、聚焦模糊等，对图像进行复原。 (3)参照“photoshop”软件，设计图像处理软件界面 可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视功能多少而定；参考matlab软件中GUI设计，学习软件界面的设计。 . . . 题目二：数字水印 1、设计容及要求： 为保护数字图像作品的知识产权，采用数字水印技术嵌入水印图像于作品中，同时尽可能不影响作品的可用性，在作品发生争执时，通过提取水印信息确认作品。通常情况下，水印图像大小要远小于载体图像，嵌入水印后的图像可能遇到噪声、有损压缩、滤波等方面的攻击。因此，评价水印算法的原则就是水印的隐藏性和抗攻击性。根据这一要求，设计水印算法。 （1）、查阅文献、了解数字水印的基本概念。 （2）、深入理解一种简单的数字水印嵌入与提取方法。 （3）、能够显示水印嵌入前后的载体图像。 （4）、能够显示嵌入与提取的水印。 （5）、选择一种以上的攻击方法，测试水印算法的鲁棒性等性能。 （6）、设计软件界面 2、参考方案 (1)对水印图像进行编码置乱（可采用伪随机码，提高水印图像的隐蔽性）； (2) 对图像进行子图像分解（如8*8），对子块分别进行DCT变换； (3) 对DCT系数按照zig-zag排序进行排列，选择一种频系数，对该种频系数相邻 的系数进行水印嵌入 (4) 低通滤波检验水印算法的抗攻击性。 (5) 设计数字水印的软件界面。 .页脚. 课程设计报告书课程名称：数字图像处理 题目：数字图像处理的傅里叶变换 学生姓名： 专业：计算机科学与技术 班别：计科本101班 学号： 指导老师： 日期： 2013 年 06 月 20 日 数字图像处理的傅里叶变换 1.课程设计目的和意义 (1)了解图像变换的意义和手段 (2)熟悉傅里叶变换的基本性质 (3)热练掌握FFT的方法反应用 (4)通过本实验掌握利用MATLAB编程实现数字图像的傅里叶变换 通过本次课程设计，掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养综合设计能力。 2.课程设计内容 (1)熟悉并掌握傅立叶变换 (2)了解傅立叶变换在图像处理中的应用 (3)通过实验了解二维频谱的分布特点 (4)用MATLAB实现傅立叶变换仿真 3.课程设计背景与基本原理 傅里叶变换是可分离和正交变换中的一个特例，对图像的傅里叶变换将图像从图像空间变换到频率空间，从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后，傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (1)应用傅里叶变换进行数字图像处理 数字图像处理（digital image processing）是用计算机对图像信息进行处理的一门技术，使利用计算机对图像进行各种处理的技术和方法。 20世纪20年代，图像处理首次得到应用。20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。 数字图像处理课程设计报告 目录 一．实验目的 (3) 二．实验内容............ ................... . (3) 1.打开图像 (3) (1)、图像信息获取 (3) (2). RgbtoHsi(&rgb, &Hsi) (4) (3).OnMouseMove(UINT nFlags, CPoint point) (4) 2．标记Mark点 (5) (1)标记可能的点 (5) (2)把可能标记的点变为标记点 (5) (3) EdgeIformation边缘标记 (6) (4)EdgeFilter边缘滤波 (6) 3.二值化 (7) 4.填洞 (8) 5收缩 (10) 6获取中心点 (11) 三．学习心得 1.错误总结 (16) 2.心得体 会 (17) 一．实验目的： 对血液细胞切片图片进行各种处理，最终得出细胞的数目、半径等信息 基于vc的红细胞识别统计系统设计 它主要以病人的血液样本为原始数据。经过一系列的图像处理和分析，识别出血液中的红细胞，并能给出红细胞的个数。而得到红细胞的个数以后，通过血液量的检测，就可以得出血液中红细胞的密度。该系统可以很方便的利用在临床上，大大提高速度和效率。 二、实验内容 基于VC++6.0软件下的细胞识别，通过细胞的标记、二值化、提取边缘、填洞、收缩、找中心点、计数等过程完成实验目的 1 . 打开图像 （1）图像信息获取 该步骤实现的功能是打开bmp格式的图像文件，要对图像进行操作，系统必须能调用图像。 打开bmp图像的具体步骤为 1.新建项目：--MFC AppWizard、工程名 2.拷贝cdib.h，cdib.cpp到工程文件夹，再向工程里添加 3.~Doc.h添加变量：m_pDib 4.~doc.cpp:变量（m_pDib）：new、delete 5.~doc.cpp: Serialize（） 6.~View.cpp: OnDraw() m_pDib->Draw() 2．RgbtoHsi(&rgb, &Hsi) 数字信号处理课程设计 姓名：刘倩 学号：201014407 专业：信息与计算科学 实验一：常见离散信号产生和实现 一、实验目的： 1、加深对常用离散信号的理解； 2、掌握matlab 中一些基本函数的建立方法。 二、实验原理： 1.单位抽样序列 在MATLAB 中可以利用zeros()函数实现。 如果)(n δ在时间轴上延迟了k 个单位，得到)(k n -δ即： 2．单位阶越序列 在MATLAB 中可以利用ones()函数实现。 3．正弦序列 在MATLAB 中 4．复指数序列 在MATLAB 中 5．指数序列 在MATLAB 中 实验内容：由周期为10的正弦函数生成周期为20的余弦函数。 实验代码： n=0:30; y=sin(0.2*pi*n+pi/2); y1=sin(0.1*pi*n+pi/2); subplot(121) stem(n,y); xlabel ('时间序列n');ylabel('振幅');title('正弦函数序列y=sin(0.2*pi*n+pi/2)'); subplot(122) stem(n,y1); xlabel ('时间序列n');ylabel('振幅'); title('正弦函数序列y=sin(0.2*pi*n+pi/2)'); 实验结果： 实验二：离散系统的时域分析 实验目的：加深对离散系统的差分方程、冲激响应和卷积分析方法的理解。实验原理：离散系统 其输入、输出关系可用以下差分方程描述： 输入信号分解为冲激信号， 记系统单位冲激响应 则系统响应为如下的卷积计算式： 当N k d k ,...2,1,0==时，h[n]是有限长度的（n ：[0，M]），称系统为FIR 系统；反之，称系统为IIR 系统。 在MATLAB 中，可以用函数y=filter(p,d,x)实现差分方程的仿真，也可以用函数 y=conv(x,h)计算卷积，用y=impz(p,d,N)求系统的冲激响应。 实验内容：用MATLAB 计算全解 当n>=0时，求用系数差分方程y[n]+y[n-1]-6y[n-2]=x[n]描述的一个离散时间系统对阶跃输入x[n]=8μ[n]的全解。 实验代码： n=0:7; >> [y,sf]=filter(1,[1 1 -6],8*ones(1,8),[-7 6]); >> y1(n+1)=-1.8*(-3).^n+4.8*(2).^n-2; >> subplot(121) >> stem(n,y); >> title('由fliter 函数计算结果'); >> subplot(122) >> stem(n,y1); >> title('准确结果'); 实验结果： 结果分析：有图可得由fliter 函数得出的结果与计算出的准确结果完全一致。 实验三FFT 算法的应用 图像处理课程设计报告 导语：设计是把一种设想通过合理的规划周密的计划通过各种感觉形式传达出来的过程。以下是XX整理图像处理课程设计报告的资料，欢迎阅读参考。 图像处理课程设计报告1 摘要：图像处理技术从其功能上可以分为两大类：模拟图像处理技术、和数字图像处理技术。数字图像处理技术指的是将图像信号直接转换成为数字信号，并利用计算机进行处理的过程，其主要的特点在于处理的精度高、处理的内容丰富、可以进行复杂、难度较高的处理内容。当其不在于处理的速度比较缓慢。当前图像处理技术主要的是体现在数字处理技术上，本文说阐述的图像处理技术也是以数字图像处理技术为主要介绍对象。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。近年来, 图像处理技术得到了快速发展, 呈现出较为明显的发展趋势, 了解和掌握这些发展趋势对于做好目前的图像处理工作具有前瞻性的指导意义。本文总结了现代图像处理技术的三点发展趋势。 对图像进行处理(或加工、分析)的主要目的有三个方面: (1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。(2)提取图像中所包含的某些特征或特殊信息,这些被提 取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是计算机或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。 (3)图像数据的变换、编码和压缩,以便于图像的存储和传输。不管是 何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。 数字图像处理主要研究的内容有以下几个方面： 图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 图像编码压缩图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。 上海理工大学 计算机工程学院 实验报告 实验名称红细胞数目统计课程名称数字图像处理 姓名王磊学号0916020226 日期2012-11-27 地点图文信息中心成绩教师韩彦芳 一、设计内容： 主题：《红细胞数目检测》 详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。 二、现实意义： 细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。 三、涉及知识内容： 1、中值滤波 2、开运算 3、闭运算 4、二值化 5、贴标签 四、实例分析及截图效果： （1）代码如下： 1、程序中定义图像变量说明 （1）Image--------------------------------------------------------------原图变量; （2）Image_BW-------------------------------------------------------值化图象; （3）Image_BW_medfilt-------------------------中值滤波后的二值化图像; （4）Optimized_Image_BW---通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果； （5）Reverse_Image_BW--------------------------优化后二值化图象取反；（6）Filled_Image_BW----------------------已填充背景色的二进制图像；（7）Open_Image_BW--------------------------------------开运算后的图像； 2、实现代码： %-------图片前期处理------------------- %第一步：读取原图,并显示 A = imread('E:\红细胞3.png'); Image=rgb2gray(A); %RGB转化成灰度图 figure,imshow(Image); title('【原图】'); %第二步：进行二值化 Theshold = graythresh(Image); %取得图象的全局域值 Image_BW = im2bw(Image,Theshold); %二值化图象 figure,imshow(Image_BW); title('【初次二值化图像】'); %第三步二值化图像进行中值滤波 Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,imshow(Image_BW_medfilt); title('【中值滤波后的二值化图像】'); %第四步：通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果 Optimized_Image_BW = Image_BW_medfilt|Image_BW; figure,imshow(Optimized_Image_BW); title('【进行“或”运算优化图像效果】'); %第五步：优化后二值化图象取反，保证：‘1’-〉‘白色’，‘0’-〉‘黑色’ %方便下面的操作 Reverse_Image_BW = ~Optimized_Image_BW; figure,imshow(Reverse_Image_BW); title('【优化后二值化图象取反】'); 数字信号处理课程设计报告《应用Matlab对信号进行频谱分析及滤波》 专业： 班级： 姓名： 指导老师： 二0 0五年一月一日 目录 设计过程步骤（） 2.1 语音信号的采集（） 2.2 语音信号的频谱分析（） 2.3 设计数字滤波器和画出其频谱响应（） 2.4 用滤波器对信号进行滤波（） 2.5滤波器分析后的语音信号的波形及频谱（） ●心得和经验（） 设计过程步骤 2.1 语音信号的采集 我们利用Windows下的录音机，录制了一段开枪发出的声音，时间在1 s内。接着在C盘保存为WAV格式，然后在Matlab软件平台下．利用函数wavread对语音信号进行采样，并记录下了采样频率和采样点数，在这里我们还通过函数sound引入听到采样后自己所录的一段声音。通过wavread函数和sound的使用，我们完成了本次课程设计的第一步。其程序如下： [x,fs,bite]=wavread('c:\alsndmgr.wav',[1000 20000]); sound(x,fs,bite); 2.2 语音信号的频谱分析 首先我们画出语音信号的时域波形；然后对语音信号进行频谱分析，在Matlab中，我们利用函数fft对信号进行快速傅里叶变换，得到信号的频谱特性性。到此，我们完成了课程实际的第二部。 其程序如下： n=1024; subplot(2,1,1); y=plot(x(50:n/4)); grid on ; title('时域信号') X=fft(x,256); subplot(2,1,2); plot(abs(fft(X))); grid on ; title('频域信号'); 运行程序得到的图形： PROJECT 03-01 Image Enhancement Using Intensity Transformations The focus of this project is to experiment with intensity transformations to enhance an image. Download Fig. 3.8(a) and enhance it using (a) The log transformation of Eq. (3.2-2). (b) A power-law transformation of the form shown in Eq. (3.2-3). In (a) the only free parameter is c, but in (b) there are two parameters, c and r for which values have to be selected. As in most enhancement tasks, experimentation is a must. The objective of this project is to obtain the best visual enhancement possible with the methods in (a) and (b). Once (according to your judgment) you have the best visual result for each transformation, explain the reasons for the major differences between them. 使用强度的转变实现图像增强 这个项目的焦点就是通过强度转换实验来增强图像。 下载图片3.8（a），并且对它实现增强。对数变换的公式如3.2.2所示，幂次变换的基本形式如3.2.3所示。 在（a）中，唯一的自由参数是c，但是在（b）中有两个参数，c以及一个需要被选定值的参数r，在大多数关于增强的任务中，实验是必须的。这个项目的目的是为了用在（a）和（b）中的方法来获得最佳可视化增强的可能性，一旦（根据你的判断）你对每一个变换都拥有了最好的视觉效果,解释一下它们之间产生主要差别的原因。 PROJECT 03-02 [Multiple Uses] Histogram Equalization (a) Write a computer program for computing the histogram of an image. (b) Implement the histogram equalization technique discussed in Section 3.3.1. (c) Download Fig. 3.8(a) and perform histogram equalization on it. As a minimum, your report should include the original image, a plot of its histogram, a plot of the histogram-equalization transformation function, the enhanced image, and a plot of its histogram. Use this information to explain why the resulting image was enhanced as it was. 直方图均衡化 （a）写一个程序来计算图像的直方图 （b）实现直方图均衡化方法在参考3.3.1 （c）下载图38(a)并实现其直方图均衡。 你的实验报告中至少需要包括原图，绘制其直方图，增强后的图形，并绘制它的直方图。用以上这些信息解释为什么图像的增强结果是这样的。 PROJECT 03-03 [Multiple Uses] 课程设计报告书 课程名称：数字图像处理 题目：数字图像处理的傅里叶变换 学生姓名： 专业：计算机科学与技术 班别：计科本101班 学号： 指导老师： 日期：2013 年06 月20 日 数字图像处理的傅里叶变换 1.课程设计目的和意义 (1)了解图像变换的意义和手段 (2)熟悉傅里叶变换的基本性质 (3)热练掌握FFT的方法反应用 (4)通过本实验掌握利用MATLAB编程实现数字图像的傅里叶变换 通过本次课程设计，掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养综合设计能力。 2.课程设计内容 (1)熟悉并掌握傅立叶变换 (2)了解傅立叶变换在图像处理中的应用 (3)通过实验了解二维频谱的分布特点 (4)用MATLAB实现傅立叶变换仿真 3.课程设计背景与基本原理 傅里叶变换是可分离和正交变换中的一个特例，对图像的傅里叶变换将图像从图像空间变换到频率空间，从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后，傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (1)应用傅里叶变换进行数字图像处理 数字图像处理（digital image processing）是用计算机对图像信息进行处理的一门技术，使利用计算机对图像进行各种处理的技术和方法。 ? ??20世纪20年代，图像处理首次得到应用。20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。 傅里叶变换在数字图像处理中广泛用于频谱分析，傅里叶变换是线性系统分析的一个有力工具，它使我们能够定量地分析诸如数字化系统，采样点，电子放大器，卷积滤波器，噪声，显示点等地作用（效应）。傅里叶变换（FT）是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图像信息的第二种语言，广泛应用于图像变换，图像编码与压缩，图像分割，图像重建等。因此，对涉及数字图像处理的工作者，深入研究和掌握傅里叶变换及其扩展形式的特性，是很有价值得。 (2)关于傅里叶（Fourier）变换 在信号处理中，傅里叶变换可以将时域信号变到频域中进行处理，因此傅里叶变换在信号处理中有着特殊重要的地位。 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。傅里叶变换属于谐波分析。傅里叶变换的逆变换容易求出,而且形式与正变换非常类似；正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号 数字信号处理 课 程 设 计 院系：电子信息与电气工程学院 专业：电子信息工程专业 班级：电信班 姓名： 学号： 组员： 摘要 滤波器设计在数字信号处理中占有极其重要的地位，FIR数字滤波器和IIR 滤波器是滤波器设计的重要组成部分。利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MATLAB有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论，再利用 MATLAB 作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FIR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIR数字滤波器，并利用MATLAB 作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用MATLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词数字滤波器 MATLAB 窗函数法巴特沃斯 目录 摘要 (1) 1 引言 (1) 1.1课程设计目的 (1) 1.2 课程设计内容及要求 (1) 1.3课程设计设备及平台 (1) 1.3.1 数字滤波器的简介及发展 (1) 1.3.2 MATLAB软件简介 (2) 2 课程设计原理及流程 (4) 3.课程设计原理过程 (4) 3.1 语音信号的采集 (4) 3.2 语音信号的时频分析 (5) 3.3合成后语音加噪声处理 (7) 3.3.1 噪声信号的时频分析 (7) 3.3.2 混合信号的时频分析 (8) 3.4滤波器设计及消噪处理 (10) 3.4.1 设计IIR和FIR数字滤波器 (10) 3.4.2 合成后语音信号的消噪处理 (13) 3.4.3 比较滤波前后语音信号的波形及频谱 (13) 3.4.4回放语音信号 (15) 3.5结果分析 (15) 4 结束语 (15) 5 参考文献 (16) 第四次实验报告 实验课程：图像图像处理实验人：尹丽（200921020047） 实验时间：2012年4月19日实验地点：5-602 指导老师：夏倩老师成绩： 一、实验内容： ⑴图像的锐化：使用Sobel，Laplacian 算子分别对图像进行运算，观察并体会运算结果。 ⑵综合练习：对需要进行处理的图像分析，正确运用所学的知识，采用正确的步骤，对图像进行各类处理，以得到令人满意的图像效果。 二、实验目的： 学会用Matlab中的下列函数对输入图像按实验内容进行运算；感受各种不同的图像处理方法对最终图像效果的影响。（imfilter；fspecial；） 三、实验步骤： 1、仔细阅读Matlab 帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。 2、将Fig3.41(c).jpg 图像文件读入Matlab ，使用filter2函数分别采用不同的算子对其作锐化运算，显示运算前后的图像。 3、算子的输入可采用直接输入法。其中Sobel ，Laplacian ，也可用fspecial 函数产生。 4、各类算子如下： ???? ??????---121000121 ??????????-111181111 5、将Fig3.46(a).jpg 图像文件读入Matlab ，按照以下步骤对其进行处理： （1）用带对角线的Laplacian 对其处理，以增强边缘。 （2）用imadd 函数叠加原始图像。可以看出噪声增强了，应想法降低。 （3）获取Sobel 模板并用filter2对其进行5×5邻域平均，以减少噪声。 5（1）实验代码如图： 对角线Laplacian Sobel 垂直梯度 《图像处理技术应用实践》课程设计题目图像增强算法综合应用 学生姓名韩帅_______ 学号 院系计算机与软件学院 专业计算机科学与技术 范春年____ 噪声，不同的去噪方法效果不同，因此应该采用不同的去噪方法以达到最好的去噪效果。? （2）随机噪声应在空间域去除，而空域去噪方法中，中值滤波法效果最好。? （3）周期噪声应在频域中消去。? （4）去除噪声后的图像仍然可以改善处理。? （5）均方误差评估去噪处理后图像的去噪效果。 2.2算法设计? （1）读入初始图片及加噪图片。? clc;?clear;? f=imread();? ? for?j?=?1?:?N? ???????d?=?sqrt((i-m)^2+(j-n)^2);? ????? h?=?1/(1+0.414*(d/d0)^(2*nn));??%?计算低通滤波器传递函数??????????? ?result(i,j)?=?h?*?G(i,j);???????? end??? end （4）计算均方误差评估去噪效果。? [m?n]=size(p);?l=f-p;? he=sum(sum(l));? avg=he/(m*n); ?k=l-avg;? result1=(sum(sum(k.^2)))/(m*n);? for i=1:M for j=1:N d=sqrt((i-m)^2+(j-n)^2); h=1/(1+0.414*(d/d0)^(2*nn)); %h=1/(1+(d/d0)^(2*nn)); %备用 G(i,j)=h*G(i,j); end end p=uint8(real(ifft2(ifftshift(G)))); subplot(341);imshow(f),title('原图'); subplot(345);imshow(log(abs(f2)),[]),title('频谱'); subplot(349);imhist(f),title('原图'); subplot(342);imshow(g),title('噪声'); 本科综合课程设计报告 题 目 ____________________________ 指导教师__________________________ 辅导教师__________________________ 学生姓名__________________________ 学生学号__________________________ _______________________________ 院（部）____________________________专业________________班 ___2008___年 _12__月 _30__日 数字图像处理演示系统 信息科学与技术学院 通信工程 052 1 主要内容 1.1数字图像处理背景及应用 数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。 1.2 图像处理演示系统设计要求 能加载和显示原始图像，显示和输出处理后的图像； 系统要便于维护和具备可扩展性； 界面友好便于操作； 1.3 图像处理演示系统设计任务 数字图像处理演示系统应该具备图像的几何变换（平移、缩放、旋转、翻转）、图像增强（空间域的平滑滤波与锐化滤波）的简单处理功能。 1.3.1几何变换 几何变换又称为几何运算，它是图像处理和图像分析的重要内容之一。通过几何运算，可以根据应用的需要使原图像产生大小、形状、和位置等各方面的变化。简单的说，几何变换可以改变像素点所在的几何位置，以及图像中各物体之间的空间位置关系，这种运算可以被看成是将各物体在图像内移动，特别是图像具有一定的规律性时，一个图像可以由另外一个图像通过几何变换来产生。实际上，一个不受约束的几何变换，可将输入图像的一个点变换到输出图像中的任意位置。几何变换不仅提供了产生某些特殊图像的可能，甚至还可以使图像处理程序设计简单化。从变换性质来分可以分为图像的位置变换、形状变换等 1.3.2图像增强 图像增强是数字图像处理的基本内容之一，其目的是根据应用需要突出图像中的某些“有用”的信息，削弱或去除不需要的信息，以达到扩大图像中不同物体特征之间的差别，使处理后的图像对于特定应用而言，比原始图像更合适，或者为图像的信息提取以及其他图像分析技术奠定了基础。一般情况下，经过增强处理后，图像的视觉效果会发生改变，这种变化意味着图像的视觉效果得到了改善，某些特定信息得到了增强。 标准 文案专业综合实验报告----数字图像处理 专业: 电子信息工程 班级: 学生姓名: 学号: 指导教师: 年月日 设计题目：图像去雾处理 一、设计目的 由于大气的散射作用，照相机接收到景物反射过来的光线经过了衰减。雾天的大气退化图像具有对比度低、景物不清晰的特点，给交 通系统及户外视觉系统的应用带来严重的影响。。鉴于图像处理和计 算机视觉中有关图像理解、目标识别、目标跟踪、智能导航等领域的 很多算法都是假设输入的图像或视频是在理想天气条件下拍摄的，因 此有雾图像清晰化就显得格外重要，是目前人们研究的热点问题之 一，但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不 利环境，使得最终获取的图像往往无法使用。有雾天气条件下获取的 图像对比度低、图像内容模糊不清而且颜色整体偏向灰白色，图像去 雾的目的就是恢复有雾图像的对比度和真实色彩，重现在理想天气条 件下拍摄的清晰图像。 二、设计内容和要求 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像 和直方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比 该复原图像与原始图像以及直方图均衡化后的图像； 三、设计思路 由于图像中存在噪声等干扰，使得图像模糊不清。可以采用图像增强的方法对原图像处理，使图像变得清晰。而直方图均衡化是一种 常用的图像增强的方法。图像模糊，其图像的像素分布不均匀，采用 直方图均衡化的方法使其图像像素分布均匀，从而达到均衡像素分布 增强图像的目的。 设计方案 在晴朗的天气条件下，洁净的空气一般是由氦气、氧气等气体分子、水蒸汽、微量的固体悬浮颗粒物等成分构成。在这种大气条件 下，从物体表面反射的光线在到达成像设备的过程中，基本不会受大 气中各种成分的影响发生散射、吸收、发射等现象，而是直接到达成 像设备。相对在有雾天气条件下获得的图像，在这种理想天气条件获 得的图像，我们称之为清晰无雾图像。而在有雾天气条件下获得的图 像模糊不清，图像对比度下降，图像的颜色发生漂移，偏向灰白色。 无雾图像和有雾图像相比对比度较高，因此可以考虑增强局部对比度方法进行去雾： 1、对彩色图像RGB模型转换为HSI，对I分量分析图像直方图； 2、设置适合尺寸模版，对I分量进行局部直方图均衡化增强，分 析增强前后的图像和直方图。 3、查阅“基于暗原色先验的单一图像去雾方法”，设计图像无雾 算法。 流程框图数字信号处理课设+语音信号的数字滤波
数字图像处理课程设计题目和要求-2013
数字图像处理课程设计报告
数字图像处理课程设计
数字信号处理课设共18页文档
图像处理课程设计报告
数字图像处理课程设计(实验报告)
数字信号处理课程规划报告
数字图像处理课程设计题目
数字图像处理课程设计报告
数字信号处理课程设计
图形图像处理实验报告
图像处理课程设计
数字图像处理课程设计报告
数字图像处理课设
相关主题
文本预览