基于MATLAB的圖像處理技術(shù)

1、基于MATLAB勺圖像處理技術(shù)摘要：一般情況下，拍攝到的圖像由于光照不足等原因，可能有較多的噪聲，且邊界特征不清晰。因此，我們需要對(duì)這些圖像進(jìn)行增強(qiáng)或分割處理。介于此，本文介紹了基本的圖像處理技術(shù)，并用實(shí)驗(yàn)驗(yàn)證了各種方法的優(yōu)缺點(diǎn)，對(duì)進(jìn)一步學(xué)習(xí)和尋找更好圖像處理方法具有實(shí)用意義。關(guān)鍵詞：MATLAB;圖像處理；邊緣檢測(cè)；1引言MATLABI由美國(guó)的Mathworks公司推出的用于數(shù)值計(jì)算和圖像處理的系統(tǒng)環(huán)境，具有很強(qiáng)的數(shù)值計(jì)算和圖像處理能力。MATLABI以矩陣為單位進(jìn)行處理的，它的指令表達(dá)式與數(shù)學(xué)、工程中常用形式十分相似，故用MATLA來解決問題要比GC+售語言簡(jiǎn)捷得多。MATLABE學(xué)術(shù)界和

2、工程界廣受歡迎，其主要優(yōu)勢(shì)和特點(diǎn)有如下幾方面：(1)友好的工作平臺(tái)和編程環(huán)境；(2)簡(jiǎn)單易用的編程語言；(3)強(qiáng)大的圖形處理功能；(4)功能強(qiáng)大的工具箱，包括功能性工具箱和科學(xué)性工具箱。(5)良好的交互性和開放性。2MATLAB圖像處理中的應(yīng)用2.1 圖像增強(qiáng)圖像增強(qiáng)是一類基本的圖像處理技術(shù)，主要目的是改善圖像的視覺效果，提高圖像成分的清晰度，使得圖像更有利于計(jì)算機(jī)的處理。圖像增強(qiáng)技術(shù)分為點(diǎn)運(yùn)算增強(qiáng)、空域增強(qiáng)、頻域增強(qiáng)三類。點(diǎn)運(yùn)算增強(qiáng)包括調(diào)整灰度、直方圖增強(qiáng)、圖像間的代數(shù)運(yùn)算增強(qiáng)等；空域增強(qiáng)包括平滑和銳化兩種；頻域增強(qiáng)包括低通濾波、高通濾波、同態(tài)濾波等。下面介紹幾種常用的方法。(1)直方圖均衡

3、化。該方法的基本思想是把原始圖像的像素值均勻地分布在圖像的各個(gè)區(qū)間上，使視覺效果得到改善。直方圖均衡化可用函數(shù)histeq()來實(shí)現(xiàn)。如下圖1.1,該圖像直方圖比較集中，邊緣比較模糊，使用MATLA編程，將圖像進(jìn)行直方圖均衡化處理，結(jié)果如圖2.1.2所示。原始圖像及均衡化后圖像的直方圖如圖2.1.3所示。圖2.1.3原始圖像及其均衡化后的直方圖(2)對(duì)比度調(diào)整。有些圖像對(duì)比度很低，灰度級(jí)集中在一個(gè)比較窄的范圍內(nèi)，MATLAB!供了函數(shù)imadjust()來調(diào)整圖像灰度值到指定范圍。將圖2.1.1的灰度范圍130/255190/255映像到00.9，結(jié)果如圖2.1.4所示。圖2.1.4對(duì)比度調(diào)整

4、后的圖像(3)平滑與銳化濾波?？沼蛟鰪?qiáng)可用平滑和濾波來實(shí)現(xiàn)。平滑的目的有兩類：一類是在提取較大的目標(biāo)前去除小的細(xì)節(jié)或者是將目標(biāo)內(nèi)的小間斷連接起來；另一類是消除一些離散性和隨機(jī)性的噪聲。而銳化是跟平滑相反的一類處理，目的是突出圖像的邊緣信息，加強(qiáng)圖像的輪廓特征，以便于人眼和機(jī)器識(shí)別。圖2.1.5揭示了空域增強(qiáng)的不同方法對(duì)鋼珠打肥皂圖像的不同處理結(jié)果。圖2.1.5(b)是用低通濾波處理的結(jié)果，與原始圖像對(duì)比，噪聲減少，但邊界特征也被減弱。圖2.1.5(d)是高通濾波處理的結(jié)果，得到的邊緣信息比較準(zhǔn)確，但信息很少，且隨著截止頻率增大得到的信息會(huì)越少。中值濾波的結(jié)果(圖2.1.5(c)比較清楚地顯示了

5、圖像的邊緣特征。由此得出結(jié)論：中值濾波跟高通濾波在圖像處理中有較強(qiáng)的銳化能力，盡管在處理過程中也會(huì)減弱的圖像邊界特征；不同的空域增強(qiáng)方法在不同的圖像、不同的處理過程中會(huì)有不同的效果，實(shí)際應(yīng)用中應(yīng)該根據(jù)經(jīng)驗(yàn)來選用。(a)原始圖像低通濾波(b)精品資料(c)中值濾波(d)高通濾波圖2.1.5不同的濾波實(shí)驗(yàn)結(jié)果對(duì)比2.2 邊緣檢測(cè)圖像的邊緣就是指圖像灰度發(fā)生空間突變的像素的集合?；叶鹊耐蛔円话愠Ｓ脤?dǎo)數(shù)來描述和檢測(cè)。邊緣檢測(cè)的基本思想是先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過設(shè)置閾值的方法提取邊緣點(diǎn)集。但是由于噪聲和圖像模糊，檢測(cè)到的邊界可能會(huì)有間斷的情況發(fā)生。所以邊

6、緣檢測(cè)包含兩項(xiàng)內(nèi)容：用邊緣算子提取邊緣點(diǎn)集；在邊緣點(diǎn)集中去除某些邊緣點(diǎn)，填充一些邊緣點(diǎn)，將得到的邊緣點(diǎn)集連接為線。辿鮮地傻放卻定枇逅媼冷惻斯蚯任像白蜂澗加佳陽僚周旗外制圖2.2.1邊緣檢測(cè)的基本步驟2.2.1 簡(jiǎn)單的邊緣檢測(cè)算子常見的邊緣檢測(cè)算子有Roberts算子、Sobel算子、Prewitt算子、LOGT子和Canny算子等。下面具體介紹各個(gè)算子及其特點(diǎn)：(1) Roberts算子該算子是圖像處理的最基本的邊緣檢測(cè)算子，它把任意一對(duì)相互垂直方向上的差分看成是梯度的近似求解，采用對(duì)角線方向相鄰兩像素之差，即某一像素點(diǎn)(i,j)的Roberts算子值為：Gi,j=Ifi,j-fi+1,j+1

7、I+Ifi+1,j-fi,j+1I用卷積模板G x100-1Gy0-110把上式表示為Gi,jIGx|+|Gy|Roberts算子提取邊緣的結(jié)果：邊緣較粗，邊緣定位不是很準(zhǔn)確，容易丟失一部分邊緣，同時(shí)沒有經(jīng)過圖像平滑計(jì)算,因此不能抑制噪聲。(2) Sobel算子和Prewitt算子Sobel算子是典型的基于一階導(dǎo)數(shù)的邊緣檢測(cè)算子，由于該算子中引入了類似局部平均的運(yùn)算，因此對(duì)噪聲具有平滑作用，能很好的消除噪聲的影響。Sobel算子包含兩組3x3的矩陣，分別為橫向及縱向模板，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。實(shí)際使用中，常用如下兩個(gè)模板來檢測(cè)圖像邊緣。-101-202-

8、101121000-1-2 1-1圖2.2.2Sobel算子單獨(dú)使用Sobel算子做邊緣檢測(cè)，邊緣定位精度不高，有時(shí)還可能對(duì)非邊緣像素的響應(yīng)大于某些邊緣處的響應(yīng)或者響應(yīng)差別不是很大，造成漏檢或誤檢，但是它對(duì)噪聲具有較好的魯棒性。Prewitt算子和Sobel算子提取邊緣的結(jié)果差不多。在提取邊緣的同時(shí)它對(duì)噪聲具有平滑作用，能夠抑制一定的噪聲。由于Prewitt邊緣檢測(cè)算子是通過八個(gè)方向模板對(duì)圖像進(jìn)行卷積運(yùn)算，因此運(yùn)算量比較大。(3)LOG算子LOG算子是個(gè)二階算子，將在邊緣處產(chǎn)生一個(gè)陡峭的零交叉。LOGT子在對(duì)圖像進(jìn)行差分運(yùn)算之前，先對(duì)圖像使用高斯低通濾波器進(jìn)行平滑處理，以減少噪聲，因此緩解了一

9、般差分對(duì)噪聲響應(yīng)很敏感的問題。然后使用Laplacian算子找出圖像中的陡峭邊緣，可以得到較好的邊緣定位精度，但也會(huì)造成邊緣被漏檢的情況。另外，它對(duì)噪聲過于敏感，使它的使用大為受限。0-10-14-10-10-1 .-1-1-1 .8-1-1圖2.2.3Laplacian算子(4) Canny算子Canny算子是根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近的一階算子。其實(shí)質(zhì)是用一個(gè)準(zhǔn)高斯函數(shù)做平滑運(yùn)算，然后以帶方向的一階微分算子定位導(dǎo)數(shù)最大值。Canny方法使用兩個(gè)閾值來分別檢測(cè)強(qiáng)邊緣和弱邊緣，且當(dāng)弱邊緣與強(qiáng)邊緣相連時(shí)，弱邊緣才會(huì)包含在輸出中。Canny算子提取的邊緣最為完整，而且邊緣的連續(xù)

10、性很好，定位比較精確。但在實(shí)際工作應(yīng)用中編程較為復(fù)雜且運(yùn)算較慢。2.2.2 邊緣檢測(cè)應(yīng)用在MATLAB,使用edge()函數(shù)檢測(cè)邊緣。edge()函數(shù)在檢測(cè)邊緣時(shí)可以指定一個(gè)灰度閾值，只有滿足這個(gè)閾值條件的點(diǎn)才視為邊界點(diǎn)。綜合上述幾種算子，編寫相應(yīng)代碼，對(duì)圖2.1.1進(jìn)行邊緣檢測(cè)，結(jié)果如圖2.2.4o(a)原始圖像(c) Roberts 算子算子(d) prewitt(e)LOG算子(f)canny算子圖2.2.4各種算子檢測(cè)結(jié)果顯然，由圖2.2.4看，Roberts算子、Sobel算子、Prewitt算子的處理結(jié)果連續(xù)性不好，LO(不子的處理結(jié)果不精確,而Canny算子的處理結(jié)果更多更精確地保留了圖像的邊緣特征，具有較好的連續(xù)性。3結(jié)論圖像中目標(biāo)的邊緣和輪廓是圖像的重要特征的綜合，圖像處理是一些模糊圖像能被有效利用的前提條件。本文只是應(yīng)用了MATLA圖像處理工具箱的部分功能，除以上介紹的一些基本的圖像處理功能外，MATLA題有許多基于數(shù)學(xué)形態(tài)學(xué)與二值圖像的