基于MATLAB课程设计-图像处理完整版

摘要

21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。图像处理，是用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。所谓数字图像处理[7]就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。实质上是一段能够被计算机还原显示和输出为一幅图像的数字码。

关键词：DCT变换；图像压缩；真色彩增强；平滑；锐化；直方图均衡；

灰度变换；滤波；M文件的使用

摘要………………………………………………………………I

1 概述……………………………………………………………II

2 课程设计任务及要求...............................III

设计任务

设计要求

3 系统设计原理.....................................Ⅳ

DCT图像压缩原理

真彩色增强

平滑

锐化

灰度变换（直方图均衡化）

图像滤波

中值滤波器

维纳滤波器

4 程序代码及实验结果与分析..............................Ⅵ

DCT图像压缩

程序代码

实验结果

结果分析

真彩色增强

平滑程序代码

实验结果

结果分析

锐化程序代码

实验结果

结果分析

灰度变换（直方图均衡化）

程序代码

实验结果

结果分析

图像滤波

程序代码

实验结果

结果分析

5 收获体会.........................................Ⅶ

6 参考文献........................................Ⅷ

概述

MATLAB作为一种矩阵语言，进行数字图像处理是非常方便的。从理论上讲，数字图像是一个二维的整数阵列。掌握简单的MATLAB图像增强技术，从而对图像处理有进一步的了解。

课程设计任务及要求

设计任务

在图像的变换和压缩中，常常用到离散余弦变换（DCT）。DCT变换用于图像的压缩实例。请在测试图像中验证你的结论。
请编程实现图像的真彩色增强。
通过直方图均衡化的方法实现图像的灰度变换，在测试图像中验证你的结论，分析程序结果。
使用常用的滤波器对数字图像进行处理。如均值滤波器、中值滤波器、维纳滤波器等。

设计要求

在报告中给出本实验的实验结果和分析。

1. 程序代码附有必要的注释。
2. 报告中对实验的基本算法原理要进行简要叙述。

系统设计原理

DCT图像压缩原理

DCT变换是最小均方误差条件下得出的次最佳正交变换，且已获得广泛应用，并成为许多图像编码国际标准的核心。JPEG图像格式的压缩算法采用的就是DCT变换，DCT变换的变换核为余弦函数，计算速度较快，有利于图像压缩和其他处理。在编码过程中，JPEG算法首先将RGB分量转化为亮分量和色差分量，然后将图像分解为８＊８的像素块，，对这个８＊８块进行二维离散余弦变换，每个块就产生了６４个DCT系数，其中一个是直流（ＤＣ），它表示了８＊８输入矩阵全部值的平均数，其余６３个系数为交流（ＡＣ）系数，接下来对DCT系数进行量化，最后将量化的DCT系数进行编码，就形成了压缩后的图像格式。在解码过程中，先对已编码的量化的系数进行解码，然后求逆量化并利用二维DCT反变换把DCT系数转化为８＊８样本像块，最将反变换后的块组合成一幅图像。这样就完成了图像的压缩和解压过程。

离散余弦变换DCT的ＭＡＴＬＡＢ实现有两种方　法，一种是基于FFR的快速算法，这是通过MATLAB工具箱提供的DCT2函数实现的；另一种是DCT变换是矩阵方法。变换矩阵方法非常适合做８＊８或１６　＊１６的图像块的DCT变换，工具箱提供了dctmtx函数来计算变换矩阵。

真彩色增强

真彩色增强主要是针对伪彩色增强而言的。图像的色彩增强技术主要分为为彩色增强和真彩色增强两种，这两种方法在原理上存在着本质的区别。伪彩色增强时对原灰度图像中不同灰度值区域分别付于不同的颜色，使人能够更明白的区分不同的灰度级。由于原始图像事实上是没有颜色的，所以称这种人工赋予的颜色为伪彩色，伪彩色增强实质上只是一个图像的着色过程是一种灰度到彩色的映射技术。真彩色增强则是对原始图像本身具有的颜色进行调节，是一个彩色到彩色的映射过程。

平滑

在图像中，通过相邻点的相互平均可以去掉一些突然变化的点，从而滤掉一定的噪声，达到平滑的目的，使图片看起来更柔和，颜色更均匀更清晰。

锐化

图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，需要用图像锐化技术使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。

灰度变换（直方图均衡化）

直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):

(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。

(2)对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态范围的一致性。

图像滤波

滤波器是一种选频装置可以使信号中特定的频率成分通过而极大地衰减其它频率成分，可以滤除干扰噪声。在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除噪声的工作。最常用的祛除噪声的方法是用滤波器进行滤波处理。MATLAB的图像处理工具箱里也设计了许多的滤波器。如均值滤波器、中值滤波器、维纳滤波器等。

维纳滤波器：

维纳滤波器（Wiener filter）是由数学家维纳（Rorbert Wiener）提出的一种以最小平方为最优准则的线性滤波器。在一定的约束条件下，其输出与一给定函数（通常称为期望输出）的差的平方达到最小，通过数学运算最终可变为一个托布利兹方程的求解问题。维纳滤波器又被称为最小二乘滤波器或最小平方滤波器，目前是基本的滤波方法之一。维纳滤波是利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法。

中值滤波器:

中值滤波是一种非线性数字滤波器技术，经常用于去除图像或者其它信号中的噪声。这个设计思想就是检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。然后，丢弃最早的值，取得新的采样，重复上面的计算过程。　中值滤波是图像处理中的一个常用步骤，它对于斑点噪声（en:speckle noise）和椒盐噪声（en:salt-and-pepper noise）来说尤其有用。保存边缘的特性使它在不希望出现边缘模糊的场合也很有用。

程序代码及实验结果与分析

DCT图像压缩

程序代码：

I=imread('压缩前');%读取原始图片

I=rgb2gray(I);%把图像变成灰度图像

I=im2double(I);%把图像数据类型转换为双精度浮点类型

T=dctmtx(8);%计算离散余弦变换

B=blkproc(I,[8 8],'P1*x*P2',T,T');%对图像Ｉ的每个不同８＊８数据块应用矩阵式’Ｐ１＊Ｘ　＊P２’进行处理，其中Ｐ１＝Ｔ，Ｐ２=Ｔ'

mask=[1 1 1 1 0 0 0 0

1 1 1 0 0 0 0 0

1 1 0 0 0 0 0 0

1 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0];%二进制值掩码，用来压缩DCT的系数；可通过改变矩阵来改变压缩程度

B2=blkproc(B,[8 8],'P1.*x',mask);%只保留DCT变换的10个系数

I2=blkproc(B2,[8 8],'P1*x*P2',T',T);%逆DCT变换，用来重构图像

subplot(1,2,1);

imshow(I);title('压缩前');%显示原始图像

subplot(1,2,2);

imshow(I2);title('压缩后');%显示压缩图像

imwrite(I2,'D:\我的文档\My Pictures\压缩后')

实验结果:

结果分析：

尽管抛弃了85%的DCT系数，压缩后占用空间减少了约75%，但是处理后的图片与原图的失真并不大，压缩图片的画质令人满意。由此也验证了JPEG格式由于占用空间小，图片质量高被广泛认可。

真彩色增强

平滑程序代码：

I=imread('');

subplot(1,2,1);imshow(I);title('原图');

h1=fspecial('average',3);%用均值滤波器是领域值平均，以达到平滑目的

I1=imfilter(I,h1);

subplot(1,2,2);imshow(I1);title('平滑滤波真彩色增强');

实验结果：

结果分析：

处理后的图片较处理前的图片看起来更柔和，色彩更均匀。

锐化程序代码：

I=imread('');

g=[0 0 0;0 2 0;0 0 0];

w=fspecial('laplacian',;

H=im2double(I);

J=imfilter(H,g,'replicate');

subplot(1,2,1);

imshow(H);title('原图');

subplot(1,2,2);imshow(J);title('锐化真彩色增强图像');

实验结果

结果分析：

可以很明显的看出处理后的图片轮廓更清晰，边界也更明显

灰度变换（直方图均衡化）：

程序代码：

I=imread('压缩前');

I=rgb2gray(I);

subplot(2,2,1);imshow(I);title('原图');

subplot(2,2,2);imhist(I);title('原直方图');

J=histeq(I);%自动直方图均衡化，均衡后只有64个灰度级

subplot(2,2,4);imhist(J);title('灰度变换直方图');

subplot(2,2,3);imshow(J);title('灰度变换图');%颜色分布相对均衡

实验结果：

结果分析：

对比处理前后的直方图可知，原直方图中在灰度级100左右的值出现的平率很低可近似忽略而经过histeq函数后直方图的分布从0~200出现的频率相近，基本实现直方图的均匀分布；从图片上则体现为变换后的图片颜色分布均匀没有特别黑或特别白的地方。另如果将histeq中的n值改为200（原图的灰度级），直方图的分布则接近为原图（如下图），此一来更好的说明了直方图可以明显直观地改变图像的灰度级。

图像滤波

程序代码：

I=imread('压缩前');

I=rgb2gray(I);

I=im2double(I);

J=imnoise(I,'gaussian',0,; %加入高斯噪声

%进行均值滤波

h=fspecial('average',3); %fspecial函数用于产生预定义滤波器

I2=uint8(round(filter2(h,I))); %filter2函数用于图像滤波,h是滤波参数（均值）

%进行中值滤波

I3=medfilt2(J); %medfilt2函数用于图像的中值滤波

%进行维纳滤波