论文网
图像相关论文范本,与硕士文致谢模板并非原文相关毕业设计论文
本论文是一篇图像相关毕业设计论文,关于硕士文致谢模板并非原文相关硕士学位毕业论文范文。免费优秀的关于图像及计算机及鸡蛋方面论文范文资料,适合图像论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
于a(:,:,3),subplot(2,2,1),imshow(b)
subplot(2,2,2),imhist(R)
subplot(2,2,3),imhist(G)
subplot(2,2,4),imhist(B)MATLAB图像处理工具箱提供了多种去除噪声的方法,共有下列三种:线性滤波,中值滤波和自适应滤波.
4.1.1线性滤波
对一些图像进行线性滤波可以去除图像中某些类型的噪声,如采用领域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声.
语法格式:
b等于conv2(a,h),%其中a为添加均值为0,方差为0.02的高斯噪声,h为滤波模版
4.1.2中值滤波
中值滤波是抑制噪声的非线性处理方法,图像中滤波后某像素的输出等于该像素领域中各像素灰度的中值.中值滤波的方法运算简单,易于实现,而且能较好的保护边界,但有时会失掉图像中的细线和小块的目标区域.
一维信号中值滤波具有如下重要性质:(1)输入时阶跃信号或斜坡信号时,输出信号和输入信号相同,(2)若输入是脉宽小于窗口一半的脉冲p,则该脉冲被滤除,否则输入与输出相同,(3)输入是三角形信号时,输出时其顶部被削平.
语法格式:
b等于medfilt(a),
下面的程序可以实现对鸡蛋图像的R,G,Ba等于imread('散黄蛋\NO190.bmp'),
b等于imcrop(a,[12585100100]),
R等于b(:,:,1),
G等于b(:,:,2),
B等于b(:,:,3),
R等于medfilt2(R),
G等于medfilt2(G),
B等于medfilt2(B),
c(:,:,1)等于R,
c(:,:,2)等于G,
c(:,:,3)等于B,
subplot(2,2,1),imshow(R)
subplot(2,2,2),imshow(G)
subplot(2,2,3),imshow(B)
subplot(2,2,4),imshow(c)
运行结果如图4-1所示.
注:从左至右,自上而下为鸡蛋R,G,B分量经中值滤波后的图像及R,G,B合成以后的图像
图4-1鸡蛋图像经中值滤波后的图像
4.1.3自适应滤波
MATLAB图像处理工具箱中的wiener2函数可以实现图像噪声的自适应滤波.Wiener2函数根据图像的局部方差来调整滤波器的输出,当局部方差大时,滤波器的平滑效果较小,滤波器平滑效果强.
Wiener2函数提供的自适应滤波通常比线性滤波的效果好,它比相应的线性滤波器具有更好的选择性,可以更好的保存图像的边缘和高频细节信息.另外,使用起来非常方便,wiener2函数同时计算出滤波器的参数,并对图像进行绿波计算,而且wiener2函数并不比线性滤波需要更多的计算时间.
语法格式:
I等于wiener2(a),
下面的程序实现对鸡蛋图像的R,G,Ba等于imread('散黄蛋\NO190.bmp'),
b等于imcrop(a,[12585100100]),
R等于b(:,:,1),
G等于b(:,:,2),
B等于b(:,:,3),
R等于wiener2(R),
G等于wiener2(G),
B等于wiener2(B),
c(:,:,1)等于R,
c(:,:,2)等于G,
c(:,:,3)等于B,
subplot(2,2,1),imshow(R)
subplot(2,2,2),imshow(G)
subplot(2,2,3),imshow(B)
subplot(2,2,4),imshow(c)
图4-2为程序运行以后的结果.
注:从左至右,自上而下为鸡蛋R,G,B分量经自适应滤波后的图像及R,G,B合成以后的图像
图4-2鸡蛋图像经自适应滤波后的图像
鉴于自适应滤波的优点,即可以更好的保存图像的边缘和高频细节信息,而且从中值滤波和自适应滤波所得的图像可以看出,自适应滤波保存鸡蛋的边缘比较清晰,因此在本论文中都采用自适应滤波.
4.2强度调整
灰度调整场用于调整图像质量,如增强信号和噪声比率,或通过改变颜色或灰度,使图像的某些特征更容易识别.
4.2.1灰度调整
灰度调整饰一种图像增强技术,它将图像的灰度值映射到一个新的范围.它可以使灰度动态范围扩展,也可以使其压缩,或者是对图像进行分段处理,根据图像特点和要求在某段区间中进行压缩而在另外区间中进行扩展.MATLAB工具箱中提供的imadjust函数,可以实现上述的线性变换对比度增强.
语法格式:
b等于imadjust(a,[lowhigh],[bottomtop],gamma),
该函数将图像的Low映射到bottom,high映射到top,缺省情况下,位于low和high之间的值线性映射到bottom和top之间.调用imadjust函数还可以为其指定称为Y因子的附加参数以进行输出图像校正.
使用imadjust可以调整图像的对比度,通过不同Y值的选择可以调整变换后图像的整体亮度(见图2-8).
Y等于1Y>,1Y<,1
图4-3不同Y值的选择图像的整体亮度也不同
下面为对一幅图像进行灰度调整的程序:
clearall,
closeall,
a等于imread('散黄蛋\NO190.bmp'),
b等于imcrop(a,[12585100100]),
c等于imadjust(b,[0.30.7],[]),
subplot(1,2,1),imshow(b)
subplot(1,2,2),imshow(c)
histeq函数用一个有64个条块的直方图进行匹配.
语法格式:
J等于histeq(I),
图像进行直方图均衡化后,直方图的其强度分布均匀,但整体图像强度值偏高,不利于进行颜色提取,因此在本论文中图像不参与直方均衡化.
4.3去除背景的影响
在图像处理中,由于实验条件的制约,拍摄的条件有所变动,造成实验误差,为了尽可能减少实验误差,最好将背景去除.为此将鸡蛋以外的区域都取为黑色,即在背景上的R,G,B[mn]等于size(a)实现.
具体的程序如下:
clearall,
closeall,
a等于imread('散黄蛋\NO190.bmp'),
b等于imcrop(a,[12585100100]),
c等于im2bw(b,0.42),
R等于b(:,:,1),
G等于b(:,:,2),
B等于b(:,:,3),
R等于wiener2(R1),
G等于wiener2(G1),
B等于wiener2(B1),
R等于imadjust(R1,[0.30.7],[]),
G等于imadjust(G1,[0.30.7],[]),
B等于imadjust(B1,[0.30.7],[]),
form等于1:101,
forn等于1:101,
ifc(m,n)等于等于0,
R(m,n)等于0,
G(m,n)等于0,
B(m,n)等于0,
elseR(m,n)等于R(m,n),
G(m,n)等于G(m,n),
B(m,n)等于B(m,n),
end
end
end
d(:,:,1)等于R,
d(:,:,2)等于G,
d(:,:,3)等于B,
subplot(1,2,1),imshow(b)
subplot(1,2,2),imshow(d)
图4-5为鸡蛋原图像及其去除背景以后的图形.
图4-5鸡蛋原图像及其去除背景以后的图像
4.4图像边缘检测
边缘检测技术对于处理数字图像非常重要,因为边缘是所要提取目标和背景的分界线,提取出边缘才能将目标和背景分开.在图像中,边界表明一个特征区域的终结和另一个特征区域的开始,边界所分开区域的内部特征或属性是不同的,边缘的检测正是利用物体和背景在某种图形特征上的差异来实现的,这些差异包括灰度,颜色或者纹理特征.边缘检测实际上就是检测图像特征发生变化的位置.
由于噪声和模糊的存在,监测到的边界可能会变宽或在某些点处发生间断,因此,边界检测包含两个基本内容:首先抽取出反映灰度变化的边缘点,然后剔除某些边界点或填补边界检断点,并将这些边缘点连接成完整的线.
4.4.1边缘检测算子
4.4.1.1Robert算子
Robert算子是2×2算子,利用局部差分算子寻找边缘,计算沿45o方向的一阶差分.图像的梯度为两个45o方向的梯度向量和,直接计算图像差分,不包含平滑,故不能抑制噪声,对具有陡峭的低噪声图像响应最好.它是一种利用局部差分算子寻找边缘的算子:
其中,f(x,y)是具有整数像素坐标的输入
图像相关论文范本,与硕士文致谢模板并非原文相关毕业设计论文参考文献资料：