テレコム 19 対 2 ウェン兄弟
まとめ
画像情報は人間にとって重要な情報源であり、重要な情報利用手段です。デジタル画像処理の出現と急速な発展は、主に 3 つの要因によって影響されます。1 つはコンピュータの発展、1 つは産業におけるアプリケーション需要の成長、そして 3 つの要因です。他の側面。MATLAB の強力なコンピューティング機能とグラフィック表示機能により、画像処理がより簡単かつ直感的に行えます。MATLAB のデジタル画像処理環境に基づいて、MATLAB とその画像処理ツールボックスをデジタル画像処理に使用する方法を紹介します。主にMATLABのGUIを使用したヒストグラム等化、閾値処理、ノイズ付加、鮮鋭化、保存などの画像処理について説明します。
キーワード: MATLA Bデジタル画像処理 GUI バイナリ イメージ
概要
画像情報は人間の重要な情報源であり、画像情報は人類にとって重要な情報入手源であり、重要な情報利用手段です。デジタル画像処理の出現と急速な発展は主に 3 つの要因の影響を受けています。1 つはコンピューターの発展です。第二に、農業や畜産業、環境、軍事、産業など幅広い用途への需要が高まっています。Matlab の強力な操作機能とグラフィック表示機能により、画像処理がよりシンプルかつ直観的になりました。本稿では、MATLAB のデジタル画像処理環境に基づいて、MATLAB とその画像処理ツールボックスをデジタル画像処理に使用する方法を紹介します。この論文では主に、ヒストグラム等化、閾値、ノイズ追加、鮮明化、保存などの画像処理を実現するための Matlab GUI の使用について説明します。
キーワード: MATLAB デジタル画像 処理 GUI バイナリ イメージ
第1章;序章
1.1 研究の背景と意義
人間が外部情報を取得する主な情報源は画像情報であり、情報の約70％は人間の目から得られ、人間の目はすべて画像情報を取得しています。人々は、物事を認識および判断し、実際的な問題を解決するために画像情報をますます利用しています。例：宇宙技術の発展により、人工衛星は地上や宇宙の写真を大量に撮影し、人々はその写真を利用して地球資源、地球の気象、汚染状況などを入手したり、工場では技術者が利用したりすることができます。テレビの映像を制作管理する上で、目に見える映像情報の重要性。画像情報を取得することは非常に重要ですが、その目的は画像を取得することだけではなく、より重要なのは、画像情報を処理して、多数の複雑な画像から必要な情報を見つけることです。
1.2 国内外の研究状況
海外の研究状況では、コンピュータ支援設計の改良と成熟が進むにつれて、学習や研究に使用されるソフトウェアがますます増えています。たとえば、 American Southernによって開発されたCVIPtoolsコンピュータ ビジョンおよび画像処理実験用ソフトウェアは、画像処理技術に特化した実験用ソフトウェアです。
1.3 本研究の主な内容
MATLAB は、順序付けされたグレースケールまたはカラー データ要素のセットを使用してイメージを形成し、配列の各要素はイメージのピクセル値に対応します。このように、MATLABの強力な行列計算機能を使用して、画像のデジタル処理を実現できます。今回設計したシステムは主にMATLABが提供するグラフィカルユーザーインターフェース( GUI)を活用し、視覚的なオブジェクト指向の操作インターフェースを実現しています。
まずインターフェイス全体を設計し、必要な関数を決定し、各関数によって呼び出される関数を見つけます。次に、各モジュールのレイアウトを実装し、モジュールのタグ値とモジュール名 (文字列) を設定し、選択した関数を呼び出します。各モジュールの機能を実現します。たとえば、この実験では、等化、しきい値処理、ノイズの追加、ノイズ除去、シャープ化、デジタル画像の読み取りと保存などの操作を実装する必要があります。
第2章 デジタル画像処理システムの設計
2.1 設計の概要
実現する機能はそれほど多くないので、植字する際には、各モジュールの機能紹介を以下のディレクトリに配置し、対応する操作スクリーンショットを添付することで、読者にとってよりわかりやすい状態を作成できます。次に、プロジェクトの具体的な状況について詳しくご紹介していきます。
2.2 画像を開く
画像処理は主に既存の画像を処理して保存することであり、何もないところから画像を作成することではありません。したがって、画像の読み取りと保存がより重要になります。
imreadは画像を読み取る関数です。pout.tifファイルはmatlabの組み込みイメージであり、任意のプログラムで直接読み取ることができます。ここでは、マシンの絶対位置決めパスを選択して、マシンに画像ファイルを提供し、画像の表示を実現します。ソフトウェア効果図を次の図に示します。
2.3 写真を保存する
同様に、imwrite には、連続ストレージ メソッドだけでなく、相対パス ストレージと絶対パス ストレージもあります。
なお、選択したフォルダが既に確立されている場合には、そのフォルダが保存される。次に、ファイルを選択するときにmkdir関数を使用する必要があります。例: mkdir('image\1') ;ここでは絶対パスのフォルダーを作成します。作成後、Matlabフォルダー内。これにより、人的資源を大幅に節約できます。ファイルの数が多い場合、手動で作成すると間違いが発生しやすくなります。ソフトウェア効果図を次の図に示します。
2.4 画像の幾何学的変換
2.4.1 画像の翻訳
画像の平行移動は非常に簡単で、平行移動前後の座標は(x, y)と ( x', y' ) となり、TxとTyをオフセットとして、という関係式が成立します。
x'= x +Tx；
y'= y + あなた；
では、上記の関係を行列ことができます。二次元座標上の点については、一般に直交座標系に変換して計算し、三次元座標系に変換します。次元点は二次元を表すために使用されます。最後の項目の値を 1 に設定するだけで、二次元座標(x, y)は(x, y, 1)になります。上記の並進等価関係を行列形式に変換すると、次のようになります。
ソフトウェア効果図を次の図に示します。
2.4.2 画像の回転
ある点について、座標系での変換は (回転角 θ、反時計回りを正) となり、具体的な式は次のようになります。
ソフトウェア効果図を次の図に示します。
2.4.3 イメージミラー変換
対称変換に関しては、対称変換は比較的単純です。または、変換前の点P (x, y)と変換後の点P'=(x', y')などの点変換を例にとります。の場合、対称変換にはx軸、y軸、原点、y=x、y=-xなどの点が含まれます。点の変換はそれ自体で導出できるため、対応する変換行列 T は次のようになります。取得できる。
たとえば、x に関して対称であればT =[1,0,0;0,-1,0;0,0,1]、原点に関して対称であればT =[-1,0,0 ;0,-1, 0;0,0,1]; y=xに関して対称であれば、 T= [0,1,0;1,0,0;0,0,1];
複合変換に関しては、一部の変換は単純な基本変換ではないため、明確にする必要があるのは、どの複合変換も基本変換を使用して段階的に変換できるということです。たとえば、前の回転変換では、回転点が原点として選択されているため、式が存在します。ここでは、この複合変換を 3 つの単純な基本変換に変換する必要があります。具体的な手順は次のとおりです: まず、点sの原点への平行移動操作 (このプロセスでは、すべての点を特定の方向に平行移動することに相当します)。 、そして、原点で変換された点 P を回転および変換し、変換後にストアを逆変換することと同等ですが、これは複合変換を完了することと同等ですか? このときの変換行列はTであり、T は2 つの並進行列T1 、T2と 1 つの回転行列T3を掛け合わせたもの、つまりT=T1*T3*T2 と見ることができます。ソフトウェア効果図を次の図に示します。
2.5 画像強調効果
2.5.1 画像の閾値処理
しきい値処理は 2 値化とも呼ばれます。256 の明るさレベルのグレースケール画像が適切なしきい値によって選択されます。グレースケールがしきい値以上であるすべてのピクセルは特定のオブジェクトに属すると判断され、グレースケール値は 255 になります。それ以外の場合は、グレースケール値が 255 になります。これらのピクセルはオブジェクト領域から除外され、グレー値は 0 で、背景または例外的なオブジェクト領域を示します。ソフトウェア効果図を次の図に示します。
2.5.2 画像のグレースケール
多くの画像処理システムでは、画像の正規化は不可欠な前処理プロセスです[2] 。一般に、グレースケール イメージ (またはカラー チャネルの各カラー コンポーネント) のグレースケール正規化は、ピクセルのグレースケール値を 0 ～ 255 の範囲に分散させ、画像のコントラストが不十分になる (イメージ ピクセルの明るさの分布がアンバランスになる) ことを回避し、その後の処理。画像の場合、グレースケール処理とは、色のR、G、Bの成分値を等しくする処理のことです。ソフトウェア効果図を次の図に示します。
2.5.3 画像ノイズ付加（ノイズ付加前にグレースケールが必要）
ガウス ノイズも現実世界では非常に一般的です。中心極限定理によれば、自然界では、いくつかの現象は多数の独立したランダム要因の影響を受けますが、各要因の影響が非常に小さい場合、全体の影響は正規分布に従うと見なすことができます。
ソフトウェア効果図を次の図に示します。
インパルス ノイズとも呼ばれるソルト アンド ペッパー ノイズは、画像でよく見られるノイズの一種です。ランダムな白色点または黒色点であり、明るい領域の黒いピクセルまたは暗い領域の白いピクセル (あるいはその両方) です。 ）。コショウノイズは、ビデオ信号、アナログ/デジタルコンバーター、またはビット伝送エラーなどの突然の強い干渉によって発生する可能性があります。たとえば、センサーが故障するとピクセル値は最小になり、センサーが飽和するとピクセル値は最大になります[3] 。
ソフトウェア効果図を次の図に示します。
2.5.4 画像の平滑化
平均値フィルタリングの主なアイデアは、画像の任意のピクセル点を中心とするM×Mウィンドウを取得する近傍平均法です。つまり、各ピクセルのグレー レベルを複数のピクセル グレー レベルの平均値に置き換えます。付加的なノイズを効果的に抑制しますが、画像のぼやけが発生しやすいため、主にシーンのエッジの平滑化を回避することで改善できます。この方法は操作が簡単で、ガウス ノイズに対する優れたノイズ除去能力を備えています。
ソフトウェアの効果を図に示します。
メディアン フィルタリングの特徴は、まず特定のピクセルを中心点とする近傍 (通常は正方形、円、十字など) を決定し、次に各ピクセルのグレー値を並べ替えることです。近傍、中心ピクセルのグレー値の新しい値として中央値を取得します。ここでの領域はウィンドウと呼ばれます。ウィンドウが移動すると、画像は中央値フィルターによって平滑化できます。アルゴリズムはシンプルで時間計算量は低いですが、メディアン フィルターは多くの点、線、尖塔を含む画像には適していません。適応するのは簡単です。
ソフトウェアの効果を図に示します。
2.5.6 ヒストグラムの等化
特に画像の有用なデータのコントラストがかなり近い場合に、多くの画像の全体的なコントラストを高めるためによく使用されます。このようにして、ヒストグラム上で明るさがより適切に分散されます。これを使用すると、全体のコントラストに影響を与えることなく、局所的なコントラストを強調できます。ヒストグラム均等化は、一般的に使用される明るさを効果的に拡張することによってこれを行います。
ソフトウェアの効果を図に示します。
2.6 形態素処理
2.6.1 画像の腐食
構造要素をテンプレートとして使用して、元のバイナリ イメージを平滑化し、イメージの各ピクセルをスキャンし、構造要素の各要素とそれに含まれるバイナリ イメージを使用して「AND」演算を実行します (構造要素がall 1)、結果がすべて 1 の場合、バイナリ イメージ内の構造要素の原点位置に対応するピクセル値は 1 であり、それ以外の場合は 0 です。
ソフトウェアの効果を図に示します。
2.6.2 画像の拡張
元の画像のピクセル値が 0 の点の分析から、 F(1,1)、F(1,2)、および F(1,3) の3 つの点のみが抽出できることがわかります。他のピクセル値が 0 であるため、点は構造要素を完全に含むことができません。そして、これら 3 点はいずれも構造要素の範囲内にピクセル値 1 の点が 1 つ以上存在するため、ピクセル値が 1 になるように拡張されます。ターゲット オブジェクトの周囲の背景ポイントをマージして、ターゲットの境界を外側に拡張します。
ソフトウェアの効果を図に示します。
2.7 プロンプトセクション
2.7.1 閾値セグメンテーション
グレーしきい値セグメンテーションは、画像のグレーをさまざまなレベルに分割し、ゲートしきい値の方法であるグレー レベルを決定することです。グレーしきい値セグメンテーションは、実際には二値化[4]です。つまり、画像セグメンテーションとエッジ抽出のために、しきい値を選択し、画像を白黒の二値画像に変換します。
明らかに、画像のしきい値処理は画像のグレー レベルの非線形演算に属するステップ関数であり、変換関数曲線が図に示されています。その機能は、ユーザーがしきい値を指定することです。画像内のピクセルのグレー値がしきい値より大きい場合、ピクセルのグレー値は 255 に設定され、それ以外の場合、グレー値は 0 に設定されます。
ソフトウェアの効果を図に示します。
2.7.2 エッジ検出
エッジは、画像内でグレー レベルが急激に変化する領域の境界です。エッジ検出の本質は、何らかのアルゴリズムを使用して、画像内のオブジェクトと背景の間の境界線を抽出することです。画像グレーレベルの変化は画像グレーレベル分布の勾配によって反映されるため、局所画像微分技術を使用してエッジ検出オペレータを取得できます。古典的なエッジ検出方法は、元の画像内の小さな近傍ピクセルに対してエッジ検出オペレーターを構築することです[5] 。画像エッジの検出には、差分、勾配、ラプラシアン、およびさまざまなハイパス フィルター処理方法がよく使用されます。検出方法には、勾配演算子、ラプラシアン演算子、方向演算子、キャニー演算子などが含まれます。ソフトウェアの効果を図に示します。
第3章 システムソフトウェアの作成
上記の研究内容をもとに、アルゴリズムのソフトウェアをGUIインターフェースを用いて作成しました。ソフトウェア インターフェイス全体を次の図に示します。
特定の画像ファイルを選択した後、それを詳細に分析します。ソフトウェアの具体的なインターフェイスは次の図に示されています。
第 4 章 プロジェクトの概要と経験
4.1 プロジェクトの概要
このコースのデザインを勉強して完成させるまでの期間に、MATLABの使い方を学び、画像の変換とミラーリングを実現し、日常生活における画像ノイズのアルゴリズムの使用方法を学び、私の能力は大いに発揮されました。 、画像の滑らかさを実現するために、画像の侵食や拡大などの形態学的処理操作を理解し、多くのことを学びます。
4.2 経験と展望
このデジタル画像処理プロジェクトは完了しましたが、結局のところ、私たちが完了したプロジェクトは非常に小さな成果であり、今後学ぶべきことがまだたくさんあります。このコース設計を通じて、私のMATLABへの愛着がさらに高まり、アルゴリズムの魅力に気づき、今後の自分の成長に影響を与えてくれると信じています。
検索
コピー