奉琦 黎小琴

摘要：本文基于Matlab平臺(tái)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)數(shù)字圖像實(shí)驗(yàn)軟件，主要是利用Matlab圖像處理工具箱進(jìn)行數(shù)字圖像處理的一些常見的經(jīng)典操作，其中包括Matlab實(shí)現(xiàn)圖像的圖像分割、圖像的幾何變換、圖像的平滑銳化、直方圖均衡化、邊緣檢測等圖像處理操作。系統(tǒng)運(yùn)行效果良好，界面美觀，操作人性化。

關(guān)鍵詞：數(shù)字圖像處理;MATLAB;圖形用戶界面

1 引言

數(shù)字圖像的起源可以追溯到20世紀(jì)五十年代，隨著信息科技的發(fā)展以及人們對(duì)圖像處理的要求，用數(shù)字化對(duì)圖像進(jìn)行處理開始慢慢發(fā)展。其主要原理為將所輸入的圖像信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào)，這樣就可以被計(jì)算機(jī)所識(shí)別。本文的設(shè)計(jì)主要是基于MATLAB的數(shù)字圖像處理實(shí)驗(yàn)軟件平臺(tái)開發(fā)，創(chuàng)建一個(gè)圖形用戶界面，主要包括菜單欄、一般處理、圖像分割、圖像的幾何處理、噪聲添加、平滑銳化、直方圖均衡化、邊緣檢測等主模塊及相應(yīng)的子模塊，界面簡潔，功能良好。

2 系統(tǒng)總框架設(shè)計(jì)

本系統(tǒng)主界面主要由9個(gè)主模塊及其子模塊組成，在系統(tǒng)框架中，將平滑與銳化合并到了一起，系統(tǒng)框架如圖1所示。

2.1 系統(tǒng)各模塊的功能

（1）菜單欄：包括載人圖片、保存圖片、退出;

（2）一般處理模塊：包括圖像的灰度、底片處理、截圖處理;

（3）圖像分割模塊：包含區(qū)域提取法和閾值分割;

（4）圖像的幾何變換模塊：包括有圖像的仿射變換，順、逆時(shí)針360°旋轉(zhuǎn);

（5）添加噪聲模塊：包括圖像的椒鹽噪聲、高斯噪聲的添加;

（6）平滑和銳化模塊：其中包括圖像的中值濾波與均值濾波的平滑，Laplacian算子Prewitt算子與Sobel算子的銳化;

（7）直方圖均衡化模塊：其中包括原圖直方圖、均衡化以后的灰度圖和均衡化以后的RGB圖;

（8）邊緣檢測模塊：包括圖像的不同算子（Canny算子、Log算子、Sobel算子、Prewitt算子和Roberts算子）的檢測;

（9）其他操作：包括圖像的撤銷與還原。

其系統(tǒng)界面如圖2。

3 模塊具體設(shè)計(jì)

3.1 文件菜單

文件的菜單包含有三個(gè)功能：載人圖片、保存圖片以及退出。為了使用戶界面更加清楚明白，可以將這三個(gè)功能設(shè)置為菜單欄。

我們主要利用imread函數(shù)和imshow函數(shù)來讀取圖片。在GUI界面上創(chuàng)建兩個(gè)坐標(biāo)軸（將第一個(gè)坐標(biāo)軸命名為原圖像，第二個(gè)坐標(biāo)軸命名為效果圖），用來顯示圖片，然后，利用imread函數(shù)讀取圖片再通過ims-how函數(shù)將所選取圖片展示在第一個(gè)坐標(biāo)軸內(nèi)。

圖片保存主要利用imwrite函數(shù)。載入圖片之后，我們可以對(duì)其進(jìn)行平臺(tái)上的任何處理，然后將所得的新圖像顯示在第二個(gè)坐標(biāo)軸也就是效果圖內(nèi)。當(dāng)系統(tǒng)檢測到效果圖中含有文件，uiputfile函數(shù)可以將圖片以默認(rèn)名字untitled.jpg進(jìn)行保存。否則圖像將“取消保存”。

退出程序則相對(duì)簡單，直接利用close函數(shù)關(guān)閉文件即可。

3.2 一般處理

灰度圖像是具有相同的顏色分量的特殊彩色圖像。在MATLAB里我們對(duì)原圖進(jìn)行灰度轉(zhuǎn)化主要是利用rgb2gray函數(shù)。當(dāng)所選圖片的像素?cái)?shù)大于2時(shí)，圖片才可從RGB格式轉(zhuǎn)換成灰度圖像。

在MATLAB當(dāng)中對(duì)指定圖像進(jìn)行底片處理（取反運(yùn)算）就是RGB圖像到CMY的一種轉(zhuǎn)換。假設(shè)RGB中某一像素值為x，可以利用（255-x）得到CMY空間。底片處理的操作主要是運(yùn)用imcomplement函數(shù)，圖像可以為二值圖像、灰度圖像或者RGB圖像。

截圖是運(yùn)用imcrop函數(shù)來完成對(duì)圖片某一區(qū)域的截取，使用此功能，用戶可以用鼠標(biāo)交互式地選擇要截取的區(qū)域。這樣可以更好的實(shí)現(xiàn)用戶友好界面，滿足使用者任意截取圖像的想法。

3.3 圖像分割

圖像分割中的區(qū)域提取主要是利用Hough變換，霍夫變換的關(guān)鍵點(diǎn)在于投票算法，將圖像坐標(biāo)轉(zhuǎn)換到參數(shù)坐標(biāo)然后再求解。若要解出在一幅圖片中的某條直線所在的參數(shù)坐標(biāo)，我們可以通過直線的方程y=kx+b求得，即點(diǎn)（x₀，y₀）確定了一簇直線。方程y₀=kx₀+b在參數(shù)k-b平面上是一條直線（b=-kx₀+y₀），這樣，圖像x-y平面上的一個(gè)像素點(diǎn)就對(duì)應(yīng)到了參數(shù)k-b平面上的一條直線，霍夫變換的基本思想是把圖像平面上的點(diǎn)映射到參數(shù)平面上的線。

閾值分割也就是指圖像的閾值化處理，具體是指根據(jù)圖像的若干灰度級(jí)設(shè)定一個(gè)灰度級(jí)作為閾值或門限，將圖像中的像素的灰度值與該閾值或門限逐次地進(jìn)行比較。本文選取了四種方法進(jìn)行圖像的閾值分割。

（1）均勻性度量法的研究思路，我們使用方差來衡量像素是否均衡分布，如果將圖像分成不同的目標(biāo)和不同的背景時(shí)，那么屬于相同類別的像素值的分布就會(huì)是均勻的。

（2）類間最大距離法可以告訴我們最好的最完善的分割是在給定閾值時(shí)，經(jīng)過圖像分割之后的前景對(duì)象和背景門類之間的差異。要測量兩個(gè)類別之間的差異可以計(jì)算類別的中心之間的距離差異和閾值。

（3）最大嫡方法，嫡是衡量數(shù)據(jù)中信息量的一種度量，當(dāng)?shù)杖≈底畲髸r(shí)，意味著獲得的信息量最大。設(shè)計(jì)思想是選擇一個(gè)合適的閾值然后將圖像分為兩類，若是兩類平均熵之和最大，則從圖像中獲取最大信息量，并設(shè)置最佳閾值最后確認(rèn)。

（4）最大類間、類內(nèi)方差比法，在統(tǒng)計(jì)上，方差是代表數(shù)據(jù)分布不平衡的統(tǒng)計(jì)數(shù)據(jù)。為了通過閾值對(duì)兩種問題進(jìn)行分類，很明顯適當(dāng)?shù)拈撝凳沟脙蓚€(gè)數(shù)據(jù)之間的差異盡量大。

3.4 圖像的幾何變換

圖像的幾何處理功能模塊含有圖像的仿射變換以及圖像的旋轉(zhuǎn)兩種功能。

設(shè)原圖像坐標(biāo)為（i，j），變換后圖像的坐標(biāo)為（i′，j′），則滿足式（1），

的變換稱為仿射變換。

圖像的旋轉(zhuǎn)以順時(shí)針或逆時(shí)針方向以特定角度旋轉(zhuǎn)，使用圖像中的某個(gè)點(diǎn)作為原點(diǎn)，本系統(tǒng)設(shè)計(jì)是以圖片中心為旋轉(zhuǎn)點(diǎn)旋轉(zhuǎn)，通常會(huì)調(diào)整圖像的大小，系統(tǒng)選擇從顯示區(qū)域提取圖像。

3.5 添加噪聲

添加噪聲功能模塊。本圖像處理實(shí)驗(yàn)軟件平臺(tái)主要利用f=imnoise（）函數(shù)，實(shí)現(xiàn)對(duì)椒鹽噪聲與高斯噪聲的添加。椒鹽噪聲出現(xiàn)在圖像中是比較明顯的，對(duì)于圖像分割或是邊緣檢測再或特征提取等一些后面的操作具有很厲害的破壞性。

3.6 平滑和銳化

平滑和銳化功能模塊主要含有平滑濾波和銳化濾波兩個(gè)功能，平滑主要是對(duì)圖像進(jìn)行均值濾波處理、中值濾波處理。銳化則主要是對(duì)圖像進(jìn)行Sobel算子銳化、Prewitt算子銳化與Laplacian算子銳化。

均值濾波包含相鄰像素及其自己的像素，利用該模板中全部像素的平均值替代原始像素值。

中值濾波是一種非線性信號(hào)處理技術(shù)，它基于排序統(tǒng)計(jì)理論有效地抑制了噪聲，其實(shí)現(xiàn)原理如下：根據(jù)灰度值對(duì)某一像素鄰域內(nèi)的像素進(jìn)行排序，然后選擇該序列的中間值作為輸出像素值，以使灰度差異較大的像素周期性像素的值應(yīng)該繞過像素值并且接近該值，以此來消除孤立的噪聲點(diǎn)。中值濾波可用于在移動(dòng)窗體時(shí)給圖像進(jìn)行平滑處理。該算法較為簡單，且時(shí)間的復(fù)雜度較低。主要使用medfilt2函數(shù)實(shí)現(xiàn)中值濾波。

在圖像增強(qiáng)期間，使用不同類型的圖像平滑算法來消除噪聲，有一定效果，但是在原始圖像被平滑之后，會(huì)出現(xiàn)另外的問題，像是模糊圖像的邊緣和圖像的輪廓的情況。為了減少這些不好的影響，有必要使用圖像的銳化來增亮圖像的邊緣，但是應(yīng)該指出的是，可以銳化的圖像具有較高的噪聲比，否則圖像噪聲比銳化后的噪聲會(huì)降低，這會(huì)導(dǎo)致比信號(hào)更多的噪音，因此通常的做法是首先去除或降低噪音，然后重新加工。本系統(tǒng)就選擇了三種算子進(jìn)行銳化處理，采用h=fspecial（）函數(shù)定義算子，然后利用imadd函數(shù)添加算子銳化邊緣。

由于算子引入了相似的部分平均運(yùn)算，能有效地對(duì)噪聲進(jìn)行平滑，這樣可以很好地去掉噪聲的影響。Sobel算子由兩組3X3的矩陣組成，即水平和垂直模板。水平和垂直亮度差差不多可以通過將該圖像與圖像水平卷積來獲得。然而，當(dāng)單獨(dú)使用Sohel算子來執(zhí)行邊緣檢測和邊緣銳化時(shí)，邊緣定位精度不夠高，邊緣像素可能大于某些邊緣地方的響應(yīng)或響應(yīng)差異不顯著，從而導(dǎo)致漏檢或誤檢。

Prewitt算子在使用圖像空間中的圖像執(zhí)行鄰域卷積時(shí)，使用兩個(gè)方向模板，一個(gè)用于檢測水平邊緣，一個(gè)用于檢測垂直邊緣。

經(jīng)過Prewitt算子處理后的所展示出來的圖片與Sobel算子處理后所展示出來的圖片很相似。但是，作為模板系數(shù)變化的結(jié)果，與Sobel算子相比，可以在一定程度上提高干涉預(yù)防效果。

鑒于拉普拉斯算子是一個(gè)微分算子，它強(qiáng)調(diào)了圖像的灰度變換，同時(shí)減少了灰度轉(zhuǎn)換速度較緩的區(qū)間，得到圖像邊緣增強(qiáng)的效果，如果在突出邊緣信息的同時(shí)希望能夠保持原圖像的細(xì)節(jié)，可以在該模板中增加當(dāng)前像元數(shù)據(jù)的權(quán)重。

3.7 直方圖均衡化處理

原圖的灰度直方圖主要是先利用rgb2gray函數(shù)將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，然后用imhist函數(shù)將灰度圖像用直方圖表示。

直方圖均衡主要用于處理灰度圖像，并且原始圖像直方圖從相對(duì)灰度間隔變?yōu)槿叶确秶?/p>

均衡化后的灰度圖像就是將原始圖像的直方圖改成均衡分布的形式，以此來讓圖片質(zhì)量更完美。利用histeq函數(shù)，使灰度圖像處理后的圖像更加順眼。RGB圖像是將原圖中的各種顏色，都用不同比例的紅（R）、綠（G）、藍(lán)（B）混合而成。這里主要也是使用histeq函數(shù)來將圖像轉(zhuǎn)化為RGB圖像。

3.8 邊緣檢測

邊緣檢測的基本原理是先利用邊緣增強(qiáng)算子來強(qiáng)調(diào)圖像中物體的邊緣，計(jì)算灰度圖像中的邊緣強(qiáng)度，最后設(shè)置閾值提取點(diǎn)。

檢測算子都是用edge函數(shù)實(shí)現(xiàn)邊緣檢測實(shí)現(xiàn)，在界面邊緣檢測按鈕中回調(diào)函數(shù)，顯示其結(jié)果，這幾種邊緣檢測算子各有其特點(diǎn)：

（1）Roberts算子比較淺顯易懂，而且雖然對(duì)具有明顯的低噪聲的圖像效果很完美，但是對(duì)于邊沿的提取卻很不嚴(yán)謹(jǐn)，而且容易受噪聲影響;

（2）Prewitt算子與Sobel算子都擁有對(duì)圖像的平滑作用，可以減少少許噪聲，也能抹掉一些假的邊沿，再一個(gè)可以對(duì)真正的邊沿進(jìn)行平滑，不過定位精確度不高;Sobel邊緣檢測算子的高頻像素少，低頻像素多，降低了像素的平均灰度值;

（3）Log算子和Canny算子可以保存圖像邊緣細(xì)節(jié)，Log算子在最開始的時(shí)候會(huì)對(duì)圖片執(zhí)行高斯模板濾波并在某種程度上模糊圖像的邊緣，邊緣提取由Canny算子提取，提取出來的邊緣概況非常明顯而且很嚴(yán)謹(jǐn)，不會(huì)出現(xiàn)錯(cuò)誤。

4 結(jié)束語

本實(shí)驗(yàn)平臺(tái)包含了一些常見的經(jīng)典操作，包括圖像分割、圖像的幾何變換，圖像的添加噪聲，圖像的平滑與銳化、直方圖均衡化以及邊緣檢測。該平臺(tái)界面美觀易操作，學(xué)生在實(shí)際操作后能更好地掌握數(shù)字圖像處理的基本原理。

參考文獻(xiàn)

[1]陳剛，魏晗，高毫林.MATLAB在數(shù)字圖像處理中的應(yīng)用[M].清華大學(xué)出版社，2016.

[2]梅林.基于K-均值聚類及數(shù)學(xué)形態(tài)學(xué)的細(xì)胞圖像自動(dòng)分割方法研究[D].重慶大學(xué)，2014.

[3]劉麗麗.適于重要場所個(gè)人身份的步態(tài)識(shí)別技術(shù)研究[D].哈爾濱工程大學(xué)，2009.