基于matlab的数字图像处理仿真分析毕业论文(编辑修改稿)

基于matlab的数字图像处理仿真分析毕业论文(编辑修改稿)内容摘要：

，那么影射将会对图像的像素值加权。 I=imread(39。 39。 )。 J=imadjust(I,[,],[])。 subplot(211),imshow(I)。 subplot(212),imshow(J)。 图 （二） 使用 MATLAB 对图像进行旋转变形 图像的旋转是指使图像做某一角度的转动。 在 MATLAB中，图像旋转的函数式 imrotate，同 imresize 函数一样， imrotate 函数需要调用图像插值法，对旋转后的图像进行插值。 Imrotate 函数的常见调用方法如下。 B=imrotate(A,angle) B=imrotate(A,angle,method) B=imrotate(A,angle,method,bbox) 其中 A 是要旋转的图像， angle 是要 旋转的角度， method 是插值的方法，可以作为 nearest、bilinear、 bicubic 等。 bbox 是是指旋转后的显示方式，有两种选择，一种是 crop，旋转后的图像跟原图像一样大小；另一种是 loose，旋转后的图像包含原图。 i=imread(39。 39。 )。 %读取图像 j1=imrotate(i,45,39。 bicubic39。 )。 %使用 bicubic插值顺时针旋转 45度 j2=imrotate(i,45,39。 bilinear39。 ,39。 crop39。 )。 %使用 crop方式显示旋转后的图像 j3=imrotate(i,45,39。 bilinear39。 ,39。 loose39。 )。 %使用 loose方式显示旋转后的图像 figure。 subplot(221)。 imshow(i)。 subplot(222)。 imshow(j1)。 subplot(223)。 imshow(j2)。 subplot(224)。 imshow(j3)。 图 （三 ） 噪声 数字图像中往往存在各种各样的噪声，噪声是获得的图像像素值，不能反映真实场景亮度的误差，数字图像的噪声主要来源于图像的获取（数 字化过程）和传输过程。 根据图像的获取方法不同，有很多引入图像噪声的方法。 （ 1） 如果图像是通过扫描照片得到的，则照片上的灰尘是噪声源，另外，照片损坏和扫描的过程本身都会引入噪声。 （ 2） 如果图像直接由数字设备得到，则获取图像数据的设备会引入噪声。 （ 3） 图像数据的传输会引入噪声。 为了模拟不同方法的去噪效果， MATLAB 图像处理工具箱中使用 imnoise 函数对一幅图像加入不同的噪声。 它的常见调用方法如下： j=imnoise(I,type,parameters) 其中 i表示要加入噪声的图像， type 表示不同类 型的噪声， parameters 是指不同类型噪声的参数，如对于高斯噪声而言，即均值和方差， j是返回的含有噪声的图像。 i=imread(39。 39。 )。 j1=imnoise(i,39。 salt amp。 pepper39。 ,)。 %加入椒盐噪声 j2=imnoise(i,39。 gaussian39。 ,0,)。 %加入高斯白噪声 j3=imnoise(i,39。 poisson39。 )。 %加入泊松噪声 j4=imnoise(i,39。 speckle39。 ,)。 %加入乘法噪声 imshow(i)。 figure。 subplot(221),imshow(j1)。 subplot(222),imshow(j2)。 subplot(223),imshow(j3)。 subplot(224),imshow(j4)。 图 没有噪声的原图像 图 加入各噪声后的图像 在这个程序中，首先读取一幅图像，如图 所示。 然后在这幅图像中加入 4种不同类型的噪声，加入噪声后的图像如图 所示，其中左上图为加入椒盐噪声后的图像；右上图为加入高斯白噪声后的图像；左下图为加入泊松噪声后的图像；右下图为加入乘法噪声后的 图像。 （四 ） 均值滤波 均值滤波器的原理类似于中值滤波器，中值滤波器输出的像素值为相应像素邻域内的中值，而均值滤波器输出的像素值为相应像素邻域内的平均值，这使得对于粒状噪声可以很好的被滤除。 在 MATLAB 中，线性 vboqi 的函数为 imfilter,它的常见调用方式如下： B=imfilter（ A,H） B=imfilter（ A， H,option1,option2,…… ） 其中 A是输入的图像， H 是多维滤波器， option option2 是一些可选的参数， B是返回的滤波后的图像，与 A 有着相同的数据类型和维数。 下面的例子使用相同权重的 5 5的滤波器进行滤波，这类滤波器成为均值滤波器。 滤波后的结果如图 所示。 I=imread(„‟)。 % h=ones(5,5)。 i2=imfilter(I,h)。 subplot(121),imshow(i)。 subplot(122),imshow(i2)。 图 （五 ） 频谱分析 图像的频率是表征图像中灰度变化剧烈程度的指标，它是灰度在平面空间上的梯度，例如，大面积的沙漠在图像中是一片灰度变化缓慢的区域，其对应的频率值很低；而对于地表属性变化剧 烈的边缘区域在图像中则是一片灰度变化剧烈的区域，其对应的频率值较高。 傅里叶变换是最简单的正交变换，它是裂解其他变换的基础，同时傅里叶变换也是应用最广泛的一种正交变换。 傅里叶变换建立了从时域到频域的桥梁，而傅里叶反变换则建立了从频域到时域的桥梁。 傅里叶变换在实际中有非常明显的物理意义。 若 f是一个能量有限的模拟信号，则其傅里叶变换就表示 f的谱。 用 fft2 函数对二维数据进行快速傅里叶变换，其调用的形式如下： z=fft2(x,m,n) 其中， x 为输入的二维图像数据矩阵，其数据类型为 double 型。 m、 n 分别表示进行二维离散傅里叶变换的长与宽，若 x 的尺寸与 mn 不符，则会对 x 采取相应的填充或截取操作。 若参数省略，则进行二维傅里叶变换的点数与 x 的尺寸相同。 返回值 z 为 mn 的二维矩阵，它表示离散傅里叶变换后的频域图像。 x=imread(39。 39。 )。 y=im2double(x)。 imshow(y),figure z=fft2(y) imshow(log(1+abs(z)),[]),figure 图 在这个程序中，首先将图像的数据转换为 double 型，再将其输出入到 fft2 函数中，其次，由 于图像的低频部分能量非常集中，其值远远大于高频分量值，所以导致频域图像的动态范围非常大，如果正常显示的话，高频部分的信息几乎无法看清，所以在显示前使用 log 对数函数进行转换，目的是为了显示清晰，这种显示方法在显示频域图像时会经常用到。 第三章 总结与展望 （一） 总结 本文主要介绍了数字图像处理的理论知识以及 MATLAB 语言的特点，基于 MATLAB 的数字图像处理环境，介绍了如何利用 MATLAB 及其图像处理工具箱进行基本的数字图像处理，包括对图像的基本编辑及分析。 综合学习使用 MATLAB 软件对于图像 处理的基本知识，给出部分 MATLAB 实例和图像处理效果，使读者能够更好地理解和掌握使用 MATLAB 图像处理工具箱函数进行图像处理的方法。 （二 ） 展望 从数字图像处理技术应用的开始到其成为一门较独立的学科，图像处理结合景物理解、机器视觉、真实感影响和科学计算等方面有了长足的发展。 随着计算机和各个研究领域的迅猛发展，图像处理已经成为人们认识世界、改造世界的重要手段。 图像处理是人类视觉延续的重要手段，使人们可以看 到任意波长上所测得的图像，如伽马相机、 X 光机，红外和超声图等；可以看到内部图像，例如用 CT可以看到断层图像，实现了人类长期以来的梦想；可以看到立体图像和剖视图像。 数字图像处理在实际中得到了广泛应用，几乎覆盖了所有的社会生活领域，特别是在遥感、航空航天、通信、生物和医学、安全监控、工业生产、视频和多媒体、机器人视觉、物理和化学分析、公安和军事等领域，它在国家安全、经济发展和日常生活中已经起到越来越重要的作用。 参考文献 [1] 朱习军等 .MATLAB 在信号与图像处理中的应用 [M].北京电子工业出版社 [2] 高展宏，徐文波 .基于 MATLAB 的图像处理案例教程 [M].北京：清华大学出版社 [3] 李从利，易维宁 .数字图像处理 理论、算法及实现 [M].安徽：全国百佳图书出版社 [4] 张强，王正林 . 精通 MATLAB 图像处理（第二版） [M].北京电子工业出版社， [5] 段一平 ,李浩攀 . MATLAB 在图像处理中的应用 [J]. 科技信息 . 2020(10) [6] 尹凤领 ,霍丙全 . 图像处理技术的 Matlab 实现 [J]. 科技。