您的位置：360文档中心› 数字图像处理及应用(MATLAB)第1章

数字图像处理及应用(MATLAB)第1章

合集下载

MATLAB图像处理基础教程

MATLAB图像处理基础教程

MATLAB图像处理基础教程第一章：MATLAB图像处理简介MATLAB（Matrix Laboratory）是一种强大的数值计算和数据可视化软件，广泛应用于各个领域，包括图像处理。

图像处理是一门研究如何对数字图像进行分析、增强、重建和压缩的学科。

本教程将引导读者逐步了解MATLAB图像处理的基本概念和技术。

第二章：MATLAB图像的读取与显示在MATLAB中，可以使用imread函数读取不同格式的图像文件，并使用imshow函数显示图像。

此外，还可以使用imfinfo函数获取图像的详细信息，如分辨率、颜色空间和位深度等。

第三章：图像的灰度处理灰度处理是一种常见的图像预处理方法。

通过将彩色图像转换为灰度图像，可以减少图像的数据量，简化图像处理的复杂性。

在MATLAB中，可以使用rgb2gray函数将彩色图像转换为灰度图像，并使用imhist函数查看灰度图像的直方图。

第四章：图像的滤波处理滤波是一种常用的图像处理操作，用于对图像进行平滑、增强或去噪。

MATLAB提供了各种滤波函数，如均值滤波、中值滤波和高斯滤波等。

可以根据具体需求选择合适的滤波方法，并使用imfilter函数进行滤波处理。

第五章：图像的二值化处理图像的二值化是将图像转换为黑白两色的过程，常用于物体检测、识别和分割等应用。

在MATLAB中，可以使用im2bw函数将灰度图像转换为二值图像，并可以调整阈值来控制二值化的效果。

第六章：图像的几何变换几何变换是一种常见的图像处理操作，用于对图像进行旋转、缩放、平移和翻转等操作。

MATLAB提供了imrotate、imresize、imtranslate和flip函数等实现各种几何变换。

通过组合这些函数，可以实现复杂的图像变换。

第七章：图像的特征提取图像的特征提取是图像处理中的重要步骤，用于从图像中提取出具有代表性的信息。

在MATLAB中，可以使用各种特征提取函数，如imgradient、imhistogram和imcontour等。

数字图像处理及matlab实现源代码【1】

数字图像处理及matlab实现源代码【1】

% *-*--*-*-*-*-*-*-*-*-*-*-*图像处理*-*-*-*-*-*-*-*-*-*-*-*%{% （一）图像文件的读/写A=imread('drum.jpg'); % 读入图像imshow(A); % 显示图像imwrite(A,'drum.jpg');info=imfinfo('drum.jpg') % 查询图像文件信息% 用colorbar函数将颜色条添加到坐标轴对象中RGB=imread('drum.jpg');I=rgb2gray(RGB); % 把RGB图像转换成灰度图像h=[1 2 1;0 0 0;-1 -2 -1];I2=filter2(h,I);imshow(I2,[]);colorbar('vert') % 将颜色条添加到坐标轴对象中% wrap函数将图像作为纹理进行映射A=imread('4.jpg');imshow(A);I=rgb2gray(RGB);[x,y,z]=sphere;warp(x,y,z,I); % 用warp函数将图像作为纹理进行映射%}% subimage函数实现一个图形窗口中显示多幅图像RGB=imread('drum.jpg');I=rgb2gray(RGB);subplot(1,2,1);subimage(RGB); % subimage函数实现一个图形窗口中显示多幅图像subplot(1,2,2),subimage(I);% *-*--*-*-*-*-*-*-*-*-*-*-*图像处理*-*-*-*-*-*-*-*-*-*-*-*% （二）图像处理的基本操作% ----------------图像代数运算------------------%{% imadd函数实现两幅图像的相加或给一幅图像加上一个常数% 给图像每个像素都增加亮度I=imread('4.jpg');J=imadd(I,100); % 给图像增加亮度subplot(1,2,1),imshow(I);title('原图');subplot(1,2,2),imshow(J);title('增加亮度图');%% imsubtract函数实现将一幅图像从另一个图像中减去或减去一个常数I=imread('drum.jpg');J=imsubtract(I,100); % 给图像减去亮度subplot(1,2,1),imshow(I);%% immultiply实现两幅图像的相乘或者一幅图像的亮度缩放I=imread('drum.jpg');J=immultiply(I,2); % 进行亮度缩放subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);%% imdivide函数实现两幅图像的除法或一幅图像的亮度缩放I=imread('4.jpg');J=imdivide(I,0.5); % 图像的亮度缩放subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);%}% ----------------图像的空间域操作------------------%{% imresize函数实现图像的缩放J=imread('4.jpg');subplot(1,2,1),imshow(J);title('原图');X1=imresize(J,0.2); % 对图像进行缩放subplot(1,2,2),imshow(X1);title('缩放图');%% imrotate函数实现图像的旋转I=imread('drum.jpg');J=imrotate(I,50,'bilinear'); % 对图像进行旋转subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);%% imcrop函数实现图像的剪切I=imread('drum.jpg');I2=imcrop(I,[1 100 130 112]); % 对图像进行剪切subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(I2);%}% ----------------特定区域处理------------------%{% roipoly函数用于选择图像中的多边形区域I=imread('4.jpg');c=[200 250 278 248 199 172];r=[21 21 75 121 121 75];BW=roipoly(I,c,r); % roipoly函数选择图像中的多边形区域subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(BW);%% roicolor函数式对RGB图像和灰度图像实现按灰度或亮度值选择区域进行处理a=imread('4.jpg');subplot(2,2,1),imshow(a);I=rgb2gray(a);BW=roicolor(I,128,225); % 按灰度值选择的区域subplot(2,2,4),imshow(BW);%% ploy2mask 函数转化指定的多边形区域为二值掩模x=[63 186 54 190 63];y=[60 60 209 204 601];bw=poly2mask(x,y,256,256); % 转化指定的多边形区域为二值掩模imshow(bw);hold onplot(x,y,'r','LineWidth',2);hold off%% roifilt2函数实现区域滤波a=imread('4.jpg');I=rgb2gray(a);c=[200 250 278 248 199 172];r=[21 21 75 121 121 75];BW=roipoly(I,c,r); % roipoly函数选择图像中的多边形区域h=fspecial('unsharp');J=roifilt2(h,I,BW); % 区域滤波subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);%% roifill函数实现对特定区域进行填充a=imread('4.jpg');I=rgb2gray(a);c=[200 250 278 248 199 172];r=[21 21 75 121 121 75];J=roifill(I,c,r); % 对特定区域进行填充subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);%}% ----------------图像变换------------------%{% fft2 和ifft2函数分别是计算二维的快速傅里叶变换和反变换f=zeros(100,100);subplot(1,2,1);imshow(f);f(20:70,40:60)=1;subplot(1,2,2);imshow(f);F=fft2(f); % 计算二维的快速傅里叶变换F2=log(abs(F));% 对幅值对对数figure;subplot(1,2,1),imshow(F),colorbar;subplot(1,2,2),imshow(F2),colorbar;%% fftsshift 函数实现了补零操作和改变图像显示象限f=zeros(100,100);subplot(2,2,1),imshow(f);title('f')f(10:70,40:60)=1;subplot(2,2,2),imshow(f);title('f取后')F=fft2(f,256,256);subplot(2,2,3),imshow(F);title('F')F2=fftshift(F); % 实现补零操作subplot(2,2,4),imshow(F2);title('F2')figure,imshow(log(abs(F2)));title('log(|F2|)')%% dct2 函数采用基于快速傅里叶变换的算法，用于实现较大输入矩阵的离散余弦变换% idct2 函数实现图像的二维逆离散余弦变换RGB=imread('drum.jpg');I=rgb2gray(RGB);J=dct2(I); % 对I进行离散余弦变换imshow(log(abs(J))),title('对原图离散后取对数'),colorbar;J(abs(J)<10)=0;K=idct2(J); % 图像的二维逆离散余弦变换figure,imshow(I),title('原灰度图')figure,imshow(K,[0,255]);title('逆离散变换');%% dctmtx 函数用于实现较小输入矩阵的离散余弦变figure;RGB=imread('4.jpg');I=rgb2gray(RGB);subplot(3,2,1),imshow(I),title('原灰度图');I=im2double(I);subplot(3,2,2),imshow(I),title('取双精度后');T=dctmtx(8); % 离散余弦变换subplot(3,2,3),imshow(I),title('离散余弦变换后');B=blkproc(I,[8,8],'P1*x*P2',T,T');subplot(3,2,4),imshow(B),title('blkproc作用I后的B');mask=[ 1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0 ];B2=blkproc(B,[8,8],'P1.*x',mask);subplot(3,2,5),imshow(B2),title('blkproc作用B后的B2');I2=blkproc(B2,[8,8],'P1*x*P2',T',T);subplot(3,2,6),imshow(I2),title('blkproc作用B2后的I2');%% edge函数用于提取图像的边缘RGB=imread('4.jpg');I=rgb2gray(RGB);BW=edge(I);imshow(I);figure,imshow(BW);%% radon 函数用来计算指定方向上图像矩阵的投影RGB=imread('4.jpg');I=rgb2gray(RGB);BW=edge(I);theta=0:179;[R,XP]=radon(BW,theta); % 图像矩阵的投影figure,imagesc(theta,XP,R);colormap(hot);xlabel('\theta(degrees)');ylabel('x\prime');title('R_{\theta}(x\prime)');colorbar;%}% ----------------图像增强、分割和编码------------------%{% imhist 函数产生图像的直方图A=imread('4.jpg');B=rgb2gray(A);subplot(2,1,1),imshow(B);subplot(2,1,2),imhist(B);%% histeq 函数用于对图像的直方图均衡化A=imread('4.jpg');B=rgb2gray(A);subplot(2,1,1),imshow(B);subplot(2,1,2),imhist(B);C=histeq(B); % 对图像B进行均衡化figure;subplot(2,1,1),imshow(C);subplot(2,1,2),imhist(C);%% filter2 函数实现均值滤波a=imread('4.jpg');I=rgb2gray(a);subplot(2,2,1),imshow(I);K1=filter2(fspecial('average',3),I)/255; % 3*3的均值滤波K2=filter2(fspecial('average',5),I)/255; % 5*5的均值滤波K3=filter2(fspecial('average',7),I)/255; % 7*7的均值滤波subplot(2,2,2),imshow(K1);subplot(2,2,3),imshow(K2);subplot(2,2,4),imshow(K3);%% wiener2 函数实现Wiener（维纳）滤波a=imread('4.jpg');I=rgb2gray(a);subplot(2,2,1),imshow(I);K1=wiener2(I,[3,3]); % 3*3 wiener滤波K2=wiener2(I,[5,5]); % 5*5 wiener滤波K3=wiener2(I,[7,7]); % 7*7 wiener滤波subplot(2,2,2),imshow(K1);subplot(2,2,3),imshow(K2);subplot(2,2,4),imshow(K3);%% medfilt2 函数实现中值滤波a=imread('4.jpg');I=rgb2gray(a);subplot(2,2,1),imshow(I);K1=medfilt2(I,[3,3]); % 3*3 中值滤波K2=medfilt2(I,[5,5]); % 5*5 中值滤波K3=medfilt2(I,[7,7]); % 7*7 中值滤波subplot(2,2,2),imshow(K1);subplot(2,2,3),imshow(K2);subplot(2,2,4),imshow(K3);%}% ----------------图像模糊及复原------------------%{% deconvwnr 函数：使用维纳滤波器I=imread('qier.jpg');imshow(I);% 对图像进行模糊处理LEN=31;THETA=11;PSF1=fspecial('motion',LEN,THETA); % 运动模糊PSF2=fspecial('gaussian',10,5); % 高斯模糊Blurred1=imfilter(I,PSF1,'circular','conv'); % 得到运动模糊图像Blurred2=imfilter(I,PSF2,'conv'); % 得到高斯噪声模糊图像figure;subplot(1,2,1);imshow(Blurred1);title('Blurred1--"motion"'); subplot(1,2,2);imshow(Blurred2);title('Blurred2--"gaussian"');% 对模糊图像加噪声V=0.002;BlurredNoisy1=imnoise(Blurred1,'gaussian',0,V); % 加高斯噪声BlurredNoisy2=imnoise(Blurred2,'gaussian',0,V); % 加高斯噪声figure;subplot(1,2,1);imshow(BlurredNoisy1);title('BlurredNoisy1'); subplot(1,2,2);imshow(BlurredNoisy2);title('BlurredNoisy2');% 进行维纳滤波wnr1=deconvwnr(Blurred1,PSF1); % 维纳滤波wnr2=deconvwnr(Blurred2,PSF2); % 维纳滤波figure;subplot(1,2,1);imshow(wnr1);title('Restored1,True PSF'); subplot(1,2,2);imshow(wnr2);title('Restored2,True PSF');%% deconvreg函数：使用约束最小二乘滤波器I=imread('qier.jpg');imshow(I);% 对图像进行模糊处理LEN=31;THETA=11;PSF1=fspecial('motion',LEN,THETA); % 运动模糊PSF2=fspecial('gaussian',10,5); % 高斯模糊Blurred1=imfilter(I,PSF1,'circular','conv'); % 得到运动模糊图像Blurred2=imfilter(I,PSF2,'conv'); % 得到高斯噪声模糊图像figure;subplot(1,2,1);imshow(Blurred1);title('Blurred1--"motion"');subplot(1,2,2);imshow(Blurred2);title('Blurred2--"gaussian"');% 对模糊图像加噪声V=0.002;BlurredNoisy1=imnoise(Blurred1,'gaussian',0,V); % 加高斯噪声BlurredNoisy2=imnoise(Blurred2,'gaussian',0,V); % 加高斯噪声figure;subplot(1,2,1);imshow(BlurredNoisy1);title('BlurredNoisy1');subplot(1,2,2);imshow(BlurredNoisy2);title('BlurredNoisy2');NP=V*prod(size(I));reg1=deconvreg(BlurredNoisy1,PSF1,NP); % 约束最小二乘滤波reg2=deconvreg(BlurredNoisy2,PSF2,NP); % 约束最小二乘滤波figure;subplot(1,2,1);imshow(reg1);title('Restored1 with NP');subplot(1,2,2);imshow(reg2);title('Restored2 with NP');%% deconvlucy函数：使用Lucy-Richardson滤波器I=imread('qier.jpg');imshow(I);% 对图像进行模糊处理LEN=31;THETA=11;PSF1=fspecial('motion',LEN,THETA); % 运动模糊PSF2=fspecial('gaussian',10,5); % 高斯模糊Blurred1=imfilter(I,PSF1,'circular','conv'); % 得到运动模糊图像Blurred2=imfilter(I,PSF2,'conv'); % 得到高斯噪声模糊图像figure;subplot(1,2,1);imshow(Blurred1);title('Blurred1--"motion"');subplot(1,2,2);imshow(Blurred2);title('Blurred2--"gaussian"');% 对模糊图像加噪声V=0.002;BlurredNoisy1=imnoise(Blurred1,'gaussian',0,V); % 加高斯噪声BlurredNoisy2=imnoise(Blurred2,'gaussian',0,V); % 加高斯噪声figure;subplot(1,2,1);imshow(BlurredNoisy1);title('BlurredNoisy1');subplot(1,2,2);imshow(BlurredNoisy2);title('BlurredNoisy2');luc1=deconvlucy(BlurredNoisy1,PSF1,5); % 使用Lucy-Richardson滤波luc2=deconvlucy(BlurredNoisy1,PSF1,15); % 使用Lucy-Richardson滤波figure;subplot(1,2,1);imshow(luc1);title('Restored Image,NUMIT=5'); subplot(1,2,2);imshow(luc2);title('Restored Image,NUMIT=15');%}% deconvblind 函数：使用盲卷积算法a=imread('4.jpg');I=rgb2gray(a);figure;imshow(I);title('Original Image');PSF=fspecial('motion',13,45); % 运动模糊figure;imshow(PSF);Blurred=imfilter(I,PSF,'circ','conv'); % 得到运动模糊图像figure;imshow(Blurred);title('Blurred Image');INITPSF=ones(size(PSF));[J,P]=deconvblind(Blurred,INITPSF,30); % 使用盲卷积figure;imshow(J);figure;imshow(P,[],'notruesize');% *-*--*-*-*-*-*-*-*-*-*-*-*图像处理*-*-*-*-*-*-*-*-*-*-*-* %{% 对图像进行减采样a=imread('lena.jpg');%subplot(1,4,1);figure;imshow(a);title('原图');b=rgb2gray(a);%subplot(1,4,2);figure;imshow(b);title('原图的灰度图');[wid,hei]=size(b);%---4倍减采样----quartimg=zeros(wid/2+1,hei/2+1);i1=1;j1=1;for i=1:2:widfor j=1:2:heiquartimg(i1,j1)=b(i,j);j1=j1+1;endi1=i1+1;j1=1;end%subplot(1,4,3);figure;imshow(uint8(quartimg));title('4倍减采样')% ---16倍减采样---quanrtimg=zeros(wid/4+1,hei/4+1);i1=1;j1=1;for i=1:4:widfor j=1:4:heiquanrtimg(i1,j1)=b(i,j);j1=j1+1;endi1=i1+1;j1=1;end%subplot(1,4,4);.figure;imshow(uint8(quanrtimg));title('16倍减采样');%}% 图像类型% 将图像转换为256级灰度图像，64级灰度图像，32级灰度图像，8级灰度图像，2级灰度图像a=imread('4.jpg');%figure;subplot(2,3,1);imshow(a);title('原图');b=rgb2gray(a); % 这是256灰度级的图像%figure;subplot(2,3,2);imshow(b);title('原图的灰度图像');[wid,hei]=size(b);img64=zeros(wid,hei);img32=zeros(wid,hei);img8=zeros(wid,hei);img2=zeros(wid,hei);for i=1:widfor j=j:heiimg64(i,j)=floor(b(i,j)/4); % 转化为64灰度级endend%figure;subplot(2,3,3);imshow(uint8(img64),[0,63]);title('64级灰度图像');for i=1:widfor j=1:heiimg32(i,j)=floor(b(i,j)/8);% 转化为32灰度级endend%figure;subplot(2,3,4);imshow(uint8(img32),[0,31]);title('32级灰度图像');for i=1:widfor j=1:heiimg8(i,j)=floor(b(i,j)/32);% 转化为8灰度级endend%figure;subplot(2,3,5);imshow(uint8(img8),[0,7]);title('8级灰度图像');for i=1:widfor j=1:heiimg2(i,j)=floor(b(i,j)/128);% 转化为2灰度级endend%figure;subplot(2,3,6);imshow(uint8(img2),[0,1]);title('2级灰度图像');% *-*--*-*-*-*-*-*-*-*-*-*-*图像处理*-*-*-*-*-*-*-*-*-*-*-* %{% ------------------ 图像的点运算------------------I=imread('lena.jpg');figure;subplot(1,3,1);imshow(I);title('原图的灰度图');J=imadjust(I,[0.3;0.6],[0.1;0.9]); % 设置灰度变换的范围subplot(1,3,2);imshow(J);title('线性扩展');I1=double(I); % 将图像转换为double类型I2=I1/255; % 归一化此图像C=2; % 非线性扩展函数的参数K=C*log(1+I2); % 对图像的对数变换subplot(1,3,3);imshow(K);title('非线性扩展');M=255-I;figure;subplot(1,3,1);imshow(M);title('灰度倒置');N1=im2bw(I,0.4); % 将此图像二值化，阈值为0.4N2=im2bw(I,0.7); % 将此图像二值化，阈值为0.7 subplot(1,3,2);imshow(N1);title('二值化阈值0.4');subplot(1,3,3);imshow(N2);title('二值化阈值0.7');%}%{% ------------------ 图像的代数运算------------------% 将两幅图像进行加法运算I=imread('lena.jpg');I=rgb2gray(I);J=imread('rice.png');% 以下把两幅图转化为大小一样for i=1:size(I)for j=size(J):size(I)J(i,j)=0;endendI=im2double(I); % 将图像转化为double型J=im2double(J);% imshow(I);figure;imshow(J);K=I+0.3*J; % 将两幅图像相加subplot(1,3,1);imshow(I);title('人物图');subplot(1,3,2);imshow(J);title('背景图');subplot(1,3,3);imshow(K);title('相加后的图');imwrite(K,'i_lena1.jpg');%%% 将两幅图像做减运算，分离背景与原图A=imread('i_lena1.jpg');B=imread('rice.png');% 以下把两幅图转化为大小一样for i=1:size(A)for j=size(B):size(A)B(i,j)=0;endendC=A-0.3*B;a=imread('lena.jpg');subplot(2,2,1);imshow(a);title('原图图');subplot(2,2,2);imshow(A);title('混合图');subplot(2,2,3);imshow(B);title('背景图');subplot(2,2,4);imshow(C);title('分离后的图');%% 设置掩模，需要保留下来的区域，掩模图像的值为1，否则为0 A=imread('drum.jpg');A=rgb2gray(A);A=im2double(A);sizeA=size(A);subplot(1,2,1);imshow(A);title('原图');B=zeros(sizeA(1),sizeA(2)); % 设置模板B(100:400,100:500)=1;K=A.*B; % 两幅图像相乘subplot(1,2,2);imshow(K);title('局部图');%}%{% ------------------ 图像的缩放------------------A=imread('drum.jpg');B1=imresize(A,1.5); % 比例放大1.5杯，默认采用的是最近邻法进行线性插值B2=imresize(A,[420 384]); % 非比例放大到420:384C1=imresize(A,0.7); % 比例缩小0.7倍C2=imresize(A,[150 180]); % 非比例缩小到150:180figure;imshow(B1);title('比例放大图');figure;imshow(B2);title('非比例放大图');figure;imshow(C1);title('比例缩小图');figure;imshow(C2);title('非比例缩小图');% 检测非比例缩放得到的图片是否能还原到原图a=size(A)d=imresize(C2,[a(1),a(2)]);figure;imshow(d);%}% ------------------ 图像的旋转------------------I=imread('drum.jpg');J=imrotate(I,45); % 图像进行逆时针旋转，默认采用最近邻插值法进行插值处理K=imrotate(I,90); % 默认旋转出界的部分不被截出subplot(1,3,1);imshow(I);subplot(1,3,2);imshow(J);subplot(1,3,3);imshow(K);% 检测旋转后的图像是否失真P=imrotate(K,270);figure;imshow(P);。

Matlab图像处理与应用(第1章)

Matlab图像处理与应用(第1章)

参考教材：1.《数字图像处理及MATLAB实现》余成波编著重庆大学出版社TN911.732.《MATLAB7.0在数字图像处理的应用》罗军辉冯平等编著机械工业出版社TP391.413.《MATLAB图像处理与应用》董长虹主编赖志国余啸海编著国防工业出版社TP391.75第1章图像与计算机图像处理1.1 图像1.1.1 图像一、概念图像：是自然界景物的客观反映，是人类认识世界和人类本身的重要源泉。

例：照片、绘画、影视画面；光学成像；汉字；图形；脑电图、心电图等。

图：是物体反射或透射光的分布，它是客观存在的。

像：是人的视角系统所接收的图在人脑中所形成的印象或认识。

总之，凡是人类视觉上能感觉到的信息，都可以称为图像。

二、图像包含的几个重要内容1．视频（动态图像、活动图像、运动图像）：它是一组图像在时间轴上的有序排列，是二维图像在一维时间域上构成的序列图像。

如：NTSC制式电视30帧/秒，PAL制式是25帧/秒，电影则是24帧/秒。

2．图形：是图像的一种抽象，反映图像的几何特征，例：点、线、面等。

图形不直接描述图像中的每一点，而是描述产生这些点的过程和方法，被称为矢量图形。

3．动画：属于动态图像的一种。

它与视频的区别在于视频的采集来源于自然的真实图像，而动画则是利用计算机产生出来的图像或图形，是合成动态图像。

动画包括二维动画、三维动画、真实感三维动画等多种形式。

4．符号与文字：符号可以表示许多信息。

符号包括各种描述量、数据语言等。

其中最重要的是数值、文字等有结构的符号组。

符号是表示某种含义的，它与使用者的知识有关，是比图形更高层次的抽象。

需具备特定的知识方能解释特定的符号和特定的文本（如语言）。

符号是用特定值表示的，如ASCII码中文国标码等。

文本媒体是用得很多的一种符号媒体形式，它由具有上下文关系的字符串组成，与字符的结构有关。

图像的共同特点：图像是二维或三维空间信息。

1.1.2 图像信息的重要性1．图像是一种空间信息，它展现在人们面前，具体地表明了事物的形态、位置和色彩等，以便人们进行观察、测量和识别。

数字图像处理及应用(MATLAB)第1章

数字图像处理及应用(MATLAB)第1章

图 采样示意图 如果是彩色图像，则是以三基色(RGB)的明亮度作为分量的二 维矢量函数来表示。即
f(x,y)=
f R ( x, y)
f G ( x, y)
f B ( x, y)
T
同一维信号一样，二维图像信号的采样也要遵循采样定理。二 维信号采样定理与数字电路中讲的一维信号采样定理类似。
2. 量化
(4) 数码摄像机 数码摄像机进行工作的基本原理简单的说就是光-电-数字信号 的转变与传输。即通过感光元件将光信号转变成电流，再将模拟电 信号转变成数字信号，由专门的芯片进行处理和过滤后得到的信息 还原出来就是我们看到的动态画面了。 数码摄像机的感光元件能 把光线转变成电荷，通过模数转换器芯片转换成数字信号。
量化示意图
一幅图像在采样时，行、列的采样点与量化时每个像素量化的 级数，既影响数字图像的质量，也影响到该数字图像数据量的大小。 假定图像取M×N个样点，每个像素量化后的灰度二进制位数为Q， 一般Q总是取为2的整数幂，即Q = 2k, 则存储一幅数字图像所需的 二进制位数b为
b M N Q
编著化学工业出版社数字图像处理实验第一章数字图像处理基础11图像及图像的数字化12图像的采集及常用格式13数字图像处理及主要应用14matlab及其在图像处理中的应用11图像及图像的数字化111图像及分类图像是自然界景物的客观反映是人类认识世界和人类本身的重要源泉
高等教育 “ 十二五 ” 规划教材
数字图像处理及应用
1.2.3 数字图像类型 1.二值图像 只有黑白两种颜色的图像 称为黑白图像或单色图像，是 指图像的每个像素只能是黑或 者白，没有中间的过度，故又 称二值图像。二值图像的像素 值只能为0或1，图像中的每个 像素值用1位存储。一幅 640×480像素的黑白图像只 需要占据37.5KB的存储空间，

数字图像处理及应用（MATLAB）第1章习题答案

数字图像处理及应用（MATLAB）第1章习题答案

第一章：习题与思考题参考答案1-1 什么是数字图像? 数字图像处理有哪些特点?数字图像是将连续的模拟图像经过离散化处理后变成计算机能够辨识的点阵图像。

数字图像处理具有以下特点：（1）处理精度高，再现性好。

（2）易于控制处理效果。

（3）处理的多样性。

（4）数字图像中各个像素间的相关性大，压缩的潜力很大。

（5）图像数据量庞大。

(6) 占用的频带较宽。

(7) 图像质量评价受主观因素的影响。

（8）图像处理技术综合性强。

1-2 数字图像处理的目的及主要内容。

一般而言，对图像进行处理主要有以下三个方面的目的(1) 提高图像的视感质量，以达到赏心悦目的目的。

(2) 提取图像中所包含的某些特征或特殊信息，以便于计算机分析。

(3) 对图像数据进行变换、编码和压缩，以便于图像的存储和传输。

数字图像处理的主要研究内容：根据其主要的处理流程与处理目标大致可以分为图像信息的描述、图像信息的处理、图像信息的分析、图像信息的编码以及图像信息的显示等几个方面。

如：图像数字化、图像增强、图像几何变换、图像复原、图像重建、图像隐藏、图像正交变换、图像编码、图像分析等。

1-3 数字图像处理的主要应用图像处理技术广泛用于众多的科学与工程领域，主要有：（1）生物医学领域中的应用（2）工业应用（3）遥感航天中的应用（4）军事、公安领域中的应用（5）其他应用，例如：图像的远距离通信；多媒体计算机系统及应用；服装试穿显示；办公自动化、现场视频管理1-4 在理想情况下获得一幅数字图像时，采样和量化间隔越小，图像的画面效果越好，当一幅图像的数据量被限定在一个范围内时，如何考虑图像的采样和量化使得图像的质量尽可能好。

一般，当限定数字图像的大小时, 为了得到质量较好的图像可采用如下原则： （1）对缓变的图像，应该细量化，粗采样，以避免假轮廓。

（2）对细节丰富的图像，应细采样，粗量化，以避免模糊（混叠）。

1-5 想想在你的工作和生活中，遇见过哪些数字化设备?它们的主要用途是什么?主要有以下几种数字化设备：(1) 图像采集卡通常图像采集卡安装于计算机主板扩展槽中，通过主机发出指令，将某一帧图像静止在存储通道中，即采集或捕获一帧图像，然后可对图像进行处理或存盘。

MATLAB图像处理入门指南

MATLAB图像处理入门指南

MATLAB图像处理入门指南第一章：MATLAB图像处理基础知识在这个章节中，我们将介绍MATLAB图像处理的基础知识。

首先，我们会简要介绍MATLAB是什么以及它在图像处理领域的应用。

然后，我们会介绍图像的表示和存储方式，包括灰度图像和彩色图像。

接着，我们会介绍MATLAB中常用的图像处理函数，并通过一些实例演示它们的使用方法。

第二章：MATLAB图像的读取和显示这一章节将详细介绍如何在MATLAB中读取和显示图像。

首先，我们会介绍MATLAB中读取图像的函数，并举例说明如何读取不同格式的图像文件。

然后，我们会详细介绍如何显示图像，并演示一些常用的图像显示函数的使用方法。

最后，我们会介绍如何在MATLAB中保存处理后的图像。

第三章：MATLAB图像的基本操作在这一章节中，我们将学习MATLAB中图像的基本操作。

首先，我们会介绍如何对图像进行裁剪、旋转和缩放等基本操作，以及如何调整图像的对比度和亮度。

接着，我们会介绍如何进行图像的平移和镜像操作。

最后，我们会介绍如何在图像上绘制几何图形和文本。

第四章：MATLAB图像的滤波处理这一章节将介绍MATLAB中图像的滤波处理方法。

首先，我们会介绍图像的平滑处理，包括均值滤波和高斯滤波等方法。

然后，我们会介绍图像的锐化处理，包括拉普拉斯滤波和Sobel滤波等方法。

接着，我们会介绍图像的边缘检测方法，包括Canny边缘检测和Sobel边缘检测等方法。

最后，我们会介绍图像的噪声去除方法，包括中值滤波和小波降噪等方法。

第五章：MATLAB图像的特征提取和目标识别这一章节将介绍MATLAB中图像的特征提取和目标识别方法。

首先，我们会介绍图像的特征提取方法，包括灰度共生矩阵、方向梯度直方图和尺度不变特征变换等方法。

然后，我们会介绍图像的目标识别方法，包括模板匹配和基于特征向量的目标识别等方法。

接着，我们会介绍MATLAB中常用的目标识别工具箱，并演示其使用方法。

第六章：MATLAB图像的分割和重建这一章节将介绍MATLAB中图像的分割和重建方法。

基于Matlab的图像预处理讲解

基于Matlab的图像预处理讲解

基于Matlab的图像预处理算法实现目录第一章绪论 (1)1.1何谓数字图像处理 (1)1.2数字图像处理的特点及其应用 (1)1.2.1 数字图像处理的特点 (1)1.2.2图像预处理的内容 (2)1.2.3 数字图像处理的应用 (3)1.3MATLAB (4)1.3.1 matlab简述 (4)1.3.2 matlab处理图像的特点 (5)第二章数字图像处理的灰度直方图 (6)2.1灰度的定义 (6)2.2直方图定义 (6)2.2.1直方图的典型用途 (6)2.2.2灰度直方图的计算 (7)2.2.3图像直方图实现代码 (7)2.3直方图均衡 (8)2.3.1 直方图均衡原理 (8)2.3.2直方图均衡的实现 (8)第三章图像平滑与图像锐化 (12)3.1图像的平滑 (12)3.1.1领域平均法基础理论 (12)3.1.2算法实现 (13)3.2图像锐化 (15)3.2.1图像锐化的目的和意义 (15)3.2.2图像锐化算法 (16)3.2.3图像锐化的实现代码 (16)第四章图像噪声与噪声的处理 (19)4.1噪声的概念 (19)4.2图像噪声对图像的影响 (19)4.3噪声来源 (19)4.4噪声图像模型及噪声特性 (20)4.4.1 含噪模型 (20)4.4.2 噪声特性 (21)4.5图像二值化 (21)4.5.1理论基础 (21)4.5.2图像二值化的实现代码 (21)4.6二值图像的去噪 (22)4.6.1理论基础 (23)4.6.2二值图像去噪的实现代码 (23)第五章结论 (25)参考文献 (26)第一章绪论1.1何谓数字图像处理数字图像处理（Digital Image Processing），就是利用数字计算机或则其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。

例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。

总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。

数字图像处理ch01(MATLAB)-课件

数字图像处理ch01(MATLAB)-课件

2024/10/12
第一章 绪论
17
2024/10/12
第一章 绪论
18
2024/10/12
第一章 绪论
19
2024/10/12
第一章 绪论
20
<2>几何处理
放大、缩小、旋转，配准，几何校正，面积、周长计算。
请计算台湾的陆地面积
2024/10/12
第一章 绪论
21
<3>图象复原
由图象的退化模型，求出原始图象
图像处理是指按照一定的目标，用一系列的操 作来“改造”图像的方法.
2024/10/12
第一章 绪论
7
➢图象处理技术的分类(从方法上进行分类)[2]
1．模拟图象处理（光学图像处理等）
用光学、电子等方法对模拟信号组成的图像，用光学器 件、电子器件进行光学变换等处理得到所需结果（哈哈 镜、望远镜，放大镜，电视等）.
2024/10/12
第一章 绪论
22
<4>图象重建[3]
[3]此图像来自罗立民，脑成像，
2024/10/12
第一章 绪论
23
/zhlshb/ct/lx.htm
2024/10/12
第一章 绪论
图形用户界面，动画，网页制作等
2024/10/12象处理的基本概念，和基 本问题，以及一些典型的应用。
2024/10/12
第一章 绪论
33
提问
摄像头(机),扫描仪,CT成像装置,其他图象成像装置
2)图象的存储
各种图象存储压缩格式(JPEG,MPEG等),海量图象数据库技术
3)图象的传输
内部传输(DirectMemoryAccess),外部传输(主要是网络)

MATLAB图像处理高级教程

MATLAB图像处理高级教程

MATLAB图像处理高级教程第一章：图像预处理1.1 图像读取与显示在MATLAB中使用imread函数读取图像文件，并使用imshow 函数显示图像。

图像可以以灰度或彩色的方式进行显示。

1.2 图像的基本操作MATLAB提供了多种图像操作函数，如图像的尺寸调整、图像的剪裁、图像的旋转等。

这些操作可以通过调用相应的函数轻松实现。

1.3 图像滤波图像滤波是改变图像的空间域特性的一种常用技术。

在MATLAB中，可以使用一维、二维及自定义核函数进行图像滤波，如均值滤波、中值滤波、高斯滤波等。

第二章：图像增强2.1 图像灰度变换图像灰度变换是将图像从一种灰度级转换为另一种灰度级的过程。

在MATLAB中，可以通过调用imadjust函数实现对图像的灰度变换操作。

2.2 直方图均衡化直方图均衡化是一种通过改变图像的灰度分布来增强图像对比度的方法。

在MATLAB中，可以使用histeq函数实现对图像的直方图均衡化处理。

2.3 边缘增强边缘增强可以使图像中的边缘特征更加清晰和突出。

MATLAB提供了多种边缘增强算法，如Sobel算子、Canny算子等。

第三章：图像分割与检测3.1 阈值分割阈值分割是一种简单和常用的图像分割方法。

在MATLAB中，可以使用graythresh函数自动确定图像的阈值，或者通过手动设定阈值进行分割。

3.2 区域生长算法区域生长算法是一种基于图像像素相似性原理的图像分割方法。

在MATLAB中，可以使用regiongrowing函数进行区域生长分割操作。

3.3 目标检测目标检测是在图像中找到特定目标的位置和边界的过程。

MATLAB提供了多种目标检测算法，如Haar特征分类器、HOG 特征分类器等。

第四章：图像处理应用4.1 图像标注与测量通过在图像上添加标注和测量工具，可以对图像上的目标进行标记和测量。

在MATLAB中，可以使用imdistline函数添加距离标尺，或者使用imellipse函数添加椭圆标记。

最新MATLAB在图像处理中应用PPT课件

最新MATLAB在图像处理中应用PPT课件
20
(1) 利用直方图均衡化方法增强图像 从纯技术上讲，图像增强技术基本上可分成两大类：一 类是频域处理法、一类是空域处理法。频域处理法的基础 是卷积定理。它采用修改图像傅立叶变换的方法实现对图 像的增强处理。空域处理法是直接对图像中的像素进行处 理，基本上是以灰度映射变换为基础的。所用的映射变换 取决于增强的目的。例如增加图像的对比度，改善图像的 灰度层次等处理均属于空域处理法。
2
2.3 彩色图象简介
1. 彩色规范（颜色模型）― RGB模型和HSI模型
1) RGB模型最直接的方来自是使用红，绿，蓝的亮度值，大小限定到一定范围， 如0到1。我们把这种约定称为RGB格式。每个象素（实际上任何可 能要量化的颜色）都能用三维空间中第一象限的一个点来表示，如 下图中的彩色立方体所示。
9
2. 真彩色、 伪彩色、 假彩色 ( 1 ) 真彩色图象 ( true color )
能真实反映自然界物体本来颜色的图象叫真彩色图象。
( 2 ) 伪彩色图象( pseudo color )
把单色图象的不同灰度赋予不同颜色的处理为伪彩 色图象处理。
灰度到彩色的映射。
( 3 ) 假彩色图象 ( false color ) 根据波长的不同赋予不同的彩色的处理为假彩色图
纹理映射 [x,y,z]=cylinder; I=imread('trees.tif'); subplot(121);warp(x,y,z,I); [x,y,z]=sphere(50); I=imread('trees.tif'); subplot(122);warp(x,y,z,I);
18
图像的算术运算
%加法运算 I=imread('trees.tif'); J=imread('cameraman.tif'); K=imadd(I,J); imshow(K)

MATLABImageProcessing图像处理入门教程

MATLABImageProcessing图像处理入门教程

MATLABImageProcessing图像处理入门教程MATLAB图像处理入门教程第一章：图像处理基础知识图像处理是指对于数字图像进行各种操作和处理的过程。

在本章中，我们将介绍一些基础的图像处理知识。

1.1 数字图像表示数字图像是由像素组成的二维数组，每个像素表示图像中的一个点。

每个像素的值表示该点的亮度或颜色。

1.2 MATLAB中的图像表示在MATLAB中，图像可以用二维矩阵表示，其中每个元素对应一个像素的亮度或颜色值。

常见的图像格式包括灰度图像和彩色图像。

1.3 图像读取和显示使用MATLAB的imread函数可以读取图像文件，imshow函数可以显示图像。

第二章：图像预处理在进行实际的图像处理之前，通常需要对图像进行预处理，以提取感兴趣的信息或减少噪声。

2.1 图像平滑平滑操作可以减少图像中的噪声。

常见的平滑方法包括均值滤波和高斯滤波。

2.2 边缘检测边缘检测可以找到图像中的边缘区域。

常用的边缘检测算法包括Sobel算子和Canny算子。

2.3 图像分割图像分割可以将图像划分为不同的区域，以便后续的处理。

常见的图像分割算法包括阈值分割和区域生长算法。

第三章：图像增强图像增强可以提高图像的质量和清晰度，使图像更易于理解和分析。

3.1 直方图均衡化直方图均衡化可以增强图像的对比度，使图像的灰度值分布更均匀。

3.2 锐化锐化操作可以增强图像的边缘和细节。

常见的锐化算法包括拉普拉斯算子和Sobel算子。

3.3 噪声去除噪声去除可以降低图像中的噪声，使图像更清晰。

常见的噪声去除方法包括中值滤波和小波去噪。

第四章：图像分析图像分析可以从图像中提取出感兴趣的特征或对象。

4.1 特征提取特征提取可以从图像中提取出具有代表性的特征，可以用于图像分类和识别。

4.2 图像匹配图像匹配可以找到图像中相似的区域或对象。

常见的图像匹配方法包括模板匹配和特征点匹配。

4.3 图像识别图像识别可以根据图像的特征和模式来判断图像中的对象或场景。

Matlab图像处理入门教程

Matlab图像处理入门教程

Matlab图像处理入门教程导言：在当下科技迅猛发展的时代，图像处理已经成为了计算机科学领域中的重要一环。

而Matlab作为一种强大的科学计算软件，为图像处理提供了丰富的工具和函数，使得图像处理变得更加方便和高效。

本文将介绍Matlab图像处理的基本概念和常用技术，帮助读者入门图像处理领域。

第一部分：Matlab图像处理基础一、Matlab图像处理的概念图像处理是指利用计算机对图像进行数字化处理，包括图像的获取、增强、压缩、分割、识别等一系列技术。

Matlab作为一种强大的数学计算软件，可以通过编写脚本或函数来实现各种图像处理功能。

二、Matlab图像处理的基本操作1. 读取和显示图像使用imread函数可以读取图像文件，并通过imshow函数显示图像。

例如：```img = imread('image.jpg');imshow(img);```2. 灰度转换将彩色图像转换为灰度图像可以简化图像处理的过程，可以使用rgb2gray函数实现。

例如：gray_img = rgb2gray(img);imshow(gray_img);```3. 图像增强图像增强是指改善图像的质量以使其更容易分析和理解的过程。

Matlab提供了丰富的图像增强函数，例如对比度增强、直方图均衡化等。

例如：```enhanced_img = imadjust(gray_img);imshow(enhanced_img);```4. 图像滤波图像滤波是指通过一定的滤波器对图像进行平滑或者增强某些特征。

Matlab提供了多种图像滤波函数，例如均值滤波、中值滤波等。

例如：```filtered_img = medfilt2(gray_img);imshow(filtered_img);```5. 图像分割图像分割是指将图像划分为若干个区域，每个区域内的像素具有相似的特征。

Matlab提供了多种图像分割算法，例如阈值分割、边缘检测等。

第1次课 Matlab应用图像处理基础(用)

第1次课 Matlab应用图像处理基础(用)

2、图像的读取、显和写入
②图像的显示
imshow 灰度图像：
Imshow(I); imshow(I,[low,high]); imshow(I,[ ]) 真彩色图像：
Imshow(RGB）
索引图像： imshow(x,map)
2、图像的读取、显示和写入
②图像的显示 几个常用函数
figure(i) %创建第i个新的图像窗口；
图像的常用格式
①BMP：BMP文件是一种与硬件设备无关的位图文 件，是Microsoft公司在Windows操作系统中采用的标 准图像文件格式。BMP具有很强的通用性和设备无 关性，几乎所有的图像处理软件、图像显示设备都 可以打开它。通常不采压缩措施，所以BMP文件比 较大。
②GIF：图像互换格式，GIF图像文件采用了可变长 度等压缩算法，压缩率一般在50%左右。几乎所有相 关软件都支持GIF，它既可以表示静态图像，也可以 表示动态图像。
1、matlab支持的图像类型和格式
⑤TIFF：标签图像文件格式，是一般图像软件和排 版所支持的，具有非破坏性的文件格式，非常适用 于印刷输出。TIFF格式灵活易变，它又定义了四类 不同的格式：TIFF-B适用于二值图像；TIFF-G适用 于黑白灰度图像；TIFF-P适用于带调色板的彩色图 像；TIFF-R适用于RGB真彩图像。TIFF支持多种编 码方法，其中包括RGB无压缩、RLE压缩及JPEG压 缩等。
用数字来表示。 一般量化值用整数来表示。充分考虑到人眼的
识别能力之后，目前非特殊用途的图像均为8bit量 化，即用0~255描述“黑~白”间的变化
1、matlab支持的图像类型和格式
Matlab图像类型（根据表示的数据） ①索引图像 直接把像素值作为RGB调色板下标的图像。 包括一个数据矩阵及一个颜色映像矩阵。索引图 像可把像素值“直接映射”为调色板数值。调色 板通常与索引图像存储在一起，装载图像时，调 色板将和图像一同自动装载。
  1. 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. 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. 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)。

量化示意图
一幅图像在采样时，行、列的采样点与量化时每个像素量化的 级数，既影响数字图像的质量，也影响到该数字图像数据量的大小。 假定图像取M×N个样点，每个像素量化后的灰度二进制位数为Q， 一般Q总是取为2的整数幂，即Q = 2k, 则存储一幅数字图像所需的 二进制位数b为
b M N Q
f11 f12 f1N f 21 f 22 f 2 N f M 1 f M 2 f MN
习惯上把数字图像左上角的像素定为（1，1）像素，右下角 的像素定为（M，N）像素。若用 i 表示垂直方向，j表示水平方向， 这样，从左上角开始，纵向第 i 行，横向第j列的第（i，j）像素就 存储到矩阵的元素f（i，j）中，数字图像中的像素与二维矩阵中的 每个元素便一一对应起来。（a）所示图像可用图（c）所示矩阵表 示。
图 采样示意图 如果是彩色图像，则是以三基色(RGB)的明亮度作为分量的二 维矢量函数来表示。即
f(x,y)=
f R ( x, y)
f G ( x, y)
f B ( x, y)
T
同一维信号一样，二维图像信号的采样也要遵循采样定理。二 维信号采样定理与数字电路中讲的一维信号采样定理类似。
2. 量化
显示了光／电器件的输入／输出变换特性曲线。
输入/输出变换特性曲线 彩色图像输入时，需要先用分光镜、滤色片等装置对彩色信号 进行分解，得到红、绿、蓝三色通道，然后分别对这三个颜色通道 进行光/电转换和摸/数转换。图像传感器主要完成光／电转换功能。 图像传感器按照结构可以分为两类：CCD型和CMOS型图像传感器， 前者采用光／电耦合器件构成，后者采用金属氧化物器件构成，两 者都采用光/电二极管结构感受入射光并转换为电信号，区别在于 输出电信号所用方式不同。
模拟图像经过采样后，在时间和空间上离散化为像素。但采样 所得的像素值（即灰度值）仍是连续量。把采样后所得的各像素的 灰度值从模拟量到离散量的转换称为图像灰度的量化。图（a）说 明了量化过程。若连续灰度值用z来表示，对于满足zi≤z≤zi+1的z 值，都量化为整数qi。qi称为像素的灰度值，z与qi的差称为量化误 差。一般，像素值量化后用一个字节（8 bit）来表示。把由黑— 灰—白的连续变化的灰度值， 量化为0～255共256级灰度值，灰度 值的范围为0～255，0为黑色，255为白色 。表示亮度从深到浅， 对应图像中的颜色为从黑到白。
高等教育 “ 十二五 ” 规划教材
数字图像处理及应用
(MATL社
目
录
第1章 数字图像处理基础 第2章 数字图像变换技术 第3章 图像增强及去噪技术
第4章 图像分割与特征分析
第5章 数字视频及压缩编码技术 第6章 数字图像处理实例分析 第7章 数字图像处理软件设计 第8章 数字图像处理实验
1.2.3 数字图像类型 1.二值图像 只有黑白两种颜色的图像 称为黑白图像或单色图像，是 指图像的每个像素只能是黑或 者白，没有中间的过度，故又 称二值图像。二值图像的像素 值只能为0或1，图像中的每个 像素值用1位存储。一幅 640×480像素的黑白图像只 需要占据37.5KB的存储空间，
黑白图像
1.1.2 图像的数学模型
在计算机中，图像由像素组成，如图（a）所示图像被分割成图 （b）所示的像素，各像素的灰度值用整数表示。
(a) 原图像
（b）像素组成的图像 图 数字图像
(c) 二维矩阵
一幅M×N个像素的数字图像，其像素灰度值可以用M行、N列的 矩阵f（i，j）表示：
f (i, j )
(a) 原图像
（b）像素组成的图像 图 数字图像
(c) 二维矩阵
1.1.3采样及量化 1. 采样 图像信号是二维空间的信号，其特点是：它是一个以平面上的 点作为独立变量的函数。例如黑白与灰度图像是用二维平面情况下 的浓淡变化函数来表示的，通常记为 f(x，y)，它表示一幅图像在 水平和垂直两个方向上的光照强度的变化。图像f(x，y)在二维空域 里进行空间采样时，常用的办法是对f(x，y)进行均匀抽样。取得各 点的亮度值，构成一个离散函数f(i，j)。其示意图如图所示。
图像采集系统原理框图
照明系统提供光源，照射被采集对象(景物)，为光／电转换系 统提供足够亮度的光强度信号。同步系统提供整个图像采集系统的 时钟同步信号，以使系统中的所有部件同步动作。扫描系统是图像 采集系统的固有部分，它通过对整幅图像的扫描实现被采样图像空 间坐标的离散化，并获得每一个采样点的光强度值。扫描可以采用 机械手段、电子束或者集成电路来完成。光/电转换系统负责把扫 描系统输出的与采样点属性对应的光信号转换为电信号，并提供必 要的放大处理以与A／D转换系统相匹配。从光／电转换系统输出 的电信号进入A／D转换系统。经过采样／保持、A／D转换，转换 成数字信号输出，供存储、显示、传输和其他处理。 图像传感器通过光／电器件将光信号转换为电信号。在照明系 统的照射下，如果光信号的能量(光强度)低于光／电器件的感应阈 值，光／电器件对该强度的光信号没有反应，称为无感应区域；当 光强度达到一定的强度以后，再增加输入的光信号强度，光／电器 件产生的电信号强度也不会变化，称为饱和区域；介于无感应区域 和饱和区域之间的光强度区域，称为动态区域。光电器件应该正常 工作在动态区域。
字节数为
Q B M N 8
连续灰度值量化为灰度级的方法有两种，一种是等间隔量化， 另一种是非等间隔量化。等间隔量化就是简单地把采样值的灰度范 围等间隔地分割并进行量化。对于像素灰度值在黑—白范围较均匀 分布的图像，这种量化方法可以得到较小的量化误差。该方法也称 为均匀量化或线性量化。为了减小量化误差，引入了非均匀量化的 方法。
(3) 数码照相机
数码照相机又称数字照相机，是二十世纪末开发出的新型照相 机。在拍摄和处理图像方面有着得天独厚的优势。随着电脑的普及， 以及对电脑图像处理技术的认同，数码照相机在视觉检测方面得到 了广泛的应用。 数码照相机主要由光学镜头、感光传感器(CCD或CMOS)、模数 转换器(A/D)、图像处理器（DSP）、图像存储器(Memory)、液晶 显示器（LCD）、端口、电源和闪光灯等组成。数码照相机是利用 光电传感器（CCD或CMOS）的图像感应功能，将物体反射的光转 换为数码信号，经压缩后储存于内建的存储器上。
2. 图像输入设备 （1） 图像采集卡 通常图像采集卡安装于计算机主板扩展槽中，主要包括图像存储 器单元、显示查找表(LUT)单元、CCD摄像头接口(A／D)、监视器 接口(D／A)和PC机总线接口单元。工作过程如下：摄像头实时或 准时采集数据，经A／D变换后将图像存放在图像存储单元的一个 或三个通道中，D／A变换电路自动将图像显示在监视器上。通过 主机发出指令，将某一帧图像静止在存储通道中，即采集或捕获一 帧图像，然后可对图像进行处理或存盘。高档卡还包括卷积滤波、 FFT(快速傅立叶变换)等图像处理专用的快速部件。 （2）扫描仪 扫描仪主要用于对照片、平板画和幻灯片作数字化处理。目前 扫描仪的价格并不昂贵，而且种类繁多，但不同的扫描仪提供不同 的图像质量，这正如不同类型的照相机照出不同质量的相片一样。
对一幅图像，当量化级数一定时，采样点数M×N对图像质量 有着显著的影响。采样点数越多，图像质量越好； 当采样点数减 少时，图上的块状效应就逐渐明显。
不同采样点数对图像质量的影响
同理，当图像的采样点数一定时，采用不同量化级数的图像质 量也不一样。如图所示，量化级数越多，图像质量越好，当量化级 数越少时，图像质量越差，量化级数最小的极端情况就是二值图像， 图像出现假轮廓。
3. TIFF 图像文件格式 标记图像文件格式(Tag Image File Format，简称TIFF)是基于 标志域的图像文件格式。有关图像的所有信息都存储在标志域中， 如图像大小、所用计算机型号、制造商、图像的作者、说明、软件 及数据。TIFF文件是一种极其灵活易变的格式，它可以支持多种压 缩方法，特殊的图像控制函数以及许多其他的特性。 4. JPEG图像格式
1.2.2 常用的图像文件格式 1.BMP文件格式 BMP文件又称位图文件(bitmap,简称BMP)，是一种与设备无 关的图像文件格式。BMP文件格式是一种位映射的存储形式。它是 windows软件推荐使用的一种格式，随着Windows的普及，BMP 文件格式的应用越来越广泛。
2. GIF文件格式 图形交换格式(Graphics Interchange Formar。简称GIF)是 CompuServe公司开发的文件存储格式。它支持2- 16M种颜色、单 个文件的多重图像、按行扫描的快速解码、有效地压缩以及硬件无 关性。GIF图像文件以数据块(Block)为单位来存储图像的相关信息。 一个GIF文件由表示图形/图像的数据块、数据子块以及显示图形/图 像的控制信息块组成，称为GIF数据流(data stream)。GIF文件格 式采用LZW压缩算法来存储图像数据．定义了允许用户为图像设置 背景的透明属性。GIF文件格式可在一个文件中存放多幅彩色图形 ／图像。
(4) 数码摄像机 数码摄像机进行工作的基本原理简单的说就是光-电-数字信号 的转变与传输。即通过感光元件将光信号转变成电流，再将模拟电 信号转变成数字信号，由专门的芯片进行处理和过滤后得到的信息 还原出来就是我们看到的动态画面了。 数码摄像机的感光元件能 把光线转变成电荷，通过模数转换器芯片转换成数字信号。
一般，当限定数字图像的大小时, 为了得到质量较好的图像可 采用如下原则： （1） 对缓变的图像，应该细量化，粗采样，以避免假轮廓。 （2） 对细节丰富的图像，应细采样，粗量化，以避免模糊（混 叠 ）。
1.2 图像的采集及常用格式
1.2.1 图像的采集 1. 图像采集系统
图是图像采集系统原理框图，它可以分成照明系统、同步系统、 扫描系统、光／电转换系统、A／D转换系统五个部分。
JPEG是Joint Photographic Experts Group(联合图像专家 组)的缩写，是用于连续色调静态图像压缩的一种标准。其主要方 法是采用预测编码(DPCM)、离散余弦变换(DCT)以及熵编码，以 去除冗余的图像和彩色数据，属于有损压缩方式。JPEG是一种高 效率的24位图像文件压缩格式，同样一幅图像，用JPEG格式存储 的文件是其他类型文件的1/10 - 1/20，通常只有几十KB，而颜色深 度仍然是24位，其质量损失非常小，基本上无法看出。JPEG文件 的扩展名为jpg或jpeg。
相关文档
最新文档