第一篇：圖像頻率域處理程序設(shè)計

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

目錄

摘要.....................................................................2 1 MATLAB軟件功能簡介....................................................3 2 數(shù)字圖像處理簡介.......................................................4

2.1 數(shù)字圖像處理的目的................................................4 2.2 數(shù)字圖像處理的方法................................................5 2.3 圖像頻域處理的概述................................................5 3 二維傅里葉變換.........................................................7

3.1 二維連續(xù)傅里葉變換................................................7 3.2 二維離散傅里葉變換................................................8 3.3 二維離散傅里葉變換的性質(zhì)..........................................8 3.4 周期延拓在卷積中的作用............................................9 4 圖像頻率域處理程序設(shè)計步驟............................................13 4.1 找出兩幅大小不一的256級的灰度圖像...............................13 4.2 頻率域處理程序設(shè)計...............................................17 5 運行結(jié)果及結(jié)果分析....................................................20 6課程設(shè)計心得體會.......................................................22 參考文獻................................................................24

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

摘要

圖像的頻域處理是指根據(jù)一定的圖像模型，對圖像頻譜進行不同程度修改的技術(shù)。二維正交變換是圖像處理中常用的變換，其特點是變換結(jié)果的能量分布向低頻成份方向集中，圖像的邊緣、線條在高頻成份上得到反映，因此正交變換在圖像處理中得到廣泛運用。傅里葉作為一種典型的正交變換，在數(shù)學(xué)上有比較成熟和快速的處理方法。卷積特性是傅里葉變換性質(zhì)之一，由于它在通信系統(tǒng)和信號處理中的重要地位－－應(yīng)用最廣。在用頻域方法進行卷積過程中尤其要注意傅里葉變換的周期性，注意周期延拓的重要作用，本次課設(shè)將對此作詳細的介紹。

關(guān)鍵字：頻域處理，二維傅里葉變換，卷積，周期延拓

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書 MATLAB軟件功能簡介

MATLAB的名稱源自Matrix Laboratory,1984年由美國Mathworks公司推向市場。它是一種科學(xué)計算軟件，專門以矩陣的形式處理數(shù)據(jù)。MATLAB將高性能的數(shù)值計算和可視化集成在一起，并提供了大量的內(nèi)置函數(shù)，從而被廣泛的應(yīng)用于科學(xué)計算、控制系統(tǒng)和信息處理等領(lǐng)域的分析、仿真和設(shè)計工作。

MATLAB軟件包括五大通用功能，數(shù)值計算功能（Nemeric）、符號運算功能（Symbolic）、數(shù)據(jù)可視化功能（Graphic）、數(shù)字圖形文字統(tǒng)一處理功能（Notebook）和建模仿真可視化功能（Simulink）。其中，符號運算功能的實現(xiàn)是通過請求MAPLE內(nèi)核計算并將結(jié)果返回到MATLAB命令窗口。該軟件有三大特點，一是功能強大；二是界面友善、語言自然；三是開放性強。目前，Mathworks公司已推出30多個應(yīng)用工具箱。MATLAB在線性代數(shù)、矩陣分析、數(shù)值及優(yōu)化、數(shù)值統(tǒng)計和隨機信號分析、電路與系統(tǒng)、系統(tǒng)動力學(xué)、圖像處理、控制理論分析和系統(tǒng)設(shè)計、過程控制、建模和仿真、通信系統(tǒng)以及財政金融等眾多領(lǐng)域的理論研究和工程設(shè)計中得到了廣泛應(yīng)用。

MATLAB 的應(yīng)用范圍非常廣，包括信號和圖像處理、通訊、控制系統(tǒng)設(shè)計、測試和測量、財務(wù)建模和分析以及計算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨提供的專用 MATLAB 函數(shù)集）擴展了 MATLAB 環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。MATLAB應(yīng)用：

MATLAB 產(chǎn)品族可以用來進行以下各種工作： ①數(shù)值分析 ②數(shù)值和符號計算 ③工程與科學(xué)繪圖 ④控制系統(tǒng)的設(shè)計與仿真 ⑤數(shù)字圖像處理 ⑥數(shù)字信號處理 ⑦通訊系統(tǒng)設(shè)計與仿真 ⑧財務(wù)與金融工程

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書 數(shù)字圖像處理簡介

2.1 數(shù)字圖像處理的目的

數(shù)字圖像處理(Digital Image Processing)是通過計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等處理的方法和技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個因素的影響：一是計算機的發(fā)展；二是數(shù)學(xué)的發(fā)展（特別是離散數(shù)學(xué)理論的創(chuàng)立和完善）;三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面應(yīng)用需求的增長。

一般來講，對圖像進行處理（或加工、分析）的主要目的有三個方面：

（1）提高圖像的視感質(zhì)量，如進行圖像的亮度、彩色變換，增強、抑制某些成分，對圖像進行幾何變換等，以改善圖像的質(zhì)量。

（2）提取圖像中所包含的某些特征或特殊信息，這些被提取的特征或信息往往為計算機分析圖像提供便利。提取特征或信息的過程是模式識別或計算機視覺的預(yù)處理。提取的特征可以包括很多方面，如頻域特征、灰度或顏色特征、邊界特征、區(qū)域特征、紋理特征、形狀特征、拓撲特征和關(guān)系結(jié)構(gòu)等。

（3）圖像數(shù)據(jù)的變換、編碼和壓縮，以便于圖像的存儲和傳輸。

不管是何種目的的圖像處理，都需要由計算機和圖像專用設(shè)備組成的圖像處理系統(tǒng)對圖像數(shù)據(jù)進行輸入、加工和輸出。

圖像增強的目的是采用某種技術(shù)手段，改善圖像的視覺效果，或?qū)D像轉(zhuǎn)換到更適合人眼觀察和機器分析、識別的形式，以便從圖像中獲取更有用的信息。圖像增強的基本方法可分為兩大類：空間域和頻域方法?？臻g域是指圖像平面自身，這類方法是以對圖像的像素直接處理為基礎(chǔ)的；而頻率域處理技術(shù)是以修改圖像的傅里葉變換為基礎(chǔ)的。兩者的具體方法包括以下內(nèi)容：

（1）空間域處理：點處理，模板處理即鄰域處理（2）頻率域處理：高、低通濾波，同態(tài)濾波等。

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

2.2 數(shù)字圖像處理的方法

傅里葉變換能將滿足一定條件的某個函數(shù)表示成三角函數(shù)（正弦和/或余弦函數(shù)）或者它們的積分的線性組合。在不同的研究領(lǐng)域，傅里葉變換具有多種不同的變體形式，如連續(xù)傅里葉變換和離散傅里葉變換。最初傅里葉分析是作為熱過程的解析分析的工具被提出的[1]。傅里葉變換屬于諧波分析。傅里葉變換的逆變換容易求出，而且形式與正變換非常類似。正弦基函數(shù)是微分運算的本征函數(shù)，從而使得線性微分方程的求解可以轉(zhuǎn)化為常系數(shù)的代數(shù)方程的求解。在線性時不變的物理系統(tǒng)內(nèi)，頻率是個不變的性質(zhì)，從而系統(tǒng)對于復(fù)雜激勵的響應(yīng)可以通過組合其對不同頻率正弦信號的響應(yīng)來獲取。卷積定理指出：傅里葉變換可以化復(fù)雜的卷積運算為簡單的乘積運算，從而提供了計算卷積的一種簡單手段。離散形式的傅里葉變換可以利用數(shù)字計算機快速的實現(xiàn)（其算法稱為快速傅里葉變換算法（FFT））。MATLAB中提供的變換函數(shù)

（1）fft2:用于計算二維快速傅立葉變換，語句格式：B=fft2(I,m,n)按指定的點數(shù)計算m，返回矩陣B的大小為m×n，不寫默認為原圖像大?。?）fftn:用于計算n維快速傅立葉變換

（3）fftshift:用于將變換后的圖像頻譜中心從矩陣的原點移到矩陣地中心，語法格式B=fftshift(I)（4）ifft2:用于計算圖像的二維傅立葉反變換，語法格式：B=ifft2(i)（5）ifftn:用于計算n維傅立葉變換，快速卷積實驗：傅立葉變換一個重要特性是可以實現(xiàn)快速卷積

設(shè)A為M×N矩陣，B為P×Q的矩陣，快速卷積方法如下：（1）對A和B補0，使其大小都為(M+P-1)×(N+Q-1)（2）利用fft2對矩陣A和B進行二維變換

（3）將兩個FFT結(jié)果相乘，利用ifft2對得到的乘積進行傅立葉反變換

2.3 圖像頻域處理的概述

圖像的頻率是表征圖像中灰度變化劇烈程度的指標(biāo)，是灰度在平面空間上的梯度。

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

如大面積的沙漠在圖像中是一片灰度變化緩慢的區(qū)域，對應(yīng)的頻率值很低；而對于地表屬性變化劇烈的邊緣區(qū)域在圖像中是一片灰度變化劇烈的區(qū)域，對應(yīng)的頻率值較高。

頻域處理是指根據(jù)一定的圖像模型，對圖像頻譜進行不同程度修改的技術(shù)，通常作如下假設(shè)：1)引起圖像質(zhì)量下降的噪聲占頻譜的高頻段；2)圖像邊緣占高頻段；3)圖像主體或灰度緩變區(qū)域占低頻段。基于這些假設(shè)，可以在頻譜的各個頻段進行有選擇性的修改。

為什么要在頻率域研究圖像增強

（1）可以利用頻率成分和圖像外表之間的對應(yīng)關(guān)系。一些在空間域表述困難的增強任務(wù)，在頻率域中變得非常普通。

（2）濾波在頻率域更為直觀，它可以解釋空間域濾波的某些性質(zhì)。

（3）可以在頻率域指定濾波器，做反變換，然后在空間域使用結(jié)果濾波器作為空間域濾波器的指導(dǎo)。

（4）一旦通過頻率域試驗選擇了空間濾波，通常實施都在空間域進行。

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書 二維傅里葉變換

由于圖像的頻率是表征圖像中灰度變化劇烈程度的指標(biāo)，是灰度在平面空間上的梯度。傅立葉變換在實際中的物理意義，設(shè)f是一個能量有限的模擬信號，則其傅立葉變換就表示f的譜。從純粹的數(shù)學(xué)意義上看，傅立葉變換是將一個函數(shù)轉(zhuǎn)換為一系列周期函數(shù)來處理的。從物理效果看，傅立葉變換是將圖像從空間域轉(zhuǎn)換到頻率域，其逆變換是將圖像從頻率域轉(zhuǎn)換到空間域。換句話說，傅立葉變換的物理意義是將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)，傅立葉逆變換是將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)。

3.1 二維連續(xù)傅里葉變換

如果二維連續(xù)函數(shù)f(x,y)滿足狄里赫萊條件，則將有下面的傅立葉變換對存在：

與一維傅立葉變換類似，二維傅立葉變換的傅立葉譜和相位譜為：

????F(u,v)?f(x,y)???????????f(x,y)e?j2π(ux?vy)dxdyF(u,v)ej2π(ux?vy)dudv??????F(u,v)?|F(u,v)|ejφ(u,v)|F(u,v)|?R2(u,v)?I2(u,v)I(u,v)R(u,v)φ(u,v)?arctanE(u,v)?|F(u,v)|2?R2(u,v)?I2(u,v)

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

3.2 二維離散傅里葉變換

一個M×N大小的二維函數(shù)f(x,y)，其離散傅立葉變換對為 ：

f(x,y)???F(u,v)exp[j2π(ux/M?vy/N)]u?0v?0M?1N?1x?0,1,?M?1,y?0,1?N?11M?1N?1F(u,v)?f(x,y)exp[?j2π(ux/M?vy/N)]??MNu?0v?0u?0,1,?M?1,v?0,1,?N?1變換為 ：

在數(shù)字圖像處理中，圖像一般取樣為方形矩陣，即N×N，則其傅立葉變換及其逆?{f(x,y)}?F?u,v???11N?1N?1x?0y?0N2??f?x,y?exp???j2??N?1?ux?vyN???????]?

?ux?vy?{F(u,v)}?f(x,y)???F(u,v)exp[j2???N?u?0v?0N?13.3 二維離散傅里葉變換的性質(zhì)

離散傅里葉變換主要有以下性質(zhì)：1.平移性質(zhì)2.分配律3.尺度變換（縮放）4.旋轉(zhuǎn)性5.周期性和共軛對稱性6.平均值7.可分性8.卷積9.相關(guān)性。這里主要簡述周期性，卷積相關(guān)內(nèi)容會在下一節(jié)中介紹。

離散傅里葉變換有如下周期性性質(zhì)：

F?u,v??F(u?M,v)?F(u,v?N)?f(u?M,v?N)反變換也是周期性的：

f(x,y)?f(x?M,y)?f(x,y?N)?f(x?M,y?N)

頻譜也是關(guān)于原點對稱的：

F(u,v)???F(?u,?v)?

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

這些等式的有效性是建立在二維離散傅里葉變換公式基礎(chǔ)上的。圖像的周期性在圖像處理中有非常重要的作用，下面會在卷積部分繼續(xù)闡述周期性的相關(guān)內(nèi)容。

3.4 周期延拓在卷積中的作用

基于卷積理論，頻率域的乘法相當(dāng)于空間域的卷積，反之亦然。當(dāng)處理離散變量和傅里葉變換時，要記住不同函數(shù)所包含的周期性。雖然可能不太直觀，但周期性是定義離散傅里葉變換對時產(chǎn)生的數(shù)學(xué)副產(chǎn)品。周期性是處理操作的一部分,不應(yīng)忽視。圖1列舉了周期性的重要性。

圖1 傅里葉變換周期性

圖1左邊（a~e）：兩個離散函數(shù)的卷積，右邊（f~j）：相同函數(shù)的卷積，考慮DFT周期性的應(yīng)用。圖的左邊一列是用下式的一維形式計算的卷積：

1f(x)*h(x)?MM?1?0f(m)h(x?m)?m

在此詳細地解釋卷積運算的過程。為簡化表示，簡單的數(shù)字將代替那些表示函數(shù)長 9

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

度和高度的通用符號。圖1(a)和(b)是兩個要進行卷積的函數(shù)。每個函數(shù)包含400個點。卷積的第一步是將一個函數(shù)關(guān)于原點進行鏡像映射(倒轉(zhuǎn))，在本例情況下，對第二個函數(shù)進行，在圖1(c)中以h(-m)示出。下一步是將h(-m)滑過f(m)。這要增加一個常數(shù)x到h(-m)，即變成h(x-m)，如圖1(d)所示。注意只有一個置換值。在第一次遇到時．這個簡單步驟通常是引起混亂的根源。而這恰好是卷積計算的全部關(guān)鍵。換言之，為了執(zhí)行卷積，倒轉(zhuǎn)了一個函數(shù)，并將它滑過另一個函數(shù)。在每一個置換點(的每一個值)都要計算式的全部總和。這個總和不比在給定位移處f和h乘積的和更太。位移x的范圍為h完全滑過f需要的所有值。圖1(e)顯示了h完全滑過f后的結(jié)果，并在x的每個點計算式。在此例中，為使h(x-m)完全滑過f,x值的范圍是從0到799。這幅圖是兩個函數(shù)的卷積，要清楚地記住卷積中的變量是x.從上面介紹的卷積理論可知，由F(u)H(u)的傅里葉反變換能得到同樣的準(zhǔn)確結(jié)果。但是，從前面對周期性的討論又知離散傅里葉變換自動地將輸入函數(shù)周期化。換言之，采用DFT允許在頻率域進行卷積計算，但函數(shù)必須看做周期性的，且周期等于函數(shù)的長度。

可以通過圖1右邊一列考察這種隱含的周期性。圖1(f)同圖1(a)一樣，但同樣的函數(shù)在兩個方向上周期性地?zé)o限擴展(擴展部分用虛線表示)。從圖1(g)到圖1(i)同樣應(yīng)用該擴展。現(xiàn)在，可以通過將h(x-m)滑過f(m)進行卷積。如前面一樣，變化x完成滑動。然而，h(x-m)的周期性擴展產(chǎn)生了圖1左邊的計算中所沒有的值。例如，在圖1(i)中，當(dāng)x=0時，看到h(x-m)右側(cè)第一個擴展周期的一部分進 入圖1(f)中所示的f(m)(從原點開始)的一部分。當(dāng)h(x-m)向右滑動時，在f(m)中的那部分開始向右側(cè)移出，但被h(x-m)左側(cè)相同部分所取代。這引起卷積產(chǎn)生一個常量值，如圖1(j)所示的[0，100]的一段.從100到4OO的一段是正確的，但周期性是周而復(fù)始的，這樣就引起卷積函數(shù)尾部的一部分丟失，由圖1(j)和圖1(e)實線部分的比較可以看出這一點。

在頻率域，該過程需要計算圖1(a)和(b)中函數(shù)的傅里葉變換。根據(jù)卷積理論，兩個變換要相乘，再計算傅里葉反變換。結(jié)果包含40O個點的卷積，如圖1(j)的實線部分所示。簡單的解釋表明當(dāng)使用傅里葉變換得出卷積函數(shù)時，錯誤地處理周期性將得到錯誤的結(jié)論。結(jié)果，在開頭有錯誤數(shù)據(jù)，結(jié)尾將丟失數(shù)據(jù)。

問題的解決辦法很簡單。假設(shè)f和h分別由A和B個點組成。對兩個函數(shù)同時添加零，以使它們具有相同的周期，表示為P。這個過程產(chǎn)生擴展的或延拓的函數(shù)，如下所

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

示：

f(x)0?x?A?1f(x)?{e0A?x?P和

ge(x)?{g(x)0?x?B?10B?x?P

可以看出,除非選擇P≥A+B-1，否則卷積的獨立周期將會混疊。已經(jīng)在圖1中看到了這種現(xiàn)象的結(jié)果，這通常歸于纏繞誤差。若P=A+B-1，周期便會鄰接起來。若P＞A+B-1，周期將會是分隔開的，分隔的程度等于P與A+B-1的差。

擴展后的卷積結(jié)果如圖2所示。在這里，選擇P=A+B-1(799)，即可知卷積周期是相鄰的。遵循與前面的解釋相同的過程，得到如圖2所示的卷積函數(shù)。該結(jié)果的一個周期與圖1(e)相同，是正確的。這樣，如果要在頻率域計算卷積，應(yīng)該：(1)得到兩個擴展序列的傅里葉變換(每個序列有8OO個點)；(2)將兩個變換相乘；(3)計算傅里葉反變換。結(jié)果便得到正確的8OO個點的卷積函數(shù)。見圖2中周期加重的部分。

圖2 卷積函數(shù)

這些概念擴展到二維函數(shù)時遵循了相同的前提。假設(shè)有f(x,y)和h(x,y)兩幅圖像，武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

大小分別為A×B和C×D。如同一維情況，這些行列必須假定在x方向上有相同的周期P，在y方向上有相同的周期Q。二維卷積的混疊可由選擇如下周期避免：

P?A?C?1 Q?B?D?1

擴展f(x,y)和h(x,y)形成如下周期性序列：

fe(x,y)?{f(x,y)000?x?A?1且0?y?B?1A?x?P且B?y?Q0?x?C?1且0?y?D-1C?x?P且D?y?Qhe(x,y)?{

h(x,y)

為了簡化圖例，假設(shè)f和h是方形的，且大小相同。

圖3 二維函數(shù)周期延拓

圖3對二維函數(shù)周期延拓的說明。圖3（a）沒有延拓執(zhí)行二維卷積的結(jié)果；圖3（b）合格的函數(shù)延拓；圖3（c）正確的卷積結(jié)果。圖3(a)顯示了圖像沒有延拓時得到的濾波結(jié)果。這通常是由于沒有對一幅輸入圖像進行延拓就進行傅里葉變換，然后又乘上同樣大小的函數(shù)(也沒有延拓)，計算傅里葉反變換。結(jié)果就是與輸入圖像相同的大小為A×B的圖像，如圖3(a)左上象限所示。如同一維情況，圖像前面邊沿(阻影部分)由于周期性而引入了錯誤數(shù)據(jù)，而在尾部邊沿將丟失數(shù)據(jù)。如圖3(b)所示，通過對輸入圖像和函數(shù)進行合適的延拓，將得到正確的、大小為P×Q的過濾圖像。這幅圖像在兩個坐標(biāo)方向上是原始圖像的兩倍大小，有原始圖像4倍數(shù)量的像素點。

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書 圖像頻率域處理程序設(shè)計步驟

4.1 找出兩幅大小不一的256級的灰度圖像

選擇兩幅圖片如圖4圖5

圖4 源圖片1 圖5源圖片2

（1）檢查源圖片1和源圖片2格式 >>info=imfinfo('1.jpg')info=imfinfo('2.jpg')顯示如下 info =

Filename: '1.jpg' FileModDate: '15-Aug-2014 13:44:02' FileSize: 51822 Format: 'jpg'

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

FormatVersion: '' Width: 440 Height: 737 BitDepth: 24 ColorType: 'truecolor' FormatSignature: '' NumberOfSamples: 3 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: {} info =

Filename: '2.jpg' FileModDate: '08-Jan-2015 08:38:58' FileSize: 16439 Format: 'jpg' FormatVersion: '' Width: 300 Height: 400 BitDepth: 8 ColorType: 'grayscale' FormatSignature: '' NumberOfSamples: 1 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: {} 用MATLAB檢查發(fā)現(xiàn)是圖片1是truecolor 格式，ColorType: 'truecolor'。（2）用MATLAB將其轉(zhuǎn)換為灰度圖像

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

a=imread('1.jpg');b=rgb2gray(a);imwrite(b,'3.jpg')>> info=imfinfo('3.jpg')顯示如下 info =

Filename: '3.jpg' FileModDate: '08-Jan-2015 08:54:41' FileSize: 43637 Format: 'jpg' FormatVersion: '' Width: 440 Height: 737 BitDepth: 8 ColorType: 'grayscale' FormatSignature: '' NumberOfSamples: 1 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: {} 在 ColorType: 'grayscale' 屬性行如此顯示，則說明以3.jpg命名的文件為灰度圖像如圖6所示。

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

圖6 圖片3（3）檢查圖像灰度級

在命令窗口輸入f=imread('2.jpg')whos f g=imread('3.jpg')whos g 顯示如下，表明圖像為256級灰度圖像

Name Size Bytes Class

f 400x300 120000 uint8 array Name Size Bytes Class

g 737x440 324280 uint8 array Grand total is 120000 elements using 120000 bytes

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

4.2 頻率域處理程序設(shè)計

MATLAB中提供的變換函數(shù)

（1）fft2:用于計算二維快速傅立葉變換，語句格式：B=fft2(I,m,n)按指定的點數(shù)計算m,返回矩陣B的大小為m×n,不寫默認為原圖像大小。

（2）ifft2:用于計算圖像的二維傅立葉反變換，語法格式：B=ifft2(i)%直接卷積程序

>> I1=imread('2.jpg');I2=imread('3.jpg');I5=conv2(I1,I2);figure(3);imshow(I5,[]);title('直接函數(shù)卷積得到的圖像(黃深)')%正確的頻域處理程序 I1=imread('2.jpg');I2=imread('3.jpg');[m1,n1]=size(I1);[m2,n2]=size(I2);I1(m1+m2-1,n1+n2-1)=0;I2(m1+m2-1,n1+n2-1)=0;I3=ifft2(fft2(I1).*fft2(I2));I3=I3(1:m1+m2-1,1:n1+n2-1);I3=real(I3);figure(1);imshow(I3,[]);title('正確延拓頻域法得到的卷積圖像(黃深)')%比較頻域方法與直接卷積的結(jié)果，顯示差矩陣并且顯示錯誤數(shù)據(jù)數(shù) F=minus(I3,I5);figure(4)imshow(F);

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

title('正確延拓差矩陣的二值圖像(黃深)')s=0;for i=1:m1+m2-1 for j=1:n1+n2-1 if(minus(abs(F(i,j)),0.000001)>0)s=s+1;end;end;end;disp(sprintf('差錯 1: %d',s));%補0不夠的頻域處理程序 I1=imread('2.jpg');I2=imread('3.jpg');[m1,n1]=size(I1);[m2,n2]=size(I2);I1(m1+m2-100,n1+n2-100)=0;I2(m1+m2-100,n1+n2-100)=0;I3=ifft2(fft2(I1).*fft2(I2));I3=I3(1:m1+m2-100,1:n1+n2-100);I3=real(I3);I3(m1+m2-1,n1+n2-1)=0;figure(2);imshow(I3,[]);title('補0不夠頻域法得到的卷積圖像(黃深)')%比較頻域方法與直接卷積的結(jié)果，顯示差矩陣并且顯示錯誤數(shù)據(jù)數(shù) F=minus(I3,I5);figure(5)imshow(F);title('補0不夠的差矩陣的二值圖像(黃深)')

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

s=0;for i=1:m1+m2-100 for j=1:n1+n2-100 if(minus(abs(F(i,j)),0.000001)>0)s=s+1;end;end;end;disp(sprintf('差錯 2: %d',s));

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書 運行結(jié)果及結(jié)果分析

在MATLAB中輸入程序后，顯示的卷積結(jié)果如下:

圖7 正確延拓頻域法得到的卷積圖像

圖9直接函數(shù)卷積得到的圖像

圖8補0不夠頻域法得到的卷積圖像

圖10正確延拓差矩陣的二值圖像

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

圖11 補0不夠的差矩陣的二值圖像

比較圖7和圖9，看不出兩個圖像有任何區(qū)別。通過作差，認為舍入誤差小于0.000001的均可作為0來處理，這里S=785，差值矩陣的二值圖像全為黑，可以認為兩圖幾乎沒有任何區(qū)別，即頻域方法的卷積結(jié)果是完全正確的。

比較圖8和圖9，表面上也看不出兩個圖像有什么區(qū)別，圖8的靠左和靠上部分有亮度增加，這部分是疊加錯誤，而靠下和靠右部分是兩條黑杠，這是補零的數(shù)據(jù)，也就是原來丟失的數(shù)據(jù)。通過檢測差值矩陣，S=99099,錯誤的有很多，即沒有補0的頻域方法計算的結(jié)果不正確。值得注意的是這里差值矩陣應(yīng)該四周都是白色，因為左邊和上邊是混疊錯誤的地方應(yīng)該為，行數(shù):100，列數(shù)100；同理右邊和下邊是數(shù)據(jù)丟失人為補0的地方也有與混疊相同的行數(shù)和列數(shù)。但因為這里‘gyy.jpg’周圍為0，因此正確卷積的結(jié)果也為0，因此差矩陣得到的相應(yīng)區(qū)域也為0，顯示的2值圖像就看不到白色地方了。

通過以上分析說明，二維圖像或矩陣的線性卷積可以通過補零周期延拓后，經(jīng)二維傅里葉變換相乘，再做反變換來實現(xiàn)。而不補零或補零不足，用此方法求得卷積圖像靠左靠上會有疊加錯誤和靠下靠右會有數(shù)據(jù)丟失。

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

6課程設(shè)計心得體會

通過本次課程設(shè)計，我主要了解了用MATLAB處理數(shù)字圖像中的問題，特別是數(shù)字圖像的頻域分析法，快速傅里葉變換，把數(shù)字圖像技術(shù)和MATLAB等通信類科目的內(nèi)容應(yīng)用到本課程設(shè)計中來，進一步鞏固復(fù)習(xí)數(shù)字圖像處理技術(shù)，MATLAB等課程，以達到融會貫通的目的。本次課設(shè)的主要任務(wù)是用MATLAB編程來實現(xiàn)數(shù)字圖像的傅里葉計算，卷積原理。開始我對數(shù)字圖像技術(shù)了解不是很多，通過查閱相關(guān)資料，我熟悉了用MATLAB處理數(shù)字圖像基礎(chǔ)，通過查閱資料學(xué)會了如何用MATLAB編程進行圖像的處理，感覺非常有成就感。并且加深了對數(shù)字圖像處理的認識，經(jīng)過幾天忙碌的課程設(shè)計我體會到了很多。

首先我意識到自己的知識還很欠缺，僅僅通過課堂上的學(xué)習(xí)是遠遠不夠的。課后還需努力學(xué)習(xí)與專業(yè)相關(guān)的其他知識，比如MATLAB。雖然我對MATLAB并不陌生，但畢竟沒有系統(tǒng)的學(xué)習(xí)過這門課程，讓我明白了自己要學(xué)的東西還有很多。

通過這次課程設(shè)計，我才明白學(xué)習(xí)是一個長期積累的過程，在以后的生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識和綜合素質(zhì)。另外課程設(shè)計提高了自己快速學(xué)習(xí)的能力，在如今信息化的社會，快速學(xué)習(xí)的能力顯的越來越重要。

其次，我認識到理論運用到實踐的重要性，正所謂“紙上得來終覺淺，絕知此事要躬行”。學(xué)習(xí)任何知識，僅從理論上去求知，而不去實踐、探索是不夠的。所以在原理圖的基礎(chǔ)之上，設(shè)計具體的硬件實現(xiàn)流程圖，利用將一個大而復(fù)雜的系統(tǒng)分解轉(zhuǎn)化為多個小而簡單的模塊的思想，再進行整合、連接，將復(fù)雜問題簡單化。了解了更多關(guān)于通信的知識，不僅加深了對數(shù)字圖像處理及MATLAB的認識，而且還真正做到了學(xué)以致用。

最后，我明白了在學(xué)習(xí)中一定要多想、多問、多思考，遇到問題首先要自己解決，解決不了的找老師和同學(xué)幫忙，想想老師或者同學(xué)為什么要這么做，有沒有更好的解決辦法，只有這樣我們才會不斷進步。

通過本次課程設(shè)計，加強了對數(shù)字圖像頻域法到空間域的理解，學(xué)會查尋資料、方案比較，以及設(shè)計計算及仿真等環(huán)節(jié)，進一步提高了分析解決實際問題的能力，鍛煉了分析、解決圖像處理的實際本領(lǐng)。運用學(xué)習(xí)成果把課堂上學(xué)的系統(tǒng)化的理論知識，嘗試性的應(yīng)用于實際設(shè)計工作，并從理論的高度對設(shè)計工作的現(xiàn)代化提高一些有針對性的建議和設(shè)想，檢驗學(xué)習(xí)成果，看一看課堂學(xué)習(xí)與實際工作到底有多大差距，并通過綜合分

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

析，找出學(xué)習(xí)中存在的不足，以便為完善學(xué)習(xí)計劃，更邊學(xué)習(xí)內(nèi)容提供實踐依據(jù)。在此，要感謝老師對我們一直以來的關(guān)心和照顧，細心給我們解答疑惑，幫助我們更好的學(xué)習(xí)，同時還要謝謝同學(xué)們熱情的幫助。

武漢理工大學(xué)《專業(yè)綜合課程設(shè)計》說明書

參考文獻

[1] 楊杰，黃朝兵．?dāng)?shù)字圖像處理及MATLAB實現(xiàn)，第二版．北京：電子工業(yè)出版社，2013.8．

[2] 曹茂永．?dāng)?shù)字圖像處理．北京：北京大學(xué)出版社，2007.9．

[3] 張 強，王正林．精通MATLAB圖像處理．北京：電子工業(yè)出版社，2009.6． [4] 陳懷?。甅ATLAB及其在理工課程中的應(yīng)用指南．西安：西安電子科技大學(xué)出版社，2000．

[5] 張化光，孫秋野．MATLAB/SIMULINK實用教程．北京：人民郵電出版社，2009． [6] 姚敏．?dāng)?shù)字圖像處理．北京：機械工業(yè)出版社，2006．

第二篇：matlabGUI圖像處理

圖像處理

一、實習(xí)任務(wù)

利用MATLAB里面的一些特定函數(shù)和GUI可視化圖形界面設(shè)計一個屬于自己的photoshop,使其完成簡易的放大、縮小、截圖以及直方圖統(tǒng)計等功能。

二、實習(xí)內(nèi)容

1、布局設(shè)計

2、程序設(shè)計 %文件打開

[name,path]=uigetfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'載入圖像');if isequal(name,0)|isequal(path,0)errordlg('沒有選中文件','出錯');return;else x=imread([path,name]);axes(handles.axes1);imshow(x);handles.img=x;handles.noise_img=x;guidata(hObject,handles)end

%文件保存

[filename,pathname] = uiputfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'圖片保存為');if isequal([filename,pathname],[0,0])errordlg('沒有保存','出錯');return;else file=strcat(pathname,filename);(handles.axes2);i=getimage(gca);imwrite(i,file);end

%文件退出 clc;close all;close(gcf);

%灰度處理

axes(handles.axes2);if isrgb(handles.img)y=rgb2gray(handles.img);%RGB?????????? imshow(y);else msgbox('這已經(jīng)是灰度圖像','轉(zhuǎn)換失敗');end %截圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);y=imcrop(handles.img);imshow(y);handles.Timage=y;

%雙線性縮小

axes(handles.axes2);prompt={'輸入放大倍數(shù):'};defans={'0.2'};p=inputdlg(prompt,'輸入放大倍數(shù)',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%法縮小 imshow(y);

%雙線放大

axes(handles.axes2);prompt={'輸入放大倍數(shù):'};defans={'2'};p=inputdlg(prompt,'輸入放大倍數(shù)',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%值法放大 imshow(y);

%上下翻轉(zhuǎn)

最近鄰插值最近鄰插axes(handles.axes2);x=(handles.img);if isrgb(handles.img)for k=1:3 y(:,:,k)=flipud(x(:,:,k));%上下翻轉(zhuǎn)函數(shù) end imshow(y);else x=(handles.img);y=flipud(x);imshow(y);end

%左右翻轉(zhuǎn)

axes(handles.axes2);if isrgb(handles.img)x=(handles.img);for k=1:3 y(:,:,k)=fliplr(x(:,:,k));%左右翻轉(zhuǎn)函數(shù) end imshow(y);else x=(handles.img);y=fliplr(x);imshow(y);end

%左轉(zhuǎn)90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,90);imshow(y);

%右轉(zhuǎn)90度

axes(handles.axes2);x=(handles.img);y=imrotate(x,-90);imshow(y);

%任意角度旋轉(zhuǎn) axes(handles.axes2);prompt={'輸入?yún)?shù)1:'};defans={'30'};p=inputdlg(prompt,'輸入?yún)?shù)',1,defans);p1=str2num(p{1});y=imrotate(handles.img,p1);imshow(y);

%亮度處理

prompt={'輸入?yún)?shù)1','輸入?yún)?shù)2','輸入gamma'};defans={'[0 0.7]','[0 1]','1'};p=inputdlg(prompt,'輸入?yún)?shù)',1,defans);p1=str2num(p{1});p2=str2num(p{2});p3=str2num(p{3});gamma=p3;x=(handles.img);y=imadjust(x,p1,p2,gamma);axes(handles.axes2);imshow(y);%G直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)x=imhist(handles.img(:,:,2));%直方圖統(tǒng)計 x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);else msgbox('這是灰度圖像','旋轉(zhuǎn)失敗');end %R直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);x=imhist(handles.img(:,:,1));%統(tǒng)計

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);%B直方圖

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)

直方圖x=imhist(handles.img(:,:,3));%直方圖統(tǒng)計

x1=x(1:10:256);horz=1:10:256;bar(horz,x1);%axis([0 255 0 150000]);set(handles.axes2,'xtick',0:50:255);%set(handles.axes2,'ytick',0:2000:15000);else msgbox('這是灰度圖像','旋轉(zhuǎn)失敗');end

%直方圖均衡

set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)a=histeq(handles.img(:,:,1));b=histeq(handles.img(:,:,2));c=histeq(handles.img(:,:,3));k(:,:,1)=a;k(:,:,2)=b;k(:,:,3)=c;imshow(k);else h=histeq(handles.img);%直方圖均衡 imshow(h);end

3、效果圖

三、遇到的問題及解決方法

1、遇到的問題

最開始在Command里面用imread打開圖片是可行的，但到了GUI里面之后，會出現(xiàn)一些錯誤，主要就是提示說：找不到對應(yīng)的地方。還有就是在編寫完程序之后，放大感覺沒有任何變化。

2、解決方法

在查詢資料后發(fā)現(xiàn)，在GUI里面打開圖片是需要編寫圖片的地址以及格式的，要先判斷你要操作的圖片是否存在，如果不存在，應(yīng)該提示你不存在的錯誤；在不能放大這個問題上，后來發(fā)現(xiàn)是axes2不夠大，也就是畫布不夠大，再放大了畫布后，放大就明顯多了，縮小的時候也是這樣。

四、主要收獲和心得體會

在倆周的自動化軟件實訓(xùn)里面，最大的感觸就是MATLAB很強大，不但可以用自己自帶的函數(shù)，還可以和C語言Java等語言連接共用，在處理圖像上有自己獨特的優(yōu)勢，在編輯菜單之后再進行相應(yīng)的編程，做出來的界面和網(wǎng)頁一樣好看，這倆周特別快，不過收獲很多，在很大程度上鍛煉了我們的設(shè)計能力。

第三篇：圖像處理 實驗報告

摘要：

圖像處理，用計算機對圖像進行分析，以達到所需結(jié)果的技術(shù)。又稱影像處理?；緝?nèi)容 圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用數(shù)字攝像機、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強和復(fù)原，匹配、描述和識別3個部分。圖像處理一般指數(shù)字圖像處理。

數(shù)字圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。目前，圖像處理演示系統(tǒng)應(yīng)用領(lǐng)域廣泛醫(yī)學(xué)、軍事、科研、商業(yè)等領(lǐng)域。因為數(shù)字圖像處理技術(shù)易于實現(xiàn)非線性處理，處理程序和處理參數(shù)可變，故是一項通用性強，精度高，處理方法靈活，信息保存、傳送可靠的圖像處理技術(shù)。本圖像處理演示系統(tǒng)以數(shù)字圖像處理理論為基礎(chǔ)，對某些常用功能進行界面化設(shè)計，便于初級用戶的操作。設(shè)計要求

可視化界面，采用多幅不同形式圖像驗證系統(tǒng)的正確性；

合理選擇不同形式圖像，反應(yīng)各功能模塊的效果及驗證系統(tǒng)的正確性 對圖像進行灰度級映射，對比分析變換前后的直方圖變化；

1.課題目的與要求 目的：

基本功能：彩色圖像轉(zhuǎn)灰度圖像

圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放 圖像的算術(shù)處理：加、減、乘

圖像的灰度拉伸方法（包含參數(shù)設(shè)置）； 直方圖的統(tǒng)計和繪制；直方圖均衡化和規(guī)定化； 要求：

1、熟悉圖像點運算、代數(shù)運算、幾何運算的基本定 義和常見方法；

2、掌握在MTLAB中對圖像進行點運算、代數(shù)運算、幾何運算的方法

3、掌握在MATLAB中進行插值的方法

4、運用MATLAB語言進行圖像的插值縮放和插值旋轉(zhuǎn)等

5、學(xué)會運用圖像的灰度拉伸方法

6、學(xué)會運用圖像的直方圖設(shè)計和繪制；以及均衡化和規(guī)定化

7、進一步熟悉了解MATLAB語言的應(yīng)用，將數(shù)字圖像處理更好的應(yīng)用于實際

2.課題設(shè)計內(nèi)容描述

1>彩色圖像轉(zhuǎn)化灰度圖像：

大部分圖像都是RGB格式。RGB是指紅，綠，藍三色。通常是每一色都是256個級。相當(dāng)于過去攝影里提到了8級灰階。

真彩色圖像通常是就是指RGB。通常是三個8位，合起來是24位。不過每一個顏色并不一定是8位。比如有些顯卡可以顯示16位，或者是32位。所以就有16位真彩和32位真彩。

在一些特殊環(huán)境下需要將真彩色轉(zhuǎn)換成灰度圖像。1單獨處理每一個顏色分量。

2.處理圖像的“灰度“，有時候又稱為“高度”。邊緣加強，平滑，去噪，加銳度等。

3.當(dāng)用黑白打印機打印照片時，通常也需要將彩色轉(zhuǎn)成灰白，處理后再打印 4.攝影里，通過黑白照片體現(xiàn)“型體”與“線條”，“光線”。2>圖像的幾何空間變化：

圖像平移是將圖像進行上下左右的等比例變化，不改變圖像的特征，只改變位置。

圖像比例縮放是指將給定的圖像在x軸方向按比例縮放fx倍，在y軸按比例縮放fy倍，從而獲得一幅新的圖像。如果fx=fy，即在x軸方向和y軸方向縮放的比率相同，稱這樣的比例縮放為圖像的全比例縮放。如果fx≠fy，圖像的比例縮放會改變原始圖象的像素間的相對位置，產(chǎn)生幾何畸變。

旋轉(zhuǎn)。一般圖像的旋轉(zhuǎn)是以圖像的中心為原點，旋轉(zhuǎn)一定的角度，也就是將圖像上的所有像素都旋轉(zhuǎn)一個相同的角度。旋轉(zhuǎn)后圖像的的大小一般會改變，即可以把轉(zhuǎn)出顯示區(qū)域的圖像截去，或者擴大圖像范圍來顯示所有的圖像。圖像的旋轉(zhuǎn)變換也可以用矩陣變換來表示。3>圖像的算術(shù)處理：

圖像代數(shù)運算是指對兩幅或兩幅以上輸入圖像對應(yīng)的像素逐個進行和差積商運算以產(chǎn)生增強效果的圖像。圖像運算是一種比較簡單有效的增強處理手段是圖像處理中常用方法。三種圖像處理代數(shù)運算的數(shù)學(xué)表達式如下： C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)4>圖像的灰度拉伸方法：

灰度拉伸又叫對比度拉伸，它是最基本的一種灰度變換，使用的是最簡單的分段線性變換函數(shù)，它的主要思想是提高圖像處理時灰度級的動態(tài)范圍?？梢杂羞x擇的拉伸某段灰度區(qū)間以改善輸出圖像。如圖，所示的變換函數(shù)的運算結(jié)果是將原圖在a到b之間的灰度拉伸到c到d之間。如果一幅圖像的灰度集中在較暗的區(qū)域而導(dǎo)致圖像偏暗，可以用灰度拉伸功能來拉伸(斜率>1)物體灰度區(qū)間以改善圖像；同樣如果圖像灰度集中在較亮的區(qū)域而導(dǎo)致圖像偏亮，也可以用灰度拉伸功能來壓縮(斜率<1)物體灰度區(qū)間以改善圖像質(zhì)量。

5>直方圖設(shè)計和繪制；以及均衡化和規(guī)定化：

灰度直方圖是將數(shù)字圖像的所有像素，按照灰度值的大小，統(tǒng)計其所出現(xiàn)的頻度。通常，灰度直方圖的橫坐標(biāo)表示灰度值，縱坐標(biāo)為半個像素個數(shù)，也可以采用某一灰度值的像素數(shù)占全圖像素數(shù)的百分比作為縱坐標(biāo)。

直方圖均衡方法的基本原理是：對在圖像中像素個數(shù)多的灰度值（即對畫面起主要作用的灰度值）進行展寬，而對像素個數(shù)少的灰度值（即對畫面不起主要作用的灰度值）進行歸并。從而達到清晰圖像的目的。

3.總體方案設(shè)計

1> GUI圖像處理平臺的總體設(shè)計

圖像處理平臺設(shè)計的目的是能夠?qū)D像處理的各個獨立算法集成到一個平臺內(nèi)，方便用戶選用多種方法對圖像進行處理.平臺基于ＭatlabGUI設(shè)計，實現(xiàn)圖像處理過程的交互和可視化，并為用戶二次開發(fā)提供平臺接口，提高圖像處理算法的綜合利用效率

2>平臺總體功能設(shè)計 根據(jù)一體化的設(shè)計思想，平臺主要實現(xiàn)算法集成、交互可視化和提供二次開發(fā)接口等功能.其中算法集成分為已有算法集成和新算法集成.具體功能描述如下：

（1）已有算法集成是對Ｍatlab圖像處理工具

包中提供的算法進行集成，可以通過使用函數(shù)名加參數(shù)的方式直接調(diào)用.依據(jù)功能進行分類，將同類算法集成到同一菜單項內(nèi)，如將傅里葉變換、小波變換、離散變換等算法歸類到圖像變換中，進行集成.（2）新算法集成是指對自主開發(fā)的算法進行集成，如改進水平集算法[12]、交互式圖割算法[13]、細胞自動機分割算法[14]等均為自主開發(fā)的圖像分割算法，同已有算法集成方式類似，集成到平臺中，便于綜合運用和算法分析與對比.（3）交互式可視化是指對圖像處理過程及結(jié)果的可視化顯示，并提供用戶交互區(qū).（4）二次開發(fā)接口是指通過調(diào)用集成模板方式，為用戶提供一個將自己算法集成到平臺中的一個接口

3>總體布局設(shè)計

一個高性能的圖像處理平臺應(yīng)該為用戶提供

方便快捷的操作.平臺設(shè)計中通過菜單和按鈕實現(xiàn)快捷操作，其中菜單項提供平臺的整體功能，快捷按鈕顯示具體的獨立功能.圖像處理平臺的布局設(shè)計如圖1所示.利用ＭatlabGUI提供的工具包和底層代碼，可以實現(xiàn)菜單功能區(qū)、快捷按鈕功能區(qū)、DEMO顯示區(qū)、可視化效果顯示區(qū)和用戶交互區(qū)的布局設(shè)計

4.程序?qū)崿F(xiàn)和測試

4.1各個功能模塊的主要實現(xiàn)程序 基本功能：彩色圖像轉(zhuǎn)灰度圖像

I=imread('C:MATLAB7toolboximagesimdemospeppers.png','png');x=rgb2gray(I);figure(1);subplot(121);imshow(I);title('原始圖像');subplot(122);imshow(x);title('灰度圖像');實驗結(jié)果：

圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放

img1=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');img1=rgb2gray(img1);figure,imshow(img1);imwrite(img1,'a1.jpg');%%%%%%平移

se=translate(strel(1),[20 20]);img2=imdilate(img1,se);figure,imshow(img2);imwrite(img2,'a2.jpg');%%%%%%旋轉(zhuǎn) img3=imrotate(img1,90);figure,imshow(img3);imwrite(img3,'a3.jpg');% %%%%%縮放 img4=imresize(img1,2);figure,imshow(img4);imwrite(img4,'a4.jpg');

原始圖像：

平移圖像：

旋轉(zhuǎn)圖像：

縮放圖像：

圖像的算術(shù)處理：加、減、乘

加法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('圖像1');subplot(1,3,2);imshow(B);title('圖像2');C=imadd(A,B);subplot(1,3,3);imshow(C);title('相加后的圖像')

減法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(2,3,1);imshow(A);title('圖像1');subplot(2,3,2);imshow(B);title('圖像2');C=imsubtract(A,B);subplot(2,3,3);imshow(C);title('相減后的圖像')

乘法

A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('圖像1');subplot(1,3,2);imshow(B);title('圖像2');C=immultiply(A,B);subplot(1,3,3);imshow(C);title('相乘后的圖像')

圖像的灰度拉伸方法（包含參數(shù)設(shè)置）；

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');figure(1);imshow(img);title('原圖');[m,n]=size(img);%測量圖像尺寸參數(shù)

GreyHist=zeros(1,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255 GreyHist(k+1)=length(find(img==k))/(m*n);%計算每級灰度出現(xiàn)的概率，將其存入GreyHist中相應(yīng)位置

end figure(2);bar(0:255,GreyHist)%繪制直方圖 title('原直方圖')xlabel('灰度值')ylabel('出現(xiàn)概率')%灰度拉伸 imggrey=img;prompt={'請輸入系數(shù)a','請輸入系數(shù)b'};words='請輸入線性拉伸函數(shù):';answer = inputdlg(prompt,words,1,{'0.5','2'});a=str2double(answer(1));b=str2double(answer(2));for i=1:m for j=1:n img(i,j)=a*img(i,j)+b;end end figure(3);imshow(img);title('灰度拉伸');GreyHist=zeros(1,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255

直方圖的統(tǒng)計和繪制；直方圖均衡化和規(guī)定化；

%一，圖像的預(yù)處理，讀入彩色圖像將其灰度化

img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');%讀入JPG彩色圖像文件

imshow(img)%顯示出來 title('輸入的彩色JPG圖像')imwrite(rgb2gray(img),'PicSampleGray.jpg');%將彩色圖片灰度化并保存 img=rgb2gray(img);%灰度化后的數(shù)據(jù)存入數(shù)組 %二，繪制直方圖

[m,n]=size(img);%測量圖像尺寸參數(shù)

GP=zeros(1,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255 GP(k+1)=length(find(img==k))/(m*n);%計算每級灰度出現(xiàn)的概率，將其存入GP中相應(yīng)位置 end figure,bar(0:255,GP,'g')%繪制直方圖 title('原圖像直方圖')xlabel('灰度值')ylabel('出現(xiàn)概率')%三，直方圖均衡化 S1=zeros(1,256);for i=1:256 for j=1:i S1(i)=GP(j)+S1(i);%計算Sk end end S2=round((S1*256)+0.5);%將Sk歸到相近級的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i)));%計算現(xiàn)有每個灰度級出現(xiàn)的概率 end figure,bar(0:255,GPeq,'b')%顯示均衡化后的直方圖 title('均衡化后的直方圖')xlabel('灰度值')ylabel('出現(xiàn)概率')%四，圖像均衡化 PA=img;for i=0:255 PA(find(img==i))=S2(i+1);%將各個像素歸一化后的灰度值賦給這個像素 end figure,imshow(PA)%顯示均衡化后的圖像 title('均衡化后圖像')imwrite(PA,'PicEqual.jpg');

4.3.問題說明和總結(jié)：對在調(diào)試中發(fā)現(xiàn)的問題和解決方法做說明。

圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術(shù)。圖像處理是信號處理在圖像域上的一個應(yīng)用。目前大多數(shù)的圖像是以數(shù)字形式存儲，因而圖像處理很多情況下指數(shù)字圖像處理。

進行程序調(diào)試的過程中，最重要的是輸入圖像，剛開始是為了找到原始圖像耗費了很多時間，一般的條件書上有，但要對其進行磨合。程序編寫時，應(yīng)該注意大小寫。應(yīng)該注意最后的輸出部分，保證輸出條件與輸入條件相同。

5．總結(jié)與體會 這次使用MATALB進行圖像處理的編寫，是我對MATALB軟件有了更深入的了解，對其的應(yīng)用能力也有了相應(yīng)的提高，更深入的了解到MATALB作為繪圖軟件的方便與快捷。在進行程序調(diào)試的過程中，最重要的是輸入圖像，只有找到圖像的原始位置，才能進行下面的程序編碼。編碼程序時，應(yīng)該在MATLAB原始文檔的位置先行輸入，輸入時應(yīng)該注意大小寫。程序應(yīng)該盡可能地簡單，只要能達到目的就行，程序越復(fù)雜，運行時的錯誤就越多。以上是我的程序編碼經(jīng)驗與感受。

6．參考文獻

《數(shù)字圖像處理實驗指導(dǎo)書》 厙向陽 曹穎超 編著 《MATLAB與數(shù)學(xué)實驗》 艾冬梅 李艷晴 編著 《圖像處理和分析技術(shù)》 章毓晉 編著 《MATLAB實用教程》 鄭阿奇 編著

第四篇：圖像處理說課稿

圖像處理

一、教材分析和教學(xué)地位分析

本節(jié)課是浙江教育出版社必修教材中第三章第三節(jié)第一課時的內(nèi)容，主要介紹了圖像處理的基本概念：分辨率、位圖和矢量圖、顏色、文件格式，以及常用的圖像編輯工具的簡單介紹。本節(jié)課是高二選修教材《多媒體技術(shù)應(yīng)用》中圖像加工部分的的基礎(chǔ)，是用于激發(fā)和發(fā)現(xiàn)學(xué)生對多媒體技術(shù)應(yīng)用的興趣的基礎(chǔ)內(nèi)容，是為學(xué)生高二選修合適內(nèi)容奠定基礎(chǔ)的一節(jié)課。

二、學(xué)情分析

本節(jié)課的教學(xué)對象是高一學(xué)生，他們具備了初步的審美意識，并且在日常生活中對于圖像處理有了基本的體驗，如智能手機上的美顏相機軟件，簡單的圖像處理工具美圖秀秀等，但對于圖像處理當(dāng)中的一些基本概念，如分辨率，圖像格式和分類等仍然處于模糊的狀態(tài)，對于圖像處理的高級工具Photoshop也一般是只聞其名，并沒有多少實質(zhì)性的體驗。因此，本節(jié)課從實際出發(fā)，創(chuàng)設(shè)適當(dāng)?shù)膶W(xué)習(xí)情境，引發(fā)學(xué)生對圖像處理的學(xué)習(xí)興趣，通過學(xué)生的自身體驗，由淺入深，由抽象到具體得幫助學(xué)生掌握基本概念，并且掌握圖像處理工具Photshop的幾個基本功能。

三、教學(xué)目標(biāo)分析

根據(jù)教材的結(jié)構(gòu)和內(nèi)容分析以及新課標(biāo)要求，結(jié)合高一學(xué)生的認知結(jié)構(gòu)及其心理特點，我擬定了以下的教學(xué)目標(biāo)。知識與技能：

1、掌握Photshop中仿制圖章工具的用法。

2、掌握畫布修改的方法。

3、掌握圖像的一些基本概念：分辨率、圖像分類及格式。過程與方法：

1、通過體驗仿制圖章工具的使用，體會圖像處理的神奇及樂趣。

2、通過畫布修改的前后對比，從感官上上升對分辨率概念的認識。

3、通過對顏色設(shè)置中對于紅綠藍的分量調(diào)整，體驗二進制理論在色彩當(dāng)中的應(yīng)用。情感態(tài)度和價值觀

通過本節(jié)課的學(xué)習(xí)，激發(fā)學(xué)生對于圖像處理的興趣，培養(yǎng)基本的審美情趣。

四、教學(xué)重難點

基于以上的教學(xué)目標(biāo)，我指定了以下的重難點。

重點：分辨率以及圖像分類及格式。

難點：二進制理論在色彩當(dāng)中的運用。

五、教法和學(xué)法

根據(jù)本節(jié)課的內(nèi)容和特點，主要采用以下幾種教學(xué)方法。

1、演示法：演示仿制圖章的使用。

2、活動探究和任務(wù)驅(qū)動：引導(dǎo)學(xué)生參與活動和任務(wù)，發(fā)揮學(xué)生的主觀能動性，培養(yǎng)學(xué)生的動手能力。

3、集體討論：畫布修改的前后對比

六、教學(xué)過程

最后我具體談?wù)勥@堂課的教學(xué)過程，本節(jié)課設(shè)計了5個教學(xué)環(huán)節(jié)。

1、示范演示，激發(fā)興趣。

選擇一副果樹圖片，通過給學(xué)生演示PS中仿制圖章的使用，激發(fā)學(xué)生對圖像處理的學(xué)習(xí)興趣。

任務(wù)：通過學(xué)習(xí)網(wǎng)站當(dāng)中對于仿制圖章工具的使用介紹，完成另一幅圖片的處理要求。

2、自身體驗，探索新知

活動探究一：通過學(xué)習(xí)網(wǎng)站中對于畫布修改的操作，完成畫布的修改，并且集體討論回答以下問題：

（1）畫布修改之后圖像有什么變化？

（2）將修改后的畫布放大到和原來一樣大，圖像質(zhì)量發(fā)生了什么變化

根據(jù)學(xué)生回答，引申分辨率的概念，以及位圖和矢量圖的概念，并且演示矢量圖編輯工具Coraldraw。

3、理論深入

活動探究

二、調(diào)整PS中的色彩工具欄中的分量調(diào)整，思考標(biāo)準(zhǔn)紅綠藍所對應(yīng)的二進制代碼。

根據(jù)學(xué)生回答并補充，引申真彩色的定義。補充文件格式及擴展名。

4、實踐體驗

根據(jù)自己愛好，選擇一副圖片，通過網(wǎng)站當(dāng)中對于PS的濾鏡介紹，體驗濾鏡效果。

5、小結(jié)。

七、教學(xué)反思

以上教學(xué)設(shè)計均是我個人的教學(xué)預(yù)設(shè)，在實際的教學(xué)過程中，我會根據(jù)學(xué)生的具體反饋做出相應(yīng)的調(diào)整，做到因材施教，真正的實現(xiàn)以學(xué)生為中心的教學(xué)，為學(xué)生的長遠發(fā)展負責(zé)，使信息技術(shù)教學(xué)更好的為生活生產(chǎn)服務(wù)。

第五篇：圖像處理教學(xué)大綱

《醫(yī)學(xué)數(shù)字圖像處理》課程教學(xué)大綱

課程編號: 課程名稱：醫(yī)學(xué)數(shù)字圖像處理

英文名稱：Medical Digital Image Processing 課程類型：專業(yè)課

總學(xué)時：54（理論學(xué)時：27 實驗學(xué)時：27）適用對象：衛(wèi)生信息管理專業(yè)（本科）課程簡介：

本課程介紹了有關(guān)醫(yī)學(xué)圖像處理的基本理論、概念、方法，并結(jié)合先修課程的基礎(chǔ)理論，來詳細闡述部分目前最常用的醫(yī)學(xué)圖像處理算法，強調(diào)醫(yī)學(xué)圖像處理的目的性，特別注重圖像處理結(jié)果的應(yīng)用、解釋和算法的物理含義。在此基礎(chǔ)上，結(jié)合圖像的計算機處理方法，引導(dǎo)學(xué)生處理一些實際的醫(yī)學(xué)圖像。

一、課程性質(zhì)、目的和任務(wù)

性質(zhì)：醫(yī)學(xué)數(shù)字圖像處理是衛(wèi)生信息管理（本科）專業(yè)的必修課程。

目的：通過本課程的學(xué)習(xí)，不僅要使學(xué)生打下堅實的醫(yī)學(xué)圖像處理的基礎(chǔ)理論，掌握現(xiàn)代醫(yī)學(xué)數(shù)字圖像處理的內(nèi)容、模式和發(fā)展趨勢，更要使同學(xué)們對數(shù)字圖像處理理論在醫(yī)學(xué)圖像分析中的應(yīng)用與發(fā)展有一個清楚的認識，提高其計算機圖像處理的編程、動手能力。

任務(wù)：能夠掌握一些基本的醫(yī)學(xué)數(shù)字圖像處理的技術(shù)技能，培養(yǎng)創(chuàng)新思維，提高發(fā)現(xiàn)問題和解決問題的能力，為學(xué)生建立健全合理的知識結(jié)構(gòu)打下堅實的基礎(chǔ)。

二、教學(xué)基本要求

通過本課程的學(xué)習(xí)，學(xué)生應(yīng)能達到以下要求：

1、掌握數(shù)字圖像處理的基本概念、基本原理和重要的常規(guī)算法，并在此基礎(chǔ)上掌握數(shù)字圖像處理在醫(yī)學(xué)圖像分析中的特殊之處與發(fā)展概況，其中注重引導(dǎo)圖像處理總體流程思路及結(jié)構(gòu)框架的掌握。

2、掌握數(shù)字圖像處理的基本方法，逐漸形成觀察、思考、分析和解決有關(guān)理論和實踐問題的能力，提高學(xué)生為社會服務(wù)的能力。

3、能較熟練的運用至少一種編程語言對基本算法進行代碼實現(xiàn)，以加深對課程中理論知識的理解。

三、教學(xué)內(nèi)容及要求

（一）數(shù)字圖像處理概述

【了解】DIP的發(fā)展及應(yīng)用實例；DIP的基本步驟及內(nèi)容（課程結(jié)構(gòu)）；數(shù)字圖像處理系統(tǒng)簡介；醫(yī)學(xué)圖像發(fā)展概況；

【掌握】圖像的描述方法；數(shù)字圖像處理（DIP）的基本概念。

（二）醫(yī)學(xué)影像的數(shù)字化及圖像的運算 【了解】圖像的數(shù)字化；圖像的幾何運算。

【掌握】醫(yī)學(xué)數(shù)字影像的獲取途徑；數(shù)字圖像的矩陣表示；圖像直方圖；圖像點運算、代數(shù) 運算。

（三）醫(yī)學(xué)影像圖像增強處理

【了解】圖像的頻域增強；傅里葉變換；卷積；Z變換?！臼煜ぁ款l域濾波過程；空域濾波與頻域濾波的對應(yīng)關(guān)系。

【掌握】醫(yī)學(xué)圖像直方圖均衡；醫(yī)學(xué)圖像的空域濾波模板設(shè)計；平滑空間濾波器；銳化空間濾波器。

（四）醫(yī)學(xué)影像圖像的成像與重建

【了解】X-CT影像重建基本流程與算法；MRI圖像的重建?！菊莆铡縓-CT影像成像原理；MRI圖像成像原理。

（五）醫(yī)學(xué)影像圖像分割

【了解】醫(yī)學(xué)影像圖像分割方法的分類。

【掌握】基于統(tǒng)計的圖像分割；基于區(qū)域的圖像分割；基于邊緣的醫(yī)學(xué)圖像分割。

（六）醫(yī)學(xué)影像圖像描述

【了解】醫(yī)學(xué)影像圖像的形狀特征描述；醫(yī)學(xué)影像圖像的紋理特征描述。

【熟悉】圖像形狀描述子；圖像紋理描述子；圖像骨架的抽?。换叶葓D像的形態(tài)學(xué)濾波。

（七）醫(yī)學(xué)影像圖像的配準(zhǔn)

【了解】圖像配準(zhǔn)的概念，圖像相似度測度。【熟悉】基于圖像灰度的圖像配準(zhǔn)方法；基于特征點的配準(zhǔn)方法；基于邊緣的圖像配準(zhǔn)方法。

（八）醫(yī)學(xué)圖像模式識別

【了解】圖像特征的選擇、提?。换诮y(tǒng)計的模式識別方法；基于結(jié)構(gòu)的模式識別方法；基于人工神經(jīng)網(wǎng)絡(luò)的模式識別方法。

（九）專題：醫(yī)學(xué)圖像存儲通信系統(tǒng)標(biāo)準(zhǔn)：DICOM3.0 【了解】醫(yī)學(xué)圖像存儲與通信系統(tǒng)；DICOM3.0標(biāo)準(zhǔn)。

四、教學(xué)方法與手段

本課程采用理論講授與上機實踐相結(jié)合的教學(xué)方式，講授采用多媒體教學(xué)。

五、各教學(xué)環(huán)節(jié)學(xué)時分配

內(nèi)容

（一）數(shù)字圖像處理概述

（二）醫(yī)學(xué)影像的數(shù)字化及圖像的運算

（三）醫(yī)學(xué)影像圖像增強處理

（四）醫(yī)學(xué)影像圖像的成像與重建

（五）醫(yī)學(xué)影像圖像分割

（六）醫(yī)學(xué)影像圖像描述

（七）醫(yī)學(xué)影像圖像的配準(zhǔn) 3 5 4 2 4 5 1 3 9 9 3

理論課 3 3

實驗課 3 8

小計 6 11 2

（八）醫(yī)學(xué)圖像模式識別

（九）專題：醫(yī)學(xué)圖像存儲通信系統(tǒng):DICOM3.0 總 計 1 27 1 54

六、考核方式

考試采用閉卷筆試（60%），上機實驗、作業(yè)、課堂提問為平時成績（40%）。

七、教材和教學(xué)參考書

教材：擬選用《醫(yī)學(xué)影像圖像處理》（普通高等教育“十一五”國家級規(guī)劃教材），陳武凡 主編，人民衛(wèi)生出版社，2009年3月第一版。參考書：（1）宋余慶編，數(shù)字醫(yī)學(xué)圖像，清華大學(xué)出版社，2008,5第一版；

（2）章魯，陳瑛等，醫(yī)學(xué)圖像處理與分析，上?？茖W(xué)技術(shù)出版社，2006,8第一版；（3）章毓晉，圖象工程（上冊）：圖象處理和分析，清華大學(xué)出版社，1999（4）Kenneth R.Castleman(美), Digital Image Processing

八、說明

本教學(xué)大綱根據(jù)高等醫(yī)藥院校計算機基礎(chǔ)課程（醫(yī)學(xué)圖像處理）基本要求編寫而成。

九、本大綱主要起草人、審閱人

主要起草人： 年 月 日 審 閱 人： 年 月 日

衛(wèi)生管理系 年 月 日