基于MATLAB 圖像處理技術(shù)及應(yīng)用

劉付桂蘭

（廣東外語外貿(mào)大學(xué)，廣東 廣州510006）

1 概述

科學(xué)和技術(shù)的持續(xù)發(fā)展和創(chuàng)新為數(shù)字圖像處理技術(shù)提供了越來越多的機(jī)會，使得其在發(fā)展的空間上擁有更過的可能性，這一技術(shù)不斷擴(kuò)大其應(yīng)用范圍，并使數(shù)字圖像處理技術(shù)能夠?qū)⒏钊?、更廣泛、更快的發(fā)展目標(biāo)得以實現(xiàn)。從可見光譜擴(kuò)展到光譜的各個階段，從靜止圖像到運(yùn)動圖像，從物體的外部延伸到物體的內(nèi)部，以及人工智能化的圖像處理等，這些都能夠說明數(shù)字圖像處理已經(jīng)成為現(xiàn)階段認(rèn)識和改造世界的重要方法。

2 圖像分析與描述

2.1 圖像目標(biāo)的特征提取

圖像函數(shù)特征主要的作用是對圖像中最基本的屬性或功能進(jìn)行相應(yīng)的區(qū)分。這些可能是人類視覺在原始場景中可以識別的自然特征，例如顏色，或一些通過測量和處理人為確定的特征。這些參數(shù)，如組織圖和統(tǒng)計特征，我們將這種類型的統(tǒng)稱為人造特征。

2.1.1 幅度特征

其被當(dāng)作圖像特征得到運(yùn)用，那么主要是在（1）可區(qū)分性；（2）可靠性；（3）獨(dú)立性；（4）數(shù)量要少這幾個方面得到具體體現(xiàn)的。如果出現(xiàn)了由圖像的灰色像素值、三色圖像值、光譜值等表示的幅度特性，那么這種類型的特征我們叫做其圖像的最基本特征。它還可以呈現(xiàn)特定鄰域中的平均灰度（例如，包含（2W+1）×（2W +1）像素）

其中：M 數(shù)字代表測量窗口中以（i，j）為中心的像素總數(shù)，N（b）代表窗口中b 的像素數(shù)量，這個數(shù)值是具有灰度的值。對于靜止圖像，可以將測量窗口當(dāng)作整個圖像進(jìn)行使用。

同樣地，基于二維聯(lián)合像素密度來確定二維直方圖。假設(shè)兩個任意像素（i，j）和（k，l）的灰度值的表示方式分別是f（i，j）和f（k，l），則灰度圖像的聯(lián)合分布密度的表示方式如下所示

2.2 基于區(qū)域的特征提取

2.2.1 區(qū)域面積

該區(qū)域的面積主要的作用就是對這個區(qū)域的整體特征進(jìn)行表示。它將區(qū)域的大小進(jìn)行了概括，并且是對目標(biāo)區(qū)域規(guī)模的度量。它僅與區(qū)域中包含的像素存在必然的關(guān)聯(lián)，與區(qū)域內(nèi)的灰色變化沒有任何的關(guān)系。計算區(qū)域面積的最簡單方法是對區(qū)域的邊界和該區(qū)域中包含的像素數(shù)進(jìn)行相應(yīng)的計算。如果圖像是二進(jìn)制圖像，則示目標(biāo)區(qū)域的點(diǎn)就用像素值1 來表示，背景就用像素值0 來表示，則該區(qū)域的面積計算公式的表達(dá)就是

K 為邊界點(diǎn)總數(shù)。

目標(biāo)位置特征主要有兩種方法，第一種方法是以圖像的面積中心點(diǎn)來表示圖像位置，對于NxM 大小的目標(biāo)區(qū)域，其計算公式為

上面的方法相對簡單，那么我們可以看到二進(jìn)制圖像的計算結(jié)果就可以當(dāng)做是目標(biāo)質(zhì)心，但是對于灰度圖像，這個方法對于目標(biāo)區(qū)域灰度的變化并不做出相應(yīng)的考量。那么對于目標(biāo)區(qū)域灰度的變化進(jìn)行相應(yīng)的考量，我們可以在幾何矩的基礎(chǔ)上對目標(biāo)區(qū)域的質(zhì)心進(jìn)行相應(yīng)的計算。對于二進(jìn)制有界函數(shù)，幾何的定義表達(dá)式為

3 運(yùn)用MATLAB 實現(xiàn)圖像中區(qū)域特征檢測

3.1 灰度處理

灰度處理是指不包含顏色信息而僅包含亮度信息的圖像，我們從表面進(jìn)行分析，灰度圖像可以定義為黑白色的，但點(diǎn)之間的黑度是不同的。

圖1 灰度處理圖

原圖像為400x348 像素，經(jīng)程序灰度化處理和中值濾波后，整幅圖像很易于后續(xù)的研究處理，由MATLAB 圖像窗口看出圖像的灰度處理結(jié)果達(dá)到預(yù)期要求。

3.2 用區(qū)域生長法分割圖像

區(qū)域的增長一般情況是要將像素與其相鄰像素在空間中的關(guān)系進(jìn)行相應(yīng)的考慮，首先將一個像素定義為起始像素，然后根據(jù)一定的相似性準(zhǔn)則將該區(qū)域放大，然后逐漸創(chuàng)建具有一定均勻性的空間區(qū)域。合并具有相似屬性的像素或區(qū)域的鄰域或8 個鄰域，以逐漸增加面積，一直到不會出現(xiàn)合并的點(diǎn)或其他小區(qū)域的時候停止。

圖2 種子選擇點(diǎn)圖

通過MATLAB 軟件實現(xiàn)的在灰度圖上選取種子點(diǎn)，然后按照相似性準(zhǔn)則生長區(qū)域，達(dá)到設(shè)計預(yù)期效果，圖中小方框處即為種子生長點(diǎn)。

b.三個種子點(diǎn)區(qū)域生長結(jié)果

圖3 三個種子點(diǎn)區(qū)域生長結(jié)果

在MATLAB 圖像窗口中可看出，用區(qū)域生長法分割的結(jié)果清晰、正確，充分說明了MATLAB 的正確性，在軟件里通過各種正確的程序代碼，達(dá)到了設(shè)計預(yù)期效果。

3.3 圖像區(qū)域基本特征計算

3.3.1 周長計算

圖4 周長計算結(jié)果

在MATLAB 圖像窗口中可看出，計算周長L=3899，結(jié)果符合，清晰正確，達(dá)到預(yù)期效果。

3.3.2 面積計算

圖5 面積計算結(jié)果

在MATLAB 圖像窗口中可看出，計算面積S=3899，結(jié)果經(jīng)證實正確，達(dá)到預(yù)期效果。

3.3.3 重心坐標(biāo)計算

圖6 重心坐標(biāo)計算結(jié)果

在MATLAB 圖像窗口中可看出，計算重心坐標(biāo)（x,y）=（2.5514,4.3660），結(jié)果經(jīng)證實正確，達(dá)到預(yù)期效果。

結(jié)束語

圖像特征主要是將圖像處理的重要部分進(jìn)。行相應(yīng)的提取，這些提取出來的特征在數(shù)字視頻處理、模式識別、目標(biāo)識別和跟蹤等等環(huán)節(jié)得到廣泛的應(yīng)用。目前尚無通用且精確的標(biāo)志定義。特征的確切定義一般情況還要看問題或應(yīng)用程序的類型。確定該功能是數(shù)字圖像的“有趣”部分。它在一般的計算機(jī)圖像分析算法當(dāng)中是最基本的也是第一步。所以，算法的成功通常取決于其使用和定義的功能。所以，特征提取的最重要特征是“可重復(fù)性”：從同一場景的不同圖像提取的元素基本上沒有不一樣的。特征提取是圖像處理中的主要操作，換句話說，它是對圖像執(zhí)行的第一個處理操作。因為許多計算機(jī)圖像算法當(dāng)中主要的計算步驟就是特征提取，因此已經(jīng)開發(fā)了大量的特征提取算法，并且將各種各樣的特征進(jìn)行了提取，提取出來需要我們加以深入研究。