1、摘要：随着多媒体技术和网络技术的快速发展，数字图像处理已经广泛应用到了人类社会生活的各个方面，已在国家安全、经济发展、日常生活中充当越来越重要的角色。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术，图像处理的信息量很大，对处理速度的要求也比较高。而 Matlab强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本次实习主要是对图像信号的采集、处理、传输、存储和分析等有一个系统的认识和理解，利用设计的系统实现图像文件的打开，掌握最基本的图像信号处理理论和方法，如对图像的几何变换，加入简单噪声，随机噪声，对图像进行滤波等。关键词：多媒体技术；网络技术；数字图像处理；Ma
2、tlab；目 录1 设计课题与要求 .11.1 课题简介 11.2 设计目标与要求 12 系统分析 .13 总体方案 .24 代码编写与运行结果 24.1 打开 .24.2 滤波 .34.3 锐化 .64.4 增强图像 .74.5 频域低通滤波 .84.6 频域图谱 .94.7 加噪 104.8 几何变换 .115 程序调试 14总 结 16致 谢 17参 考 文 献 1801 设计课题与要求1.1 课题简介数 字 图 像 处 理 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 。 一
3、般 来 讲 ， 对 图 像 进 行 处 理 （ 或 加 工 、分 析 ） 的 主 要 目 的 有 三 个 方 面 ： （ 1） 提 高 图 像 的 视 感 质 量 ， 如 进 行 图 像 的亮 度 、 彩 色 变 换 ， 增 强 、 抑 制 某 些 成 分 ， 对 图 像 进 行 几 何 变 换 等 ， 以 改 善 图像 的 质 量 。 （ 2） 提 取 图 像 中 所 包 含 的 某 些 特 征 或 特 殊 信 息 ， 这 些 被 提 取 的 特征 或 信 息 往 往 为 计 算 机 分 析 图 像 提 供 便 利 。 （ 3） 图 像 数 据 的 变 换 、 编 码 和压 缩 ， 以 便
4、于 图 像 的 存 储 和 传 输 。 图 像 是 人 类 获 取 和 交 换 信 息 的 主 要 来 源 ，因 此 ， 图 像 处 理 的 应 用 领 域 必 然 涉 及 到 人 类 生 活 和 工 作 的 方 方 面 面 。 随 着 人类 活 动 范 围 的 不 断 扩 大 ， 图 像 处 理 的 应 用 领 域 也 将 随 之 不 断 扩 大 。1.2 设计目标与要求研 究 图 像 信 号 的 特 点 ， 探 讨 图 像 谱 分 析 、 浏 览 、 空 频 域 变 换 等 基 本 理 论基 础 、 关 键 技 术 。 使 软 件 具 有 美 观 的 界 面 ， 所 有 参 数 设 置 力
5、 求 可 动 态 修 改 ；软 件 具 备 几 何 变 换 、 空 域 滤 波 、 频 域 滤 波 等 功 能 ， 可 由 用 户 在 运 行 时 通 过“打 开 ”对 话 框 自 行 选 择 图 像 文 件 ； 可 以 显 示 空 域 图 像 、 滤 波 器 频 响 、 频 域图 谱 （ 幅 度 、 相 位 ） 等 ； 可 加 入 简 单 噪 声 （ 定 量 信 号 ） 、 随 机 噪 声 （ 高 斯 噪声 等 ） ， 并 进 行 去 噪 处 理 。2 系统分析打 开 功 能 中 用 uigetfile 函 数 进 行 调 用 ， 可 以 选 择 任 意 图 片 ； 滤 波 主 要 用了 i
6、mfilter 函 数 ； 中 值 滤 波 先 用 imnoise 函 数 加 入 高 斯 噪 声 ， 再 用 medfilt函 数 进 行 中 值 滤 波 ； 均 值 滤 波 先 用 rgb2gray(I)函 数 ， 将 其 转 化 为 灰 度 图 像 ，再 用 imnoise 函 数 加 入 椒 盐 噪 声 ， 最 后 用 filter2 函 数 进 行 均 值 滤 波 ； 彩 图 锐化 先 用 h=1,2,1;0,0,0;-1,-2,-1这 个 Sobel 算 子 ， 然 后 用 imfilter 函 数 使 用 二维 滤 波 器 进 行 锐 化 ； 一 阶 微 分 锐 化 先 用 im
7、gGray = rgb2gray(I)转 为 灰 度 图 像 ，再 用 h=1,2,1;0,0,0;-1,-2,-1Sobel 算 子 ； 增 强 函 数 用 imadjust 函 数 ； 频 域 低1通 滤 波 用 freqspace 函 数 ； 频 域 图 谱 中 取 幅 度 用 abs(fftshift(Ik)函 数 ， 取 相位 用 angle(Ik)函 数 ， 相 位 逆 变 换 用 ifft2(exp(j*p)函 数 ， 幅 度 逆 变 换 用ifft2(A)函 数 ； 加 噪 中 高 斯 噪 声 是 gaussian， 椒 盐 噪 声 是 salt ,. );if isequal
8、(filename,pathname,0,0) returnelse pic = fullfile(pathname,filename); b = imread(pic); imshow(b);End2图 3.14.2 滤波clear all;RGB = imread(lena.bmp);H = ones( 5, 5) /25;RGB1 = imfilter( RGB, H) ;subplot(1,2,1);imshow(RGB);title(滤波前图像) ;subplot(1,2,2);imshow(RGB1);title(滤波后图像) ;3图 3.24.2.1 中值滤波I=imread(l
9、ena.bmp);subplot(2,2,1)imshow(I);title(原图) J=imnoise(I,gaussian,0.02); % 加入高斯噪声subplot(2,2,2)imshow(J);title(加噪图);g1=medfilt2(J(:,:,1); % 红g2=medfilt2(J(:,:,2); % 绿 g3=medfilt2(J(:,:,3); % 蓝G(:,:,1)=g1;G(:,:,2)=g2;G(:,:,3)=g3;subplot(2,2,3) imshow(G)title(中值滤波结果);4图 3.2.14.2.2 均值滤波I=imread(lena.bmp)
10、;subplot(231)imshow(I)title(原始图像)I=rgb2gray(I); %转换为灰度图像I1=imnoise(I,salt subplot(232);imshow(I1);title(添加椒盐噪声的图像)k1=filter2(fspecial(average,3),I1)/255; % 3*3 模块k2=filter2(fspecial(average,5),I1)/255; % 5*5 模块k3=filter2(fspecial(average,7),I1)/255; % 7*7 模块k4=filter2(fspecial(average,9),I1)/255; %
11、9*9 模块subplot(233),imshow(k1);title(3*3 滤波);subplot(234),imshow(k2);title(5*5 滤波);subplot(235),imshow(k3);title(7*7 滤波);subplot(236),imshow(k4);title(9*9 滤波);5图 3.2.24.3 锐化4.3.1 彩图锐化clear all;I=imread(lena.bmp);subplot(1,2,1);imshow(I);h=1,2,1;0,0,0;-1,-2,-1; % Sobel 算子J=imfilter(I,h); % 使用二维滤波器进行锐化
12、subplot(1,2,2);imshow(J);6图 3.3.14.3.2 一阶微分锐化clear all;I=imread(lena.bmp);subplot(1,2,1);imshow(I);imgGray = rgb2gray(I); % 转为灰度图像h=1,2,1;0,0,0;-1,-2,-1; % Sobel 算子J=filter2(h,imgGray);subplot(1,2,2);imshow(J);图 3.3.24.4 增强图像clear all;7I=imread(lena.bmp);subplot(2,2,1);imshow(I);title(原图);J=imadjust
13、(I,0.3 0.7,0 1,1);subplot(2,2,2);imshow(J);title(gamma=1);J=imadjust(I,0.3 0.7,0 1,0.5);subplot(2,2,3);imshow(J);title(gamma=0.5);J=imadjust(I,0.3 0.7,0 1,1.5);subplot(2,2,4);imshow(J);title(gamma=1.5);图 3.44.5 频域低通滤波f1,f2=freqspace(25,meshgrid);Hd=zeros(25,25); d=sqrt(f1.2+f2.2)0.5; Hd(d)=1;h=fsamp
14、2(Hd); 8figure,freqz2(h,64,64);I=imread(lena.bmp);I1=imnoise(I,gaussian); I2=imnoise(I,salt I3=imnoise(I,speckle); J=imfilter(I,h,replicate); J1=imfilter(I1,h,replicate); J2=imfilter(I2,h,replicate);J3=imfilter(I3,h,replicate); subplot(221),imshow(J); subplot(222),imshow(J1); subplot(223),imshow(J2)
15、; subplot(224),imshow(J3);图 3.54.6 频域图谱i=imread(lena.bmp);I=rgb2gray(i);subplot(2,3,1);imshow(I);title(原图);Ik=fft2(double(I);A=abs(fftshift(Ik); % 取幅度subplot(2,3,2);imshow(log(A+1),) % 显示幅度谱title(幅度谱);9p=angle(Ik); % 取相位iA=ifft2(A);iP=ifft2(exp(j*p); % 相位逆变换subplot(2,3,3);imshow(angle(fftshift(Ik),)
16、;title(相位谱 );subplot(2,3,4);imshow(log(1+abs(iA),);title(幅度谱逆变换);subplot(2,3,5);imshow(iP,);title(相位谱逆变换);M=ifft2(abs(Ik).*exp(j*p); % 幅度和相位结合subplot(2,3,6);imshow(M,);title(还原图);图 3.64.7 加噪clear all;I=imread(lena.bmp);J1=imnoise(I,gaussian,0,0.02);%对图像数据添加均值为 0，方差为 0.02 的高斯噪声。J2=imnoise(I,salt %对图像
17、数据添加椒盐噪声。J3=imnoise(I,speckle,0.02); %对图像数据添加乘性噪声。subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(J1);subplot(2,2,3),imshow(J2);subplot(2,2,4),imshow(J3);10图 3.74.8 几何变换4.8.1 平移clear all;I=imread(lena.bmp);global I;se = translate(strel(1), 20 20); % 平移J= imdilate(I,se); % 膨胀imshow(J), title(平移);11图 3
18、.8.14.8.2 缩小clear all;I=imread(lena.bmp);J1=imresize(I,0.5,bilinear); imshow(I);title(原图);figure(2);imshow(J1);title(缩小);图 3.8.24.8.3 水平反射clear all;I=imread(lena.bmp);global I;x,y,z=size(I);p=1:x;q=1:y;w=1:z;j(p,y-q+1,w)=I(p,q,w); % 镜像 imshow(j), title(水平反射);12图 3.8.34.8.4 垂直反射clear all;I=imread(len
19、a.bmp);global I;x,y,z=size(I);p=1:x;q=1:y;w=1:z;j(x-p+1,q,w)=I(p,q,w); % 镜像 imshow(j), title(垂直反射);图 3.8.44.8.5 旋转clear allI=imread(lena.bmp);global I;prompt=旋转 ;name=Enter;numlines=1;13defAns=45;%Resize=on;u=inputdlg(prompt,name,numlines,defAns,on);U=str2num(u1);j1=imrotate(I,U,bilinear); imshow(j1
20、);图 3.8.55 程序调试在打开这个功能中，因为任务书中要求的是选取 4 幅以上图像资料用作测试素材，所以我用了 uigetfile 这个函数，调入某文件，这样就会打开一个文件，然后可以随机选择一张图片。对于滤波，我主要用了 RGB 的方法，可以明显的看出滤波后的图像相比滤波前的图像比较模糊。中值滤波，我先对原图加入高斯噪声，然后分别对它进行红，绿，蓝的处理。均值滤波，先将原图转换为灰度图像，然后加入椒盐噪声的代码，再分别对其进行 3*3,5*5,7*7,9*9 滤波，从运行的结果看出 9*9 滤波的效果比 3*3 的更模糊。锐化我分为了彩图锐化和一阶微分锐化，两者都用了 Sobel 算子
21、，彩图锐化使用二维滤波器进行锐化，一阶微分锐化先将它转化为灰度图像。从增强图像的运行效果可以看出，gamma 的值大于 1 时，效果图变得亮点，gamma 的值小于 1 时，图变的暗一点。频域低通滤波是分别对三种加了噪声之后的图像进行滤波的。从频域图谱的结果中，看出了幅度谱，相位谱，幅度谱逆变换和相位谱逆变换，以及通过幅度谱逆变换和相位谱逆变换相结合得到的还原图。而加噪声这一块，我加了随机噪声高斯噪声，椒盐噪声和乘性噪声。图像几何变换，我分别对图像进行的平移，缩小，水平反射，垂直反射，旋转，平移主要运用了膨胀理论实现的，旋14转可以实现对图像任意角度的旋转，并且默认值是 45 度。在该课程设计
22、中，我可以打开任意一张图片，但是只能对一张图片进行处理，本想利用 matlab 中 GUI 界面里的 axes 模块实现效果的，但是试了好多次都没有成功。还有锐化的二阶微分，参考了 ppt 上的代码，并添加了将图像转化为灰度图像的代码，但运行的结果还是出错。15总 结这次数字图像处理课程设计不仅巩固了我以前所学过的知识，而且学到了很多在书本上所没有学到过的知识。通过这次课程设计，我懂得了理论与实际相结合的重要性，只有理论知识是远远不够的，只有把所学的理论知识与实践相结合起来，从理论中得出结论，从而提高自己的实际动手能力和独立思考的能力。同时团结协作能力也是非常重要的，没有同组同学的帮助，我也不
23、可能在这么短的时间内完成这项课程设计。刚开始选择了这个课题，是由于对图像比较感兴趣，但是到了真正开始做的时候，感觉有点力不从心，特别是一开始不知道无从下手，由于我原先并没有使用过 matlab 的 GUI 界面，所以根本不知道代码在哪添加的，后来还是同学告诉我的，所以同学的互相帮助还是很重要的。 这次我所做的图像信号分析与处理主要包括图像的几何变换、空域滤波、频域滤波等功能，使图像可以显示空域图像、滤波器频响、频域图谱（幅度、相位）等；同时可加入简单噪声（定量信号） 、随机噪声（高斯噪声等） ，并进行去噪处理。老师要求选取 4 幅以上图像资料用作测试素材，但我却实现不了这一功能，只能对一幅图像
24、做测试，对此我表示很遗憾，还有一些功能因为调试了多次还是运行不成功，所以也就放弃了。通过这次课程设计我知道了锐化分为一阶微分和二阶微分锐化，滤波器的设计以及滤波分为中值滤波和均值滤波，通过灰度变换增强图像，频域图谱的设计和怎样加噪声，还有一系列对图像的几何变换。这些我觉得远比课上所学的知识多多了。现在信号处理在机械振动信号处理与故障分析，医学中的诊断成像，音信号的检测、分析与语音识别，军事领域测试信号的处理和分析，地震信号的获取与分析，数据压缩以及实时处理，信号多路传输，工业过程控制中，各种传感信号的分析与处理，图像处理等方面都有重要的应用，可以说没有它现代社会将瘫痪。信号处理技术的发展尤其是
25、以 DSP 芯片为核心构造的数字信号处理技术发展将对人类科技的进步产生巨大的推动作用。因此我要好好的学好这门16学科。17致 谢经过一个星期的忙碌，本次课程设计已经接近尾声，在此，我要感谢每一个帮助过我的人。首先,我要感谢淮阴工学院、计算机工程学院给我提供这次的实践机会，让我完成了数字图像处理的课程设计，感谢实验室人员提供的实验环境，他们给我们提供了必要的实验器材，提供了很大的方便。如果没有这些，我就不会完成这次课程设计。其次我要感谢的是我的指导老师，他的治学严谨和科学研究的精神是我永远学习的榜样，并将积极影响我今后的学习和工作。老师对我悉心的指导，严格的要求、热情的鼓励，为我的课程设计的顺利
26、完成指出了很好的方向。再次，我要感谢的是同组同学的互相帮助，在我课程设计期间，她们给了我不少的帮助，特别在某些程序调试时。然后我要感谢参考文献的原作者和百度，通过网络我查到好多原先根本不知道的知识，也正因为有了那些参考文献的原作者，我才能有资料参考。在本课程设计完成之际，无论我的设计是否能够真的投入使用，这里面每一个控件的绘制，每一行语句的调试，每一段文本的输入之中都有我辛勤的汗水，一个星期的设计时间虽然短暂，我却从中学到了很多的东西。我由衷地感谢帮助我完成课程设计的老师和同学。在此我谨向我的导师以及在毕业设计过程中给予我很大帮助的老师、同学们致以最诚挚的谢意。最后，感谢各位老师能在百忙之中对我的课程设计进行审察，由于本人知识有限，不足之在所难免，还请各位老师指正处。18参 考 文 献1 蒋青等.信号处理原理及应用.北京邮电大学出版社，2010 2 丁玉美.数字信号处理.西安电子科技大学出版社，19993 赵健，李勇.数字信号处理.清华大学出版社，20064 樊昌信 ，薛向阳. 数字图像信号编码最新进展.西安电子科技大学，19935 宁燕平.图像信号编码技术（一）.电信快报，1994(11)6 李红.自适应数字图像水印技术研究.山东大学，2008
