数字图像论文

班级： 09电本一班 院系： 信息工程学院 学号： 20906021016 姓名： 韩成林 教师： 宁仁霞

日期： 2012.05.21

一、数字图像的定义：

数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。

数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压

缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的 宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。

二、数字图像的常用方法：

1）图像增强：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。

举例程序：

I=imread('b.jpg');imshow(I);

J=imadjust(I,[0.3 0.7],[0 1],1); mshow(J); J=imadjust(I,[0.3 0.7],[0 1],0.5);

figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1.5); figure;imshow(J)J=imadjust(I,[0.3 0.7],[0 1],1); figure;imshow(J); 运行结果：

2 ）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），

以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

举例程序： I=imread('b.jpg'); I=im2double(I);

T=dctmtx(8);

B=blkproc(I,[8 8],'P1*x*P2',T,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 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0];

B2=blkproc(B,[8 8],'P1.*x',mask); I2=blkproc(B2,[8 8],'P1*x*P2',T',T);

imshow(I)

title('原始图像') figure;

imshow(I2)

title('压缩后的图像') 运行结果：

3）直方图变换。 又称为直方图修改(histogram modification)。通过改变和调

整图像的灰度直方图,改变图像值的分布和结构关系的反差增强方法。图像直方图表达的是离散图像值的概率密度函数,反映的是图像像元值分布的相对频率。图像像元值的分布具有随机性质,一般图像值靠近图像均值附近的像元占全部像元的绝大部分,代表了图像信息的主体,直方图分布密集；直方图两端所占的像元数很少。直方图变换是用一变换函数作用于图像的概率密度函数,将直方图变换成所期望的形式,再根据变换后的直方图对图像时作变换,从而使图像或图像的某一图像值区问的反差得到增强,遥感图像常用的直方图变换方法主要有直方图规定化、直方图均衡化和直方图匹配等。

举例程序： I=imread('b.jpg'); imshow(I); figure; imhist(I); J=histeq(I,64); figure;

imshow(J);figure; imhist(J); J=histeq(I,32); figure; imshow(J);

figure;imhist(J);

运行结果：

4 ）图像分割：图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

举例程序：

a=imread('b.jpg'); [m,n,d]=size(a); threshold=90; for i=1:m for j=1:n

for k=1:3 if a(i,j,k)>90 a(i,j,k)=255; else a(i,j,k)=0; end end end end a_origin=a; a(:,:,2)=0; a(:,:,3)=0;

subplot(121),imshow(a); subplot(122),imshow(a_origin); 运行结果：

三、图像描述：

图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几

何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

四、图像分类：

图像分类（识别）：图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。