基于MATLAB 图像处理技术及应用

刘付桂兰

（广东外语外贸大学，广东 广州510006）

1 概述

科学和技术的持续发展和创新为数字图像处理技术提供了越来越多的机会，使得其在发展的空间上拥有更过的可能性，这一技术不断扩大其应用范围，并使数字图像处理技术能够将更深入、更广泛、更快的发展目标得以实现。从可见光谱扩展到光谱的各个阶段，从静止图像到运动图像，从物体的外部延伸到物体的内部，以及人工智能化的图像处理等，这些都能够说明数字图像处理已经成为现阶段认识和改造世界的重要方法。

2 图像分析与描述

2.1 图像目标的特征提取

图像函数特征主要的作用是对图像中最基本的属性或功能进行相应的区分。这些可能是人类视觉在原始场景中可以识别的自然特征，例如颜色，或一些通过测量和处理人为确定的特征。这些参数，如组织图和统计特征，我们将这种类型的统称为人造特征。

2.1.1 幅度特征

其被当作图像特征得到运用，那么主要是在（1）可区分性；（2）可靠性；（3）独立性；（4）数量要少这几个方面得到具体体现的。如果出现了由图像的灰色像素值、三色图像值、光谱值等表示的幅度特性，那么这种类型的特征我们叫做其图像的最基本特征。它还可以呈现特定邻域中的平均灰度（例如，包含（2W+1）×（2W +1）像素）

其中：M 数字代表测量窗口中以（i，j）为中心的像素总数，N（b）代表窗口中b 的像素数量，这个数值是具有灰度的值。对于静止图像，可以将测量窗口当作整个图像进行使用。

同样地，基于二维联合像素密度来确定二维直方图。假设两个任意像素（i，j）和（k，l）的灰度值的表示方式分别是f（i，j）和f（k，l），则灰度图像的联合分布密度的表示方式如下所示

2.2 基于区域的特征提取

2.2.1 区域面积

该区域的面积主要的作用就是对这个区域的整体特征进行表示。它将区域的大小进行了概括，并且是对目标区域规模的度量。它仅与区域中包含的像素存在必然的关联，与区域内的灰色变化没有任何的关系。计算区域面积的最简单方法是对区域的边界和该区域中包含的像素数进行相应的计算。如果图像是二进制图像，则示目标区域的点就用像素值1 来表示，背景就用像素值0 来表示，则该区域的面积计算公式的表达就是

K 为边界点总数。

目标位置特征主要有两种方法，第一种方法是以图像的面积中心点来表示图像位置，对于NxM 大小的目标区域，其计算公式为

上面的方法相对简单，那么我们可以看到二进制图像的计算结果就可以当做是目标质心，但是对于灰度图像，这个方法对于目标区域灰度的变化并不做出相应的考量。那么对于目标区域灰度的变化进行相应的考量，我们可以在几何矩的基础上对目标区域的质心进行相应的计算。对于二进制有界函数，几何的定义表达式为

3 运用MATLAB 实现图像中区域特征检测

3.1 灰度处理

灰度处理是指不包含颜色信息而仅包含亮度信息的图像，我们从表面进行分析，灰度图像可以定义为黑白色的，但点之间的黑度是不同的。

图1 灰度处理图

原图像为400x348 像素，经程序灰度化处理和中值滤波后，整幅图像很易于后续的研究处理，由MATLAB 图像窗口看出图像的灰度处理结果达到预期要求。

3.2 用区域生长法分割图像

区域的增长一般情况是要将像素与其相邻像素在空间中的关系进行相应的考虑，首先将一个像素定义为起始像素，然后根据一定的相似性准则将该区域放大，然后逐渐创建具有一定均匀性的空间区域。合并具有相似属性的像素或区域的邻域或8 个邻域，以逐渐增加面积，一直到不会出现合并的点或其他小区域的时候停止。

图2 种子选择点图

通过MATLAB 软件实现的在灰度图上选取种子点，然后按照相似性准则生长区域，达到设计预期效果，图中小方框处即为种子生长点。

b.三个种子点区域生长结果

图3 三个种子点区域生长结果

在MATLAB 图像窗口中可看出，用区域生长法分割的结果清晰、正确，充分说明了MATLAB 的正确性，在软件里通过各种正确的程序代码，达到了设计预期效果。

3.3 图像区域基本特征计算

3.3.1 周长计算

图4 周长计算结果

在MATLAB 图像窗口中可看出，计算周长L=3899，结果符合，清晰正确，达到预期效果。

3.3.2 面积计算

图5 面积计算结果

在MATLAB 图像窗口中可看出，计算面积S=3899，结果经证实正确，达到预期效果。

3.3.3 重心坐标计算

图6 重心坐标计算结果

在MATLAB 图像窗口中可看出，计算重心坐标（x,y）=（2.5514,4.3660），结果经证实正确，达到预期效果。

结束语

图像特征主要是将图像处理的重要部分进。行相应的提取，这些提取出来的特征在数字视频处理、模式识别、目标识别和跟踪等等环节得到广泛的应用。目前尚无通用且精确的标志定义。特征的确切定义一般情况还要看问题或应用程序的类型。确定该功能是数字图像的“有趣”部分。它在一般的计算机图像分析算法当中是最基本的也是第一步。所以，算法的成功通常取决于其使用和定义的功能。所以，特征提取的最重要特征是“可重复性”：从同一场景的不同图像提取的元素基本上没有不一样的。特征提取是图像处理中的主要操作，换句话说，它是对图像执行的第一个处理操作。因为许多计算机图像算法当中主要的计算步骤就是特征提取，因此已经开发了大量的特征提取算法，并且将各种各样的特征进行了提取，提取出来需要我们加以深入研究。