基于matlab的图像形状与分类 开 题 报 告
Matlab实验报告(三)-MATLAB绘图
实验目的1．掌握MATLAB的基本绘图命令。
2．掌握运用MATLAB绘制一维、二维、三维图形的方法.3．给图形加以修饰。
一、预备知识1．基本绘图命令plotplot绘图命令一共有三种形式：⑴plot（y)是plot命令中最为简单的形式，当y为向量时,以y的元素为纵坐标，元素相应的序列号为横坐标,绘制出连线；若y为实矩阵，则按照列绘出每列元素和其序列号的对应关系，曲线数等于矩阵的列数;当y为复矩阵时，则按列以每列元素的实部为横坐标，以虚部为纵坐标，绘出曲线，曲线数等于列数。
⑵ plot（x,y,［linspec］）其中linspec是可选的，用它来说明线型。
当x和y为同维向量时，以x为横坐标，y为纵坐标绘制曲线;当x是向量，y是每行元素数目和x维数相同的矩阵时,将绘出以x为横坐标，以y中每行元素为纵坐标的多条曲线，曲线数等于矩阵行数；当x为矩阵，y为相应向量时，使用该命令也能绘出相应图形。
⑶ plot（x1,y1,x2,y2，x3,y3……）能够绘制多条曲线,每条曲线分别以x和y为横纵坐标，各条曲线互不影响。
线型和颜色MATLAB可以对线型和颜色进行设定，线型和颜色种类如下：线：—实线：点线 -.虚点线——折线点：.圆点 +加号 *星号 x x型 o 空心小圆颜色：y 黄 r 红 g 绿 b 蓝 w 白 k 黑 m 紫 c 青特殊的二维图形函数表5 特殊2维绘图函数[1］ 直方图在实际中,常会遇到离散数据,当需要比较数据、分析数据在总量中的比例时，直方图就是一种理想的选择，但要注意该方法适用于数据较少的情况。
直方图的绘图函数有以下两种基本形式。
·bar(x,y) 绘制m*n 矩阵的直方图.其中y 为m ＊n 矩阵或向量,x 必须单向递增。
·bar(y） 绘制y 向量的直方图，x 向量默认为x=1：m close all; ％关闭所有的图形视窗。
x=1:10；y=rand （size(x ）); bar(x,y ）; ％绘制直方图.123456789100.51Bar(）函数还有barh （）和errorbar （）两种形式，barh()用来绘制水平方向的直方图，其参数与bar()相同，当知道资料的误差值时，可用errorbar （)绘制出误差范围,其一般语法形式为：errorbar （x,y,l,u)其中x,y 是其绘制曲线的坐标,l ，u 是曲线误差的最小值和最大值，制图时，l 向量在曲线下方,u 向量在曲线上方。
Matlab中的图像特征提取和图像分类技术
Matlab中的图像特征提取和图像分类技术图像特征提取和图像分类是计算机视觉领域中的重要研究方向。
通过对图像进行特征提取和分类，可以实现图像识别、目标检测等应用。
Matlab作为一种强大的科学计算软件，提供了丰富的功能和工具箱，能够方便快捷地实现图像特征提取和分类的算法。
一、图像特征提取图像特征提取是将图像从像素级别转换到语义级别的过程。
常用的图像特征包括颜色、纹理、形状等。
在Matlab中，有多种方法可以进行图像特征提取。
1.1 颜色特征提取颜色在图像中起着重要的作用，可以通过颜色特征来描述图像的内容。
在Matlab中，可以使用RGB颜色空间、HSV颜色空间等来表示和提取图像的颜色特征。
通过计算图像中每个像素的颜色分量，可以获得图像的颜色直方图、颜色矩等特征。
1.2 纹理特征提取纹理是图像中细微的、规律性的结构特征。
在Matlab中，可以使用灰度共生矩阵（GLCM）等方法来提取图像的纹理特征。
GLCM是描述图像灰度分布的一种统计方法，通过计算图像中像素之间的灰度关系，可以得到纹理特征如对比度、能量、熵等。
1.3 形状特征提取形状是图像中物体的外形特征，常用的形状特征包括边缘、轮廓、几何形状等。
在Matlab中，可以使用边缘检测算法、轮廓提取算法等来提取图像的形状特征。
通过识别图像中物体的边缘和轮廓，可以得到图像的形状描述符。
二、图像分类技术图像分类是将图像分为不同类别的过程，是计算机视觉中的重要应用之一。
在Matlab中，有多种方法可以实现图像分类。
2.1 传统机器学习方法传统的图像分类方法主要基于机器学习算法，如支持向量机（SVM）、K近邻（KNN）等。
在Matlab中，可以使用机器学习工具箱来实现基于特征向量的图像分类。
通过提取图像的特征向量，并使用机器学习算法进行训练和分类，可以实现准确的图像分类。
2.2 深度学习方法深度学习是近年来兴起的一种图像分类技术，利用深度神经网络来学习图像的特征表示。
基于matlab的图像形状与分类（已处理）
基于matlab的图像形状与分类天津职业技术师范大学本科生毕业设计基于matlab的图像形状与分类Image shape and classification based on Matlab专业班级:学生姓名:指导教师: 系别:2012年6月摘要数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像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处理的技术。
数字图像处理技术已经在各个领域上都有了比较广泛的应用。
图像处理的信息量很大,对处理速度的要求也比较高。
MATLAB强大的运算和图形展示功能,使图像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及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。
论文主要论述了利用MATLAB实现对图像中的三角形,正方形,圆,椭圆,菱形的边缘提取和自动识别分类。
关键词:MATLAB;数字图像处理;图像形状;图像分类ABSTRACTDigital 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 digital image processing environment based on MATLAB, describes how to use the MATLAB Image Processing Toolbox for its digital image processing, The edge of the digital image shape extraction and recognition of classification. This paper mainly discusses the use of MATLAB to achieve the edge of the image triangle,square,circle, oval diamond extraction and classification of automatic identification.Key Words:MATLAB;Digital Image Processing; Image shape; ImageClassification目录1 引言11.1课题研究目的及意义11.2国内外研究现状 11.3本课题研究工作与结构安排 22 数字图像形状及预处理 32.1概述32.2 数字图像的预处理 42.2.1数字图像 42.2.2采样 62.2.3量化72.2.4 采样、量化和图像细节的关系72.3几种典型的形状特征描述方法83形状特征及提取分类 93.1 矩形度103.2 圆形度103.3 矩113.4 不变矩113.5基于不变矩的形状特征提取123.5.1 特征提取步骤123.5.2 边缘提取算子的确定123.5.3 边缘提取常用算子123.5.4 Canny算子133.6 边缘提取实验结果及分析153.6.1 边缘提取算法分析153.6.2 图像形状识别结果15结论25参考文献26致谢27附录: 281 引言本章简略介绍课题的研究目的及意义,该课题国内外研究现状以及论文内容安排等。
在Matlab中如何进行图像识别与分类
在Matlab中如何进行图像识别与分类在Matlab中进行图像识别与分类随着计算机技术的快速发展，图像识别与分类在各个领域得到了广泛应用。
Matlab作为一种强大的计算工具，提供了丰富的图像处理和机器学习函数，使得图像识别与分类变得更加便捷和高效。
本文将介绍在Matlab中进行图像识别与分类的基本方法和步骤。
一、图像预处理图像预处理是图像识别与分类的第一步，其目的是将原始图像进行降噪、增强和标准化，以便后续的特征提取和分类算法的应用。
在Matlab中，可以使用imread函数读取图像，然后使用imnoise函数添加噪声，使用imadjust函数进行图像增强，使用imresize函数进行图像尺寸调整等操作。
此外，还可以使用图像滤波器进行模糊处理或者边缘增强，以便更好地突出图像的特征。
二、特征提取特征提取是图像识别与分类的核心步骤，其目的是从图像中提取出具有代表性的特征，用于后续的分类算法。
在Matlab中，可以使用各种特征描述子进行特征提取，常用的有颜色直方图、纹理特征、形状特征等。
例如，可以使用RGB颜色直方图函数imhist来提取图像的颜色特征，使用纹理特征提取函数graycomatrix来提取图像的纹理特征，使用边缘检测函数edge来提取图像的形状特征等。
特征提取的关键在于选择合适的特征描述子，以及合理的特征维度和尺度的选择，以充分表达图像的特征。
三、分类算法分类算法是图像识别与分类的关键步骤，其目的是将提取到的特征进行分类，以实现对图像的自动识别和分类。
在Matlab中，可以使用各种经典的分类算法来进行图像分类，常用的有支持向量机（SVM）、最近邻算法（KNN）、神经网络等。
例如，可以使用Matlab中的fitcsvm函数实现SVM分类器的训练和测试，使用fitcknn函数实现KNN分类器的训练和测试，使用Patternnet函数实现神经网络分类器的训练和测试等。
分类算法的关键在于选择合适的模型和算法参数，以及合理的特征选择和特征权重的设计，以提高分类器的准确性和鲁棒性。
基于matlab毕业设计题目
基于Matlab的毕业设计题目：基于Matlab的图像处理与识别系统设计一、题目背景图像处理与识别是计算机视觉领域的重要应用，Matlab作为一种强大的数学软件，提供了丰富的图像处理工具箱，使得图像处理与识别变得更加容易。
本毕业设计旨在利用Matlab 实现一个基于图像处理的毕业设计项目，通过对图像进行预处理、特征提取和分类识别，实现对图像的自动识别。
二、设计目标1. 对输入的图像进行预处理，包括去噪、增强等操作，提高图像质量。
2. 利用Matlab提供的图像特征提取方法，提取出图像中的关键特征，如边缘、纹理等。
3. 实现基于分类器的图像识别系统，能够根据特征分类并识别出不同的图像。
4. 评估系统性能，通过对比实验和分析，验证系统的准确性和稳定性。
三、设计思路1. 采集不同类型和背景的图像数据集，包括待识别图像和参考图像。
2. 对采集到的图像进行预处理，包括去噪、增强等操作，提取出有用的特征。
3. 利用Matlab提供的图像特征提取方法，如边缘检测、纹理分析等，提取出关键特征。
4. 根据提取的特征，设计分类器，实现图像的自动识别。
5. 对系统性能进行评估，包括准确率、召回率、F1得分等指标。
四、技术实现1. 使用Matlab的图像处理工具箱对图像进行预处理，包括灰度化、去噪、增强等操作。
2. 利用Matlab的滤波器对图像进行边缘检测，如Sobel滤波器、Canny滤波器等。
3. 使用纹理分析方法对图像进行纹理特征提取，如灰度共生矩阵等方法。
4. 根据提取的特征，设计分类器，如支持向量机（SVM）、神经网络等。
5. 使用Matlab的优化工具箱对分类器进行训练和优化，提高分类器的准确率和稳定性。
五、实验结果与分析1. 实验数据集：采集不同类型和背景的图像数据集，包括待识别图像和参考图像。
实验数据集需要涵盖多种场景和类别，如人脸识别、手势识别、交通标志识别等。
2. 实验结果：对不同类型和背景的图像进行测试，验证系统的准确性和稳定性。
基于matlab的图像形状与分类 任务书 翻译
毕业设计（论文）任务书题目(包括副标题)基于matlab的图像形状与分类教师姓名职称讲师系别学生姓名学号班级成果形式A论文B设计说明书C实物D软件E作品■□□■□任务下达时间2011年10月25日1．毕业设计（论文）课题任务的内容和要求：掌握数字图像处理的基本理论和实现方法，熟悉Matlab图像处理的常用工具箱，找出一种区别各种不同形状的特征算法，并编程对算出的参数逐个进行比对，识别出图像的具体形状，并进行分类。
具体要求如下：1.完成方案总体设计和实际需求分析；2.对基于形状的识别分类的现状及发展趋势进行调研；3.了解图像形状识别的基本原理和相关方法；4.构建本课题形状识别分类的软硬件平台，过程设计具体，详细，有独特之处；5.完成毕业论文的撰写。
2．毕业设计（论文）工作进度计划：时间工作内容第一周--第二周第三周-- 第五周第六周—第七周第八周—第十周第十一周—第十二周第十三周—第十四周收集课题信息及相关资料学习MATLAB软件相关知识，完成初步设计。
进行毕业设计，确定设计方案。
编写程序，进行软件调试。
逐步完善设计方案,实现功能。
将以上的工作编制成论文形式设计总结、完成论文、答辩准备教研室（学科组）主任签字：毕业设计（论文）中期报告学院班级学生姓名指导教师课题名称：基于matlab的图像形状与分类1、开题以来所做的具体工作和取得的进展和成果自开题以来，我所做的工作主要是阅读文献和练习软件使用，并补充前期设计方面没有考虑全面的问题，并大量阅读文献材料进行模拟仿真，比较相关各种方法的优缺点。
所取得的进展和成果：①在计算机上安装所要用到的开发工具matlab并调试成功，可以使用②阅读相关文献，了解图像识别与分类的常用方法③了解并比较这些常用方法的优缺点④完成一些程序代码的编译与仿真2、下一步的主要研究任务，具体设想和安排①继续学习matlab的相关知识，争取早日把相关函数功能模块做完做好②把仿真做完，查阅资料，解决遇到的问题③实际仿真出具体程序的运行结果，整理出过程，结果④进一步完善各种方法的优缺点的总结与比较⑤准备毕业设计答辩问题，整理整个毕业设计中的问题与收获3、存在的具体问题①对matlab程序的使用还不是很熟练，操作还要多加练习②对有些实现方法的理解不够透彻③已模拟仿真好的程序偶尔会出现问题④有些方法的具体程序还是看不太懂，理解不深，还要多加练习学生签字：年月日指导教师的建议与要求：指导教师签字：年月日注：本表格同毕业设计（论文）一同装订成册，由所在学院归档保存。
基于matlab的图像处理课程设计
基于matlab的图像处理课程设计一、课程目标知识目标：1. 学生能理解图像处理的基本概念，掌握图像的数字化表示方法。
2. 学生能掌握Matlab软件的基本操作，运用其图像处理工具箱进行图像的读取、显示和保存。
3. 学生能掌握图像处理的基本算法，如灰度变换、图像滤波、边缘检测等，并理解其原理。
技能目标：1. 学生能运用Matlab进行图像处理操作，解决实际问题。
2. 学生能通过编程实现图像处理算法，具备一定的程序调试和优化能力。
3. 学生能运用所学知识，结合实际问题，设计简单的图像处理程序。
情感态度价值观目标：1. 学生通过学习图像处理，培养对计算机视觉和人工智能领域的兴趣，激发创新意识。
2. 学生在课程实践中，培养团队协作精神，提高沟通与表达能力。
3. 学生能认识到图像处理技术在生活中的广泛应用，增强学以致用的意识。
分析课程性质、学生特点和教学要求，本课程目标旨在使学生在掌握基本图像处理知识的基础上，通过Matlab软件的实践操作，培养其编程能力和解决实际问题的能力。
同时，注重培养学生的团队协作和情感态度，使其在学习过程中获得成就感，激发学习兴趣。
课程目标将具体分解为学习成果，以便后续教学设计和评估。
二、教学内容1. 图像处理基础理论：- 数字图像概念及表示方法- 图像处理的基本操作：读取、显示、保存- 像素运算与邻域处理2. Matlab基础操作：- Matlab软件安装与界面介绍- 数据类型与基本运算- 矩阵运算与函数编写3. 图像处理算法：- 灰度变换与直方图处理- 图像滤波：低通滤波、高通滤波- 边缘检测：Sobel算子、Canny算子4. 实践项目：- 图像增强与去噪- 图像分割与特征提取- 目标检测与跟踪5. 教学大纲：- 第一周：图像处理基础理论，Matlab基础操作- 第二周：灰度变换与直方图处理，图像滤波- 第三周：边缘检测，实践项目一- 第四周：图像分割与特征提取，实践项目二- 第五周：目标检测与跟踪，课程总结与展示教学内容根据课程目标，结合教材章节进行选择和组织，确保科学性和系统性。
如何在Matlab中进行图像处理与图像识别的实用技巧
如何在Matlab中进行图像处理与图像识别的实用技巧Matlab是一款强大的科学计算软件，广泛应用于图像处理和图像识别领域。
在这篇文章中，我们将探讨一些在Matlab中进行图像处理和图像识别的实用技巧。
一、图像预处理在进行图像处理前，我们通常需要对原始图像进行预处理，以提高后续处理的效果。
图像预处理的目标包括去噪、增强和归一化等。
1.1 去噪图像中常常存在各种噪声，如高斯噪声、椒盐噪声等，这些噪声会影响后续处理的准确性。
Matlab提供了多种去噪方法，其中最常用的是使用统计滤波器，如均值滤波器、中值滤波器和高斯滤波器等。
这些滤波器能够有效地减少图像中的噪声，并保持图像的细节。
1.2 增强图像增强可以使图像更加清晰、对比度更强、细节更明显。
在Matlab中，可以使用直方图均衡化、灰度拉伸等方法进行图像增强。
直方图均衡化通过对图像的灰度级进行重新映射，使得图像的直方图分布更加均匀，从而提高图像的对比度和细节。
而灰度拉伸则通过调整图像的灰度级范围，使得图像的亮度更加均衡。
1.3 归一化当我们需要对不同尺寸、不同亮度、不同对比度的图像进行处理时，通常需要将它们归一化到相同的尺寸、亮度和对比度。
在Matlab中，可以使用像素重采样和直方图匹配等方法进行图像归一化。
像素重采样通过重新排列图像的像素来改变图像的尺寸，而直方图匹配则通过调整图像的直方图分布来改变图像的亮度和对比度。
二、图像特征提取图像特征提取是图像识别的关键步骤，它可以将图像中的信息抽象成一组用于表示图像的特征。
在Matlab中，常用的图像特征包括颜色特征、纹理特征和形状特征等。
2.1 颜色特征颜色是图像中最直观的特征之一，它可以用于区分不同目标或者图像的不同部分。
在Matlab中，可以使用颜色直方图、颜色矩和颜色共生矩阵等方法来提取图像的颜色特征。
颜色直方图统计了图像中每个颜色的像素数目，而颜色矩则描述了图像的颜色分布情况。
颜色共生矩阵则反映了不同颜色之间的相对分布情况，从而提取出图像的纹理特征。
基于matlab的课程设计题目
基于matlab的课程设计题目题目：基于matlab的图像处理与分析设计内容：1. 图像读取与显示：使用matlab读取图像文件，并将其显示在matlab界面上。
2. 图像处理：对读取的图像进行处理，包括图像的灰度化、二值化、滤波、边缘检测等操作。
3. 图像分析：对处理后的图像进行分析，包括图像的特征提取、目标检测、图像识别等操作。
4. 图像保存：将处理后的图像保存为新的图像文件。
5. 界面设计：设计一个简单的matlab界面，包括图像读取、处理、分析和保存等功能按钮，方便用户进行操作。
设计步骤：1. 首先，使用matlab的imread函数读取图像文件，并使用imshow函数将其显示在matlab界面上。
2. 对读取的图像进行处理，包括图像的灰度化、二值化、滤波、边缘检测等操作。
可以使用matlab的im2gray函数将图像转换为灰度图像，使用im2bw函数将灰度图像转换为二值图像，使用imfilter函数进行滤波操作，使用edge函数进行边缘检测操作。
3. 对处理后的图像进行分析，包括图像的特征提取、目标检测、图像识别等操作。
可以使用matlab的regionprops函数提取图像的特征，使用imfindcircles函数进行圆形目标检测，使用imread函数读取训练好的图像库进行图像识别。
4. 将处理后的图像保存为新的图像文件。
可以使用matlab的imwrite函数将处理后的图像保存为新的图像文件。
5. 最后，设计一个简单的matlab界面，包括图像读取、处理、分析和保存等功能按钮，方便用户进行操作。
可以使用matlab的GUI设计工具进行界面设计。
设计要求：1. 界面简洁明了，操作方便。
2. 图像处理和分析的算法要求准确可靠。
3. 代码规范，注释清晰，易于理解。
4. 提供详细的使用说明文档。
5. 可以自行选择图像进行处理和分析，也可以使用提供的测试图像进行测试。
国家开放大学《Matlab语言及其应用》实验报告(第三章--绘制二维和三维图形)
——绘制二维和三维图形
姓名：学号：
实验名称
绘制二维和三维图形
实验目标
利用Matlab常见函数完成二维图形的绘制和图形的标注；实现三维曲线和曲面图形的绘制。
实验要求
熟悉Matlab基本绘图函数、图形处理函数，了解三维曲线和曲面图形的绘制方法。
实验步骤
1、用Matlab基本绘图函数绘制二维图形：根据已知数据，用plot函数画出正弦函数曲线，并进行相应标注。
enon
实验内容
1．二维曲线绘图
例：精细指令实例
2.三维曲线绘图
【例】三维曲线绘图基本指令演示一：plot3
t=(0:0.02:2)*pi;x=sin(t);y=cos(t);z=cos(2*t);
plot3(x,y,z,'b-',x,y,z, 'rd')三维曲线绘图（蓝实线和红菱形）
box on
legend('链','宝石')在右上角建立图例
subplot(121);
surf(x1,y1,z1);
subplot(122);
[x2,y2,z2]=sphere (30);
surf(x2,y2,z2);
clear;clf;
z=peaks;
subplot(1,2,1);mesh(z);% 透视
hidden off
subplot(1,2,2);mesh(z);%不透视
2、用三维曲线绘图基本指令plot 3绘制三维曲线图：t=0~2pi;x=sin(t);y=cos(t);z=cos(2*t);用plot3函数画出关于x,y,z的三维曲线图，并适当加标注。
基于Matlab的形态学图像处理研究
引 言
Ｍ ｔ ａ 是 美 国 Ｍ ｔ Ｗ ｒ ｓ 司 出 品 的 商 业 数 学 软 件 ，用 ａ ｌｂ ａｈ ｏｋ 公 于算法 开发、数据可视化 、数据分析 以及数值 计算的高级技 术 计 算 语 言 和 交 互 式 环 境 。在 Ｍ Ｔ Ａ 技 术 环 境 下 ， 利 用 图像 Ａ ＬＢ 处 理 工 具 箱 的 Ｉ Ｔ 数 可 以进 行 可 视 化 操 作 ， 方 便 快 捷 地 对 Ｐ函 图像 进 行 处 理 。 形态学 图像处 理思想是 基于通 过一小块 形状 或模板 （ 结 构 元素） 处 理图像 ，其方法 适用于 图像处 理的各个 方面 ， 来 如 基 于 形态 学 滤 波 器 的颗 粒 分 析 ， 基 于 腐 蚀 和 开运 算 的 骨 架 抽 取 等 。许 多 二 值 图像 上 的形 态 学 运 算 也 可 以用 于 灰 度 图像 的处 理 ，但 像 形 态 学 重 构 运 算 只 能 用 于 灰 度 图像 ， 如 峰 值 滤
波。
一
为 重要 。 但 是 单 独 使 用 膨 胀 和 腐 蚀 进 行 图像 处 理 其 用 途 是 有 限 的 ， 通 过 对 这 两 种 基 本 操 作 的 组 合 可 达 到 更 有 效 的 处理 效
果。
（ 膨胀和腐蚀 的组合 二）
除 了膨 胀 和 腐 蚀 两 种 基 本 的形 态 学 操 作 外 ， 形 态 学 操 作 还 包 括 三 种 常 用 的 膨 胀 和 腐 蚀 的 组 合 操 作 ：开 运 算 、 闭运 算 、击 中或 击 不 中变 换 。 Ａ 结构元素Ｂ 被 的形态 学开运算可 以记 为Ａ Ｂ Ｏ ，这种运算 时Ａ 腐蚀后再用Ｂ 被Ｂ 来膨胀腐蚀结果 ： Ａ Ｂ （０Ｂ ０Ｂ （） Ｏ ＝Ａ ） １ 开 运 算 具 有 平 滑 边 界 ，滤 掉 比 结 构 元 素 小 的 斑 点 、 突 刺 ，断 开 狭 长 连 接 的 作 用 。 Ａ 结 构 元 素 Ｂ 形 态 学 闭 运 算 记 为Ａ Ｂ 被 的 ｅ ，它 是先 腐 蚀 再 膨胀的结果 ：
matlab图像处理综合实验实验报告
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验内容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')0100200几何运算：I=imread('E:\cs.jpg');%subplot(1,2,1),imshow(I); theta = 30;K = imrotate(I,theta); subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像') J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后') 指数运算:I=imread('E:\dog.jpg'); f=double(I); g=(2^2*(f-1))-1 f=uint8(f); g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')加法运算：clc;clear all;close all; i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02);subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308); for p=1:100j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; end k=k/100;subplot(1,3,3),imshow(k),title('图三')变换一200400600100200300400500变换二200400600100200300400500实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
基于matlab的图像形状与分类毕业设计(含源文件)
Matlab的基本数据单位是矩阵，它的指令表达式与数学，工程中常用的形式十分相似，故用Matlab来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多。
（6）XWD(X Windows Dump)格式。1，8位Zpixmaps，Xybitmaps，1位Xypixmaps。
（7）PNG（Portable Network Graphics）格式。
为了从一般的照片，景物等模拟图像中得到数字图像，需要对传统的模拟图像进行采样与量化两种操作（二者统称为数字化）。数字图像处理(DigitalImageProcessing)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。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展(特别是离散数学理论的创立和完善)；三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
对数字图像经行处理要用到Matlab程序，它在数字图像方面的用处巨大。
毕业设计（论文）
毕业论文题目：基于matlab的图像形状与分类
摘要
数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像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处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像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及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。论文主要论述了利用MATLAB实现对图像中的三角形，正方形，圆，椭圆，菱形的边缘提取和自动识别分类。
matlab图像处理实验报告
matlab图像处理实验报告Matlab图像处理实验报告引言：图像处理是一门研究如何对图像进行获取、存储、传输、处理和显示的学科。
而Matlab作为一种强大的科学计算软件，被广泛应用于图像处理领域。
本实验报告旨在介绍Matlab在图像处理中的应用。
一、图像获取与显示在图像处理的第一步，我们需要获取图像并进行显示。
Matlab提供了丰富的函数和工具箱来实现这一目标。
我们可以使用imread函数来读取图像文件，imwrite函数来保存图像文件。
而imshow函数则可以用于图像的显示。
通过使用这些函数，我们可以轻松地加载图像文件，并在Matlab中显示出来。
二、图像的基本操作在图像处理中，我们经常需要对图像进行一些基本的操作，如图像的缩放、旋转、裁剪等。
Matlab提供了一系列的函数来实现这些操作。
通过imresize函数，我们可以实现图像的缩放操作。
而imrotate函数则可以用于图像的旋转。
此外，imcrop函数可以用于图像的裁剪。
三、图像的滤波处理图像的滤波处理是图像处理中的重要内容之一。
Matlab提供了多种滤波函数，如均值滤波、中值滤波、高斯滤波等。
这些滤波函数可以用于图像的平滑处理和噪声的去除。
通过调用这些函数，我们可以有效地改善图像的质量。
四、图像的边缘检测边缘检测是图像处理中的一项重要任务，它可以用于提取图像中的边缘信息。
在Matlab中，我们可以使用多种边缘检测算法来实现这一目标，如Sobel算子、Prewitt算子、Canny算子等。
这些算子可以有效地提取图像中的边缘，并将其显示出来。
五、图像的特征提取图像的特征提取是图像处理中的关键步骤之一，它可以用于提取图像中的重要特征。
在Matlab中，我们可以使用各种特征提取算法来实现这一目标，如颜色直方图、纹理特征、形状特征等。
通过提取这些特征，我们可以对图像进行分类、识别等任务。
六、图像的分割与识别图像的分割与识别是图像处理中的热门研究方向之一。
开题报告-基于MATLAB的人脸识别系统
[6] 张俭鸽，王世卿，盛光磊.基于小波和 DFB-PCA 的人脸识别算法研究[J]. 自动化学报，2007，23（2-1）.
[7] 曹林，王东峰，刘小军，邹谋炎.基于二维 Ga bor 小波的人脸识别算法[J]. 电子学报，2006，28（3）490-494
人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜 在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样 本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或 相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。
二、本题的基本内容
本设计利用 MATLAB 实现了一个集多种预处理方法于一体的通用的人脸 图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中， 并利用灰度图像的直方图比对来实现人脸图像的识别判定。
此外在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人 类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、 行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机 制，并努力将这些机制用于实践，如各种智能机器人的研制。
同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样， 人脸也具有唯一性，也可用来鉴别一个人的身份。人脸图像的自动识别系统较 之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标 就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸 图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图 像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人 脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰 条件下实现人脸图像的识别，也就更具有挑战性。
实验报告二 Matlab图像代数运算和几何变换
实验二Matlab图像代数运算和几何变换一、实验目的1、掌握不同图像类型的转换2、掌握图像代数运算和几何变换的方法；3、掌握灰度级插值法的实验方法。
二、实验内容1、练习图像类型转换的相关命令（ind2rgb，mat2gray，grayslice，rgb2gray，rgb2ind，im2bw，ind2gray，dither）（p69-73）；2、练习课本6.3.2（p139-p143）图像代数运算的内容；3、练习图像平移 (p148)，图像比例变换（p153），图像旋转（p156），图像镜像变换（p158），图像切割（p160）Matlab实现例题；4、练习灰度级插值法（p171）。
三、实验步骤和结果1、练习图像类型转换的相关命令（ind2rgb，mat2gray，grayslice，rgb2gray，rgb2ind，im2bw，ind2gray，dither）（1）mat2gray()函数I=imread('rice.png');>> J=filter2(fspecial('sobel'),I);>> K=mat2gray(J);>> imshow(I);>> figure,imshow(K)（2）、grayslice()函数>> I=imread('snowflakes.png');>> X=grayslice(I,16);>> imview(I)imview(X,jet(16))（3）、rgb2ind()函数> RGB=imread('peppers.png');>> imshow(RGB);>> figure,imshow(RGB)>> [X,map]=rgb2ind(RGB,128);>> figure,imshow(X,map) （4）、im2bw（）函数>> load trees>> BW=im2bw(X,map,0.4);>> figure,imshow(X,map)>> figure,imshow(BW)（5）、ind2gray()函数load trees>> I=ind2gray(X,map);>> figure,imshow(X,map)>> figure,imshow(I)（6）、dither()函数>> RGB=imread('peppers.png'); >> [X,map]=rgb2ind(RGB,256); >> I=dither(RGB,map);>> BW=dither(I);>> imshow(RGB,map);>> figure,imshow(RGB,map); >> figure,imshow(BW)Result：（1）转换后图像（2）索引色图像（3）索引色图像（4）索引色图像（4）二值化后的图像（5）转换后的灰度图像（6）索引色图像（6）抖动转换图像2、练习课本6.3.2（p139-p143）图像代数运算的内容（1）加法运算I=imread('rice.png');>> figure(1),imshow(I,[])>> I2=imread('cameraman.tif')>> figure(2),imshow(I2,[])>> K=imadd(I,I2,'uint16');>> figure(3),imshow(K,[])>> I=imread('lena.bmp');>> I2=imadd(I,50);>> figure(1),imshow(I)>> figure(2),imshow(I2)（2）、减法运算>> I=imread('rice.png'); >> I2=imread('cameraman.tif'); >> I3=imsubtract(I,I2);>> figure,imview(I3)（3）乘法&除法运算>> I=imread('lena.bmp');>> I2=immultiply(I,0.5);>> figure,imshow(I)>> figure,imshow(I2)>> I3=immultiply(I,1.5);>> figure,imshow(I3)>> I4=imdivide(I,0.5);>> figure,imshow(I4)>> I5=imdivide(I,1);>> figure,imshow(I5)Result：（1）加法运算后的图像（1）加入常数后的图像（2）减法运算（3）乘以0.5后的图像乘以1后的图像除以0.5后的图像除以1后的图像3、练习图像平移 (p148)，图像比例变换（p153），图像旋转（p156），图像镜像变换（p158），图像切割（p160）Matlab实现例题；（a）图像平移>> I=imread('trees.tif');>> figure,imshow(I)>> I=double(I);>> I_movesult=zeros(size(I));>> H=size(I);>> Move_x=50;>> Move_y=50;>>I_movesult(Move_x+1:H(1),Move_y+1:H(2))=I(1:H(1)-Move_x,1:H(2)-Move_y);>> figure,imshow(uint8(I_movesult))（b）图像比例变换J=imread('trees.tif');>> figure,imshow(J);>> X1=imresize(J,2);>> X2=imresize(J,0.5);>> figure,imshow(X1)>> figure,imshow(X2)（C）图像旋转变换>> I=imread('peppers.png');>> figure,imshow(I)>> X1=imrotate(I,30,'nearest');>> figure,imshow(uint8(X1))>> X2=imrotate(I,45,'nearest');>> figure,imshow(uint8(X2))>> X3=imrotate(I,60,'nearest');>> figure,imshow(uint8(X3))>> X4=imrotate(I,90,'nearest');>> figure,imshow(uint8(X4))（d）图像镜像变换>> I=imread('forest.tif');>> I=double(I);>> figure,imshow(uint8(I));>> H=size(I);>> figure(2),>> I2(1:H(1),1:H(2))=I(H(1):-1:1,1:H(2));>> imshow(uint8(I2));>> figure,imshow(uint8(I2));>> I3(1:H(1),1:H(2))=I(1:H(1),H(2):-1:1);>> figure,imshow(uint8(I3));>> I4(1:H(1),1:H(2))=I(H(1):-1:1,H(2):-1:1);>> figure,imshow(uint8(I4));（e）图像切割>> I1=imread('peppers.png');>> I2=imcrop(I1,[75 68 220 100]);>> imview(I2)I3=imcrop(I1,[30 40 120 100]);>> imview(I3)（a）平移后的图像（b）放大后图像（b）缩小后的图像(c)旋转30°后的图像旋转45°后的图像旋转60°后的图像旋转90°后的图像（d）原始图像垂直镜像水平镜像对角镜像（e）原始图像一次切割后图像二次切割后图像4、练习灰度级插值法（p171）>> I=imread('lena.bmp');>> X1=imresize(I,1);>> X2=imresize(I,1,'bilinear');>> X3=imresize(I,1,'bicubic');>> figure,imshow(X1)>> figure,imshow(X2)>> figure,imshow(X3)最近邻差值法双线性插值法三次插值法四、实验体会在本次实验中掌握不同图像类型的转换，掌握了转换函数及其语法格式，如ind2rgb()函数将索引图像转换成真彩色。
matlab实验报告实验二
matlab实验报告实验二Matlab实验报告实验二引言Matlab是一种功能强大的数学软件，广泛应用于科学研究和工程实践中。
在实验二中，我们将探索Matlab的图像处理功能，并通过实际案例来展示其应用。
图像处理基础图像处理是指对图像进行数字化处理的过程，其目的是改善图像质量、提取有用信息或实现特定的应用需求。
在Matlab中，我们可以利用各种函数和工具箱来实现图像处理的各种任务，如图像增强、滤波、分割和特征提取等。
实验步骤1. 图像读取与显示在Matlab中，我们可以使用imread函数读取图像文件，并使用imshow函数将图像显示在屏幕上。
例如，我们可以读取一张名为"lena.jpg"的图像，并显示出来：```matlabimg = imread('lena.jpg');imshow(img);```2. 图像灰度化图像灰度化是将彩色图像转换为灰度图像的过程。
在Matlab中，我们可以使用rgb2gray函数将彩色图像转换为灰度图像。
例如，我们可以将上一步读取的图像转换为灰度图像：```matlabgray_img = rgb2gray(img);imshow(gray_img);```3. 图像二值化图像二值化是将灰度图像转换为二值图像的过程，其中只包含黑色和白色两种颜色。
在Matlab中，我们可以使用imbinarize函数将灰度图像二值化。
例如，我们可以将上一步得到的灰度图像二值化：```matlabbinary_img = imbinarize(gray_img);imshow(binary_img);```4. 图像平滑图像平滑是指去除图像中的噪声或细节，使得图像更加平滑和清晰。
在Matlab 中，我们可以使用imfilter函数对图像进行平滑处理。
例如，我们可以对上一步得到的二值图像进行平滑处理：```matlabsmooth_img = imfilter(binary_img, fspecial('average'));imshow(smooth_img);```5. 图像边缘检测图像边缘检测是指提取图像中物体边缘的过程，常用于目标检测和图像分割。
matlab 图像 实验报告
matlab 图像实验报告Matlab图像实验报告引言：Matlab是一种强大的计算机编程语言和开发环境，广泛应用于科学计算、数据分析和图像处理等领域。
本实验报告旨在介绍基于Matlab的图像处理实验，包括图像读取、图像处理和图像显示等方面的内容。
一、图像读取图像读取是图像处理的第一步，通过读取图像可以获取图像的像素信息。
在Matlab中，可以使用imread函数来读取图像文件。
例如，通过以下代码可以读取一张名为"image.jpg"的图像：```matlabimage = imread('image.jpg');```二、图像处理1. 灰度化处理灰度化处理是将彩色图像转换为灰度图像的过程。
在Matlab中，可以使用rgb2gray函数来实现灰度化处理。
以下是一个简单的示例：```matlabgray_image = rgb2gray(image);```2. 图像增强图像增强是通过一系列的处理方法来改善图像的质量和视觉效果。
在Matlab中，有多种图像增强方法可供选择，如直方图均衡化、滤波和边缘检测等。
以下是一个直方图均衡化的示例：```matlabenhanced_image = histeq(gray_image);```3. 图像分割图像分割是将图像划分为若干个区域的过程，每个区域具有相似的特征。
在Matlab中，可以使用各种图像分割算法，如阈值分割和基于区域的分割。
以下是一个简单的阈值分割示例：```matlabthreshold = graythresh(enhanced_image);binary_image = imbinarize(enhanced_image, threshold);```三、图像显示图像显示是将处理后的图像展示给用户的过程。
在Matlab中，可以使用imshow函数来显示图像。
以下是一个简单的示例：```matlabimshow(binary_image);```四、实验结果与讨论本次实验中，我们选择了一张名为"image.jpg"的彩色图像进行处理。
MATLAB绘画实验报告
MATLAB绘画实验报告MATLAB绘画实验报告引言：MATLAB是一种强大的科学计算软件，它不仅可以进行数值计算、数据分析和模拟仿真等工作，还可以用于绘制各种图形。
在本次实验中，我将通过使用MATLAB进行绘画，探索其绘图功能的强大之处。
一、绘制基本图形首先，我使用MATLAB绘制了一些基本图形，如直线、曲线和点等。
通过设置不同的参数，我可以控制图形的形状、颜色和线条样式等。
这为我后续的绘图工作奠定了基础。
二、绘制二维图形接下来，我使用MATLAB绘制了一些二维图形，如折线图、散点图和柱状图等。
通过输入数据并选择合适的绘图函数，我可以将数据以直观的方式展示出来。
例如，我可以使用折线图来展示某个变量随时间的变化趋势，或者使用散点图来展示两个变量之间的关系。
三、绘制三维图形除了二维图形，MATLAB还可以绘制各种各样的三维图形。
我使用MATLAB绘制了一些三维曲面图和三维散点图。
通过设置坐标轴和数据，我可以将复杂的数据以立体的方式展示出来。
这对于研究三维数据的分布和趋势非常有帮助。
四、绘制动画除了静态图形，MATLAB还可以绘制动画。
我使用MATLAB编写了一些简单的动画程序，如小球的运动轨迹和图形的变换等。
通过控制时间和参数，我可以实现图形的动态变化，使得观察者可以更好地理解图形背后的规律和特点。
五、图形处理与分析MATLAB不仅可以绘制图形，还可以对图形进行处理和分析。
我使用MATLAB 对一些图形进行了平滑处理、噪声去除和边缘检测等操作。
这些图形处理技术可以帮助我们更好地理解图像中的信息，并提取出我们感兴趣的特征。
六、应用实例最后，我将MATLAB的绘图功能应用到了实际问题中。
我使用MATLAB绘制了一幅地形图，并通过设置不同的参数，展示了地形在不同条件下的变化。
这对于地质学家和地理学家来说非常有用，可以帮助他们更好地理解地球表面的形态和特征。
结论：通过本次实验，我深刻体会到了MATLAB绘图功能的强大之处。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计开题报告
基于matlab的图像形状与分类
系别：
班级：
学生姓名：
指导教师：
2011 年 11 月22日
毕业设计开题报告
附页：
基于matlab的图像形状与分类
一、研究的目的
数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像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处理的技术。
数字图像处理技术已经在各个领域上都有了比较广泛的应用。
图像处理的信息量很大，对处理速度的要求也比较高。
MATLAB强大的运算和图形展示功能，使图像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及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。
论文主要论述了利用MATLAB实现对图像中的三角形正方形圆椭圆菱形的边缘提取和自动识别分类。
二、主要技术指标
对形状分析和分类的方法技术有许多。
通常来说，形状特征表示方法可以分为两类：基于边界的和基于区域的。
前者使用形状的外部边界，而后者使用整个区域。
这两类形状特征的最典型的方法分别是傅立叶描述符、变形模板匹配和形状不变矩。
此外轮廓匹配方法还有几何参数法、边界方向直方图法、小波重要系数法和小波轮廓表示法等本文主要采用的是几何参数法来判断给出的的图像是什么形状。
对于图像分类问题，特征提取的好坏是决定分类性能的关键因素。
提取物体的形状特征前，首先要对图像进行边缘提取，以获得物体的轮廓边界，然后需要把轮廓边界区域的特征抽取出来。
在这些特征里面，有一部分可以用数字量值来描述，但更多的特征是一些没有明显特征的几何图形。
为了便于图像的匹配，需要对这些几何图形进行进一步的描述。
图像中物体的性质不能因为图像的平移、旋转、比例尺度的改变而发生变化。
所以，在进行形状描述时，选择的描述符应具有平移不变性、旋转不变性、尺度不变性等特点。
不但如此，选择的描述符还应该能够刻画形状的本质特点，使得该描述符具有良好的可分辨能力。
图像特征选择的原则特征提取是对模式所包含的输入信息进行处理和分析，将不易受随机因素干扰的信息作为该模式的特征提取出来。
特征提取过程是去除冗余信息的过程，具有提高识别精度，减少运算量和提高运算速度的作用。
矩形度
用目标图像的面积和包围该图像的最小的矩形面积之比作为目标矩形
度的一种度量参数，记为
R =
(1)。
其中0A 表示目标图像的面积，R A 表示包围该图像的最小矩形的面积。
R 的大小能反映目标物体和矩形的接近程度。
矩形度的值限定在0到1之间。
圆形度
对于面积一定的图形，一半周长越小，圆形表面越光滑，越接近圆；反之，周长越大，则圆形表面褶皱越多，形状也就越复杂。
基于这个原因，一般采用圆形度来衡量图形偏向圆形状的程度。
形状的圆形度是指目标物体的周长平方和其面积之比，记为
2
4P c A
π= (2) 其中：P 表示图形的周长，A 表示周长所围的面积。
理论上讲，元的圆形度为1.0，正方形的圆形度为4π=0.79，正三角形的圆形度为(9=0.60.
三、工作思路
1．确定用Canny 算子对图像进行边缘提取，得到边缘图像。
2．对边缘图像进行轮廓跟踪，得到外轮廓图像对外轮廓图像进行预处理：首先平滑轮廓线得到连续的轮廓线，采用自适应二值化的方法二值化该轮廓线，再细化轮廓线。
最后得到清晰的连续平滑、单像素、二值化的外轮廓图像。
3．计算目标区域的七个不变矩，构成这幅图像的形状特征向量。
4．介绍了基于matlab 对图像特征进行提取并根据其圆形度和矩来对图形进行判断的设计思路，同时给出了对应的结果分析。
四、课题的准备情况及进度计划
第一周--第二周：翻阅大量的书籍，期刊，以及上网查询有关本次毕业设计的相关资料。
第三周--第五周： 在查阅大量资料的基础上对学习MATLAB 软件的相关知识，完成初步设计。
第六周—第七周: 进行毕业设计，确定设计方案。
第八周—第十周: 编写MATLAB 相关的应用程序，进行软件调试。
逐步完善设计方案,
实现功能。
第十一周—第十二周: 将以上的工作编制成论文形式
第十三周—第十四周: 完成毕业论文，本专业英语译文3000字符以上，进行总结，准
备答辩。
五、参考文献
(1)陈纯：计算机图像处理技术与算法．北京：清华大学出版社，2003年
(2)孙兆林：MATLAB 6．X图像处理．北京：清华大学出版社，2002年
(3)韩晓军苗长云王亚青：基于标准图像文件格式的数字图像处理方法（J）．阜新：
辽宁工程技术大学学报(自然科学版)．2000，1 9(4)：416～463；
(4) 周新伦柳健,刘华志. 数字图像处理. 北京: 国防工业出版社, 1986年
(5)徐飞等编著：MATLAB应用图像处理．西安：西安电子科技大学出版社，2004年
(6)霍宏涛等：《数字图像处理》北京：北京理工大学出版社，2002年
(7)范立南等编著：《图像处理与模式识别》北京：科学出版社，2007年
(8)曹茂永等编著：《数字图像处理》北京：北京大学出版社，2007年
(9)刘禾：《数字图像处理及应用》北京：中国电力出版社，2006年
(10)阮秋琦：《数字图像处理学》北京:电子工业出版社,2001
(11)张志涌：精通MATLAB6. 5. 北京: 北京航天航空大学出版社,2003
(12) Chua L O, Yang L., Cellular neural networks Theory[ J], IEEE Trans. Circuits
Syst, 1988, 35(10): 1257~1272
(13) L.O.Chua, CNN:A Paradigm for Complexity, World Scientific Series On
Nonlinear Science, 1998
(14)Sudeep Sarkar, Kim L.Boyer, On Optimal Infinite Impulse Response Edge
Detection Filter, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.13, No.11, pp.1154-1170, Novmber 1991
(15) L.O.Chua, CNN: A Vision of Complexity, International J. of Bifurcation and
Chaos Vol.7, No.10(1997): 2219-2425
(16)Leon O.Chua, Lin Yang, Cellular Neural Networks Application, IEEE
Transactions on Circuits and Systems, 1988, Vol.35,No.10,pp1273~1290。