第七章 计算机图像处理基础PPT讲稿.ppt

《第七章 计算机图像处理基础PPT讲稿.ppt》由会员分享，可在线阅读，更多相关《第七章 计算机图像处理基础PPT讲稿.ppt（84页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第七章 计算机图像处理基础第1页，共84页，编辑于2022年，星期一本章要点：介绍计算机图像处理的基本内容和方法介绍计算机图像处理的基本内容和方法 介绍计算机图像增强的基本方法介绍计算机图像增强的基本方法 介绍图像复原、重建、分割及图像特征提取的概念介绍图像复原、重建、分割及图像特征提取的概念本章学习目标：掌握掌握BMP格式文件的存储和读取格式文件的存储和读取 了解空域增强与频域增强的基本原理了解空域增强与频域增强的基本原理 掌握图像锐化的方法掌握图像锐化的方法2第2页，共84页，编辑于2022年，星期一7.1概论概论 数字图像处理（Digital Image Processing）是指用计算

2、机对数字图像进行的处理，因此也称为计算机图像处理（Compeer Image Processing）。计算机图像处理主要有两个目的：其一，为了便于分析而对图像信息进行改进；其二，为使计算机自动理解而对图像数据进行存储、传输及显示。3第3页，共84页，编辑于2022年，星期一7.1.1数字图像处理的发展数字图像处理的发展 图像是人类获取信息、表达信息和传递信息的重要手段。因此，数字图像处理技术已经成为信息科学、计算机科学、工程科学、地球科学等诸多方面的学者研究图像的有效工具。数字图像处理发展历史并不长，起源于20世纪20年代。当时，人们通过Bartlane海底电缆图像传输系统，从伦敦到纽约传输了

3、一幅经过数字压缩后的照片，从而把传输时间从一周多缩短至3小时。为了传输图片，该系统首先在传输端进行图像编码，然后在接收端用特殊打印设备重构该图片。尽管这一应用已经包含了数字图像处理的知识，但还称不上真正意义的数字图像处理，因为它没有涉及计算机。数字图像处理的历史与计算机的发展密切相关，数字图像处理的真正历史是从数字计算机的出现开始的。数字图像处理技术在20世纪60年代末70年代初开始用于医学图像、地球遥感监测和天文学等领域。其后军事、气象、医学等学科的发展也推动了图像处理技术迅速发展。4第4页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念数字图像处

4、理相关的基本概念包括图像、数字图像和数字图像处理，以及数字图像的基本组成单元像素、灰度。1.数字图像及其组成要素图像是对客观对象的一种相似性的、生动的描述或表示。在其自然的形式下图像并不能直接由计算机进行分析。从人眼的视觉特点看，图像分为可见图像和不可见图像。其中可见图像又包括生成图（通常称为图形和图片）和光图像两类。图形侧重于根据给定的物体描述模型、光照及想象中的摄像机的成像几何，生成一幅图或像的过程。光图像侧重于用透镜、光栅和全息技术产生的图像。我们通常所指的图像是后一类图像。不可见的图像包含不可见光成像和不可见量，如温度、压力及人口密度的分布图等。5第5页，共84页，编辑于2022年，星

5、期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念 按波段多少，图像可分为单波段、多波段和超波段图像。单波段图像在每个点只有一个亮度值；多波段图像上每一个点不止一个特性，例如红、绿、蓝三波段光谱图像或彩色图像在每个点具有红、绿、蓝三个亮度值，这三个值表示在不同光波段上的强度，人眼看来就是不同的颜色；超波段图像上每个点具有几十或几百个特性，如遥感图像等。按图像空间坐标和明暗程度的连续性，图像可分为模拟图像和数字图像。模拟图像指空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像。数字图像是一种空间坐标和灰度均不连续的、用离散的数字表示的图像。这样的图像才能被计算机处理。因此，数字

6、图像可以理解为图像的数字表示，是时间和空间的非连续函数（信号），是为了便于计算机处理的一种图像表示形式。它是由一系列离散单元经过量化后形成的灰度值的集合，即像素（pixel）的集合。6第6页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念2.图像处理 对图像进行一系列的操作以达到预期目的的技术称作图像处理。图像处理可分为模拟图像处理和数字图像处理两种方式。利用光学、照相和电子学方法对模拟图像的处理称为模拟图像处理。人类最早的图像处理是光学的处理，如放大、缩小、显微等，这些都属于模拟图像的处理。这种处理最明显的特点是处理速度快。目前，许多军用、宇航的处

7、理仍采用光学模拟处理。尽管光学图像处理理论日臻完善，且处理速度快，信息容量大，分辨率高，又非常经济，但处理精度不高、稳定性差、设备笨重、操作不方便和工艺水平不高等原因限制了它的发展速度。此外，由于其处理过程采用光学器件，如镜头、棱镜等，它的不灵活性就较为突出，而且一个光学器件从设计到加工直到成品需要很长时间，其加工过程也难以保证精度。7第7页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念 所谓数字图像处理，就是利用计算机对数字图像进行系列操作，从而获得某种预期结果的技术。数字图像处理离不开计算机，因此又称计算机图像处理。“计算机图像处理”与“数字图

8、像处理”可视为同义词。通常，也将数字图像处理简称为图像处理。在本书中，如无特殊说明，“图像处理”即指“数字图像处理”。图像处理的内容相当丰富，包括狭义的图像处理、图像分析与图像理解。狭义的图像处理着重强调在图像之间进行的变换，是一个从图像到图像的过程，是比较低层的操作。它主要在像素级进行处理，处理的数据量非常大。虽然人们常用图像处理泛指各种图像技术，但比较狭义的图像处理主要满足对图像进行各种加工，以改善图像的视觉效果，并为自动识别打基础，或对图像进行压缩编码，以减少所需存储空间或传输时间，达到传输通路的要求。8第8页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像

9、处理的相关概念3.图像分析 图像分析主要是对图像中感兴趣的目标进行检测和测量，从而建立对图像的描述。图像分析是一个从图像到数值或符号的过程，主要研究用自动或半自动装置和系统，从图像中提取有用的测度、数据或信息，生成非图像的描述或表示。图像分析并不仅仅是给景物中的各个区域进行分类，还要对千变万化和难以预测的复杂景物加以描述。因此，图像分析常常依靠某种知识来说明景物中物体与物体、物体与背景之间的关系。利用人工智能技术在分析系统中进行各层次控制和有效地访问知识库，正在被越来越普遍地采用。图像分析的内容分为特征提取、符号描述、目标检测、景物匹配和识别等几个部分。图像分析是一个从图像到数据的过程。这里数

10、据可以是对目标特征测量的结果，或是基于测量的符号表示。它们描述了图像中目标的特点和性质。因此图像分析可以看作是中层处理。9第9页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念4.图像理解 图像理解是由模式识别发展起来的，该处理输入的是图像，输出的是一种描述。这种描述不仅仅是单纯的用符号做出详细的描绘，而且要利用客观世界的知识使计算机进行联想、思考及推论，从而理解图像所表现的内容。图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。如果说图像分析

11、主要是以观察者为中心研究客观世界，那么图像理解在一定程度上则是以客观世界为中心，并借助知识、经验等来把握和解释整个客观世界。因此图像理解主要是高层操作，其处理过程和方法与人类的思维推理有许多类似之处。图像理解有时也叫景物理解。在这一领域还有相当多的问题需要进行深入研究。10第10页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念5.与相关学科的关系 数字图像处理是一门系统地研究各种图像理论、技术和应用的新的交叉学科。从它的研究方法来看，与数学、物理学、生物学、心理学、电子学、计算机科学等许多学科可以相互借鉴；从它的研究范围来看，与模式识别、计算机视觉

12、、计算机图形学等多个专业又互相交叉。图7-1给出了数字图像处理与相关学科和领域的联系和区别。另外，数字图像处理的研究进展与人工智能、神经网络、遗传算法、模糊逻辑等理论和技术都有密切的联系，它的发展应用与医学、遥感、通信、文档处理和工业自动化等许多领域也是不可分割的。11第11页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念图7-1 图像处理与相关学科的联系和区别 从图7-1可以看到数字图像处理3个层次各自不同的输入输出内容以及它们与计算机图形学、模式识别、计算机视觉等的关系。计算机图形学研究的是如何利用计算机技术来产生图形、图表、绘图等形式表达数据

13、信息的科学。与图像分析相比，两者的处理对象和输出结果正好相反。12第12页，共84页，编辑于2022年，星期一7.1.2 数字图像处理的相关概念数字图像处理的相关概念 计算机图形学试图从非图像形式的数据描述来生成逼真的图像。另一方面，模式识别与图像分析则比较相似，只是模式识别是试图把图像分解成可用符号较抽象地描述的方式。它们有相同的输入，而不同的输出结果可以比较方便地进行转换。计算机视觉则主要强调用计算机实现人的视觉功能，这中间实际上用到数字图像处理3个层次的许多技术，但目前的研究内容主要与图像理解相结合。由此看来，以上学科互相联系，覆盖面有所重合。事实上这些名词也常混合使用，它们在概念上或实

14、用中并没有明显的界限。在许多场合和情况下，它们只是专业和背景不同的人习惯使用的不同术语。它们虽各有侧重但常常是互为补充的。另外，以上各学科都得到了包括人工智能、神经网络、遗传算法、模糊逻辑等新理论、新工具、新技术的支持，因此，它们又都在近年得到了长足进展。总的来说，数字图像处理既能较好地将许多相近学科兼蓄并容，也进一步强调了图像技术的应用。13第13页，共84页，编辑于2022年，星期一7.1.3数字图像处理方法数字图像处理方法 数字图像的处理方法种类繁多，根据不同的分类标准可以得到不同的分类结果，例如根据对图像作用域的不同，数字图像处理方法大致可分为两大类，即空域处理方法和变换域处理方法。1

15、.空域处理方法 空域处理方法是指在空间域内直接对数字图像进行处理。在处理时，既可以直接对图像各像素点进行灰度上的变换处理，也可以对图像进行小区域模板的空域滤波等处理，以充分考虑像素邻域像素点对其的影响。一般来说，空间域处理算法的结构并不算太复杂，处理速度也还是比较快的。这种方法是把图像看作是平面中各个像素组成的集合，然后直接对这一二维函数进行相应的处理。空域处理法主要有以下两大类：14第14页，共84页，编辑于2022年，星期一7.1.3数字图像处理方法数字图像处理方法（1）领域处理法邻域处理法是对图像像素的某一邻域进行处理的方法。如均值滤波法、梯度运算、拉普拉斯算子运算、平滑算子运算和卷积运

16、算。（2）点处理法 点处理法是指对图像像素逐一处理的方法。例如，利用像素累积计算某一区域面积或某一边界的周长等。15第15页，共84页，编辑于2022年，星期一7.1.3数字图像处理方法数字图像处理方法2.变换域处理方法 数字图像处理的变换域处理方法首先是通过傅里叶变换、离散余弦变换、沃尔什变换或是比较新的小波变换等变换算法，将图像从空间域变换到相应的变换域，得到变换域系数阵列，然后在变换域中对图像进行处理，处理完成后再将图像从变换域反变换到空间域，得到处理结果。由于变换域的作用空间比较特殊，不同于以往的空域处理方法，因此可以实现许多在空间域中无法完成或是很难实现的处理，广泛用于滤波、编码压缩

17、等方面。由于各种变换算法在把图像从空间域向变换域进行变换以及反变换中均有相当大的计算量，所以目前虽然也有许多快速算法，但变换域处理算法的运算速度仍受变换和反变换处理速度的制约而很难提高。这类处理包括滤波、数据压缩及特征提取等。16第16页，共84页，编辑于2022年，星期一7.1.4数字图像处理的主要研究内容数字图像处理的主要研究内容 数字图像处理概括地讲主要包括如下几项内容：图像变换，图像增强，图像编码与压缩，图像复原，图像重建，图像识别以及图像理解。1.图像变换 图像变换是图像处理和图像分析的一个重要分支，它是将图像从空间域（二维平面）变换到另一个域（如频率域），然后在变换域对图像进行处理

18、和分析。变换的目的是根据图像在变换域的某些性质对其进行加工处理，而这些性质在空间域很难甚至无法获取，然后将处理结果再反变换到空间域。图像变换是许多图像处理和图像分析技术的基础，是图像增强、图像复原的基本工具，也是图像特征提取的重要手段。多年来，变换理论自身的发展为信号处理和图像处理提供了强有力的支持和重要手段。常用的图像变换有傅里叶变换、DCT变换、小波变换等。17第17页，共84页，编辑于2022年，星期一7.1.4数字图像处理的主要研究内容数字图像处理的主要研究内容2.图像增强 图像增强处理是指根据一定的要求，突出图像中感兴趣的信息，而减弱或去除不需要的信息，从而使有用信息得到加强的信息处

19、理方法。根据增强处理过程所在的空间不同，图像增强技术可分为基于空间域的增强方法和基于频率域的增强方法两类。前者直接在图像所在的二维空间进行处理，即直接对每一像元的灰度值进行处理；后者则是先将图像从空间域按照某种变换模型（如傅里叶变换）变换到频率域，然后再频率域空间对图像进行处理，再将其反变换到空间域。图像增强的主要方法有直方图增强法、空域滤波法、频率域滤波法以及彩色增强法等。18第18页，共84页，编辑于2022年，星期一7.1.4数字图像处理的主要研究内容数字图像处理的主要研究内容3.图像编码与压缩 二维形式呈现的数字图像，其信息量很大，给传输、处理、存储、显示等都带来了不少问题。图像编码就

20、是利用图像信号的统计特性及人类视觉的生理学和心理学特性，对图像信号进行高效编码，以解决数据量大的矛盾。一般来说，图像编码的目的有3个：1、尽量减少表示数字图像时需要的数据量；2、降低数据量以减少传输带宽；3、压缩信息量，便于特征抽取，为识别作准备。根据解压重建后的图像和原始图像之间是否具有误差，图像编码压缩分为无误差编码和有误差编码两大类。根据编码方法作用域不同，图像编码又分为空间域编码和变换域编码两大类。19第19页，共84页，编辑于2022年，星期一7.1.4数字图像处理的主要研究内容数字图像处理的主要研究内容4.图像复原 图像复原，也叫图像恢复。其目的是找出图像降质的起因，并尽可能消除它

21、，使图像恢复本来面目。常用的恢复有纠正几何失真、从已知图像信号和噪声的统计特性入手，用Wiener滤波等方法来改善信噪比等。典型的例子如去噪就属于复原处理。去模糊也是复原处理的任务。这些模糊来自透镜散焦、相对运动、大气湍流以及云层遮挡等。这些干扰可用维纳滤波、逆滤波、同态滤波等方法加以去除。20第20页，共84页，编辑于2022年，星期一7.1.4数字图像处理的主要研究内容数字图像处理的主要研究内容5.图像重建 几何处理、图像增强、图像复原都是从图像到图像的处理，即输入的原始数据是图像，处理后输出的也是图像，而重建处理则是从数据到图像的处理。也就是说输入的是某种数据，而处理结果得到的是图像。该

22、处理的典型应用就是CT技术。图像重建的主要算法有代数法、迭代法、傅里叶反投影法、卷积反投影法等，其中以卷积反投影法运用最为广泛。值得注意的是三维重建算法发展得很快，而且由于与计算机图形学相结合，可以把多个二维图像合成三维图像，并加以光照模型和各种渲染技术，从而生成各种具有强烈真实感及纯净的高质量图像。三维重建技术是当今颇为热门的虚拟现实和科学可视化技术的基础。21第21页，共84页，编辑于2022年，星期一7.2 基于基于MATLAB的图像处理的图像处理1.MATLAB基础 MATLAB是一个交互式系统，其基本数据元素是无需定义的数组。与高级语言相比，它只需极少的代码就可以解决众多的数值问题。

23、因此，特别适合解决需要矩阵运算的工程问题，在数字图像处理领域有重要的用途。MATLAB是一种面向数组（array）的编程语言，其数据类型的最大特点是每一种类型都以数组为基础，从数组中派生出来。事实上，MATLAB把每种类型的数据都作为数组来处理。MATLAB有6种基本的数据类型，即：字符（char）、双精度数值（double）、稀疏数据（sparse）、存储型（storage）、单元数组（cell）和结构（struct）。数据类型间的关系如图7-2所示。7.2.1 MATLAB简介简介22第22页，共84页，编辑于2022年，星期一7.2.1 MATLAB简介简介图7-2 MATLAB的数据结

24、构 在图7-2中，存储型是一个虚拟数据类型，是MATLAB5.3版以后新增的定义，它包括int8（8位整型）、uint8（无符号8位整型）、int16（16位整型）、uint16（无符号16位整型）、int32（32位整型）和uint32（无符号32位整型）。23第23页，共84页，编辑于2022年，星期一7.2.1 MATLAB简介简介 最常用的数据类型只有双精度型和字符型，所有MATLAB计算都把数据当作双精度型处理。其他数据类型只在一些特殊条件下使用。例如，无符号8位整型一般用于储存图像数据；单元数组和结构数组一般用在大型程序中；稀疏数据一般用于处理电路、医学、有限元素法及偏微分方程中出

25、现的稀疏矩阵（一个矩阵中，如果包含许多零元素，此矩阵即可称为稀疏矩阵）。存储型数组一般只用于内存的有效储存，可对这些类型的数组进行操作，但不能进行任何数学运算，否则必须使用double函数把它转换为双精度类型。24第24页，共84页，编辑于2022年，星期一2.MATLAB的运行 MATLAB有两种常用的工作模式：一种是在命令窗口中直接输入简单的命令；另一种是.m文件的编程工作方式。前者适用于命令行这种比较简单的情形，而后者则适用于进行大量的复杂计算的情形。图7-3是MATLAB启动后桌面布置方式的默认设置，包含1个工具栏、3个区域、5个工作窗口，这5个工作窗口分别为发射台（Launch Pa

26、d）、工作区（Workspace）、命令历史（Command History）、当前路径（Current Directory）和命令窗口（Command Windows）。MATLAB的工作窗口是一个标准的Windows界面，可以利用菜单命令完成对工作窗口的操作，使用方法与一般的Windows应用程序相同。其中最为重要的是命令窗口，如图7-3中最右端的子窗口所示。7.2.1 MATLAB简介简介25第25页，共84页，编辑于2022年，星期一图7-3 MATLAB工作环境7.2.1 MATLAB简介简介26第26页，共84页，编辑于2022年，星期一（1）命令行输入方式 MATLAB是以矩阵为

27、基本运算单元的，因此，以矩阵的乘法运算为例介绍MATLAB命令行输入的工作模式。【例7-1】求解矩阵A=乘以矩阵B=的结果。在MATLAB命令窗口（command windows）内提示符号（）之后输入如下表达式，并按下Enter键即可：7.2.1 MATLAB简介简介27第27页，共84页，编辑于2022年，星期一 MATLAB会将运算结果直接存入默认变量ans，代表MATLAB运算后的答案（answer），并在屏幕上显示其运算结果。若不想让MATLAB每次都显示运算结果，只需在表达式最后加上分号（；）即可。此时MATLAB只会将运算结果直接存入默认变量ans内，而不会显示在屏幕上。使用者也

28、可以将运算结果储存于自己设定的变量C内，如键入如下表达式回车。7.2.1 MATLAB简介简介28第28页，共84页，编辑于2022年，星期一 MATLAB会直接输出矩阵相乘的结果。7.2.1 MATLAB简介简介 通过这一例子可以发现：一般高级语言需要编写4次循环才能求的矩阵乘法，在MATLAB中只需使用一行代码。由此可以看到MATLAB在矩阵运算方面的强大功能，这为图像处理提供了丰富、准确、快捷的运行环境。29第29页，共84页，编辑于2022年，星期一（2）m文件的编程工作方式 MATLAB提供了m文件编辑器作为编制和调试m文件的工作界面。在MATLAB的运行环境中，用鼠标单击菜单栏上的

29、File open命令，选择m-file项，或者直接单击工具栏的新建按钮，进入MATLAB的m文件编辑器，如图7-4所示。7.2.1 MATLAB简介简介图7-4 MATLAB的m文件编辑器30第30页，共84页，编辑于2022年，星期一 利用m文件可以自编函数和命令，也可以对已经存在的函数和命令进行修改和扩充，因此对MATLAB的二次开发非常方便。在MATLAB中，m文件有两种形式，一种是命令文件（脚本文件script-file）；另一种是函数文件（function-file）。下面将通过具体实例较为详细地说明命令文件（脚本文件）的建立和运行。【例7-2】建立命令文件，并绘制宝石项链图。(1

30、)进入MATLAB的m文件编辑器 (2)在编辑器窗口中输入文件内容：t=(0:0.02:2)*pi;%(0:0.02:2)表示(0,2)之间以0.02为间隔的向量x=sin(t);y=cos(t);z=cos(2*t);7.2.1 MATLAB简介简介31第31页，共84页，编辑于2022年，星期一plot3(x,y,z,b-,x,y,z,bd)view(-80,60)box onlegend(链子,宝石);(3)单击Fi1e-save命令，将所写文件自动保存在磁盘目录D:MATLABwork上，并取名为diamond.m。(4)在MATLAB命令窗口中直接输入文件名diamond回车，运行结

31、束后即可得到如图7-5所示的宝石项链图。7.2.1 MATLAB简介简介32第32页，共84页，编辑于2022年，星期一图7-5 用MATLAB绘制的宝石项链图7.2.1 MATLAB简介简介33第33页，共84页，编辑于2022年，星期一 计算机编程语言允许程序员根据某些结构来控制程序的执行次序。MATLAB和大多数计算机语言一样，提供了设计程序所必需的程序结构，即顺序结构、循环结构和分支结构。在MATLAB中，循环结构由for-end循环语句和while-end循环语句实现，分支结构由if-end语句和switch-case-end实现。现仅以if-end语句为例，说明它的具体用法。【例7

32、-3】绘制函数 的图形。其程序为：%-7.2.1 MATLAB简介简介34第34页，共84页，编辑于2022年，星期一for x=-3:0.01:3,if x=1,y=8*x2+1;hold on;plot(x,y);elseif-1=x,y=0;hold on;plot(x,y);else,y=-x3;hold on;plot(x,y);endend7.2.1 MATLAB简介简介35第35页，共84页，编辑于2022年，星期一%-其执行结果如图7-6所示。图7-6 用MATLAB绘制的图形7.2.1 MATLAB简介简介36第36页，共84页，编辑于2022年，星期一3.MATLAB图像处

33、理功能 MATLAB提供了强大的矩阵运算功能。如特征值和特征向量计算、矩阵求逆等都可以直接通过MATLAB提供的函数求出。MATLAB还提供了许多用于小波分析、图像处理、信号处理、虚拟现实、神经网络等的工具包。其中，图像处理工具包提供了许多可用于图像处理的相关函数。按功能可以分为以下几类：图像显示，图像文件输入与输出，几何操作，像素值和统计，图像分析与增强，图像滤波，线性二维滤波器设计，图像变换，领域和块操作，二值图像操作，颜色映射和颜色空间转换，图像类型和类型转换，工具包参数获取和设置等。常用的函数包括如下几种。（1）函数名:uint8格式:uint8(A);功能:将数据A转换为8位无符号整

34、数类型数据7.2.1 MATLAB简介简介37第37页，共84页，编辑于2022年，星期一例如：watermarked_image_uint8=uint8(watermarked_image_round);（2）函数名:double 格式:double(A);功能:将数据A转换为64位双精度浮点类型数据 例:double(imread(lena.bmp);在MATLAB中，灰度图像由一个uint8、uint16或一个双精度类型double的数组来描述。由于MATLAB不支持uint8类型数据的矩阵运算，所以在进行某些图像点运算处理时，首先要将图像数据转换为双精度类型参加运算，计算完以后再将其转

35、换为uint8类型存储或显示图像。7.2.1 MATLAB简介简介38第38页，共84页，编辑于2022年，星期一（3）函数名:imread格式:imread(文件名，文件格式)功能:读取图像文件数据例:Z=imread(lena.bmp)其功能为将文件格式为bmp的图像文件lena.bmp图像数据读取出来，并作为无符号8位整型数据（unit8）放入二维数组变量Z中。（4）函数名:imwrite格式:imwrite(A，文件名，文件格式)功能:保存图像文件数据例:imwrite(ZA,watermarked.bmp,bmp)其功能为将变量ZA中的图像数据写入文件名为watermarked.bm

36、p的文件中，保存格式为bmp。7.2.1 MATLAB简介简介39第39页，共84页，编辑于2022年，星期一（5）函数名:imshow 格式:imshow(I,LOW HIGH)功能:显示灰度图像 例:imshow(ZA,)其功能为显示灰度图像ZA，并指定灰度级范围LOW HIGH，若如不确定数据的范围LOW HIGH，可使用空矢量作为参数显示图像，即imshow（ZA，）。Imread、imwrite、imshow可以将格式为bmp的图像文件转换为只含图像数据的矩阵，也可以将处理过的数据矩阵转换成图像文件，并能对处理前后的图像文件进行显示，因而，可以很方便地用于数字图像中数字水印的嵌入与检

37、测。7.2.1 MATLAB简介简介40第40页，共84页，编辑于2022年，星期一（6）函数名:subplot 格式:subplot(m,n,p)功能:将一个图形窗口划分为多个显示区域 例:subplot(2,2,1);其功能将图形窗口划分为22个矩形显示区域，并激活第1个显示区域，常与imshow函数并用可以将多幅图像显示在同一个单独的图形窗口中。（7）函数名:fft2 功能:对矩阵A做二维快速傅立叶变换 格式：B=fft2(A,M,N)其中，A表示要变换的矩阵，M和N是可选参数，通过补0元素或截取多余元素，使A成为MN阶矩阵，然后计算其二维FFT。B表示变换后得到的二维FFT 系数矩阵。

38、7.2.1 MATLAB简介简介41第41页，共84页，编辑于2022年，星期一（8）函数名:fftshift 格式：B=fftshift(A)功能:把傅立叶变换结果中的直流分量移到中间位置 若A为向量，则fftshift将其左、右半部互换，若A为矩阵，则交换A的1，3象限和2，4象限。对多维阵列，fftshift对每一维的两个“半空间”进行交换。fftshift常用于FFT结果的可视化。（9）函数名:ifft2 格式：A=ifft2(B,M,N)功能:对矩阵B做二维快速逆傅立叶逆变换 其中，B 表示要变换的矩阵，M和N是可选参数，通过补0元素或截取多余元素，使B成为MN阶矩阵，然后计算其二维

39、FFT。A表示经过二维傅立叶逆变换后的系数矩阵。7.2.1 MATLAB简介简介42第42页，共84页，编辑于2022年，星期一 【例7-4】计算并显示图像的傅立叶变换FFT及逆变换IFFT。I=imread(lena.bmp);subplot(1,3,1),imshow(uint8(I);%显示原始图像J=fft2(I);%图像FFT变换B=fftshift(J);%显示FFT变换结果subplot(1,3,2),imshow(log(abs(B),);H=ifft2(J);%使用逆变换复原图像并显示结果subplot(1,3,3),imshow(uint8(H);执行结果如图7-7所示。7

40、.2.1 MATLAB简介简介43第43页，共84页，编辑于2022年，星期一(a)lena原图 (b)经过FFT变换后的频谱图像 (c)经IFFT后的图像图7-7 原始图像与FFT和IFFT变换后的图像比较7.2.1 MATLAB简介简介44第44页，共84页，编辑于2022年，星期一（10）函数名:dct2格式：B=dct2(A,M,N)功能：求矩阵A的DCT变换系数其中，A表示要变换的矩阵，M和N是可选参数，通过补0元素或截取多余元素，使A成为MN阶矩阵，然后计算其二维离散余弦变换。B表示变换后得到的离散余弦变换系数矩阵。【例7-5】调用dct2函数计算二维图像的DCT系数并显示结果。由

41、于离散余弦变换DCT会产生负系数，为了显示离散余弦变换DCT的系数幅值大小，可以使用绝对值函数abs(x)。程序代码如下：I=imread(lena.bmp);J=dct2(I);%计算二维图像的DCT系数7.2.1 MATLAB简介简介45第45页，共84页，编辑于2022年，星期一subplot(1,2,1),imshow(uint8(I);subplot(1,2,2),imshow(uint8(abs(J);%显示二维图像的DCT系数的大小 执行结果如图7-8所示。(a)lena原图 (b)经DCT变换后的图像图7-8 离散余弦变换前后图像显示效果比较7.2.1 MATLAB简介简介46

42、第46页，共84页，编辑于2022年，星期一在灰度图像中，0表示黑色，255表示白色。从图7-8（b）可以看出：图像经过全局DCT变换后，数值较大的DCT系数基本上都集中在左上角的低频分量中，数值较小的DCT系数大都集中在右下角的高频分量中。（11）函数名:idct2 格式：A=idct2(B,M,N)功能：计算逆DCT变换其中，B表示要变换的矩阵，M和N是可选参数，通过补0元素或截取多余元素，使B成为MN阶矩阵，然后计算其二维离散余弦逆变换。A表示B经过二维离散余弦逆变换后得到的系数矩阵。7.2.1 MATLAB简介简介47第47页，共84页，编辑于2022年，星期一【例7-6】计算并显示图

43、像的离散余弦变换DCT及逆变换IDCT。变换后的DCT系数的幅度值大部分较小（0代表黑色，如图7-9（b）所示），这就为图像压缩提供了一种途径。例如通过设置一个阈值，把绝对值小于 的DCT系数置为0，即去掉一些微不足道的系数；再将这些处理过的DCT系数通过离散余弦变换生成重构图像；重构图像（图7-9（c）与原始图像（图7-9（a）往往不存在任何视觉差异。这样，通过上述对系数的处理就可极大地减少图像数据的存储、传输，完成图像的压缩。数字水印技术亦是如此。通过一定的算法，修改分解后的DCT系数，以达到其相应的保护目的。7.2.1 MATLAB简介简介48第48页，共84页，编辑于2022年，星期一

44、(a)lena原图 (b)经过DCT和IDCT (c)=10的重构图像 (d)=100的重构 图像后的图像图7-9原始图像与DCT和IDCT变换后的图像比较程序代码如下：I=imread(lena.bmp);subplot(1,4,1),imshow(uint8(I);)%显示原始图像J=dct2(I);%图像DCT变换7.2.1 MATLAB简介简介49第49页，共84页，编辑于2022年，星期一K=idct2(J);subplot(1,4,2),imshow(uint8(K);%使用逆变换复原图像J(abs(J)10)=0;%将较小的系数设置为0M=idct2(J);subplot(1,4

45、,3),imshow(uint8(M);%使用逆变换部分复原图像J(abs(J)5)2;m_iImageDataSize=iLineByteCnt*m_iImageHeight;7.3.2 BMP文件格式文件格式66第66页，共84页，编辑于2022年，星期一4、加载图片数据 对于24位和32位的位图文件，位图数据的偏移量为sizeof(BITMAPFILEHEADER)+sizeof(BITMAPINFOHEADER)，也就是说现在我们可以直接读取图像数据了。if(m_pImageData)delete m_pImageData;m_pImageData=new unsigned charm

46、_iImageDataSize;inf.read(char*)m_pImageData,m_iImageDataSize);如果你足够细心，就会发现内存m_pImageData里的数据的确是BGR格式，可以用个纯蓝色或者是纯红色的图片测试一下。7.3.2 BMP文件格式文件格式67第67页，共84页，编辑于2022年，星期一5、绘制 GDI绘制代码。void CImage:DrawImage(HDC hdc,int iLeft,int iTop,int iWidth,int iHeight)if(!hdc|m_pImageData=NULL)return;BITMAPINFO bmi;mems

47、et(&bmi,0,sizeof(bmi);bmi.bmiHeader.biSize=sizeof(BITMAPINFO);bmi.bmiHeader.biWidth=m_iImageWidth;7.3.2 BMP文件格式文件格式68第68页，共84页，编辑于2022年，星期一bmi.bmiHeader.biHeight=m_iImageHeight;bmi.bmiHeader.biPlanes=1;bmi.bmiHeader.biBitCount=m_iBitsPerPixel;bmi.bmiHeader.biCompression=BI_RGB;bmi.bmiHeader.biSizeIm

48、age=m_iImageDataSize;StretchDIBits(hdc,iLeft,iTop,iWidth,iHeight,0,0,m_iImageWidth,m_iImageHeight,m_pImageData,&bmi,DIB_RGB_COLORS,SRCCOPY);7.3.2 BMP文件格式文件格式69第69页，共84页，编辑于2022年，星期一 图像表示是图像信息在计算机中的表示和存储方式。图像表示和图像运算一起组成图像模型，是模式分析中的重要组成部分。更高一级的图像表示是描述图像中的物体和物体间的关系。这样一种图像常常称为逻辑图像。可以在图像信息的不同等级上对图像进行表示。最

49、基本的物理图像是根据矩形网格抽样原理从连续图像域中抽取二维灰度阵列（矩阵）得到的。也可以用向量表示二维灰度矩阵，它是按列（或行）扫描灰度矩阵，把下一列（或行）的头和前一列（或行）的尾相接而成。它们的线性可逆变换同样可以用来表示图像。图像的每一行由行程序列所组成，因此也可以用行程长度编码表示图像。7.3.3 图像的表示图像的表示70第70页，共84页，编辑于2022年，星期一7.4 常用的图像处理方法常用的图像处理方法 图像增强(image enhancement)的目的是增强图象中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果。针对给定图像的应用场合，有目的地强调图像的整体或

50、局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。7.4.1 图像增强图像增强71第71页，共84页，编辑于2022年，星期