基于MATLAB的数字图像处理

人工智能及识别技术本栏目责任编辑：唐一东 基于MATLAB的数字图像处理 李昕，陈坚 （湖南工学院 计算机科学系，湖南 衡阳 421008） 摘要：介绍了数字图像处理技术和 MATLAB 的图像处理工具箱函数，运用 MATLAB 语言实现图像的直方图均衡化和边缘检测。 关键词：MATLAB；直方图均衡化；边缘检测 中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2009)08-1979-03 Digital Image Procesing Based on MATLAB LI Xin, CHEN Jian (Hunan Institute of Technology of Hunan, Hengyang 421008, China) Abstract: The paper introduces The technology of digital image processing and image proceing toolbox of MATLAB，then presents the examples of Histogram equalization and edge detection by using the language of MATLAB. Key words: MATLAB; histogram equalization; edge detection 1 引言 数字图像处理技术涉及计算机技术、微电子技术、光学技术和数学分析等领域，是一门综合性强、应用范围广的新兴学科。 具体 包括图像视觉基础、图像变换、图像增强、图像恢复、图像压缩、图像编码、图像解码、图像传输、图像识别和图像分析等技术。 其理论 推导和数学分析很多，而上述理论的验证和工程实现是通过 MATLAB 完成的。为此，MATLAB 己经成为目前工程应用中重要的图像 开发软件。 MATLAB 是由美国 MathWorks 公司推出的用于数值计算和图形处理的开发软件。 其图像处理工具箱数字图像处理工具箱函数 包括以下 15 类：1) 图像显示函数；2) 图像文件输入、输出函数；3) 图像几何操作函数；4) 图像像素值及统计函数；5) 图像分析函数； 6) 图像增强函数；7) 线性滤波函数；8) 二维线性滤波器设计函数；9) 图像变换函数；10) 图像邻域及块操作函数；11) 二值图像操作 函数；12) 基于区域的图像处理函数；13) 颜色图操作函数；14) 颜色空间转换函数；15) 图像类型和类型转换函数。 MATLAB 图像处 理工具箱支持四种图像类型，分别为真彩色图像、索引色图像、灰度图像、二值图像，由于有的函数对图像类型有限制，这四种类型 可以用工具箱的类型转换函数相互转换。 MATLAB 可操作的图像文件包括 BMP、HDF、JPEG、PCX、TIFF、XWD 等格式。 下面以灰度 图像为例，说明图像的直方图均衡化和边缘检测通过 MATLAB 语言实现的方法。 2 直方图均衡实现图像增强 图像增强的目的是突出图像中有用的信息，削弱或消除不需要的信息。 直方图均衡化是图像增强的一种常用方法，它能使图像 的灰度分布均匀，对比度增大，细节更清晰。 它的基本思想是把原始图像的直方图变换成均匀分布的形式，这样就增加了像素灰度 值的动态范围，从而达到了增强图像整体对比度的效果。 以图像处理经典图像之一“lena”为例，进行的直方图均衡化增强效果对比 图，如图 1。 对应的 MATLAB 语言实现的源程序及主要注解如下： %直方图均衡化 I=imread('lena.bmp'); %读入图像文件 K=histeq(I,64); %对图像进行直方图均衡化, 指定均衡化后的灰度级数为 64 subplot(2,2,1), imshow(I),title(' 原始图像 '); %显示原始图像 subplot(2,2,2), imhist(I,64),title(' 原始直方图 '); %显示原始直方图 subplot(2,2,3), imshow(K),title(' 直方图均衡化后的图像 '); subplot(2,2,4), imhist(K,64),title(' 直方图均衡化后的直方图 '); 通过比较可看出均衡化后的图像变得清晰 , 其直方图形状也比原 直方图的形状更理想。 3 边缘检测 边缘是图像的最基本的特征 , 边缘中包含着有价值的目标边界信 息, 这些信息可以用作图像分析、目标识别。 在细胞边缘检测计算过程 中, 为了有效地抑制噪声的影响, 同时能够客观、 正确地选取边缘检测 的门限值, 可以先通过迭代算法求得最佳阈值, 把图像进行分割为背景 和目标两部分 ; 再运用数学形态学的腐蚀算法 , 挖去细胞内部像素点 ; 收稿日期：2009-02-17 基金项目：湖南工学院科研资助项目《区分服务网络基于覆盖的拥塞管理 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 研究》（HGY0549） 作者简介：李昕（1979-），女，湖南常宁人，硕士，研究方向：计算机应用技术，流媒体等。 图 1 直方图均衡化 ISSN 1009-3044 Computer Knowledge and Technology 电脑知识与技术 Vol.5,No.8,March 2009, pp.1979-1981 E-mail: eduf@cccc.net.cn http://www.dnzs.net.cn Tel:+86-551-5690963 5690964 1979 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 本栏目责任编辑：唐一东人工智能及识别技术 Computer Knowledge and Technology 电脑知识与技术 第 5 卷第 8 期 (2009 年 3 月) 最后剩余部分图像就是细胞的边缘, 从而实现了细胞的边缘检测。 这样通过对 各像素点自身灰度值的分析和计算 , 判断该点是否为边缘点 , 避免了在边缘检 测的数学计算过程中, 使噪声干扰的影响进一步扩大, 损坏细胞边缘图像。 通过 阈值分割处理, 既增强了图像的目标与背景的对比, 增强了边缘, 又能准确提取 细胞区域。以图像处理经典图像之一“rice”为例，进行边缘检测，采用不同的算法 所得到的效果对比图，如图 2。 对应的 MATLAB 语言实现的源程序及主要注解如下： %利用不同的算子实现边缘检测 rice = imread('rice.tif'); % 读入图像文件 [x,y]=size(rice); % 求出图像大小 b=double(rice); N =sqrt(100) * randn(x,y); % 生成方差为 10 的白噪声 I=b+N; % 产生噪声干扰图像 for i=1:x % 实际图像的灰度为 0～255 for j=1:y if (I(i,j)>255) I(i,j)=255; end if (I(i,j)<0) I(i,j)=0; end end end z0=max(max(I)); % 求出图像中最大的灰度 z1=min(min(I)); % 求出图像中最小的灰度 T=(z0+z1)/2; TT=0; S0=0; n0=0; S1=0; n1=0; allow=0.5; % 新旧阈值的允许接近程度 d=abs(T-TT); count=0; % 记录几次循环 while(d>=allow) % 迭代最佳阈值分割算法 count=count+1; for i=1:x for j=1:y if (I(i,j)>=T) S0=S0+I(i,j); n0=n0+1; end if (I(i,j)=T) Seg(i,j)=1; % 产生阈值分割后的图像 end end end SI=1-Seg; % 阈值分割后的图像求反, 便于用腐蚀算法求边缘 se1=strel('square',3); % 定义腐蚀算法的结构 SI1=imerode(SI,se1); % 腐蚀算法 BW=SI-SI1; % 用新算法进行边缘检测 I=uint8(I); % 图像矩阵中每个数据占用 1 个字节(减小占用空间）。 BW1=edge(I,'sobel',0.09); % 用 Soble 算子进行边缘检测 BW2=edge(I,'log',0.015); % 用 Gauss-Laplace 算子进行边缘检测 图 2 不同算子的边缘检测 1980 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 人工智能及识别技术本栏目责任编辑：唐一东 （上接第 1978 页） 4 实验结果与分析 (a)原图像 (b)文献[4]结果 (c)本实验结果 图 3 图像增强结果 图 3(a)是一幅原始指纹图像，图 3(b)、图 3(c)分别是文献[4]和本实验图像增强后的结果。对比图 3(b)、图 3(c)，可以看出，使用本实 验改进后的脊线距离求取算法进行图像增强，得到的图像脊线更为流畅。 (a)原图像 (b)文献[5]结果 (c)本实验结果 图 4 纹线提取结果 图 4(a)是一幅原始指纹图像，图 4(b)、图 4(c)分别是文献[5]和本实验纹线提取后的结果。对比图 4(b)、图 4(c)，可以看出，使用本实 验改进后的基于脊线方向的纹线提取算法进行纹线提取，效果明显优于文献[5]。 5 结束语 本文改进了指纹脊线距离求取算法和基于脊线方向的纹线提取算法。 在脊线距离求取算法中，通过滤除指纹图像中的虚假波 峰和虚假波谷，从而提高了脊线距离计算的准确度，加强了后续指纹图像的增强效果。 在基于脊线方向的纹线提取算法中，充分利 用了指纹图像的方向信息，并通过计算加权灰度值之和增强了算法的抗干扰能力。 从实验结果来看，改进算法比较令人满意。 参考文献： [1] 傅景广,许刚,王裕国.基于二值图像的指纹细节点提取[J].计算机研究与发展,2004,41(4):720-727. [2] Jain A K, Prabhakar S, Hong L. Filterbank-based Fingerprint Matching[J].IEEE Transactions on Image Processing,2000,9(5):846-859. [3] 尹义龙,詹小四,谭台哲,等.基于加博函数的指纹增强算法及其应用[J].软件学报,2003,14(3):484-489. [4] Hong L, YiFei W, Jain A K. Fingerprint Image Enhancement:Algorithm and Performance Evaluation[J].IEEE Trans.On Pattern Analysis and Machine Intelligence,1998,20(8):777-788. [5] Candela G T, Gtother P J, Watson C I, et al. NISTIR 5467, PCASYSA Pattern-lever Classification Automation System for Fingerprints [R].1995. %不同算子检测效果输出对比 subplot(2,2,1), imshow(I);title(' 原始图像 ') subplot(2,2,2), imshow(BW1);title('Soble 算子 ') subplot(2,2,3), imshow(BW2);title('Gauss- Laplace 算子 ') subplot(2,2,4), imshow(BW);title(' 新算子 ') % 显示新算法的边缘检测图像 由图 2 可知，跟传统常用的 Soble 算子和 Gauss-Laplace 算子相比，该方法不受噪声影响，能够可靠地提取边缘，从而对米粒边 缘进行精确检测。 4 结束语 通过实践应用，基于 MATLAB 的图像处理即避开了 VC 等开发软件语言实现起来复杂，又可以快速实现模拟仿真并输出效果 图，大大提高工作学习效率，对于工程应用和图像处理教学方面有着非常好的辅助性作用，下阶段的任务就是把图像处理的主要技 术方法系统地用 MATLAB 实现，从而建立起一套基于 MATLAB 的图像处理试验平台，为相关行业的工作学习技术人员提供有效的 参考工具。 本文作者创新点：本文提出了基于 MATLAB 的图像处理功能解决图像处理技术一系列理论方法的实现途径，为快速高效实现 图像处理各种效果提出了行之有效的解决方法。 参考文献： [1] 张博夫,梁凯琦.MATLAB 环境下的数字图像处理入门实验[J].现代教育技术,2007,6(2):37-39. [2] 胡学龙,许开宇.数字图像处理 [M].北京:电子工业出版社,2006. [3] 何东健.数字图像处理[M].2 版.西安:西安电子科技大学出版社,2008. 李昕 等：基于 MATLAB 的数字图像处理 1981