基于MATLAB的数字图像处理的典型应用
课程论文
课程名称：数字图像处理
题目名称：频率域图像增强技术的研究学院：电气与自动化工程学院专业班级：测控技术与仪器
姓名：
学号：
基于MATLAB的数字图像处理的典型应用
——频率域图像增强技术的研究
摘要
在图像的采集、处理、传输、显示等过程中，由于受到多种因素的影响，使图像的质量可能变得很差，图像传递的信息无法被正常读取和识别。例如，在采集图像过程中由于光照环境或物体表面反光等原因造成图像整体光照不均，或是图像采集系统在采集过程中由于机械设备的缘故无法避免的加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。关键词：图像增强，频域，Matlab，低通，高通
Abstract
In image acquisition, processing, transmission, display and so on in the process, due to the influence of various factors, make the quality of the images may become very poor, image transmission of information cannot be read properly and recognition. For example, in the process of collecting image due to causes such as lighting environment or object surface reflective image overall uneven illumination, or image acquis- ition system in the process of gathering inevitable due to mechanical equipment to join the gathering noise, or the limitation of the image display device which reduces the image shows the administrative levels or color reduction, etc. So the fast and effective image enhancement algorithm is the impetus of the development of image analysis and image understanding in the field of development.
Keywords: image enhancement, frequency domain, Matlab, low pass, high pass
一、引言
1、课题研究的目的和意义
随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展。利用计算机进行数字图像进行系列操作，从而达到某种预算的效果。通过图像增强技术可以改善图像质量。图像传递系统包括六个部分：图像采集、图像压缩、图像
编码、图像储存、图像通信和图像显示。实际上，图像在生成、传输或变换的过程中,受光源、成像系统性能以及通道带宽和噪声等因素影响，往往会出现清晰度下降、对比度偏低、动态范围不足、包含噪声等降质现象。因此，研究快速且有效地图像增强算法对于推动图像的分析和理解有着重要意义。
2、图像增强技术的应用
图像增强是数字图像处理的一个重要分支。很多时候由于场景的限制会使得拍摄的图像视觉效果不佳，这就需要图像增强技术来改善人的视觉效果，例如突出图像的某些特点、按照需要提取关键的参数等。图像增强处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。图像增强的应用领域包括军事、航天、医学、空间、农业、交通等方面。图像增强的方法分为空域法和频域法两种，本文将对频域法进行详细介绍。
二、频域图像增强的原理
在数字图像处理过程中，最直观的理解是把图像理解为二维函数f(x,y)，其中x,y作为数字图像中像素的二维空间的坐标，f的值作为数字图像像素该位置的灰度值。频率域图像增强将原始图像的二维函数f(x,y)通过傅里叶变换转换到频域F(u,v)，并进行各种滤波处理，原始图像的二维函数被分解为不同频率的信号后，高频的信号携带了图像的细节部分信息(比如图像的边界)，低频的信号包含了图像的粗糙背景信息。对这些不同频率的信号进行处理就可以实现相应的加强图像的目的。再经过傅里叶反变换实现频率域的表示转化为空间域的表示，正是通过傅立叶正反变换的处理，才使得频率域上的处理可以用于图像的增强。频域增强的主要步骤是：
(1) 选择变换方法，将输入图像变换到频域空间；
(2) 在频域空间中，根据处理目的设计一个转移函数并进行处理；
(3) 将所得结果用反变换得到图像增强。
卷积定理是频域增强的基础。设函数f（x,y）与线性位不变算子h（x,y）的卷积结果是g（x,y），即g(x,y)=h(x,y)*f(x,y)
那么根据卷积定理在频域有：
G(x,y)=H(u,v)F(u,v)
其中G(x,y)、 H(u,v)、F(u,v)分别是g(x,y)、h(x,y)、f(x,y)的傅立叶变换。
（4）技术所需增强图的傅立叶变换。
（5）将其与一个（根据需要设计的）转移函数相乘。
（6）再将结果进行傅立叶反变换以得到增强的图。
（7）将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换。
（8）在频域空间对图像进行增强加工操作。
三、频域图像增强的实现方法
常用的频域增强方法有低通滤波和高通滤波，以下分别介绍在Matlab中如何实现。
1、低通滤波器
图像在传递过程中，由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u，v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。
在傅里叶变换域中，变换系数能反映某些图像的特征，如频谱的直流分量对应于图像的平均亮度，噪声对应于频率较高的区域，图像实体位于频率较低的区域等，因此频域常被用于图像增强。在图像增强中构造低通滤波器，使低频分量能够顺利通过，高频分量有效地阻止，即可滤除该领域内噪声。由卷积定理，低通滤波器数学表达式为：
G(u,v) = F(u,v)H(u,v)
式中，F(u,v)为含有噪声的原图像的傅里叶变换域；H(u,v)为传递函数；G(u,v)为经低通滤波后输出图像的傅里叶变换。假定噪声和信号成分在频率上可分离，且噪声表现为高频成分。H 滤波滤去了高频成分，而低频信息基本无损失地通过。
选择合适的传递函数H(u,v)对频域低通滤波关系重大。常用频率域低滤波器有：
(1) 理想低通滤波器
设傅立叶平面上理想低通滤波器离开原点的截止频率为D0，则理想低通滤波器的传递函数为：
(1-1)
式中，D(u,v)=(u 2+v 2)1/2 表示点(u,v)到原点的距离，D 0 表示截止频率点到
原点的距离。
(2) Butterworth 低通滤波器
n 阶Butterworth 滤波器的传递函数为：
（1-2）
它的特性是连续性衰减，而不像理想滤波器那样陡峭变化。
(3) 指数低通滤波器
指数低通滤波器是图像处理中常用的另一种平滑滤波器。它的传递函数为： （1-3）
(4) 梯形低通滤波器 梯形低通滤波器是理想低通滤波器和完全平滑滤波器的折中。它的传递函数为：
（1-4）
001(,)(,)0
(,)D u v D H u v D u v D ≤?=?>?01010101(,)(,)(,)(,)0(,)D u v D D u v D H u v D D u v D D D D u v D ??201
(,)(,)1n H u v D u v D =??+????0(,)(,)
n D u v D H u v e -=
2、高通滤波器
图像中的细节部分与其频率的高频分量相对应，所以高通滤波可以对图像进行锐化处理。高通滤波器与低通滤波器的作用相反，它使高频分量顺利通过，而消弱低频。
图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。采用高通滤波器可以对图像进行锐化处理，是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像。常用的高通滤波器有：
(1) 理想高通滤波器
二维理想高通滤波器的传递函数为：
（2-1）
(2) 巴特沃斯高通滤波器
n 阶巴特沃斯高通滤波器的传递函数定义如下：
（2-2）
(3) 指数滤波器
指数高通滤波器的传递函数为：
（2-3）
(4) 梯形滤波器
梯形高通滤波器的定义为： 000(,)(,)1(,)D u v D H u v D u v D ≤?=?>?0(,)(,)
n D D u v H u v e
-=()201(,) 1,n H u v D D u v =??+????
（2-8）
四、图像平滑处理
以Butterworth 低通滤波器为例，具体说明低通滤波器、高通滤波器对受噪声干扰的图像在Matlab 下进行平滑处理。
程序如下：
>>I=imread('C:\Users\Administrator.SDWM-20130303DT\Desktop\1\ch.png'）;
>> x=rgb2gray(I);
>>imwrite(x,'C:\Users\Administrator.SDWM-20130303DT\Desktop\1\ch1.tif ','tif');
>> figure;
>> subplot(222);
>> imshow(I);
>> subplot(221);
>> imshow(x);
>> subplot(222);
>> f=double(I); % 数据类型转换，MATLAB 不支持图像的无符号整型的计算 >> g=fft2(f); % 傅立叶变换
>> g=fftshift(g); % 转换数据矩阵
>> [M,N]=size(g);
>> nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器
>> d0=50;
>> m=fix(M/2);n=fix(N/2); >> for i=1:M
111001
00(,)(,)(,)(,)1(,)D u v D D u v D H u v D D u v D D D D u v D ??
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
result=ifftshift(result);
J1=ifft2(result);
J2=uint8(real(J1));
subplot(223);
imshow(J2); % 显示滤波处理后的图像
>> f=double(I);
>> g=fft2(f);
>> g=fftshift(g);
>> [M,N]=size(g);
>> nn=2; % 二阶巴特沃斯(Butterworth)高通滤波器>> d0=5;
>> m=fix(M/2);n=fix(N/2);
>> for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
if(d==0)
h=0
else
h=1/(1+0.414*(d/d0)^(2*nn)); % 计算传递函数
end
result(i,j)=h*g(i,j);
end
end
result=ifftshift(result);
h =
J1=ifft2(result);
>> J3=uint8(real(J1));
>> subplot(224);
>> imshow(J3); % 滤波后图像显示
程序运行结果如下：
说明：由于图像本身噪声很大，就没有经过加噪处理，直接进行灰度处理，再用巴特沃斯低通滤波器和高通滤波器分别对灰度图进行平滑滤波。
五、小结
通常所说的图像增强就是灰度级调整，使其更清晰，但不强调恢复图像原貌。频率域图像增强是数字图像处理的基本内容之一，主要是为了突出图像中需要的信息，削弱或消除不需要的信息，增大图像中不同物体特征之间的差别，可以改善人眼对原始图像的视觉效果，以便于进一步处理或分析。频域增强指在图像的频率域内，对图像的变换系数（频率成分）直接进行运算，然后通过Fourier逆变换以获得图像的增强效果。实践表明，在频率域，灰度级调整富有实用价值，所提高的解像力，对图像信息的提取和判别具有重要作用。
对于理想的低通滤波器，当截止频率D0较低的时候，图像严重模糊，被滤去的高频部分的能量包含了图像的主要的边缘信息，同时振铃效应也非常的明
显。随着截止频率的增加，模糊地程度减少，这是因为保留的边缘信息增加了。Butterworth滤波器滤去的频率和通过的频率之间没有明显的不连续性，图像的模
糊程度降低，而且也没有振铃效应，这是由于在低频和高频之间，滤波器平滑过
渡的缘故。采用指数低通滤波器滤波在抑制噪声的同时，图像边缘的模糊程度较
用Butterworth 滤波产生的大些，无明显的振铃效应。梯形低通滤波器的性能介
于理想低通滤波器和指数滤波器之间，滤波的图像有一定的模糊和振铃效应。
理想的高通滤波器把半径为D0的圆内的所有频率完全衰减掉，却使圆外的
所有的频率无损的通过。图像整体变得模糊，边缘和细节比较清晰。Butterworth
高通滤波器处理后的图像中只显现边缘，边缘的强度不同，而灰度平滑的区域都
变暗了。指数高通效果比Butterworth 差些，振铃现象不明显；梯形高通会产生
微振铃效果，但计算简单，较常用。高通滤波器的滤波效果可以用原始图像减去
低通滤波图像后得到。也可以将原始图像乘以一个放大系数，然后再减去低通滤
波图像后得到高频增强图像。
在学习本课的过程中，我了解了很多对图像处理的方法，但是没有亲自动手
试验过，所以当课本上的知识转换成实践时就会感到明显的力不从心。从最初的
选择题目，到软件的操作，到最后论文的完成都遇到了很多困难，但是静下心来
认真地做就会发现其中的原理，掌握其中的方法，最终得以顺利地完成此次课题。在这个过程中，最让我有成就感的就是学会了如何使用MATLAB对图像按照要求
进行处理。
参考文献：
[1]（美）冈萨雷斯（阮秋琦等译）.数字图象处理（Matlab版).北京：电子工业出版社，2005.9.
[2]王斌.Matlab实现数字图像增强处理（J）.佳木斯大学学报（自然科学出版社），2005,23（1）：31-34.
[3]莫毅恒.基于Matlab的图像增强处理.天津：天津工业大学信息与通信工程学院.300160
[4]关雪梅.基于频域的图像增强技术研究.河北：廊坊师范学院学报（自然科学版）.2012.02
[5]徐明远，刘增力，《MATLAB仿真在信号处理中的应用》，西安电子科技大学出版社，2007.11
[6]于万波，《基于MATLAB的图像处理》，清华大学出版社，2008.3
[7]飞思科技产品研发中心，《MATLAB6.5辅助图像处理》，电子工业出版社，2003.1
[8]章毓晋，《图像处理与分析》，北京清华大学出版社 2004.7
[9]张志涌，《精通MATLAB6.5》，北京北航电子版，2002.12
[10]闫敬文，《数字图像处理MATLAB版》，国防工业出版社，2007.2
[11]余松煜,周源华,张瑞编.数字图像处理[M].上海:上海交通大学出版社,2007.
[12]高严平.图像增强算法的研究与实现[D].济南:山东科技大学,2005.
[13]王爱玲,叶明生,邓秋香.MATLABR2007图像处理技术与应用[M].北京:电子工业出版社2008.
[14]冯安,王希常.MATLAB在数字图像增强中的应用[J].信息技术,2007,(5):65-68.
[15]尹凤领,霍丙全.图像处理技术的Matlab实现[J].计算机与信息技术,2007,(5).
非常全非常详细的MATLAB数字图像处理技术
MATLAB数字图像处理 1 概述 BW=dither(I)灰度转成二值图； X=dither(RGB,map)RGB转成灰度图，用户需要提供一个Colormap； [X,map]=gray2ind(I,n)灰度到索引； [X,map]=gray2ind(BW,n)二值图到索引，map可由gray(n)产生。灰度图n默认64，二值图默认2； X=graylice(I,n)灰度图到索引图，门限1/n,2/n,…,(n-1)/n，X=graylice(I,v)给定门限向量v； BW=im2bw(I,level)灰度图I到二值图； BW=im2bw(X,map,level)索引图X到二值图；level是阈值门限，超过像素为1，其余置0，level在[0,1]之间。 BW=im2bw(RGB,level)RGB到二值图； I=ind2gray(X,map)索引图到灰度图； RGB=ind2rgb(X,map)索引图到RGB； I=rgb2gray(RGB)RGB到灰度图。 2 图像运算 2.1 图像的读写 MATLAB支持的图像格式有bmp,gif,ico,jpg,png,cur，pcx,xwd和tif。 读取（imread）： [1] A=imread(filename,fmt) [2] [X,map]=imread(filename,fmt) [3] […]=imread(filename) [4] […]=imread(URL,…) 说明：filename是图像文件名，如果不在搜索路径下应是图像的全路径，fmt是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGB)；第二个读入索引图，map 为索引图对应的Colormap,即其相关联的颜色映射表，若不是索引图则map为空。URL表示引自Internet URL中的图像。 写入（imwrite）： [1] R=imwrite(A,filename,fmt); [2] R=imwrite(X,map,filename,fmt); [3] R=imwrite(…,filename); [4] R=imwrite(…,Param1,V al1,Param2,Val2) 说明：针对第四个，该语句用于指定HDF,JPEG,PBM,PGM,PNG,PPM,TIFF等类型输出文件的不同参数。例如HDF的Quality,Compression,WriteMode;JPEG的BitDepth，Comment:Empty or not，Mode:lossy or lossless，Quality等。 2.2 图像的显示 方法1：使用Image Viewer(图像浏览器)，即运用imview函数。 同时显示多帧图像的所有帧，可用到montage函数。
数字图像处理实验程序MATLAB.
实验一 内容（一） （1）彩色图像变灰度图像 A=imread('1.jpg'); B=rgb2gray(A); figure subplot(1,2,1), imshow(A) title('原图') subplot(1,2,2), imshow(B) title('原图灰度图像') （2）彩色图像变索引图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') [X,map]=rgb2ind(A,128); subplot(1,2,2), imshow(X,map) title('原图索引图像') （3）彩色图像变二值图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') C=im2bw(A,0.2); subplot(1,2,2), imshow(C) title('原图二值图像') （4）灰度图像变索引图像（一） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=grayslice(B,39); subplot(1,2,2), imshow(C) title('灰度变索引图像')
（5）灰度图像变索引图像（二） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') [X,map]=gray2ind(B,63); subplot(1,2,2), imshow(X,map) title('灰度变索引图像') （6）灰度图像变彩色图像 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=gray2rgb(B,map); subplot(1,2,2), imshow(C) title('灰度变彩色图像') 内容（二） （1）灰度平均值 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') B=double(B); [m,n]=size(B); sumg=0.0; for i=1:m; for j=1:n; sumg=sumg+B(i,j); end end avg=sumg/(m*n) % 均值 maxg=max(max(B)) % 区域最大灰度ming=min(min(B)) % 区域最小灰度 （2）彩色平均值
用Matlab进行数字图像处理实验1
实验报告 专业：信息与计算科学班级：07级（1）班指导老师：汪太月老师姓名：刘莲学号：0641210224 实验室：K7-407 实验名称：Matlab图像工具箱的使用时间：2010.6.13 一、实验目的及要求 （一）实验目的 1、掌握MATLAB中常用的图像处理语句； 2、掌握图像的读入，信息查询以及显示； 3、掌握采用不同的模板对图像进行滤波； 4、掌握图像显示的调用格式； （二）实验要求 1、练习MATLAB中常用的图像处理语句； 2、练习图像的读入，信息查询以及显示； 3、练习采用不同的模板对图像进行滤波； 4、练习图像显示的调用格式； 二、实验设备（环境）及要求 1、支持Intel Pentium Ⅲ及其以上CPU，内存256MB以上、硬盘1GB以上容量的微机；软件配有 Windows98/2000/XP操作系统及MATLAB软件； 2、实验过程中，务必分析实验结果，按要求写出实验报告。（建议同时网上提交电子版实验报告： yw6895@https://www.wendangku.net/doc/554294336.html,） 三、实验内容与步骤 1、练习MATLAB中常用的图像处理语句 Matlab中为用户提供了一些特殊的函数，用于从图像格式的文件中读写图像。其中：a、读取图形文件格式的图像需要用imread函数； b、写入一个图形文件格式的图像需要调用imwrite函数； c、获取图形文件格式的图像的信息需要调用imfinfo、ind2rgb函数； d、以Mat文件加载或保存矩阵数据用load、save函数； e、显示加载到Matlab中的图像用image、imagesc. 此外，Matlab工具箱中还提供了图像转化函数，可以对图像类型进行转化，以达到某些图像处理工作的要求。 下面，我们将分别对这些常用的图像处理语句在Matlab中进行练习，并观察其输出结果： （1）在Matlab中读入一个灰度图像，并利用相关函数进行图像处理，并显示结果。 Matlab程序如下： I=imread('lena.bmp'); %读入原图像文件 imshow(I) %图像文件的显示 imwrite(I,'lena1.bmp'); %将原图像重命名为lena1.bmp,并保存图像 figure,imhist(I,225) %显示原图像的直方图，225为指定的灰度级数目 X=grayslice(I,64); %将原图像I均匀量化成64个等级，然后转化成索引色图像X figure,imshow(X,pink(64)) %显示索引色图像，pink(64)产生一个64×3的调色板，色度为粉红运行结果如下： 500 1000 1500 2000 2500 3000 3500 050100150200250 （2）练习图像的读入，信息查询以及显示 Matlab程序如下： load trees image(50,80,X) %显示加载到Matlab中的图像 imwrite(X,map,'trees.tif'); %将图像以tif格式保存 inf=imfinfo('trees.tif') %图像文件信息的查询 BW=im2bw(X,map,0.4); %将索引图像转化成二值图像 figure,imshow(X,map) %显示图像 figure,imshow(BW) 运行结果如下： 50100150200250300350 100 150 200 250 300 %显示从Matlab中加载的图像文件的信息 inf = Filename: 'trees.tif' FileModDate: '18-六月-2010 19:41:48' FileSize: 75764 Format: 'tif' FormatVersion: [] Width: 350 Height: 258 BitDepth: 8 ColorType: 'indexed' FormatSignature: [73 73 42 0] ByteOrder: 'little-endian' NewSubFileType: 0 BitsPerSample: 8 Compression: 'PackBits'
非常全非常详细的MATLAB数字图像处理技术
MATＬAＢ数字图像处理 1 概述 ＢW=ｄitheｒ(I)灰度转成二值图； Ｘ=ｄitｈer（RＧB,ｍap)RＧB转成灰度图，用户需要提供一个Cｏlorｍap; ［X，maｐ]＝grａy2inｄ(Ｉ,n)灰度到索引; [X,mａp]=grａy２ｉnd（BＷ,n)二值图到索引，ｍap可由grａｙ(n）产生。灰度图n 默认64，二值图默认２; X=grａylｉce（I,n）灰度图到索引图，门限１/n,2/ｎ,…,(n-1）／n,X=graｙlｉｃe(I，ｖ)给定门限向量v； BW=im２bw(I,levｅl)灰度图I到二值图； BW=im2bw(Ｘ,map,levｅl)索引图X到二值图；ｌevel是阈值门限，超过像素为1,其余置0,lｅvｅl在[0,1]之间。 ＢW=im2ｂｗ(RGＢ,leｖｅl)ＲＧＢ到二值图; I=iｎd2gray（Ｘ,mａp)索引图到灰度图; RＧＢ=ind2rｇb(Ｘ,maｐ）索引图到ＲGB; I＝ｒgb２gray(RGB)RGB到灰度图。 2 图像运算 2.１图像的读写 MATLAＢ支持的图像格式有bｍp，gif,ico,jｐｇ，png，cur，ｐcx,xwd和tｉf。 读取(imread): [1］Ａ=imreaｄ(fｉlenaｍe,fmt) ［2] [Ｘ,ｍaｐ］=imrｅad（ｆiｌｅｎame,fｍt） ［3] ［…]＝iｍｒead（ｆiｌｅnamｅ) ［4] […]=imread(UＲL,…) 说明:filenａme是图像文件名,如果不在搜索路径下应是图像的全路径,fmｔ是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGＢ);第二个读入索引图，map 为索引图对应的Ｃolormap,即其相关联的颜色映射表，若不是索引图则ｍap为空。URＬ表示引自Ｉntｅrnet ＵRL中的图像。 写入(iｍｗrite): [1] R=imwrite(A,fileｎaｍe，fｍｔ)； [2] Ｒ=imwriｔe(X,map,fiｌename,ｆmt); [３] R＝ｉｍwritｅ(…,filenaｍｅ); [4] R=iｍｗrite(…，Param1,Val1,Pａraｍ2,Vａl2) 说明:针对第四个,该语句用于指定ＨDF,JPEＧ,PBＭ,PGM,PNG,PPM,ＴIＦＦ等类型输出文件的不同参数。例如ＨDF的Qualｉtｙ,Compreｓｓioｎ,ＷｒｉｔeMode;JPEＧ的BiｔＤｅpｔh，Cｏmｍent：Ｅmｐtｙor not，Mode:ｌossy oｒｌossless，Quality等。 ２．2 图像的显示 方法1：使用Imaｇe Viｅwer(图像浏览器），即运用imｖiｅw函数。
用matlab数字图像处理四个实验
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，MA TLAB把其处理为4类： ?亮度图像(Intensity images)
(完整版)数字图像处理MATLAB程序【完整版】
第一部分数字图像处理
实验一图像的点运算 实验1.1 直方图 一．实验目的 1．熟悉matlab图像处理工具箱及直方图函数的使用； 2．理解和掌握直方图原理和方法； 二．实验设备 1.PC机一台； 2.软件matlab。 三．程序设计 在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。 I=imread('cameraman.tif');%读取图像 subplot(1,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(1,2,2),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题 四．实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像， 如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像； 3．浏览源程序并理解含义； 4．运行，观察显示结果； 5．结束运行，退出； 五．实验结果 观察图像matlab环境下的直方图分布。 (a)原始图像 (b)原始图像直方图 六．实验报告要求 1、给出实验原理过程及实现代码； 2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2 灰度均衡 一．实验目的 1．熟悉matlab图像处理工具箱中灰度均衡函数的使用； 2．理解和掌握灰度均衡原理和实现方法； 二．实验设备 1.PC机一台； 2.软件matlab； 三．程序设计 在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。 I=imread('cameraman.tif');%读取图像 subplot(2,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(2,2,3),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题 a=histeq(I,256); %直方图均衡化，灰度级为256 subplot(2,2,2),imshow(a) %输出均衡化后图像 title('均衡化后图像') %在均衡化后图像中加标题 subplot(2,2,4),imhist(a) %输出均衡化后直方图 title('均衡化后图像直方图') %在均衡化后直方图上加标题 四．实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像， 如:cameraman图像；再调用相应的灰度均衡函数，设置参数；最后输出处理后的图像； 3．浏览源程序并理解含义； 4．运行，观察显示结果； 5．结束运行，退出； 五．实验结果 观察matlab环境下图像灰度均衡结果及直方图分布。 (a)原始图像 (b)均衡化后图像
matlab数字图像处理源代码
数字图像去噪典型算法及matlab实现 希望得到大家的指点和帮助 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响 到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度 的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊， 可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一：均值滤波对高斯噪声的效果 l=imread（'C:\Documents and 桌面\1.gif'）;% 读取图像
J=imnoise(l,'gaussian',0,0.005);% 加入均值为0 ,方差为 0.005 的高斯噪声subplot(2,3,1);imshow(l); title(' 原始图像'); subplot(2,3,2); imshow(J); ti tle('加入高斯噪声之后的图像’)； %采用MATLAB 中的函数filter2 对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; % 模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5 K3=filter2(fspecial('average',7),J)/255; % 模板尺寸为7 K4= filter2(fspecial('average',9),J)/255; % 模板尺寸为9 subplot(2,3,3);imshow(K1); ti tle(' 改进后的图像1'); subplot(2,3,4); imshow(K2); title(' 改进后的图像2'); subplot(2,3,5);imshow(K3); title(' 改进后的图像3'); subplot(2,3,6);imshow(K4); title(' 改进后的图像4');
MATLAB数字图像处理技术
MATLAB 数字图像处理技术 4 MATLAB 图像增强 4.1 原理、方法及体系结构 三个阶段：图像预处理、特征抽取阶段、识别分析阶段。 目的：改善图像的视觉效果，提高图像成分的清晰度；是图像变得有利于计算机处理。 方法：空间域增强方法、频域增强方法。 体系： 图像增强：空间域、频率域、彩色增强 空间域：像素点处理（图像灰度变换、直方图修正（中值滤波、均值滤波））、领域处理（图像平滑滤波、图像锐化滤波） 频率域：低通滤波、高通滤波、同态滤波 彩色处理：真彩色处理、伪彩色处理（灰度分层法、灰度变换法、频域伪彩色） 4.2 对比度增强 线性变换：(,)[(,)]N n g x y f x y m n M m -= -+-。其中功能是把函数的灰度值(,)f x y 从 范围[m,M]变为[n,N]。 非线性变换：分为对数变换和Gamma 变换。前者表达式为(,)log[(,)1]g x y c f x y =+， 其中c 为常数。后者表达式为r f cr =，r 为CCD 图像传感器或胶片等的入射光的强度，为 常数，灰度与光强成正比，则有1 ()r f g kr k c ==，k 为常数通常为1，1/r 取0.4~0.8。 我们可以用一个函数imadjust 函数来实现： J=imadjust(I)； J=imadjust(I,[low_in;high_in],[low_out;high_out]); J=imadjust(I,[low_in;high_in],[low_out;high_out],gamma)。 其中灰度范围用归一化灰度值，范围[0,1]。整个图像的[low_in;high_in]可以用函数stretch 函数来获得。 MATLAB image toolbox5.4还提供一个手动调节的控制面板，调用函数imconstrast 。 4.3 空域变换增强 分为基于像素点和基于模板的两类方法。 像素选择：pixval 和impixel 。用法如下： Pixval(‘on/off ’)；pixval ；pixval(fig,option); [C,R,P]=impixel(X,MAP)。 说明：MAP 仅仅当是索引图的时候采用此参数。C 为像素的颜色，R,P 为像素的坐标。Pixval 可以得到更多的像素信息，impixel 可以返回指定像素的颜色值。 强度描述图：improfile ，用以描述图像一条线段或多条线段的强度值。格式：
基于Matlab的数字图像处理系统设计设计
论文（设计）题目： 基于MATLAB的数字图像处理系统设计
基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。矚慫润厲钐瘗睞枥庑赖。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。聞創沟燴鐺險爱氇谴净。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。残骛楼諍锩瀨濟溆塹籟。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换
第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。酽锕极額閉镇桧猪訣锥。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。彈贸摄尔霁毙攬砖卤庑。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。謀荞抟箧飆鐸怼类蒋薔。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGA/CPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。厦礴恳蹒骈時盡继價骚。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，
数字图像处理 matlab代码
MATLAB实用源代码 图像读取及灰度变换 I=imread('cameraman.tif');%读取图像 subplot(1,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(1,2,2),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题 图像旋转 I = imread('cameraman.tif'); figure,imshow(I); theta = 30; K = imrotate(I,theta); % Try varying the angle, theta. figure, imshow(K) 边缘检测 I = imread('cameraman.tif'); J1=edge(I,'sobel'); J2=edge(I,'prewitt'); J3=edge(I,'log'); subplot(1,4,1),imshow(I); subplot(1,4,2),imshow(J1); subplot(1,4,3),imshow(J2); subplot(1,4,4),imshow(J3); 1.图像反转 MATLAB 程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H); 2.灰度线性变换 MATLAB 程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]);
(整理)实验一 MATLAB数字图像处理初步.
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。 6. 了解图像的算术运算在数字图像处理中的初步应用。 7．体会图像算术运算处理的过程和处理前后图像的变化。 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，MA TLAB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] (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类数组，在MA TLAB中并不认为是二值图像。使用logical函数可以把数值数组转化为二值数组或逻辑数组。创建一个逻辑图像，其语法为： B=logical(A) 其中，B是由0和1构成的数值数组。 要测试一个数组是否为逻辑数组，可以使用函数: islogical(c) 若C是逻辑数组，则该函数返回1；否则，返回0。 (3) 索引图像 索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。 一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。 (4) RGB图像 一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色相似点都是在特定空间位置的彩色图像相对应的红、绿、蓝三个分量。按照惯例，形成一幅RGB彩色图像的三个图像常称为红、绿或蓝分量图像。 令fR，fG和fB分别代表三种RGB分量图像。一幅RGB图像就利用cat(级联)操作将这些分量图像组合成彩色图像： rgb_image=cat(3,fR,fG,fB) 在操作中，图像按顺序放置。 2、数据类和图像类型间的转化 表1中列出了MATLAB和IPT为表示像素所支持的各种数据类。表中的前8项称为数值数据类，第9项称为字符类，最后一项称为逻辑数据类。 工具箱中提供了执行必要缩放的函数(见表2)。以在图像类和类型间进行转化。
Matlab数字图像处理技术 最终版
Matlab数字图像处理技术 一、数字图像处理基础 1、图形和图像的区别 图形（矢量图）：以几何数学为基础，图形由点、线、圆等图元组成，图形文件仅记录点的坐标和绘图命令。 图像（点阵图）：用像素来描述的图，图像文件中记录每个像素的颜色和亮度。 2、四邻域和八邻域： 4-邻域：设像素p（x，y），它有4个水平和垂直相邻的像素：（x-1,y）(x+1,y) (x,y-1)(x,y+1)，这4个点组成p的4-邻域。 对角邻域：像素p（x，y）的4个对角临近像素：（x-1,y-1）(x+1,y-1) (x-1,y+1)(x+1,y+1)，这4个点组成p的对角邻域。 8-邻域：像素p的4-邻域和对角邻域合起来组成p的8-邻域。 3、彩色模型 (1)RGB模型 8种颜色配比（归一化）： （2）HIS模型：H(色度)，S（饱和度），（I）亮度。 （3）二值模型：0—黑色，1—白色。 （4）灰度模型：白—黑有256个灰度级来显示图像，0—黑色，255—白色。 （5）几种图像的颜色数： 二值图像：2种像素值 灰度图像：256种灰度级 彩色图像：256 * 256 * 256 = 2^24种 索引彩色： 4、图像处理中常用的输入设备：数码相机、数码摄像机、扫描仪； 图像处理中常用的输出设备：显示器、打印机、绘图仪。 5、图像的存储： 空间分辨率：M * N 幅度分辨率：G = 2^K 存储一幅图像所需位数（bit）：b = M * N * K。
二、图像的基本运算 1、图像点运算 F为输入点的灰度值，G为输出点的灰度值， a) b = 0时，a>1，图像对比度增大；0
数字图像处理(MATLAB版)
数字图像处理(MATLAB版) 实验指导书 (试用版) 本实验指导书配合教材和课堂笔记中的例题使用 姚天曙编写 安徽农业大学工学院 2009年4月试行 目录 实验一、数字图像获取和格式转换 2 实验二、图像亮度变换和空间滤波 6 实验三、频域处理7 实验四、图像复原9 实验五、彩色图像处理10 实验六、图像压缩11 实验七、图像分割13 教材与参考文献14 《数字图像处理》实验指导书 实验一、数字图像获取和格式转换 一、实验目的 1掌握使用扫描仪、数码相机、数码摄像级机、电脑摄像头等数字化设备以及计算机获取数字图像的方法； 2修改图像的存储格式；并比较不同压缩格式图像的数据量的大小。 二、实验原理 数字图像获取设备的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。各类设备都标明了它的光学分辨率和最大分辨率。分辨率的单位是dpi，dpi是英文Dot Per Inch的缩写，意思是每英寸的像素点数。 扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者
图纸照片；然后启动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x 方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。至此，反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号，最后通过串行或者并行等接口送至计算机。扫描仪每扫一行就得到原稿x方向一行的图像信息，随着沿y方向的移动，在计算机内部逐步形成原稿的全图。扫描仪工作原理见图1.1。 图1.1扫描仪的工作原理 在扫描仪的工作过程中，有两个元件起到了关键的作用。一个是CCD，它将光信号转换成为电信号；另一个是A/D变换器，它将模拟电信号变为数字电信号。CCD是Charge Couple Device的缩写，称为电荷耦合器件，它是利用微电子技术制成的表面光电器件，可以实现光电转换功能。CCD在摄像机、数码相机和扫描仪中应用广泛，只不过摄像机中使用的是点阵CCD，即包括x、y两个方向用于摄取平面图像，而扫描仪中使用的是线性CCD，它只有x一个方向，y方向扫描由扫描仪的机械装置来完成。CCD芯片上有许多光敏单元，它们可以将不同的光线转换成不同的电荷，从而形成对应原稿光图像的电荷图像。 数码相机的系统结构（见图1.2）数码相机的许多特殊部件，如图像传感器（CCD或CMOS）、模/数转换器（A/D）、数字信号处理单元（DSP）、图像存储器、液晶显示器（LCD）以及输出控制单元（连接端口）等是传统胶片相机所没有的。 仔细分析一下数码相机的原理方框图，我们不难发现，数码相机的系统工作过程就是把光信号转化为数字信号的过程。数码相机使用CCD电荷耦合器件这种光敏元件代代替胶卷感光成像。光线通过透镜系统和滤色器（滤光器）投射到CCD光敏元件上，CCD元件将其光强和色彩转换为电信号记录到数码相机的存储器中，形成计算机可以处理的数字信号。 数码相机除了光学透镜系统外，其余几乎全由电子电路控制。基本的信号处理过程非常简单。由CCD送来的电信号通过A/D转换器转换为数字信号，然后送入具有信号处理能力的DSP（数字信号处理器）。DSP处理工作量很大，一般都设计成专用的硬件。信号进一步送给离散余弦变换部件DCT进行JPEG压缩，然后通过接口电路记录到位于最后一级的存储器。 图1.2 数码相机原理图 数码摄像机的感光器件也即数码摄像机感光成像的部件，能把光线转变成电荷，通过模数转换器芯片转换成数字信号。目前数码摄像机的核心成像部件有两种：一种是广泛使用的CCD（电荷藕合）元件；另一种是CMOS （互补金属氧化物导体）器件。电荷藕合器件图像传感器CCD（Charge Coupled Device），它使用一种高感光度的半导体材料制成，能把光线转变成电荷，通过模数转换器芯片转换成数字信号，数字信号经过压缩以后由相机内部的闪速存储器或内置硬盘卡保存，因而可以轻而易举地把数据传输给计算机，并借助于计算机的处理手段，根据需要和想像来修改图像。CCD由许多感光单位组成，通常以百万像素为单位。当CCD表面受到光线照射时，每个感光单位会将电荷反映在组件上，所有的感光单位所产生的信号加在一起，就构成了一幅完整的画面。互补性氧化金属半导体CMOS（Complementary Metal-Oxide Semiconductor）和CCD一样同为在数码相机中可记录光线变化的半导体。CMOS的制造技术和一般计算机芯片没什么差别，主要是利用硅和锗这两种元素所做成的半导体，使其在CMOS上共存着带N（带–电）和 P（带+电）级的半导体，这两个互补效应所产生的电流即可被处理芯片纪录和解读成影像。然而，CMOS的缺点就是太容易出现杂点, 这主要是因为早期的设计使CMOS在处理快速变化的影像时，由于电流变化过于频繁而会产生过热的现象。由两种感光器件的工作原理可以看出，CCD的优势在于成像质量好，但是由于制造工艺复杂，只有少数的厂商能够掌握，所以导致制造成本居高不下，特别是大型CCD，价格非常高昂。在相同分辨率下，CMOS价格比CCD便宜，但是CMOS器件产生的图像质量相比CCD来说要低一些。到目前为止，市面上绝大多数的消费级别以及高端数码相机都使用CCD作为感应器；CMOS感应器则作为低端产品应用于一些摄像头上，是否具有CCD感应器变成了人们判断数码相机档次的标准之一。
MATLAB在数字图像处理上的应用
MATLAB在数字图像增强处理上的应用 姓名： 学号： 专业： 班级： 学院： 完成日期：
MATLAB在图像增强处理中的应用 （姓名学号年级班级） [摘要]数字图像增强处理是一门新兴技术，随着计算机硬件的发展，数字增强图像的实时处理已经成为可能，由于数字图像增强处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字增强图像处理是一种通过计算机采用一定的算法对图形图像进行增强处理的技术。数字图像增强处理技术已经在各个领域上都有了比较广泛的应用。图像增强处理的信息量很大，对处理速度的要求也比较高。 MATLAB语言因具有功能强、效率高、简单易学等特点，在许多领域得到广泛应用。MATLAB强大的运算和图形展示功能，使图像增强处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB进行数字图像增强处理，并通过一些例子来说明利用MATLAB进行图像增强处理的方法，重点分析了MATLAB在图象增强处理中的应用。通过实例验证了该语言具有强大图形处理能力, 是一种简洁易学, 可读性强、功能强大的应用软件。 [关键词]MATLAB语言、数字图像处理、图像增强
Abstract Digital image processing is an emerging technology, with the development of computer hardware, real-time digital image processing has become possible due to digital image processing algorithms to appear, making it faster and faster processing speed, better for People services .Digital image processing is used by some algorithms computer graphics image processing technology. Digital image processing technology has been in various areas have a relatively wide range of applications. Image processing large amount of information on the processing speed requirement is relatively high. MATLAB powerful computing and graphics display capabilities, so that image processing becomes more simple and intuitive. This paper introduces characteristics of MATLAB language and this MATLAB-based digital image processing environment, describes how to use the MATLAB Image Processing Toolbox for its digital image processing, and through some examples to illustrate the use of MATLAB Image Processing Toolbox for image processing method. Mainly discusses the use of MATLAB for image enhancement and other image processing technologies. Keywords: MATLAB, digital image processing, image enhancement.
- MATLAB数字图像处理函数汇总
- matlab数字图像处理—图像增强
- MATLAB数字图像处理 图像增强
- Matlab数字图像处理技术 最终版
- 数字图像处理及MATLAB实现
- MATLAB数字图像处理
- matlab数字图像处理源代码
- Matlab数字图像处理.ppt
- 数字图像处理 matlab代码
- MATLAB的数字图像处理
- matlab 数字图像处理实验报告(五份)
- 非常全非常详细的MATLAB数字图像处理技术
- 数字图像处理教程(matlab版)
- 数字图像处理教程(matlab版)
- matlab数字图像处理源代码
- 基于matlab gui数字图像处理
- 非常全非常详细的MATLAB数字图像处理技术
- matlab数字图像处理增强对比度
- 基于MATLAB数字图像处理的实现和仿真(完整版)
- Matlab数字图像处理2