下载文档原格式
利用Matlab进行图像去噪和图像增强随着数字图像处理技术的不断发展和成熟，图像去噪和图像增强在各个领域都有广泛的应用。
而在数字图像处理的工具中，Matlab凭借其强大的功能和易于使用的特点，成为了许多研究者和工程师首选的软件之一。
本文将介绍如何利用Matlab进行图像去噪和图像增强的方法和技巧。
一、图像去噪图像去噪是指通过一系列算法和技术，将图像中的噪声信号去除或减弱，提高图像的质量和清晰度。
Matlab提供了多种去噪方法，其中最常用的方法之一是利用小波变换进行去噪。
1. 小波变换去噪小波变换是一种多尺度分析方法，能够对信号进行时频分析，通过将信号分解到不同的尺度上，实现对图像的去噪。
在Matlab中，可以使用"dwt"函数进行小波变换，将图像分解为低频和高频子带，然后通过对高频子带进行阈值处理，将噪声信号滤除。
最后通过逆小波变换将去噪后的图像重构出来。
这种方法能够有效抑制高频噪声，保留图像的细节信息。
2. 均值滤波去噪均值滤波是一种基于平均值的线性滤波方法，通过计算像素周围邻域内像素的平均值，替代原始像素的值来去除噪声。
在Matlab中，可以使用"imfilter"函数进行均值滤波，通过设置适当的滤波模板大小和滤波器系数，实现对图像的去噪。
二、图像增强图像增强是指通过一系列算法和技术，改善图像的质量、增强图像的细节和对比度，使图像更容易被观察和理解。
Matlab提供了多种图像增强方法，以下将介绍其中的两种常用方法。
1. 直方图均衡化直方图均衡化是一种通过对图像像素值的分布进行调整，增强图像对比度的方法。
在Matlab中，可以使用"histeq"函数进行直方图均衡化处理。
该函数能够将图像的像素值分布拉伸到整个灰度级范围内，提高图像的动态范围和对比度。
2. 锐化增强锐化增强是一种通过增强图像边缘和细节来改善图像质量的方法。
在Matlab中，可以使用"imsharpen"函数进行图像的锐化增强处理。
Matlab中的图像增强方法图像增强是数字图像处理中的一项重要技术，通过使用各种算法和方法，可以改善图像的质量、增加图像的信息量和清晰度。
在Matlab中，有许多强大而灵活的工具和函数，可以帮助我们实现图像增强的目标。
本文将介绍几种常用的Matlab图像增强方法，并探讨它们的原理和应用。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，通过调整图像的像素分布来增强图像的对比度和亮度。
在Matlab中，我们可以使用“histeq”函数来实现直方图均衡化。
该函数会根据图像的直方图信息，将像素的灰度值重新映射到一个均匀分布的直方图上。
直方图均衡化的原理是基于图像的累积分布函数（CDF）的变换。
它首先计算图像的灰度直方图，并根据直方图信息计算CDF。
然后，通过将CDF线性映射到期望的均匀分布上，将图像的像素值进行调整。
直方图均衡化的优点在于简单易实现，且效果较好。
但它也存在一些限制，比如对噪声敏感、全局亮度调整可能导致细节丢失等。
因此，在具体应用中，我们需要权衡其优缺点，并根据图像的特点选择合适的方法。
二、自适应直方图均衡化自适应直方图均衡化是对传统直方图均衡化的改进，它能够在改善对比度的同时，保持局部细节。
与全局直方图均衡化不同，自适应直方图均衡化采用局部的直方图信息来进行均衡化。
在Matlab中，我们可以使用“adapthisteq”函数来实现自适应直方图均衡化。
该函数会将图像分成小块，并在每个块上进行直方图均衡化。
通过这种方式，自适应直方图均衡化可以在增强图像对比度的同时，保留图像的细节。
自适应直方图均衡化的优点在于针对每个小块进行处理，能够更精确地调整局部对比度，避免了全局调整可能带来的细节丢失。
然而，相对于全局直方图均衡化，自适应直方图均衡化的计算量较大，因此在实时处理中可能会引起性能问题。
三、模糊与锐化图像增强不仅局限于对比度和亮度的调整，还可以改善图像的清晰度和边缘信息。
在Matlab中，我们可以使用一些滤波器来实现图像的模糊和锐化。
Matlab中图像函数大全图像增强1. 直方图均衡化的 Matlab实现1.1 imhist函数功能：计算和显示图像的色彩直方图格式：imhist(I,n)imhist(X,map)%说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为256；imhist(X,map) 就算和显示索引色图像X 的直方图，map 为调色板。
用 stem(x,counts) 同样可以显示直方图。
1.2 imcont our 函数功能：显示图像的等灰度值图格式：imcont our(I,n),imcont our(I,v)说明：n 为灰度级的个数，v 是有用户指定所选的等灰度级向量。
1.3 imadju st 函数功能：通过直方图变换调整对比度格式：J=imadju st(I,[low high],[bottom top],gamma)newmap=imadju st(map,[low high],[bottom top],gamma)说明：J=imadju st(I,[low high],[bottom top],gamma)其中，gamma为校正量r，[low high] 为原图像中要变换的灰度范围，[bottom top]指定了变换后的灰度范围；newmap=imadju st(map,[low high],[bottom top],gamma)调整索引色图像的调色板map 。
此时若 [low high] 和[bottom top] 都为2×3的矩阵，则分别调整R、G、B 3个分量。
1.4 histeq函数功能：直方图均衡化格式：J=histeq(I,hgram)J=histeq(I,n)[J,T]=histeq(I,...)newmap=histeq(X,map,hgram)newmap=histeq(X,map)[new,T]=histeq(X,...)说明：J=histeq(I,hgram)实现了所谓“直方图规定化”，即将原是图象 I 的直方图变换成用户指定的向量 hgram。
数字图像处理在指纹识别技术中的应用摘要随着信息技术的和网络技术的发展，信息安全越来越引起人们的重视。
为了保护自身的信息、资料以及财产的安全，许多场合都需要对使用者、来访者进行身份识别。
传统的利用密码、证件作为身份识别的方式具有易遗忘、易破解、易丢失、易伪造等特点，已不再符合现代数字社会的需求。
指纹，作为人体独一无二的生理特征，它的纹理复杂度可以提供用于识别的足够特征，具有极高的安全性，并且指纹还具有易获取、无侵犯性、唯一性和不变性等优点，使其成为生物识别技术中的焦点。
基于指纹识别技术的身份识别系统以其独特的技术优势和成本优势正广泛被应用到各个场合。
指纹图像预处理是指纹识别的前提,它的好坏直接影响到指纹识别的成败，但由于指纹图像降质带来的困难,并根据指纹图像的特征提出了合理的假设，再根据假设提出了增强指纹图像的算法，这些算法处理效果好，能有效地解决指纹图像的预处理问题。
关键词：指纹图像预处理；图像增强；腐蚀；二值化；细化一、指纹识别技术概述1.1 概述生物识别技术（Biometric Identification Technology）是利用人体生物特征进行身份认证的一种技术。
由于每个人的生物特征都有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全，可靠，准确。
常见的生物识别技术主要有指纹、脸形、虹膜、视网膜、手写体、声音、掌纹、手形和脸部热谱图9种，指纹识别是生物识别技术的一种。
迄今为止，最为人们所关注、最为成熟的生物识别技术就是指纹识别。
1.2 指纹识别系统分类自动指纹识别系统的工作模式可以分为2类：验证模式（verification）和辨识模式（identification）。
验证就是通过把一个现场采集到的指纹与一个已经登记的指纹进行一对一的比对（one to one matching），来确认身份的过程。
验证过程如图1所示。
辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一对比，从中找出与现场指纹相匹配的指纹。
基于matlab的图像对比度增强处理的算法的研究与实现1. 引言1.1 研究背景图像对比度增强是数字图像处理中的一个重要领域，它能够提高图像的视觉质量，使图像更加清晰、鲜明。
随着现代科技的快速发展，图像在各个领域的应用越来越广泛，因此对图像进行对比度增强处理的需求也越来越迫切。
在数字图像处理领域，图像对比度增强处理是一种经典的技术，通过调整图像的灰度级范围，提高图像的对比度，使图像更加清晰和易于观察。
对比度增强处理可以应用于医学影像、卫星图像、照片修复等领域，有效提升图像质量和信息量。
随着数字图像处理算法的不断发展和完善，基于matlab的图像对比度增强处理算法也得到了广泛研究和应用。
通过matlab编程实现图像对比度增强处理算法，可以快速、高效地对图像进行处理，并进行实验验证和效果分析。
研究基于matlab的图像对比度增强处理算法的研究与实现具有重要的理论意义和实际应用价值。
1.2 研究目的研究目的是探索基于matlab的图像对比度增强处理算法，通过对比不同算法的效果和性能进行分析，进一步提高图像的清晰度和质量。
具体目的包括：1. 深入理解图像对比度增强处理的基本原理，掌握常用的算法和技术；2. 研究基于matlab的图像对比度增强处理算法实现的方法和步骤，探究其在实际应用中的优劣势；3. 通过实验结果与分析，评估不同算法在提升图像对比度方面的效果和效率；4. 对现有算法进行优化与改进，提出更加有效的图像对比度增强处理方法；5.总结研究成果，为今后进一步完善图像处理技术提供参考和借鉴。
通过对图像对比度增强处理算法的研究与实现，旨在提高图像处理的效率和质量，满足不同应用领域对图像处理的需求，促进图像处理技术的发展和应用。
1.3 研究意义对比度增强处理是图像处理领域中一项重要的技术，在实际应用中有着广泛的使用。
通过增强图像的对比度，可以使图像更加清晰、鲜明，提高图像的质量和观感效果。
对比度增强处理在医学影像分析、卫星图像处理、数字摄影等领域都有着重要的应用。
Matlab技术图像增强方法图像增强是数字图像处理的一个重要任务，通过改善图像的质量和视觉效果来提高图像的可读性和理解性。
在现实生活中，我们常常会遇到一些图像质量较差、光照不均匀或者图像噪声较多的情况，这时候就需要借助一些图像增强方法来改善图像。
Matlab作为一款强大的数学软件，提供了丰富的图像处理工具箱，其中包含了多种图像增强方法。
本文将介绍几种常用的Matlab图像增强方法，并对其原理和应用进行探讨。
一、直方图均衡化直方图均衡化是一种常用的图像增强方法，通过重新分配图像的灰度级来拉伸图像的灰度范围，以增强图像的对比度和细节。
在Matlab中，我们可以使用以下代码实现图像的直方图均衡化：```matlabimg = imread('image.jpg');img_eq = histeq(img);imshowpair(img, img_eq, 'montage');```直方图均衡化的原理是将图像的累积分布函数进行线性映射，使得图像的灰度级均匀分布，从而增强对比度。
然而，直方图均衡化有时候会导致图像过亮或者过暗，因为它只考虑了灰度分布，并未考虑图像的空间信息。
二、自适应直方图均衡化为了克服直方图均衡化的不足，自适应直方图均衡化应运而生。
自适应直方图均衡化是一种局部增强方法，它将图像划分为若干小区域，并对每个区域进行直方图均衡化，以保留图像的局部对比度。
Matlab中的自适应直方图均衡化函数为`adapthisteq`，使用方法如下：```matlabimg = imread('image.jpg');img_adapteq = adapthisteq(img);imshowpair(img, img_adapteq, 'montage');```自适应直方图均衡化在增强图像对比度的同时，能够保留图像的细节，并且不会引入过多的噪声。
《数字图像处理及MATLAB实现》图像增强与平滑实验一．实验目的及要求1、熟悉并掌握MA TLAB 图像处理工具箱的使用；2、理解并掌握常用的图像的增强技术。
二、实验设备MATLAB 6.5 以上版本、WIN XP 或WIN2000 计算机三、实验内容（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。
熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
（可将每段程序保存为一个.m文件）1．直方图均衡化clear all; close all % Clear the MATLAB workspace of any variables% and close open figure windows.I = imread('pout.tif'); % Reads the sample images ‘pout.tif’, and stores it inimshow(I) % an array named I.display the imagetext(60,20,'李荣桉1909290239','horiz','center','color','r')figure, imhist(I) % Create a histogram of the image and display it in% a new figure window.[I2,T] = histeq(I); % Histogram equalization.figure, imshow(I2) % Display the new equalized image, I2, in a new figure window.text(60,20,'李荣桉1909290239','horiz','center','color','r')figure, imhist(I2) % Create a histogram of the equalized image I2.figure,plot((0:255)/255,T); % plot the transformation curve.imwrite (I2, 'pout2.png'); % Write the newly adjusted image I2 to a disk file named% ‘pout2.png’.imfinfo('pout2.png') % Check the contents of the newly written file2．直接灰度变换clear all; close allI = imread('cameraman.tif'); 注意：imadjust()功能：调整图像灰度值或颜色映像表，也可实现伽马校正。
xx大学厦门工学院本科生毕业设计（论文）题目：基于MATLAB的指纹识别系统姓名： xx学号：系别：电子信息系专业：通信工程年级：级指导教师： xxx2015 年 4 月 7 日xx大学厦门工学院毕业设计（论文）独创性声明本毕业设计（论文）是我个人在导师指导下完成的。
文中引用他人研究成果的部分已在标注中说明；其他同志对本设计（论文）的启发和贡献均已在谢辞中体现；其它内容及成果为本人独立完成。
特此声明。
论文作者签名：日期：关于论文使用授权的说明本人完全了解xx大学厦门工学院有关保留、使用学位论文的规定，即：学院有权保留送交论文的印刷本、复印件和电子版本，允许论文被查阅和借阅；学院可以公布论文的全部或部分内容，可以采用影印、缩印、数字化或其他复制手段保存论文。
保密的论文在解密后应遵守此规定。
论文作者签名：指导教师签名：日期：基于MATLAB的指纹识别系统摘要随着科技的不断发展，基于指纹所具有的普遍性，唯一性和不变性，以及指纹识别系统开发具有很高的可行性和实用性，使得它成为目前世界上最流行、也是最可靠的个人身份认证技术之一。
本文主要介绍了指纹识别技术的发展和世界上指纹识别系统的研究应用现状，分别阐述了指纹系统的必要性和意义。
以数字图像处理伟基础，分别研究了指纹识别的原理和方法，将Matlab作为仿真工具。
本文主要通过Matlab对指纹图像进行三方面的处理，分别是：图像预处理、指纹特征提取和指纹特征匹配。
图像预处理主要包括四个步骤：图像分割、二值化、细化。
对指纹预处理的主要原因是，可以去除原图像的冗余部分，以便后续的识别系统进行识别；指纹特征提取主要是提取指纹图像细化后的端点和分叉点；指纹特征匹配是通过两个指纹的图像进行特征点比较，来确定是否是统一手指的指纹图。
本文中有给出相应模块的Matlab程序及处理的结果。
通过实验结果可得，用Matlab 来实现指纹识别系统的设计是可行的。
关键词：Matlab，指纹识别，特征提取，特征匹配xx大学厦门工学院毕业设计（论文）Design and Implement of Web Chat System Base on AjaxAbstractWith the development of science and technology,Based on the fingerprint has universality, uniqueness and invariance, as well as the development of fingerprint identification system has feasibility and practicability is very high, making it one of the most popular personal identity authentication technology, the world is the most reliable at present.This paper mainly introduces the present situation of research and application of fingerprint identification technology and the development of the fingerprint identification system, illustrates the necessity and significance of fingerprint system. Based on digital image processing of Wei, the principle and method of fingerprint recognition are studied, the Matlab as a simulation tool.This paper mainly through the Matlab process, the three aspects of the fingerprint image, respectively is: image preprocessing, fingerprint feature extraction and fingerprint. Image preprocessing includes four steps: image segmentation, binarization, thinning two. The main reason for the fingerprint image preprocessing is to remove redundant parts of the original image, so that the recognition system for the follow-up identification; fingerprint feature extraction is to extract the fingerprint image thinning after endpoint and bifurcation point; fingerprint feature matching is carried out by comparing the image feature points of two fingerprints, to determine whether the fingerprint map integration finger.Matlab program and gives the corresponding module of the result in this paper. Through the experiment we can see the results, using Matlab to achieve the design of fingerprint identification system is feasible.Key Words: Matlab, Fingerprint identification,Feature extraction,Feature matching目录第1章绪论 (1)1.1 研究背景 (1)1.2 研究意义 (2)1.3 研究内容 (3)1.4 论文组织 (3)第2章 Web版聊天系统的设计 (4)2.1 功能设计 (4)2.2 概要设计 (4)2.3详细设计 (10)2.3.1用户界面逻辑设计.............................. 错误!未定义书签。
课程设计报告设计题目：指纹图像的增强学院：电子工程学院专业：电子信息工程班级：学号：姓名：电子邮件：日期： 2013 年 9 月成绩：指导教师：一、设计概述1.课程设计题目：指纹图像的增强方法2.基本要求：读取初始指纹图像，设计程序，实现指纹图像的增强，使指纹的纹理更加清晰，便于识别。
3.指纹图像增强的意义：指纹是人类手指末端指腹上由凹凸的皮肤所形成的纹路。
指纹能使手在接触物件时增加摩擦力，从而更容易发力及抓紧物件。
是人类进化过程式中自然形成的。
目前尚未发现有不同的人拥有相同的指纹，所以每个人的指纹也是独一无二。
由于指纹是每个人独有的标记，近几百年来，罪犯在犯案现场留下的指纹，均成为警方追捕疑犯的重要线索，使得指纹识别技术得到了飞快的发展，指纹图像的识别也就变得非常具有意义，但是通过传感器等方式获取到的指纹图像往往是比较模糊的，识别率相对较低，此时，指纹图像增强就孕育而生，通过对指纹图像的增强处理，得出了具有较清晰的图像，是识别率更高。
二．设计思路：指纹图像增强的主要步骤及方法①读取指纹图像②指纹图像灰度化处理③指纹图像平滑处理④指纹图像的腐蚀处理⑤指纹图像的锐化处理⑥指纹图像二值化⑦指纹图像纹理的细化处理三．具体的处理流程及其分析1.指纹图像的读取将通过传感器或者别的方式获取到的指纹图像读取到matlab中；如 .bmp .jpg 等格式的图片文件。
通过matlab实现：I=imread(‘文件路径+图像名.jpg');2. 指纹图像灰度化处理数字图像可分为灰度图像和彩色图像。
通过灰度化处理和伪彩色处理，可以使伪彩色图像与灰度图像相互转化；灰度化就是使彩色的R，G，B分量值相等的过程I=rbg2gray（I）3.指纹图像平滑处理（此处我们使用的是中值滤波的方法处理）图像平滑的主要目的是减少图像噪声。
图像噪声来自于多方面，有来自于系统外部的干扰（如电磁波或经电源窜进系统内部的外部噪声），也有来自于系统内部的干扰（如摄像机的热噪声、电器机械运动而产生的抖动噪声等内部噪声）。
实际获得的图像都因受到干扰而含有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。
减少噪声的方法可以在空间域或频率域处理。
在空间域中进行时，基本方法就是求像素的平均值或中值；在频率域中则运用低通滤波技术。
图像平滑总是要以一定细节模糊为代价，因此如何尽量平滑掉图像的噪声，又尽量保持图像细节，是图像平滑研究的主要问题之一。
此处我们使用的是中值滤波的方法处理。
中值滤波是一种非线性处理技术，由于它在实际运算过程中并不需要知道图像的统计特性，所以比较方便。
在一定的条件下，中值滤波可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效；但是，对一些细节多，特点是点、线、尖顶细节较多的图像则不宜采用中值滤波的方法。
中值滤波的目的是在保护图像边缘的同时，去除噪声。
中值滤波的特性：(1) 对某些输入信号中值滤波具有不变性（2）中值滤波的去噪声性能中值滤波可以用来减弱随机干扰和脉冲干扰。
由于中值滤波是非线性的，因此对随机输入信号数学分析比较复杂。
中值滤波的输出与输入噪声的概率密度分布有关，而领域平均法的输出与输入分布无关。
中值滤波在抑制随机噪声上要比领域法差一些，但对于脉冲烦扰，中值滤波是非常有效的。
（3）中值滤波的频谱特性：由于中值滤波是非线性运算，在输入与输出之间的频率上不存在一一对应的关系，故不能用一般线性滤波器频率特性分析方法。
采用总体实验观察法，经大量实验表明，中值滤波器的频率响应与输入信号的频谱有关，呈现不规则波动不大的曲线，中值滤波幅谱特性起伏不大，可以认为信号经中值滤波后，频谱基本不变。
中值滤波的matlab实现：I1=medfilt2(I,[5,5]);figure,imshow(I);figure,imshow(I1);对带有噪声的指纹图像进行预处理,经过滤波后的图像能够消除图像中的一部分干扰影响。
4.指纹图像的腐蚀处理指纹图像腐蚀运算后使得指纹纹路更细，便于后续的处理，但指纹图像显得模糊，但是接下来我们将对指纹图像进行锐化，使得图像边缘更加清晰。
灰度腐蚀的matlab实现程序：s=ones(3,3);I2=imerode(I1,s);figure,imshow(I2);5.指纹图像的锐化处理图像锐化即对图像进行处理，使图像的边缘变得鲜明。
目的是为了突出图像的边缘信息，加强轮廓特征，以便于人眼的观察和机器的识别对比。
这里我们采用的是Sobel算子对图像增强。
Matlab实现程序如下I3=double(I2);h=fspecial('sobel');K=filter2(h,I3);figure,imshow(K)K1=I3-K;figure,imshow(K1);指纹图像竖直方向的纹路有很大的残缺，显然该图像的清晰度不令人满意，为了获得较清晰的指纹图像，我们将对上述图像进行修补，本文所使用的方法是将锐化处理前的图像逆时针旋转90度，再以上述同样的方法对图像进行锐化增强，由此得到的图像再顺时针旋转90度。
matlab实现程序：%图像逆时针旋转90度再进行锐化I=imread('f:\image2_0.jpg');J=double(I);h=fspecial('sobel');K=filter2(h,J);figure,imshow(K)K1=J-K;figure,imshow(K1');imwrite(K1','f:\s2.jpg');先将两幅指纹图像进行配准，配准完成后，再进行简单的融合。
%两幅图像配准I1=imread('f:/s1.jpg');I2=imread('f:/s2.jpg');J1=double(I1);J2=double(I2);K1=fft2(J1);K2=fft2(J2);out=dftregistration(K1,K2,1);两幅图像进行配准后再相加的的MATLAB程序%配准后相加I1=imread('f:/s1.jpg');I2=imread('f:/s2.jpg');I4=double(I1);I5=double(I2);[width,height]=size(I5);NewR2=zeros(width,height);for i=1:widthfor j=1:heightsource_x=i+1;source_y=j+1;if(source_x>width||source_y>height)NewR2(i,j)=0;elseif(source_x/double(uint16(source_x))==1.0&source_y/double(uint16(sou rce_y))==1.0)NewR2(i,j)=I5(int16(source_x),int16(source_y));EndendendendI6=NewR2;I3=uint8(I4);I7=uint8(I6);figure,imshow(I3);figure,imshow(I7);K=imadd(I3,I7,'uint16');figure,imshow(K,[]);6.指纹图像的二值化对指纹图像进行二值化，其基本要求就是二值化后的图像能真实地再现原指纹。
具体要求为:①.脊线中不出现空白。
②.二值化后的脊线基本保持原来指纹的特征。
③.指纹的纹线不应有太多的间断和相连。
④.指纹纹线间的间距应大致相同。
⑤ .由于指纹识别系统的特性，二值化算法的速度也应是一个评价指标。
二值化的matlab实现：%二值化I=imread('f:\image3.jpg');level=graythresh(I);J=im2bw(I,level);figure,imshow(J);imwrite(J,'f:\image4.jpg')7.指纹图像的细化细化又称骨骼化，是指在不影响图像的拓扑关系的情况下，将图像中宽度大于一个像素的线条转变为只有一个像素宽度的图像的处理过程。
细化的matlab实现：%细化I=imread('f:/image4.jpg');J=I(:,:,1)>160;K=bwmorph(~J,'thin','inf');figure,imshow(~K);四、思考及总结在此课程设计完成之际，向我们的邓成老师表示衷心的感谢。
因为通过本次的课程设计，我们能够有一个很好的机会对过去学到的知识进行巩固和实践。
由于未学习过数字图像这门课程，并且对matlab软件的掌握也不够精通，在设计的过程中遇到不少的陌生名词，我们基本是边学习边进行的课程设计。
能力有限，设计的结果并不尽如人意，未能将所有的思路投入到实践中。
我同时也要感谢我身边的同学，在设计期间给予了我不少有益的信息和建议，使我顺利解决了许多问题，在此向大家表示真诚的感谢。
最后衷心地感谢信息科学与工程学院领导与老师，为我们提供了良好的学习环境和实践机会，给予了我们许多有益的指导与帮助。
Matlab软件设计一．课程设计题目：指纹图像增强方法二．基本指标：读取指纹图像，增强图像，输出图像。
三．设计思路：使用matlab图形界面系统gui来实现主界面。
通过鼠标点击控件，读取目标图片，把目标图片写入指定路径（默认‘f：\’）。
对目标图片进行增强处理，显示每一步的增强图像。
保存最终增强图像在指定路径中。
主界面button选项有“打开文件”，“指纹图像增强”，“关闭窗口”，“帮助”。
四．主界面显示五、窗口控件对象和菜单对象及其功能代码实现1、‘打开文件’按键和‘openpic’菜单选项实现读取目标图像和保存在规定路径下的操作。
查找图像，文件不存在则关闭，存在则保存到F：\下并显示图像。
2、‘指纹图像增强’按键通过平滑，腐蚀，锐化，二值化，细化等操作使图像增强，显示并且保存图像。
首先用rbg2gray（）函数将图像转换成灰度图。
Medfilt2（），imerdode（），分别进行平滑，腐蚀处理。
锐化处理采用sober算子对原图像和翻转后图像锐化，采用dftregistration（）函数配准两图像，用imadd对配准的两图像进行图像匹配。
Im2bw（）和bwmorph（）分别进行二值化和细化处理。
最终得到增强后的指纹图像。
并且在每一步的过程中显示图像。
3、‘关闭窗口’按键和closepic菜单选项关闭打开的所有窗口。
Close all简洁明了地关闭所有窗口。
4、‘帮助’按键和‘help’菜单选项给出关于软件使用的文本窗口。
