基于Matlab的图像预处理

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。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。

1.2 数字图像处理的特点及其应用

在计算机出现之前，模拟图像处理占主导地位。随着计算机的发展，数字图像处理发展速度越来越快。尽管目前一般采用顺序处理的计算机，对大数据量的图像处理速度不如光学方法快，但是其处理的精度高，实现多种功能的、高度复杂的运算求解非常灵活方便。在其短短的历史中，它却成功的应用于几乎所有与成像有关的领域，并正发挥相当重要的作用。

1.2.1 数字图像处理的特点

同模拟图像处理相比，数字图像处理有很多优点。主要表现在：

1. 精度高

不管是对4bit还是8bit和其他比特图像的处理，对计算机程序来说几乎是一样的。即使处理图像变大，只需改变数组的参数，而处理方法不变。所以从原理上不管处理多高精度的图像都是可能的。而在模拟图像处理中，要想使精度提高一个数量级，就必须对处理装置进行大幅度改进。

2. 再现性好

不管是什么图像，它们均用数组或集合表示。将它们输入到计算机内，用计算机容易处理的方式表示。在传送和复制图像时，只在计算机内部进行处理，这样数据就不会丢失或遭破坏，保持了完好的再现性。而在模拟图像处理中，就会因为各种干扰及设备故障而无法保持图像的再现性。

3. 通用性、灵活性高

不管是可视图像还是X线照片、红外线热成像、超声波图像等不可见光成像，尽管这些图像成像体系中的设备规模和精度各不相同，但当把图像信号直接进行A/D变换，或记录成照片再数字化，对于计算机来说都能用二维数组表示，不管什么样的图像都可以用同样的方法进行处理，这就是计算机处理的通用性。另外，对处理程序自由加以改变，可进行各种各样的处理。如上下滚动、漫游、拼图、合成、变换、放大、缩小和各种逻辑运算等，所以灵活性很高。

1.2.2图像预处理的内容

在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。

1.数字化

一幅原始照片的灰度值是空间变量（位置的连续值）的连续函数。在M×N 点阵上对照片灰度采样并加以量化（归为2b个灰度等级之一），可以得到计算机能够处理的数字图像。为了使数字图像能重建原来的图像,对M、N和b值的大小就有一定的要求。在接收装置的空间和灰度分辨能力范围内,M、N 和b的数值越大,重建图像的质量就越好。当取样周期等于或小于原始图像中最小细节周期的一半时，重建图像的频谱等于原始图像的频谱，因此重建图像与原始图像可以完全相同。由于M、N 和b三者的乘积决定一幅图像在计算机中的存储量，因此在存储量一定的条件下需要根据图像的不同性质选择合适的M、N 和b值，以获取最好的处理效果。

2.几何变换

用于改正图像采集系统的系统误差和仪器位置的随机误差所进行的变换。对于卫星图像的系统误差，如地球自转、扫描镜速度和地图投影等因素所造成的畸变,可以用模型表示,并通过几何变换来消除。随机误差如飞行器姿态和高度变化引起的误差，难以用模型表示出来，所以一般是在系统误差被纠正后，通过把被观测的图和已知正确几何位置的图相比较，用图中一定数量的地面控制点解双变量多项式函数组而达到变换的目的。

3.归一化

使图像的某些特征在给定变换下具有不变性质的一种图像标准形式。图像的某些性质，例如物体的面积和周长，本来对于坐标旋转来说就具有不变的性质。在一般情况下，某些因素或变换对图像一些性质的影响可通过归一化处理得到消除或减弱，从而可以被选作测量图像的依据。例如对于光照不可控的遥感图片，