數(shù)字圖像處理課設(shè)基于某MATLAB地復雜圖像目標提取

實用文檔文案大全華北水利水電大學NorthChinaUniversityofWaterResourcesandElectricPower數(shù)字圖像處理課設(shè)題目基于MATLAB的復雜圖像目標提取課程名稱數(shù)字圖像處理學院信息工程學院專業(yè)通信工程指導老師指導老師許麗完成時間2017.10.27目錄8138一、設(shè)計要求 15183二、設(shè)計原理和方案 1159321、圖像直方圖 1317042、圖像灰度 2322403、低通濾波 263574、邊緣檢測 211983三、設(shè)計步驟及結(jié)果 367391、圖像的讀取的存儲 3274232、彩色圖像的灰度化 3111763、圖像的濾波 3190634、圖像的邊緣檢測 485065、不同顏色目標圖像的提取 5179356、相同顏色的目標圖像的提取 521544四、問題解決及體會 73138五、參考文獻 829744附錄 8摘要在我們?nèi)粘Ｉ钪?，由于工作等各種需要，我們往往會對圖像進行各種處理，其中就包括對復雜圖像目標提取，當然有很多的處理方法本次主要是在用MATLAB對圖像做基本的處理來提取目標圖像特征。本次課設(shè)用MATLAB處理時，首先對圖片進行基礎(chǔ)的處理，包括彩色圖像轉(zhuǎn)化為灰色圖像的處理、二值處理、直方圖的分析、濾波處理以及利用各種算法對圖像進行邊緣化處理等操作。然后采用合適的方法對圖像目標做最終的提取。在本次課設(shè)中，我采用的是利用MATLAB生成圖片的直方圖，然后從直方圖上得出不同顏色所對應的灰度，再灰度對不同顏色的圖像分別進行提取。但是此方法有一個很大的局限性，就是無法處理相同顏色的目標圖像，因此經(jīng)過對資料的查閱和老師的幫助，我找到了解決方法，對相同顏色的圖像進行區(qū)域劃分，然后再對處于不同區(qū)域的目標圖像分別進行提取。關(guān)鍵詞：圖像目標提取MATLAB灰度區(qū)域提取文案大全設(shè)計要求自選一幅圖像，確定要選擇的目標區(qū)域，編寫合適的程序，然后用MATLAB或VC+Opencv對目標圖形進行提取，要求對圖像做基礎(chǔ)的處理，包括圖像的讀取，存儲，去噪，邊緣檢測等觸及處理。設(shè)計原理和方案在實際圖像處理中，一般情況下我們只是注意到圖像中那些我們感興趣的目標，因為只有這部分也就是我們注意到的有用的目標物才能為我們提供高效、有用的信息。而這些目標一般又都對應著圖像中某些特定的、具有獨特性質(zhì)的區(qū)域。為了把這些有用的區(qū)域提取出來供我們?nèi)祟愂褂?，我們對圖像的提取做了很多的研究。本次課設(shè)采用的原理主要是用MATLAB處理，首先對圖片進行基礎(chǔ)的處理，包括彩色圖像轉(zhuǎn)化為灰色圖像的處理、二值處理、直方圖的分析、濾波處理以及利用各種算法對圖像進行邊緣化處理等操作。然后采用合適的方法對圖像目標做最終的提取。采用的是利用MATLAB生成圖片的直方圖，然后從直方圖上得出不同顏色所對應的灰度，再灰度對不同顏色的圖像分別進行提取。對相同顏色的圖像進行區(qū)域劃分，然后再對處于不同區(qū)域的目標圖像分別進行提取。從而達到課設(shè)要求圖像直方圖圖像直方圖能很直觀的反映出圖像的特征，灰度，強度等，并且在處理時很容易實現(xiàn)，且具有圖像平移、旋轉(zhuǎn)、縮放不變性等眾多優(yōu)點，在很多方面都得到了廣泛地應用，特別是灰度圖像的閾值分割、基于顏色的圖像檢索以及圖像分類。直方圖圖形化顯示不同的像素值在不同的強度值上的出現(xiàn)頻率，對于灰度圖像來說強度，范圍為[0~255]之間，對于RGB的彩色圖像可以獨立顯示三種顏色的強度直方圖。強度直方圖是用來尋找灰度圖像二值化閾值常用的方法。若一幅灰度圖像的直方圖顯示為兩個波峰，則二值化閾值應該是這兩個波峰之間的某個灰度值。同時強度直方圖是調(diào)整圖像對比度的重要依據(jù)直方圖實現(xiàn)方法：對一幅灰度圖像從上到下，從左到右掃描每個像素值，在每個灰度值上計算像素數(shù)目，不同的灰度值，并以這些數(shù)據(jù)為基礎(chǔ)完成圖像直方圖的繪制。從而得出目標圖像的特征。圖像灰度把白色與黑色之間按對數(shù)關(guān)系分為若干等級，稱為灰度?；叶裙卜譃?56階。并且在應用中我們通常采用的是用灰度表示的圖像稱作灰度圖，因為從灰度圖像上我們可以很清晰地看出圖像的各種特征。圖像通常是由紅色綠色藍色三個通道組成的。并且這三種顏色使用以灰度顯示的，用不同的灰度色階來表示各顏色在圖像中的比重?；叶葦?shù)字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個采樣可以表示任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同，在計算機圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏色深度。并且在實驗中對灰度圖像的處理可以很大程度上提高運算的速率以及效果。低通濾波圖像的濾波，即在盡量保留圖像細節(jié)特征的條件下對目標圖像的噪聲進行抑制，在圖像的處理中占據(jù)非常重要的地位，因為它的處理將直接影響到后續(xù)圖像處理和分析的有效性和可靠性。而本次試驗中采用的是中值濾波法對圖像進行處理。中值濾波自產(chǎn)生便被廣泛應用于各種對噪聲的處理中。中值濾波器是基于次序統(tǒng)計完成信號恢復的一種典型的非線性濾波器，其基本原理是把圖像或序列中心點位置的值用該域的中值替代，并且具有運算簡單、速度快、除噪效果好等優(yōu)點。并且在應用中中值濾波于得到了發(fā)展和改進，便是現(xiàn)在所稱的標準中值濾波，標準中值濾波算法的基本思想是將濾波窗口內(nèi)的最大值和最小值均視為噪聲，用濾波窗口內(nèi)的中值代替窗口中心像素點的灰度，在一定程度上抑制了噪聲。實際上在一定鄰域范圍內(nèi)具有最大或最小灰度值這一特性的，除了噪聲點，還包括圖像中的邊緣點、線性特征點等。因此很大程度上提高了圖像處理和分析的有效性和可靠性。邊緣檢測綜合分析本次實驗采取的是Prewitt算子邊緣檢測，Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點上下、左右鄰點的灰度差，在邊緣處達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用。其原理是在圖像空間利用兩個方向模板與圖像進行鄰域卷積來完成的，這兩個方向模板一個檢測水平邊緣，一個檢測垂直邊緣。對數(shù)字圖像f(x，y)，Prewitt算子的定義如下：G(i)=|[f(i-1,j-1)+f(i-1,j)+f(i-1,j-1)]-[f(i+1,j-1)+f(i++f(i+1,j)+1)]|G(j)=|[f(i-1,j+1)+f(i,j+1)+f(i+1j+1)]-[f(i-1,j-1)+f(i,j-1)+f(i+,j-1]|則P(i,j)=max[G(i),G(j)]或P(i,j)=G(i)+G(j)設(shè)計步驟及結(jié)果圖像的讀取的存儲相關(guān)程序：M=imread('G:\3.png');subplot(2,3,1);imshow(M,[]);title('原彩色圖');imwrite(M,'G:\4.png');彩色圖像的灰度化相關(guān)程序：M=rgb2gray(M);圖像的濾波相關(guān)程序：H=fspecial('average',5);F{1}=double(filter2(H,M));subplot(2,3,2);imshow(F{1},[]);title('均值低通濾波');圖像的邊緣檢測相關(guān)程序：M=imread('G:\3.png');K=rgb2gray(M);subplot(2,3,3),imhist(K);M1=[-1,-1,-1;0,0,0;1,1,1];M2=[-1,0,1;-1,0,1;-1,0,1];N1=filter2(M1,K);N2=filter2(M2,K);K1=double(N1);K2=double(N2);M=(abs(K1)+abs(K2));figure,imshow(uint8(M))title('Prewitt算子邊緣檢測');不同顏色目標圖像的提取相關(guān)程序：123201196218分別為彩色圖像的綠色、粉色、黃色以及橙黃的灰度值。num=[123201196218];[m,n]=size(N);forI1=1:4D=zeros(m,n);D=D+255;fori=1:mforj=1:nifN(i,j)==num(I1)D(i,j)=N(i,j);endendendsubplot(2,2,I1)imshow(D,[]);end相同顏色的目標圖像的提取采用對目標區(qū)域進行劃分，然后依據(jù)不同的區(qū)域?qū)δ繕藞D像進行提取。圖像讀?。簣D像劃分區(qū)域：圖像提?。簡栴}解決及體會通過這次課程設(shè)計，知道自己在這一課程上存在的不足，另外也從這個課程設(shè)計中學到了很多東西，通過對程序的編寫以及MATLAB的具體操作，提高了自己編寫程序的能力，并且對MATLAB的操作更加熟練，以及一些對圖片處理的基本操作，包括彩色圖像轉(zhuǎn)化為灰色圖像的處理、二值處理、直方圖的分析、濾波處理以及利用各種算法對圖像進行邊緣化處理等操作。自己的能力和知識面都得到了很大的提高。但是在整個過程中遇到了一些困難，查閱了資料，也得到了老師和同學的幫助，不過每一次的問題的解決都是一個大的進步，對于參數(shù)的選取最讓我覺得困難，首先是閉運算的矩陣的選取，還有根據(jù)圖像對灰度的估計與精確從而利用不同顏色的灰度進行目標圖像的提取，還有我之前設(shè)想的是根據(jù)不同顏色的圖像的不同灰度進行目標圖像的提取，實驗也得到了很好的結(jié)果，但是面對同學提出的對于相同顏色的圖像該如何進行提取的問題。我發(fā)現(xiàn)了問題所在，但由于時間的限制，所以只能在源程序上進行修改，在老師的幫助下，我試著編寫程序?qū)⑾嗤膱D像進行分區(qū)域，編號，然后再對不同區(qū)域的目標圖像進行提取。最后成功的解決了問題。此次的課程設(shè)計是一個讓自己得到很大提高的一個課程，可以讓自己叢中學到很多，在課程設(shè)計過程中不免會出現(xiàn)不少問題，如果對這些知識足夠了解就能很到找到問題原因，并且輕松解決，所以掌握一定的知識很重要，另外也要多實踐，在實踐中檢驗自己，提高自己的動手能力，課程設(shè)計使我充分體會到了解決問題得到結(jié)果后的那種喜悅。也從中收獲到了很多知識，也為接下來的學習打下了良好的基礎(chǔ)。參考文獻【1】姚敏，數(shù)字圖像處理，機械出版社【2】李俊輝，數(shù)字圖像處理，清華大學出版社【3】賀興華，周媛媛，王繼陽，MATLAB圖像處理，人民郵電出版社【4】劉衛(wèi)國，MATLAB程序設(shè)計及應用高等教育出版社附錄：不同顏色目標圖像的提取總程序：clcclearall;M=imread('G:\3.png');subplot(2,3,1);imshow(M,[]);title('原彩色圖');M=rgb2gray(M);N=M;imwrite(M,'G:\4.png');H=fspecial('average',5);F{1}=double(filter2(H,M));subplot(2,3,2);imshow(F{1},[]);title('均值低通濾波');M=imread('G:\3.png');K=rgb2gray(M);subplot(2,3,3),imhist(K);M1=[-1,-1,-1;0,0,0;1,1,1];M2=[-1,0,1;-1,0,1;-1,0,1];N1=filter2(M1,K);N2=filter2(M2,K);K1=double(N1);K2=double(N2);M=(abs(K1)+abs(K2));figure,imshow(uint8(M))title('Prewitt算子邊緣檢測');figurenum=[123201196218];[m,n]=size(N);forI1=1:4D=zeros(m,n);D=D+255;fori=1:mforj=1:nifN(i,j)==num(I1)D(i,j)=N(i,j);endendendsubplot(2,2,I1)imshow(D,[]);end相同顏色的目標圖像的分區(qū)域提取總程序：clcclearcloseallM=imread('G:\5.png');M=im2bw(M);figure(1);imshow(M);M=~M;figure(2);imshow(M);[L,num]=bwlabel(M);STATS1=regionprops(L,'Perimeter');ahe=size(ST