matlab课程设计--应用图像处理

《matlab课程设计--应用图像处理》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、MATLAB课程设计设计题目：应用图像处理班级：学号：姓名：指导老师：设计时间：2013年4月8号-4月14号15摘要21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。图像处理，是用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见

2、的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。所谓数字图像处理[7]就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。实质上是一段能够被计算机还原显示和输出为一幅图像的数字码。关键词：DCT变换；图像压缩；真色彩增强；平滑；锐化；直方图均衡；灰度变换；滤波；M文件的使用目录摘要………………………………………………………………I1概述……………………………………………………………II2课程设计任务及要求..............................

3、.III2.1.1设计任务2.1.2设计要求3系统设计原理.....................................Ⅳ3.1DCT图像压缩原理3.2真彩色增强3.2.1平滑3.2.2锐化3.3灰度变换（直方图均衡化）3.4图像滤波153.4.1中值滤波器3.4.2维纳滤波器4程序代码及实验结果与分析..............................Ⅵ4.1DCT图像压缩4.1.1程序代码4.1.2实验结果4.1.3结果分析4.2真彩色增强4.2.1平滑程序代码4.2.2实验结果4.2.3结果分析4.2.4锐

4、化程序代码4.2.5实验结果4.2.6结果分析4.3灰度变换（直方图均衡化）4.3.1程序代码4.3.2实验结果4.3.3结果分析4.4图像滤波4.4.1程序代码4.4.2实验结果4.4.3结果分析5收获体会.........................................Ⅶ6参考文献........................................Ⅷ概述15MATLAB作为一种矩阵语言，进行数字图像处理是非常方便的。从理论上讲，数字图像是一个二维的整数阵列。掌握简单的MATLAB图像增强技术，从而对图

5、像处理有进一步的了解。课程设计任务及要求设计任务1、在图像的变换和压缩中，常常用到离散余弦变换（DCT）。DCT变换用于图像的压缩实例。请在测试图像中验证你的结论。2、请编程实现图像的真彩色增强。3、通过直方图均衡化的方法实现图像的灰度变换，在测试图像中验证你的结论，分析程序结果。4、使用常用的滤波器对数字图像进行处理。如均值滤波器、中值滤波器、维纳滤波器等。设计要求在报告中给出本实验的实验结果和分析。a)程序代码附有必要的注释。b)报告中对实验的基本算法原理要进行简要叙述。系统设计原理DCT图像压缩原理DCT变换是最小均方误差条件

6、下得出的次最佳正交变换，且已获得广泛应用，并成为许多图像编码国际标准的核心。JPEG图像格式的压缩算法采用的就是DCT变换，DCT变换的变换核为余弦函数，计算速度较快，有利于图像压缩和其他处理。在编码过程中，JPEG算法首先将RGB分量转化为亮分量和色差分量，然后将图像分解为８＊８的像素块，，对这个８＊８块进行二维离散余弦变换，每个块就产生了６４个DCT系数，其中一个是直流（ＤＣ），它表示了８＊８输入矩阵全部值的平均数，其余６３个系数为交流（ＡＣ）系数，接下来对DCT系数进行量化，最后将量化的DCT系数进行编码，就形成了压缩后的图像

7、格式。在解码过程中，先对已编码的量化的系数进行解码，然后求逆量化并利用二维DCT反变换把DCT系数转化为８＊８样本像块，最将反变换后的块组合成一幅图像。这样就完成了图像的压缩和解压过程。15离散余弦变换DCT的ＭＡＴＬＡＢ实现有两种方　法，一种是基于FFR的快速算法，这是通过MATLAB工具箱提供的DCT2函数实现的；另一种是DCT变换是矩阵方法。变换矩阵方法非常适合做８＊８或１６　＊１６的图像块的DCT变换，工具箱提供了dctmtx函数来计算变换矩阵。真彩色增强真彩色增强主要是针对伪彩色增强而言的。图像的色彩增强技术主要分为为彩色

8、增强和真彩色增强两种，这两种方法在原理上存在着本质的区别。伪彩色增强时对原灰度图像中不同灰度值区域分别付于不同的颜色，使人能够更明白的区分不同的灰度级。由于原始图像事实上是没有颜色的，所以称这种人工赋予的颜色为伪彩色，伪彩色增强实质上