图像处理基本操作

实验一 MATLAB数字图像处理基本操作及空域滤波

实验目的

1、了解有关数字图像处理的基本概念，熟悉Matlab软件中关于数字图像处理的基本命令，掌握利用Matlab软件进行数字图像处理的简单方法。

2、了解并掌握直方图统计方法以及分段线性拉伸、直方图均衡等亮度调整算法，通过观察对这些运算建立感性认识。

3、掌握空域滤波中常用的平滑和锐化滤波器。

实验内容

1. 观察各类图像的直方图；操作LUT灰度对照表，进行分段线性拉伸；采用直方图均衡方法对低对比度的图像进行对比度增强。

2．掌握图像模板卷积运算的实质，认识各种模板的处理效果；

3. 掌握邻域平均及中值滤波降噪方法的特点，认识其功能及适用场合；

4. 掌握拉普拉斯算子、Sobel算子、Prewitt算子和Isotropic算子的特点，认识其功能及适用场合。

实验原理

1、数字图像以一定的格式存放在计算机的存储器中（如磁盘），常见的格式有BMP，TIF，PCX等等，要进行数字图像处理，第一项工作就是把图像读到计算机的内存中，以便进行进一步的处理。在Matlab中，函数imread()完成此项工作。下面一小段Matlab语句即可实现将图像“rice.tif”显示在一个图像窗口的左边，将其轮廓图显示在该窗口的右边。

I=imread('rice.tif');

subplot(1,2,1);

imshow(I)

subplot(1,2,2);

imcontour(I);

这里，imread(‘rice.tif’)将磁盘上的图像文件rice.tif读入内存变量I中，subplot(1,2,1)生成一个可以横向放置2幅图像的窗口，并设置下一显示位置在左边，imshow(I)显示图像I，subplot(1,2,2)准备下一图像的显示位置，imcontour(I)生成图像I的轮廓并显示在窗口的右边。

数字图像一般可分为二值图、灰度图和真彩图等几类。

实验一 图像处理基本操作

一、 实验目的 1、熟悉并掌握在MATLAB中进行图像类型转换及图像处理的基本操作。 2、熟练掌握图像处理中的常用数学变换。 二、实验设备 1、计算机 1台 2、MATLAB软件 1套 3、实验图片 三、实验原理 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y)，其中x和y是空间(平面)坐标，f在坐标(x,y)处的幅度称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由若干个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术也适用于彩色图像处理，方法是分别处理三幅独立的分量图像即可。 图像关于x和y坐标以及幅度连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和幅度。将坐标值数字化称为取样，将幅度数字化称为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和幅度都是有限且离散的量时，称该图像为数字图像。 作为MATLAB基本数据类型的数组十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化

图1 采样和量化的过程 根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类：  亮度图像(Intensity images)  二值图像(Binary images)  索引图像(Indexed images)  RGB图像(RGB images) (1) 亮度图像 一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。若亮度图像的像素都是uint8类型或uint16类型，则它们的整数值范围分别是[0，255]和[0，65536]。若图像是double类型，则像素取值就是浮点数。规定双精度double型归一化亮度图像的取值范围是[0 1]。 (2) 二值图像 一幅二值图像是一个取值只有0和1的逻辑数组。而一幅取值只包含0和1的uint8

Matlab 图像处理基本操作

文/天神

一、图像基本操作

1.读取图像并显示：

>> clear;close all %清空Matlab工作平台所有变量（准备工作）

>> I=imread('pout.tif'); % 该图像是Matlab图形工具箱中自带的图像(\toolbox\images\imdemos)

>> imshow(I)

2.检查内存（数组）中的图像：

>> whos

Name Size Bytes Class

I 291x240 69840 uint8 array

Grand total is 69840 elements using 69840 bytes 表示该图像采用8位存储方式并占用了69840B的存储空间。

3.实现图像直方图均衡化：

>> figure,imhist(I) % 在新图中显示图像I的直方图

>> I2=histeq(I); % 均衡化以后的图像存在I2数组中(图像灰度值扩展到整个灰度范围,对比度提高)

>> figure,imshow(I2) % 显示均衡化后的图像

>> figure,imhist(I2) % 显示均衡后的灰度值分布情况

8位图像取值范围：[0,255]，16位图像取值范围：[0,655351]，双精度图像取值范围：[0,1]

4.保存图像：

>> imwrite(I2,'pout2.png'); % 将图像由原先的tif格式另存为png格式

5.检查新生成文件的信息：

>> imfinfo('pout2.png') % 观察保存图像的文件信息

ans =

Filename: 'pout2.png' % 文件名

FileModDate: '11-Apr-2009 21:55:35' % 文件修改日期

图像处理方法原理介绍

(1)KL变换

KL变换是遥感图像增强和信息提取中用得最多的线性变换，是对原波段图像进行波谱信息的线性投影变换，在尽可能不减少信息量的前提下，将原图像的高维多光谱空间的像元亮度值投影到新的低维空间，减少特征空间维数，达到数据压缩、提高信噪比、提取相关信息、降维处理和提取原图像特征信息的目的，并能有效地提取影像信息。它可使原来多波段图像经变换后提供出一组不相关的图像变量，最前面的主分量具有较大的方差，包含了原始影像的主要信息，所以要集中表达信息，突出图像的某些细部特征，可采用主分量变换来完成。

(2)去相关拉伸变换

通过去相关拉伸变换把相关性很高的波段进行去相关拉伸处理，减弱它们之间的相关性，然后进行拉伸，从而使深色区域的地物差异界线反映得更加清楚。

(3)纹理特征提取变换

纹理特征的提取方法比较简单，它是用一个活动的窗口在图像上连续滑动，分别计算出窗口中的方差、均值、最大值、最小值及二者之差和信息熵等，形成相应的纹理图像，当目标的光谱特性比较接近时，纹理特征对于区分目标可以起到积极的作用。选取适当的数据动态变化范围，进行纹理特征提取后，使影像的纹理特征得到突出，有利于提取构造信息。

(4)锐化增强

调整图像的锐化程度使地物在图像上的差别便于人眼识别，可达到信息增强的目的。对图像进行锐化增强实际上是利用变换函数把原图像进行灰度级转换，增大相邻像元的灰度值之差，从而达到突出图像细节的目的。

(5)定向滤波

利用定向滤波对ＴＭ图像频率特征进行筛选，将图像中的线与边缘特征信息增强，突出给定方向的线性影像信息，抑制其他方向的无用信息。采用45胺较蚵瞬ǎ瞬ū尘爸涤?00%，滤波核设为3。滤波后突出了断裂的线性影像，断裂两侧的色调影像花纹明显不同，断裂造成的山脊错断等特征在影像上非常明显。

(6)缨帽变换