2.1 簡介
語言語法限制不嚴格,程序設計自由度大,程序的可移植性好。還推出了功能強大的適應于圖像分析和處理的工具箱,常用的有圖像處理工具箱、小波分析工具箱及數字信號處理工具箱。利用這些工具箱,我們可以很方便的從各個方面對圖像的性質進行深入的研究。圖像處理工具箱支持索引圖像、RGB圖像、灰度圖像、二進制圖像并能操作.bmp、.jpg、.tif等多種圖像格式文件。
2.2 數字圖像處理及過程
圖像是人類獲取信息、表達信息和傳遞信息的重要手段。利用計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等的理論、方法和技術稱為數字圖像處理。數字圖像處理技術已經成為信息科學、計算機科學、工程科學、地球科學等諸多方面的學者研究圖像的有效工具。數字圖像處理主要包括圖像變換、圖像增強、圖像編碼、圖像復原、圖像重建、圖像識別以及圖像理解等內容。
2.2.1圖像處理的基本操作
讀取和顯示圖像可以通過()和()來實現;圖像的輸出用()函數就可以很方便的把圖像輸出到硬盤上;另外還可以用()、()、()等來實現圖像的裁剪、縮放和旋轉等功能。
2.2.2圖像類型的轉換
支持多種圖像類型,但在某些圖像操作中,對圖像的類型有要求,所以要涉及到對圖像類型進行轉換。.0圖像處理工具箱為我們提供了不同圖像類型相互轉換的大量函數,如()函數可以將矩陣轉換為灰度圖像,()轉換RGB圖像或顏色映像表為灰度圖像。在類型轉換的時候,我們還經常遇到數據類型不匹配的情況,針對這種情況,.0工具箱中,也給我們提供了各種數據類型之間的轉換函數,如()就是把數據轉換為雙精度類型的函數。
2.2.3圖像增強
圖像增強的目的是為了改善圖像的視覺效果,提高圖像的清晰度和工藝的適應性,以及便于人與計算機的分析和處理,以滿足圖像復制或再現的要求。圖像增強的方法分為空域法和頻域法兩大類,空域法主要是對圖像中的各個像素點進行操作;而頻域法是在圖像的某個變換域內對整個圖像進行操作,并修改變換后的系數,如傅立葉變換、DCT變換等的系數,然后再進行反變換,便可得到處理后的圖像。下面以空域增強法的幾種方法加以說明。
(1).灰度變換增強
有多種方法可以實現圖像的灰度變換,其中最常用的就是直方圖變換的方法,即直方圖的均衡化。這種方法是一種使輸出圖像直方圖近似服從均勻分布的變換算法。.0圖像處理工具箱中提供了圖像直方圖均衡化的具體函數(),同時我們可以用函數()函數來計算和顯示圖像的直方圖。
(2).空域濾波增強
空域濾波按照空域濾波器的功能又可分為平滑濾波器和銳化濾波器。平滑濾波器可以用低通濾波實現,目的在于模糊圖像或消除噪聲;銳化濾波器是用高通濾波來實現,目的在于強調圖像被模糊的細節。在中,各種濾波方法都是在空間域中通過不同的濾波算子實現,可用()函數來創建預定義的濾波算子,然后可以使用()或()函數調用創建好的濾波器對圖像進行濾波。
2.2.4邊緣檢測
數字圖像的邊緣檢測是圖像分割、目標區域識別、區域形狀提取等圖像分析領域十分重要的基礎,也是圖像識別中提取圖像特征的一個重要屬性。邊緣檢測算子可以檢查每個像素的鄰域并對灰度變化率進行量化,也包括對方向的確定,其中大多數是基于方向導數掩模求卷積的方法。常用的有Sobel算子,算子,算子,Log算子等。.0工具箱中提供的edge()函數可以進行邊緣檢測,在其參數里面,可以根據需要選擇合適的算子及其參數。
2.3圖像處理功能的實現實例
本文通過運用圖像處理工具箱的有關函數對一人臉的彩色圖像進行處理。
1)圖像類型的轉換
因后面的圖像增強,邊緣檢測都是針對灰度圖像進行的,而我們的原圖是RGB圖像,所以首先我們要對原圖類型進行轉換。實現過程代碼如下:
i=('f:\face1.jpg');j=(i);
(j);(j,'f:\face1.tif')
效果圖2.1
圖2.1
2)圖像增強
(1)灰度圖像直方圖均衡化
通過比較原圖和直方圖均衡化后的圖像可見,圖像變得更清晰,而且均衡化后的直方圖比原直方圖的形狀更理想。該部分的程序代碼如下:
i=('f:\face1.tif');
j=(i);(j);
,(1,2,1),(i);
(1,2,2),(j)
執行后的效果圖如圖2.2和圖2.3:
圖2.2均衡化后的灰度圖像
圖2.3均衡化前后的直方圖對比圖
(2)灰度圖像平滑與銳化處理
平滑濾波器的目的在于模糊圖像或消除噪聲,.0圖像處理工具箱提供了()函數用于實現中值濾波,()實現對圖像噪聲的自適應濾波。在本文實例中,為了使濾波效果更明顯,我們事先為圖像認為增加濾波,然后用自適應濾波方法對圖像進行濾波。銳化處理的目的在于強調圖像被模糊的細節,在本實例中采用了預定義高斯濾波器的方法對圖像進行銳化濾波。功能實現的代碼如下:
i=('f:\fae1.tif');
j=(i,'',0,0.02);
(1,2,1),(j);
j1=(j);(1,2,2),(j1);
h=('',2,0.05);j2=(i,h);,(1,2,1),(i)
(1,2,2),(j2)
得到的效果圖如圖2.4和圖2.5:
加入噪聲的圖像
濾波后的圖像
圖2.4 平滑濾波效果
原灰度圖像
銳化后的圖像
圖2.5 銳化濾波效果圖
3)邊緣檢測
.0圖像處理工具箱提供了edge()函數實現邊緣檢測,還
有各種方法算子供選擇,在本實例中采用了canny算子來進行邊緣檢
測,
程序代碼如下:
i=('f:face.tif');
j=edge(i,'canny',[0.04,0.25],1.5);
(j)
效果圖如圖2.6:
原灰度圖像
邊緣檢測后的圖像
圖2.6 邊緣檢測效果圖
2.4 本章小結
以上實例只是對圖像處理工具箱函數的一小部分運用,從這些功能的運用可以看出,語言簡潔,可讀性強。作為人臉識別系統中圖像預處理工具，有非常好的處理功能。