数字图像处理课程设计--基于Matlab的数字图像处理 数字图像处理课程设计
基于Matlab的数字图像处理
——图像的运算
院系 信息技术学院
专业班级 电气6班
学号 201107111282
3
姓名 何英娜
指导教师 章瑞平
课程设计时间 2012年11月
目录
一、摘要………………………………3
二、 图像代数运算
1、1 图像的加法运算………………………………4
1、2 图像的减法运算………………………………4
1、3 图像的除法运算………………………………4
1、4 绝对差值运算…………………………7
1、 5 图像的求补运算…………………………7
4
三、图像的几何运算
2、1 图像插值…………………………7
2、2 图像的旋转…………………………8
2、3图像的缩放…………………………9
2、4图像的投影变换……………………10
2、4图像的剪切…………………………11
四、课程设计总结与体会………………………………13
五、参考文献………………………………14
摘要
图像运算涵盖程序设计、图像点运算、代数运算、几何运算等多种运算；
设计目的和任务：1、熟悉图像点运算、代数运算、几何运算的基本定义和常见方法；
2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法
3、掌握在MATLAB中进行插值的方法
4、运用MATLAB语言进行图像的插值缩放和插值旋转
5、学会运用图像的投影变换和图像的剪切
5
6、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际
7、通过各类算法加强图像各种属性
、
一、 图像的几何运算何运算
图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。
matlab二值图像外轮廓提取
注意：填充时，轮廓线是闭合连续的
im=imread(filepath); %读取原图
figure,imshow(im,[]);title('Raw'); %显示原图
im=im2bw(im); %转二值图像
figure,imshow(im,[]),title('BW'); %显示二值图像
im2=imfill(im,'holes'); %填充
im3=bwperim(im2); %轮廓提取
figure,imshow(im2,[]); title('') %显示
figure,imshow(im3,[]);
matlab二进制图像轮廓提取
Matlab中bwmorph函数在提取二进制图像的轮廓如下：
语法: BW2 = bwmorph(BW1,operation) ；
BW2 = bwmorph(BW1,operation,n) ； n为次数；
Operation的参数可以有多种选择，现归纳如下：
‘bother’：闭包运算，即先腐蚀，在膨胀，然后减去原图像；
‘bridge’：做连接运算；
‘clean’：去除孤立的亮点；
‘close’：进行二值闭运算；
‘diag’：采用对角线填充来去除8邻域的背景；
‘dilate’：采用结构元素ones（3）做膨胀运算；
‘erode’：采用结构元素ones（3）作腐蚀运算；
‘fill’：填充孤立的黑点；
‘hbreak’：断开H形连接；
‘Majority’：若像素的8邻域中有大于或等于5的元素为1，则像素为1，否则为0；
‘open’：执行二值开运算；
‘remove’：去掉内点，即若像素的4邻域都为1，则像素为0；
‘shrink’n=inf：做收缩运算，这样没有孔的物体收缩为一个点，而含孔的物体收缩为一个相连的环，环的位置在孔和物体外边缘的中间，收缩运算保持欧拉数不变，
数字图像处理
实验指导书
目录
实验一 MATLAB数字图像处理初步
实验二 图像的代数运算
实验三 图像增强-空间滤波
实验四 图像分割
3
实验一 MATLAB数字图像处理初步
一、实验目的与要求
1．熟悉及掌握在MATLAB中能够处理哪些格式图像。
2．熟练掌握在MATLAB中如何读取图像。
3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。
4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。
5．图像间如何转化。
二、实验原理及知识点
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 在任何坐标处(x,y)处的振幅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，而彩色图像是由单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适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。
图像关于x和y坐标以及振幅连续。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振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。
作为MATLAB基本数据类型的数值数组本身十分适于表达图像，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
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类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。若图像是double类，则像素取值就是浮点数。规定双精度型归一化亮度图像的取值范围是[0，1]
MATLAB中的图像配准与匹配方法
图像配准与匹配是计算机视觉领域的重要研究方向。配准指的是将多幅图像在空间上对齐，使得它们之间的特定特征点或特征区域对应一致。匹配则是在已经配准的图像中寻找相似的图像区域。在实际应用中，图像配准与匹配常用于医学图像分析、遥感影像处理、计算机视觉等领域，具有广泛的应用前景。
MATLAB作为一种强大的数值计算与数据可视化软件，提供了丰富的图像处理和计算机视觉函数，使得图像配准与匹配任务变得更加简便和快捷。下面将介绍几种常用的MATLAB图像配准与匹配方法。
一、基于特征点的图像配准
特征点是图像中具有鲁棒性和独特性的点，常常用于图像配准任务。在MATLAB中，可以使用SURF(Speeded-Up Robust Features)或SIFT(Scale-Invariant
Feature Transform)等函数来检测图像中的特征点。然后可以通过计算特征点间的相似度或使用一致性约束等方法来对图像进行配准。
二、基于图像区域的图像配准
除了特征点外，图像的局部区域也可以作为配准的参考。一种常用的方法是使用归一化互相关(Normalized Cross Correlation)来度量两幅图像之间的匹配度。在MATLAB中，可以使用normxcorr2函数来实现归一化互相关操作。该函数将两幅图像进行归一化，并计算它们之间的互相关系数，从而确定最佳的配准位置。
三、基于形态学的图像配准
形态学图像处理是一种基于形态学运算的图像处理方法。它利用图像中的形状、结构和拓扑信息来进行图像处理和分析。在图像配准中，形态学操作可以用来提取图像区域的形状信息，并进行形状匹配。在MATLAB中，可以使用bwmorph函数进行形态学操作，例如腐蚀、膨胀、开运算、闭运算等，从而实现图像的配准与匹配。
四、基于变换模型的图像配准
图像配准中常常涉及到图像的几何变换，例如平移、旋转、缩放、投影变换等。在MATLAB中，可以使用imwarp函数来对图像进行几何变换和配准。通过选择合适的变换模型和优化算法，可以实现高精度的图像配准效果。
