基于matlab的图像增强技术的研究.doc

分类号 密级中国地质大学（北京）本 科 毕 业 设 计题 目 基于MATLAB的图 像增强技术的研究 英文题目 Image Enhancement Technology Research Based On MATLAB 学生姓名 胡 韬 院（系） 信息工程学院 专 业 电子信息工程 学 号 指导教师 傅 平 职 称 副专家 五月中国地质大学（北京）本科毕业设计（论文）任务书学生姓名胡韬班级10100932专业电子信息工程导师姓名傅平职称副专家单位信息工程学院毕业设计（论文）题目基于MATLAB的图像增强技术的研究毕业设计（论文）重要内容和规定：重要内容：1. 研究数字图像解决技术，对其理论知识进行具体了解。2. 研究传统的图像增强理论，了解传统图像增强的技术方法。3. 研究基于小波变换的图像增强理论，并了解其方法。4. 通过MATLAB的学习，进行图像增强技术的仿真实验。5. 比较各种方法的特点给予一定的评价。规定：1. 查阅和收集相关的文献和资料，制定研究计划和方法。2. 完毕代码的编写和程序的调试。3. 完毕实验的仿真，并书写报告。毕业设计（论文）重要参考资料：1 秦襄培.MATLAB 图像解决与界面编程M.北京:电子工业出版社，2023.2 飞思科技产品研发中心.小波分析理论与MATLAB7 实现M.北京:电子工业出版社，2023.3 方勇,戚飞虎.基于软阚小波图像增强方法M.计算机工程与应用,2023.4 章毓晋.图象工程上册-图象解决(第二版)M.北京：清华大学出版社,2023.5 孙延奎.小波分析及其应用M.北京:机械工业出版社，2023.6 黄红波.一种基于二维小波块阚值数字图像去噪方法N.湖南：湖南理工学院报,2023.7 丁文佳.小波变换在图像增强中的应用研究.北京：北京理工大学出版社，2023.8 李朝辉;张弘.数字图像解决及应用.北京:机械工业出版社，2023.9 郭李.基于分数阶微分和小波分解的图像增强.中国科技论文在线,2023.10 高仕龙.一种基于小波变换和直方图均衡化的图像增强方法.西华大学学报.自然科学版.第26卷第3期11 于万波.基于MATLAB的图像解决.北京：清华大学出版社，2023.12 章毓晋.图像解决与分析.北京：北京清华大学出版社 ,2023.13 闫敬文.数字图像解决MATLAB版.北京：国防工业出版社，2023.14 Gerard Blanchet; Maurice Charbit. Digital Signal and Image Processing using MATLAB. Wiltshire: Antony Rowe Ltd,2023. 毕业设计（论文）应完毕的重要工作：1. 查阅相关文献及资料，制定研究计划和方法，完毕对图像增强理论知识的了解。2. 研究传统图像增强技术，重要是空间域和频率域的图像增强。3. 研究基于小波分析的图像增强技术，并完毕相应的仿真。4. 根据所得的仿真结果，对与图像增强技术的方法给予一定的评价，分析各种方法的优缺陷。毕业设计（论文）进度安排：序号毕业设计（论文）各阶段内容时间安排备注1完毕资料收集、调研与学习2023.1.20.-2023.3.122023.3.13开题报告2熟悉各种图像增强方法及相关理论2023.3.13-2023.3.293编写代码并调试2023.3.30-2023.4.182023.4.18中期检查4进行仿真，并得出相应的结果2023.4.19-2023.5.105撰写毕业论文2023.5.11-2023.5.256准备答辩2023.5.25-2023.6.52023.6.5毕设答辩课题信息：课题性质： 设计 论文课题来源： 教学 科研 生产 其它发出任务书日期： 2023年12月7日 指导教师署名： 年 月 日教研室意见：教研室主任署名： 年 月 日学生署名： 摘 要数字图像解决是一门新兴技术，随着计算机硬件的快速发展，使得数字图像的实时解决已经成为也许，同时由于数字图像解决的各种算法的出现，使其解决速度越来越快，能更好的为人们服务。数字图像解决是一种通过计算机采用一定算法对图形图像进行解决的技术。这项技术已经在各个领域上都有了比较广泛的应用。数字图像解决的信息量很大，对解决速度的规定也很高。MATLAB以其强大的运算和图形展示功能，使得图像解决变得更加简朴和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像解决环境，并介绍了传统的空间域和频率域的图像增强方法，此外还介绍了一种基于小波变换的图像增强技术，同时针对这些数字图像解决的原理进行概述。最后，运用MATLAB对空间域、频率域和小波阀值去噪进行仿真和分析，通过仿真图对比，得到很好的实验效果，通过对比，表白小波变换进行去噪相对于传统图像解决方法的优越性，具有很强的研究意义。关键词： 数字图像解决； MATLAB； 小波阀值去噪； 小波变换ABSTRACTDigital image processing is an emerging technology, with the rapid development of computer hardware, real-time processing of digital image has become possible due to the emergence of digital image processing algorithms at the same time, making it faster and faster processing speed, better for People services .Digital image processing is a computer graphics image processing technology using a certain algorithm. This technology has a wide range of applications in various fields. Digital image processing of large amount of information, the processing speed is also high. MATLAB with its powerful computing and graphics display functions, so that it make image processing becomes easier and more intuitive. This article describes the features of the MATLAB language, MATLAB-based digital image processing environment, and describes the spatial and frequency domain image enhancement methods, besides, based on wavelet transform image enhancement technology and both of these digital images processing overview principle. Finally, the use of MATLAB simulation and analysis of the spatial domain, frequency domain and wavelet threshold de-noising, Simulation and comparison, good test results, by contrast, that the wavelet transform de-noising relative to the conventional image processing method is superior , has a strong significance.Keywords: digital image processing； MATLAB； wavelet threshold de-noising； wavelet transform目 录1 绪论11.1 课题研究的目的及意义11.2 国内外研究现状11.3 本文研究内容22 数字图象解决的简介32.1 何为数字图像32.1.1 采样32.1.2 量化32.1.3 编码32.1.4 采样与量化参数的选择32.2 数字图像解决概述42.2.1 概念42.2.2 研究内容42.2.3 基本特点52.2.4 重要应用53 MATLAB基础知识介绍63.1 MATLAB简介63.2 MATLAB的发展历程63.3 MATLAB的组成63.3.1 MATLAB主包组成73.4 MATLAB的语言特点73.5 MATLAB在图像解决中的应用84 传统方法图像增强94.1 内容简介94.2 基于空间域图像增强94.2.1 增强对比度104.2.2 图像求反114.3 空间域滤波增强114.3.1 基本原理114.3.2 线性平滑滤波器124.3.3 非线性平滑滤波器134.3.4 线性锐化滤波器134.4 基于频率域图像增强144.4.1 基本原理144.4.2 低通滤波144.4.3 高通滤波155 小波分析法图像增强175.1 小波分析法的介绍175.2 小波变换与傅里叶变换185.3 小波变换基本理论185.3.1 一维连续小波变换（CWT）185.3.2 一维离散小波变换（DWT）195.3.3 二维连续小波变换195.3.4 二维离散小波变换205.4 小波变换的多尺度分析205.5 基于小波变换的图像增强205.5.1 小波变换图像增强原理215.5.2 非线性增强225.5.3 图像钝化225.5.4 图像锐化235.5.5 基于小波变换的图像阀值去噪23结 论25致 谢26参考文献27附录281 绪论1.1 课题研究的目的及意义数字图像解决（Digital Image Processing），即是运用计算机或者其他数字硬件对从图像信息转换而得到的电信号再进行某些数学运算，以提高图像的实用性。例如去掉图像的噪声，抽取图像中的一些目的的轮廓，图像的勾边解决，提取图像中的特性以及把黑白图像映射为彩色图像等技术。总的来说，数字图像解决涉及点运算、几何解决、图像增强、图像复原、图像形态学解决、图像编码、图像重建、模式辨认等。本文重要研究图像增强技术。图像增强的目的是改善图像的视觉效果，并把图像解决成为适于计算机分析或控制的某种形式。为了适应各种用途，图像增强需要采用各种技术手段综合解决，并且针对不同用途，解决手段也大相径庭。为满足图像增强，图像往往要发生畸变。 图像增强涉及的内容广泛。在图像解决系统中，图像增强技术作为预解决部分的基本技术，是系统中十分重要的一环。迄今为止，图像增强技术己经广泛用于军事、地质、海洋、森林、医学、遥感、微生物以及刑侦等方面。Math Work公司推出的MATLAB软件是我们研究这门课题重要使用工具。应用MATLAB丰富、实用、高效的指令及模块以及和谐的界面，可以使人较快地结识、理解图像解决的相关概念，并逐步掌握数字图像信号解决的基本方法，进而够解决相关工程和科研中的问题。通过对传统图像解决的方法和基于小波变换的图像解决方法的研究学习，以及仿真对比，得出小波变换法在图像增强解决中的相比于空间域和频率域解决方法的优势。1.2 国内外研究现状早在20世纪60年代起，计算机技术就已经进入指纹辨认和鉴定领域，美、日、英、法本等计算机发达的国家先后研制出各具特色的自动辨认指纹系统，开辟了指纹鉴定新的途径。如今，计算机指纹辨认技术在我们生活中已经开始发挥着越来越重要的作用，同时它已经在司法、数字加密、电子商务、金融安全等各个领域得了广泛而良好的应用。虽然我国直到20世纪80年代才开始进行指纹自动辨认系统的研究，但目前已经取得了令人瞩目的进展。清华大学、北京大学、吉林大学、哈尔滨工业大学、公安部第二研究所、北京市公安局刑事科学技术研究所等单位都获得了不少研究的成果，并设计出一些自动化或半自动化的指纹鉴定系统。特别值得提及的是，北京大学研制的指纹自动鉴定系统现在已经走向成熟，并走进了国际市场。总体来说，图像解决技术的发展大体经历了初创期、发展期、普及期和实用化期4个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅对其进行扫描显示，大多数采用中、大型机进行解决。然而，在这一时期，由于图像存储成本和解决设备造价高，因而其应用面很窄。70年代进入发展期，这时开始大量采用大型机进行解决，图像解决也逐渐改用光栅扫描显示方式，特别是出现了CT和卫星遥感图像，这对图像解决技术的发展起到了非常好的促进作用。到了80年代，图像解决技术逐渐进入普及期，此时的计算机己经可以承担起图形图像解决的任务。VLSI的出现使得解决速度大大提高，而造价却进一步减少，这极大的促进了图像系统的普及和应用。图像增强是图像解决的其重要组成部分，传统的图像增强方法对于改善图像质量发挥了其重要作用。随着对图像增强技术研究的不断进一步和发展,新的图像增强方法不断出现。图像增强的方法可以大体可分为两类，一类是空间域解决方法，一类是频率域的解决法。空间域法基本上是以灰度映射为基础直接对图像的像素进行解决，映射变换取决于图像的特点和增强的目的。空间域法又可分为点运算和模板运算。点运算是根据图像的像素点按照一定的变换原则逐个解决，与周边像素点无关。常见的方法有灰度变换、灰度级校正、规定化和直方图均衡化等。模板运算是以某一个像素点为核心，像素点邻域为相关点，逐个解决模板。常见的方法有中值滤波、领域平均法、拉普拉斯算子等。频率域法是在图像的某种变换域内，对变换后的系数通过一定的规则进行运算，接着再反变换到本来的空间域从而得到增强的图像。这是一种间接的图像解决方法。常见的方法有高通滤波、低通滤波、同态滤波、带阻滤波等。小波变换最早是由法国地球物理学家于二十世纪八十年代初在分析地球物理信号时，作为一种信号分析的数学工具而被提出来的，到了八十年代中后期获得了较快发展，目前已成为一个重要的数学分支。小波分析对传统傅立叶分析做出了里程碑式的进展，是调和这一数学领域半个世纪以来的工作结晶，是目前在许多学科和工程技术中的一个非常广泛的课题。它可以作为表达函数的一种新基底或作为时频分析的一种新技术,是多方面有力的分析工具，已经广泛的应用于信号和图像解决、地质勘探、语音辨认与合成、雷达、CT成像、天体辨认、机器视觉、机械故障诊断与监控、分形以及数字电视等领域。小波变换分析通过伸缩运算和平移运算，对信号函数逐步进行多尺度细化，最终达成低频处频率细分，高频处时间细分。由于它能自动适应时频信号分析的规定，从而可以聚焦到信号的任何一个细节，享有“数学显微镜”之称。此外,它还成功解决了傅里叶变换不能解决的许多难题，成为了继傅里叶变换以来的一个重大突破。为了使图像质量进一步提高，我们所提到的传统的方法都不能很好的解决这个问题，比如频率域法在变换过程中存在一些不拟定的因素，然而空间域法又不能很好地集中能量进行解决。由于目前还没有一种通用的衡量图像质量的指标可以用来评价图像增强方法的优劣，图像增强理论有待进一步完善。因此，图像增强技术的探索具有实验性和多样性。增强的方法往往具有比较强针对性，这使得对于不同类型的图像有不同的适合的图像增强方法。例如对于一张重要是低频信号的图像使用高通滤波之后图像增强的质量反而会变得更差。所以我们往往使用几种不同图像增强方法的组合或使用调节参量的方法来解决具体的图像。目前大部分的方法都是传统的空间域、频率域以及他们的组合方法，而小波分析法正是一种后来兴起的可以很好解决图像增强的方法。1.3 本文研究内容本文分别涉及到数字图像解决、空间域图像增强、频率域图像增强、小波分析图像增强、MATLAB图像解决应用等方面的内容。本文对上面几种图像增强方法都给予相应的介绍和实际应用，并最后对各种方法进行进一步的研究和对比。 2 数字图象解决的简介2.1 何为数字图像数字图像，又称为数码图像或数位图像，是二维图形用有限的数字数值像素的表达。数字图像是以像素为基本元素的、由模拟图像数字化得到的、可以用数字计算机或数字电路存储和解决的图像。像素（Pixel，或像元）是数字图像的基本元素，像素是在模拟图像数字化时对连续空间进行离散化得到的。每个像素具有整数行（高）和列（宽）位置坐标，同时每个像素都具有整数灰度值或颜色值。通常，像素在计算机中保存为二维整数数组的光栅图像，这些值经常用压缩格式进行传输和存储。数字图像可以由许多不同的出入设备和技术生成，例如数码相机、扫描仪、坐标测量仪等等，也可以从任意的非图像数据合成得到，例如数学函数或者三围几何模型，三围几何模型是计算机图形学的一个重要的分支。数字图像解决领域就是研究他们的变换算法。 然而我们进行图像数字化，往往要经历采样、量化和编码三个环节（即模数转换）。2.1.1 采样采样（sampling）是指将空间上或时域上连续的图像（模拟图像）变换成离散采样点（像素）集合的操作。由于图像基本是采用二维平面信息的分布方式来描述的，所以假如要对其进行采样，一方面要将二维信号转变为一维信号，再对其进行完毕采样操作（即将二维采样转化为两次一维采样来完毕）。通常做法是，先沿着垂直方向按照一定间隔从上到下的顺序沿水平方向直线扫描，取出各水平线上灰度值（浓淡值）的一维扫描。然后再对一维扫描线信号按一定间隔采样得到离散信号，即先沿垂直方向采样，再沿水平放心采样。采样后得到的二维离散信号的最小单位就是像素。一般来说水平和垂直方向的采样间隔相同。对于运动图像（即时间域上连续的图像），还需要在时间轴上采样。通过采样，若设横向的像素为M，纵向的像素为N，则画面的大小可以表达为“M*N”个像素。2.1.2 量化量化就是把采样后所得到的各像素的灰度值从模拟量转换为离散量。这是由于模拟图像虽然通过了采样，在空间上离散化为像素，但是采样所得的像素值（即灰度值）仍然是连续量，顾要进行量化。一般来说，像素量化后用一个字节8bit来表达。即把黑-灰-白的连续变化的灰度值量化为0255共256级别，分别相应每个灰度值的浓淡限度，叫做灰度等级或灰度标。通常情况下设0为白，1为黑。量化的准则不同将会导致不同的量化效果，从不同的角度可以将它分为4类。按量化级步长均匀性可分为均匀量化和非均匀量化，按量化对称性可分为对称量化和非对称量化，按量化时采样点互相间的相关性可分为无记忆量化和有记忆量化，按量化时解决的采样点数了分为标准量化和矢量量化。2.1.3 编码图像编码是指在满足一定质量（信噪比的规定或主观评价得分）的条件下，以较少的比特数表达图像或图像中所包含的信息的技术。通常的编码方案有预测编码和变换域编码。2.1.4 采样与量化参数的选择一幅图像在采样时，行、列的采样点和量化时每个像素量化的级数，既影响数字图像的质量，也影响到数字图像数据量的大小。假设图像取M*N个样点，每个像素量化后的灰度二进制位数为Q，一般Q总取2的整数幂，则存储一幅数字图像所需的二进制位数为：b=M*N*Q（b），字节数为：B=M*N*Q/8(Byte)。对于K的取值范围，原则上上K越大重建图像失真越小，然而实际情况人眼应用K取58，二对于卫星图片等图像分析K应取812。对于一幅图像，当量化级数Q一定期，采样点数M*N对图像质量有着显著的影响。同理，当图像的采样点数一定期，采用不同的量化级数图像质量也不同样。由此可知对于具体的图像我们要根据图像的特性来拟定采样和量化参数。2.2 数字图像解决概述2.2.1 概念数字图像解决（digital image processing）即是通过计算机对图形进行去除噪声、增强、复原、分割、提取特性等解决的方法和技术。它的产生和迅速发展重要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创建和完善）；三是广泛的农业、牧业、林业、环境、军事、工业和医学等方面的应用需求增长。2.2.2 研究内容总的来说，数字图象解决的研究重要涉及一下几个方面的内容：算术逻辑操作、几何变换、图像分割、图像增强、模式辨认、图像压缩、图像复原及图像形态学解决。（1）算术逻辑操作。它的操作重要是以像素为基础在两幅或多幅图像之间进行。图像的逻辑操作也是基于像素的，在对灰度级图像进行逻辑操作的时候，像素值被当作二进制字符解决，同时“与、或、非”这三种逻辑算子完全函数化。在数字图象解决中，加法运算可减少加性随机噪声；减法运算可以检测物体运动变化；乘法运算可用来标记感爱好的区域；除法运算多用于多光谱遥感图像的分析解决，从而扩大不同物体的差异。由上可知加减法运算用处最大。（2）几何变换。我们通常运用几何运算来改变图像中像素间位置关系，从而达成解决图像的目的。即建立一种原图像与变换图像之间的映射关系。变换方法重要有平移、放缩、旋转、镜像和转置等。（3）图像分割。作为图像解决的关键技术之一，图像分割就是将图像划分为构成它的子区域或对象。其算法一般基于亮度的特性，第一类方法基于亮度不连续变化的分割图像。第二类方法是依照事先制定的准则将图像分割为相似的区域。图像分割涉及边沿检测、门限解决和间断检测。（4）图像增强。作为本文重要研究内容，传统的方法有空间域图像增强和频率域图像增强，除此之外尚有基于小波分析的图像增强方法。（5）模式辨认。模式辨认重要涉及数据获取、预解决、特性提取和决策分类。它是指在一定经验和结识的基础之上，从大量信息数据入手，运用数学和计算机的推理方法对信息进行自动辨认。（6）图像压缩。由于数字图像具有大量的数据量，且事实上它又具有很大的压缩空间。因此，我们可以通过对图像压缩来减少图像的信息量，基本原则是去除冗余信息，这种变换在图像传输或存储之前进行，需要的时候我们可以对其解压以重构图像。（7）图像复原。由于设备往往会导致错位、扫描线漏失等各种不可避免的因素导致图像质量下降。所以我们需要进行图像的复原，即是根据事先建立的系统退化模型将质量减少的图像重建成接近或完全无退化的原始图像的过程。（8）图像形态学解决。图像形态学是由一组形态学代数算子组成，最基本的算子涉及腐蚀、膨胀、闭运算、开运算等。通过对这些算子的组合应用，我们可以实现对图像形状和结构分析解决。形态学解决可以完毕边沿检测、图像滤波、特性提取、图像分割、图像增强和图像恢复等工作。2.2.3 基本特点（1）数字图像解决的信息大多是二维信息，解决信息量很大。如一幅256256低分辨率黑白图像，规定约64kbit的数据量；对高分辨率彩色512512图像，则规定768kbit数据量；假如要解决30帧/秒的电视图像序列，则每秒规定500kbit22.5Mbit数据量。因此对计算机的计算速度、存储容量等规定较高。（2）数字图像解决占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。所以在成像、传输、存储、解决、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的规定。（3）数字图像中各个像素是不相独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，一般来说相邻两帧之间的相关性要大于帧内的相关性。因此，图像解决中信息压缩的潜力很大。（4）由于图像是三维景物的二维投影，一幅图像自身不具有复现三维景物的所有几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。（5）数字图像解决后的图像一般是给人观测和评价的，因此受人的因素影响较大。由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价尚有待进一步进一步的研究。另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特性等，这些都是心理学和神经心理学正在着力研究的课题。2.2.4 重要应用（1）生物医学。在医学上我们可以运用电磁波谱成像分析系统病情。如显微镜图像分析、DNA成像分析、CT及核磁共振、超声波、X射线成像分析等。三维测量可视化软件系统可对各类医学断层图像进行分析解决，提供诊断依据。（2）遥感。对农业、林业等资源的调查，农作物长势监测，自然灾害检测、预报，地势、地貌测绘以及地质构造解释、探矿，环境污染检测等等。（3）工业生产。无损探伤，石油勘探，生产过程自动化（零件辨认，装配质量检查），工业机器人视觉等。（4）军事。可用于航空及卫星侦查照片的测绘、判读，雷达、声纳图像解决，导弹制造，军事仿真等。（5）通信。图像传真，可视电话，卫星通讯，数字电视等。（6）公安系统。指纹辨认，印鉴、伪钞辨认，安检，手迹、印记鉴别分析等。（7）气象预报。获取气象风云图进行测绘、判读等。（8）高能物理。核子泡室图片分析。（9）考古。回复珍贵的文物图片、名画、壁画。3 MATLAB基础知识介绍3.1 MATLAB简介MATLAB是Matrix Laboratory（“矩阵实验室”）的缩写。它是由MathWorks公司开发的，目前国际上最流行、应用最广泛的一种集数字运算、程序设计、图像测绘、文献管理、系统仿真等功能与一体的科学与工程计算软件。是国内外高校和研究部门进行科学研究的重要工具之一。MATLAB的基本数据单位是矩阵，它的指令表达式与数学,工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完相同的事情简捷得多。因此其广泛应用于自动控制、数学运算、信号分析、计算机技术、图像信号分析、财务分析、生物医学工程和语音解决等领域。3.2 MATLAB的发展历程20世纪七十年代，时任美国新墨西哥大学计算机科学系主任的Cleve Moler出于减轻学生变成承担的动机，为学生设计了一组调用LINPACK和EISPACK矩阵软件工具包程序库的“通俗易用”的接口，取名为MATLAB。上个世纪初，Cleve Moler与工程师Jone Little用C语言重写MATLAB的内核，于1984年成立Math Works公司，并把MATLAB正式推向市场。保存原有的数值计算能力外，新增了数据图视功能。时至今日，通过Math Works公司的不断完善，MATLAB已发展成为适合多学科，多种工作平台的功能强大的大型软件。在国外，MATLAB已经受了数年考验。在欧美等高校，MATLAB已成为线性代数、数理记录、数字信号解决、自动控制理论、动态系统仿真、时间序列分析等高级课程的基本教学工具；成为攻读学位的大学生、硕士生、博士生必须掌握的基本技能。3.3 MATLAB的组成 MATLAB组成如图3-1所示。MATLAB主包SUMULINK工具箱MATLAB语言开发（工作）环境数学函数库图像解决应用程序接口图3-1 MATLAB组成图3.3.1 MATLAB主包组成（1）MATLAB语言。MATLABA是以复数矩阵为基本编程单元的一种程序设计语言。由两部分组成：基本部分和工具箱。如： 例1 a=1+2i 2 b=1 2 a+b=2+2i 4（2）MATLAB开发环境。集成了MATLAB应用程序和工具的工作空间。这些工具可以方便用户使用MATLAB的函数和文献。（3）图形解决。用MATLAB可以完毕2D和3D数据图示标注、图像解决、动画生成、图形显示等功能的高层MATLAB命令，也涉及用户对图形图像等对象进行特性控制的低层MATLAB命令，以及开发GUI应用程序的各种工具。（4）MATLAB数学函数库。MATLAB使用的各种数学算法的总称。涉及各种初等函数的算法，也涉及矩阵运算、矩阵分析等高层次数学算法。（5）MATLAB应用程序接口（API）。MATLAB为用户提供的一个函数库，借助API接口函数，用户可以实现MATLAB与cc+程序或者FORTRAN程序的互相调用。3.4 MATLAB的语言特点一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点，正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作同样，被称作为第四代计算机语言的MATLAB，运用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB最突出的特点就是简洁。MATLAB用更直观的，符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观，最简洁的程序开发环境。以下简朴介绍一下MATLAB的重要特点。（1）数值算法稳定可靠，库函数丰富。MATLAB的一个最大的特点就是强大的数值计算能力，他提供了许多调用方便的数学计算函数。例如：求解特性值： e=eig（A）。（2）完善的二维与三维图形绘制与显示功能，支持数据的可视化操作，方便的显示程序的运营结果。（3）源程序的开放性。出内部函数以外，所有MATLAB的核心文献和工具箱文献都是可读可改的源文献，用户可以通过对源文献的修改以及加入自己的文献构成新的工具箱。（4）拥有强大的工具箱。MATLAB包含两个部分：核心部分和各种可选的工具箱。核心部分有几百个核心内部函数，工具箱则是有各个领域的高水平专家编写的，所以用户不必编写该领域的基础程序就可以直接进行更高层次的研究。（5）MATLAB是解释执行语言。MATLAB程序不用编译生成可执行文献就可以运营，解释执行时程序的执行速度较慢，效率比C等高级语言要低一些，并且无法脱离MATLAB环境运营MATLAB程序，这是其特点，但是MATLAB的编程效率远远高于一般的高级语言，这使得我们可以把大量的时间花费在对算法的研究上，而不是浪费在大量的代码上。（6）提供了功能强大的系统动态仿真工具箱SIMULINK。用户可以绘制框图模拟线性、非线性、连续或离散系统，通过SIMULINK仿真并分析该系统。（7）程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运营。3.5 MATLAB在图像解决中的应用图像解决工具包是由一系列支持图像解决操作的函数组成的。所支持的图像解决操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT变换等) 、图像分析和记录、二值图像操作等。下面就MATLAB 在图像解决中各方面的应用分别进行介绍。 （1）图像文献格式的读写和显示。MATLAB 提供了图像文献读入函数 imread()，用来读取如:bmp、tif、tiffpcx 、jpg 、gpeg 、hdf、xwd等格式图像文，此外还可以用imfinfo（）函数来查看图像文献的信息，图像写出函数 imwrite() ，尚有图像显示函数 image()、imshow()等等。 （2）图像解决的基本运算。MATLAB 提供了图像的和、差等线性运算 ，以及卷积、相关、滤波等非线性算。例如，conv2(I，J)实现了I，J两幅图像的卷积。（3）图像变换。MATLAB 提供了一维和二维离散傅立叶变换(DFT) 、快速傅立叶变换(FFT) 、离散余弦变换 (DCT) 及其反变换函数，以及连续小波变换(CWT)、离散小波变换(DWT)及其反变换。（4）图像的分析和增强。针对图像的记录计算MATLAB 提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的解决。（5）图像的数学形态学解决。针对二值图像，MATLAB 提供了数学形态学运算函数；腐蚀(Erode)、膨胀(Dilate)算子，以及在此基础上的开 (Open)、闭(Close)算子、厚化 (Thicken) 、薄化 (Thin) 算子等丰富的数学形态学运算。以上所提到的 MATLAB在图像中的应用都是由相应的MATLAB函数来实现的，使用时，只需按照函数的调用语法对的输入参数即可。具体的用法可参考MATLAB丰富的帮助文档。图像边沿对图像辨认和计算机分析十分有用，在MATLAB中，函数 edge()用于灰度图像边沿的提取，它支持六种不同的边沿提取方法，即Sobel方法、Prewitt 方法、Robert 方法，Laplacian2Gaussian方法、过零点方法和Canny方法。4 传统方法图像增强4.1 内容简介增强图像中的有用信息，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局部特性，将本来不清楚的图像变得清楚或强调某些感爱好的特性，扩大图像中不同物体特性之间的差别，克制不感爱好的特性，使之改善图像质量、丰富信息量，加强图像判读和辨认效果，满足某些特殊分析的需要。