精通Matlab数字图像处理与识别nbsp；nbsp；nbsp；nbsp；nbsp；nbsp；⽂章⽬录 1. 数字图像处理与识别
1.1数字图像
根据图像的属性不同，图像分类⽅法也不同。从获取⽅式上图像分为拍摄类图像和绘制类图像；从颜⾊上图像分为彩⾊图像、灰度图像和⿊⽩图像等；从图像的内容上图像分为⼈物图像，风景图像等；从功能上⼜分为流程图、结构图、⼼电图、电路图、设计图等。 在数字图像处理领域，将图像分为模拟图像和数字图像两种，计算机处理的信号都是数字信号，所以在计算机上处理的图像均为数字图像。根据数字图像在计算机中表⽰⽅法不同，分为⼆进制图像，索引图像（如果颜⾊较少，则⽤颜⾊表表⽰这⼏种颜⾊，图像的像素由颜⾊表的索引表⽰，可降低所需存储空间），灰度图像，RGB图像和多帧图像；根据计算机中图像⽂件格式不同，图像⼜分为位图和⽮量图。可见，图像的属性是多⾓度的，图像的分类也是多维的。 实质
歌迷大世界从线性代数和矩阵论的⾓度，数字图像是由图像信息组成的⼆维矩阵，矩阵的每个元素代表对应位置上的图像亮度和/或⾊彩信息。
表⽰
由于随机变化和噪声的原因，图像在本质上是统计性的。因⽽有时将图像函数作为随机过程的实现来观察存在其优越性。这时有关图像信息量和冗余的问题可以⽤概率分布和相关函数来描述和考虑。例如，如果知道概率分布，可以⽤熵（Entropy） 来度量图像的信息量，这是信息论中⼀个重要的思想。
从线性系统的⾓度考虑，图像及其处理也可以表⽰为⽤狄拉克冲激公式表达的点展开函数的叠加。在⼤多数时候，我们都考虑使⽤线性系统近似的⽅式对图像进⾏近似处理以简化算法。虽然实际的图像并不是线性的，图像坐标和图像函数的取值都是有限的和⾮连续的。
图像的空间分辨率: 通常会称⼀幅⼤⼩为M×N的数字图像的空间分辨率为M×N像素。
当⾼分辨率下的图像以低分辨率表⽰时，在同等的显⽰或者打印输出条件下，图像的尺⼨变⼩，细节变得不明显；⽽当将低分辨率下的图像放⼤时，则会导致图像的细节仍然模糊，只是尺⼨变⼤。这是因为缩⼩的图像已经丢失了⼤量的信息，在放⼤图像时只能通过复制⾏列的插值⽅法来确定新增像素的取值。
图像的灰度级分辨率: 灰度级分辨率⼜叫⾊阶，是指图像中可分辨的灰度级数⽬，即前⽂提到的灰度级数⽬L。由于灰度级度量的是投射到传感器上光辐射值的强度，所以灰度级分辨率也叫辐射计量分辨率。
dta灰度级分辨率逐渐降低，图像中包含的颜⾊数⽬变少，图像细节表达受到影响。
1.2 数字图像处理与识别
星贝云链
数字图像处理 （Digital Image Processing）指对图像进⾏处理，进⾏各种加⼯来改善图像的外观，是对图像的修改和增强，是作为⼀种预处理，供其他图像分析、识别算法使⽤。
数字图像分析（Digital Image Analyzing）是指对图像中感兴趣的⽬标进⾏检测和测量，以获得客观的信息。将⼀幅图像转化为另⼀种⾮图像的抽象形式，包括图像中某物体与测量者的距离以及⽬标对象的计数或其尺⼨等，以及边缘检测和图像分割、特征提取以及⼏何测量与计数等。
数字图像识别（Digital Image Recognition）主要研究图像中各⽬标的性质和相互关系，识别出⽬标对象的类别，从⽽理解图像的含义。从图像分析中得到的相关描述（特征）对⽬标进⾏归类，输出我们感兴趣的⽬标类别标号信息（符号）。
计算机图形学（Computer Graphics）。此概念与数字图像分析⼤致相反，它是⼀个对由概念或数学表述的物体图像进⾏处理和显⽰的过程。
图像处理的典型案例——X光照⽚的增强
图像识别的典型案例——⼈脸识别
稀土作为战略资源的特殊价值
数字图像处理与识别 基本步骤：
1. 图像的点运算。 改善图像的外观，灰度归⼀化。如图像拉伸、对⽐度增强、直⽅图均衡以及直⽅图匹配等。
2. 图像的⼏何变换。 前期预处理⼯作必要的⼀部分，是图像处理中相对固定和程式化的内容。如图像的⼏何归⼀化和图像校准。
3. 图像增强。 相对简单却最具艺术性的领域之⼀。根据需要突出 某些信息，同时削弱或去除某些不需要的信息的处理⽅法。
4. ⼩波变换。 图像压缩、边缘和特征检测以及纹理分析。⼩波变换则基于⼀些有限宽度的基⼩波，这些⼩波不仅在频率上是变化的，⽽
且具有有限的持续时间。
1983年的武则天三级5. 图像复原。 与图像增强相似，其⽬的也是改善图像质量。但是图像复原是试图利⽤退化过程的先验知识使已被退化的图像恢复本来⾯
⽬。建⽴在⽐较严格的数学推导上。
6. 彩⾊图像处理。 主要包括对全彩图像的处理，也包括灰度图像的伪彩⾊化。
7. 形态学图像处理。 基于物体⾃然形态的图像处理分析⽅法。其基本思想是⽤具有⼀定形态的结构元素去度量和提取图像中的对应形状
以达到对图像分析和识别的⽬的。图像形态学往往⽤于边界提取、区域填充、连通分量的提取、凸壳、细化、像素化等图像操作。 8. 图像分割（Image Division） 将⼀幅图像分解为若⼲互不交叠区域的过程。
9. 特征提取（Feature Extraction） 指的是进⼀步处理之前得到的图像区域和边缘，得到图像的“⾮图像”的表⽰或描述，如数值、向
量和符号等，提取出来的这些就是特征。有了这些特征我们就可以通过训练过程教会计算机如何懂得这些特征，从⽽使计算机具有了识别图像的本领。常⽤的图像特征有纹理特征、形状特征、空间关系特征等。
10. 对象识别（Object Recognition &Identification） ⼀般是指利⽤前⼀步从数字图像中提取出的特征向量进⾏分类和理解的过程，这
涉及计算机技术、模式识别、⼈⼯智能等多⽅⾯的知识。
经过上述处理步骤，最初的⼀幅原始的、可能存在⼲扰和缺损的图像就变成了其他控制算法需要的信息，从⽽实现了图像理解的最终⽬的。以上概括了数字图像处理的基本顺序，但不是每个图像处理系统都⼀定需要进⾏所有这些步骤。在实际的图像处理系统设计中，我们应当根据实际需要决定采⽤哪些步骤和模块。
1.3 数字图像处理的预备知识
数字图像是由⼀组具有⼀定的空间位置关系的像素组成的，因⽽具有⼀些度量和拓扑性质。理解像素间的关系是学习图像处理的必要准备，这主要包括相邻像素、邻接性、连通性、区域、边界的概念，以及今后要⽤到的⼀些常见距离度量⽅法。
1. 邻接性
它是⼀种相似性的度量，⽤于确定所需判断邻接性的像素之间的相似程度。
2. 连通性
像素的连通性（Contiguous）：令S代表⼀幅图像中的像素⼦集。如果在S中全部像素之间存在⼀个通路，则可以称2个像素P和Q在S中是连通的。此外，对于S中的任何像素P，S中连通到该像素的像素集叫做S的连通分量。如果S中仅有⼀个连通分量，则集合S叫做连通集。
3. 区域和边界
如果R同时是连通集，则称R为⼀个区域（Region）。
边界（Boundary） 的概念是相对于区域⽽⾔的。⼀个区域的边界（或边缘、轮廓）是区域中所有有⼀个或多个不在区域R中的邻接像素的像素所组成的集合。⽽区域的 边缘（Edge） 由具有某些导数值的像素组成，是⼀个像素及其直接邻域的局部性质，是⼀个有⼤⼩和⽅向属性的⽮量。
边界和边缘是不同的。边界是和区域有关的全局概念，⽽边缘表⽰图像函数的局部性质。
4. 距离度量
即距离等于r的像素形成以P为圆⼼的圆。
即距离等于r的像素形成以P为中⼼的菱形。
即距离等于r的像素形成以P为中⼼的⽅形。
1.4 基本的图像操作
图像操作按照处理图像的数量分类，可以分为对单幅图像操作（如滤波）和对多幅图像操作（如求和、求差和逻辑运算等）；按照参与操作的像素范围的不同，可以分为点运算和邻域运算；⽽根据操作的数学性质，⼜可以分为线性操作和⾮线性操作。
1. 点运算和邻域运算
点运算指的是对图像中的每⼀个像素逐个进⾏同样的灰度变换运算。设r和s分别是输⼊图像f(x, y)和输
出图像g(x, y)在任⼀点(x, y)的灰度值，则点运算可以使⽤下式定义。
如果将点运算扩展，对图像中每⼀个⼩范围（邻域）内的像素进⾏灰度变换运算，即称为邻域运算或邻域滤波。这可以使⽤下式定义。
2. 线性和⾮线性操作
形容词作状语对两幅图像的线性组合应⽤算⼦与分别应⽤算⼦后的图像在进⾏同样的线性组合所得到的结果相同，即为线性操作。不符合上述定义的算⼦即为⾮线性算⼦，对应的是⾮线性图像操作。
滤波中的平均平滑、⾼斯平滑、梯度锐化等都是线性运算，⽽中值滤波则是⾮线性的。
2. MATLAB基础
注释：%
**跨⾏输⼊：**⽅法是在⾏末使⽤3个半⾓圆点
F1 命令打开帮助浏览器
“H1”⾏： 是M⽂件中的第⼀个注释⾏（即以百分号开始的⾏），它必须紧跟着函数定义⾏，中间不能有空⾏，这⼀⾏的百分号前也不能有空⽩字符或缩进。这⼀⾏的内容将在 使⽤help命令时显⽰在第⼀⾏， ⽽lookfor命令查H1⾏中的指定关键词，并在结果的右侧列显⽰H1⾏。
提前分配矩阵内存： 这个技巧与动态内存的使⽤有关。当分配的动态内存零散⽆序时，会产⽣⼤量内存碎⽚，进⽽导致内存分配和回收效率降低。事先分配⼀块⾜够⼤的空间（当然，不是过⼤）以尽量减少内存碎⽚的产⽣。
2.1 常⽤命令
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议