蘭連意 李波

摘 要 由于彩色圖像提供了比灰度圖像更為豐富的信息，因此彩色圖像處理正受到人們越來越多的關(guān)注。彩色圖像分割是彩色圖像處理的重要問題，彩色圖像分割可以看成是灰度圖像分割技術(shù)在各種顏色空間上的應(yīng)用，為了使該領(lǐng)域的研究人員對當(dāng)前各種彩色圖像分割方法有較全面的了解，因此對各種彩色圖像分割方法進行了系統(tǒng)論述，即先對各種顏色空間進行簡單介紹，然后對直方圖閾值法、特征空間聚類、基于區(qū)域的方法、邊緣檢測、模糊方法、神經(jīng)元網(wǎng)絡(luò)、基于物理模型方法等主要的彩色圖像分割技術(shù)進行綜述，并比較了它們的優(yōu)缺點，通過比較發(fā)現(xiàn)模糊技術(shù)由于能很好地表達和處理不確定性問題，因此在彩色圖像分割領(lǐng)域會有更廣闊的應(yīng)用前景。

關(guān)鍵詞 彩色圖像分割 顏色空間 直方圖閾值化 邊緣檢測 模糊方法 神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP312 文獻標(biāo)識碼：A

1 數(shù)字圖像技術(shù)概述

數(shù)字圖像處理工具箱函數(shù)包括以下15類：（1）圖像顯示函數(shù)；（2）圖像文件輸入、輸出函數(shù)；（3）圖像幾何操作函數(shù)；（4）圖像像素值及統(tǒng)計函數(shù)；（5）圖像分析函數(shù)；（6）圖像增強函數(shù)；（7）線性濾波函數(shù)；（8）二維線性濾波器設(shè)計函數(shù)；（9）圖像變換函數(shù)；（10）圖像鄰域及塊操作函數(shù)；（11）二值圖像操作函數(shù)；（12）基于區(qū)域的圖像處理函數(shù)；（13）顏色圖操作函數(shù)；（14）顏色空間轉(zhuǎn)換函數(shù)；（15）圖像類型和類型轉(zhuǎn)換函數(shù)。

MATLAB圖像處理工具箱支持四種圖像類型，分別為真彩色圖像、索引色圖像、灰度圖像、二值圖像，由于有的函數(shù)對圖像類型有限制，這四種類型可以用工具箱的類型轉(zhuǎn)換函數(shù)相互轉(zhuǎn)換。MATLAB可操作的圖像文件包括JPG、HDF、JPEG、PCX、TIFF、XWD等格式。下面就圖像處理的基本過程討論工具箱所實現(xiàn)的常用功能。

圖像的讀寫與顯示操作：用imread（ ）讀取圖像，imwrite（ ）輸出圖像，把圖像顯示于屏幕有imshow（ ），image（ ）等函數(shù)。imcrop（）對圖像進行裁剪，圖像的插值縮放可用imresize（ ）函數(shù)實現(xiàn)，旋轉(zhuǎn)用imrotate（ ）實現(xiàn)。

圖像增強是數(shù)字圖像處理過程中常用的一種方法，目的是采用一系列技術(shù)去改善圖像的視覺效果或?qū)D像轉(zhuǎn)換成一種更適合于人眼觀察和機器自動分析的形式。

2 MATLAB圖像處理工具箱運用實例

為了證明MATLAB語言是一種簡潔，可讀性較強的高效率編程軟件，本文通過運用圖像處理工具箱中的有關(guān)函數(shù)對一實拍的芯片圖像進行處理。如圖1，圖“Fig.jpg”為一幅原圖像，該圖像右邊的剪切圖像為從“Fig.jpg”中剪切出的將用于分析的子圖像塊。為了便于分析與觀察，把子圖像塊旋轉(zhuǎn)90度置于水平位置并把該圖存在名為“Fig1.jpg”的圖像文件中。以上的過程可用以下代碼實現(xiàn)。

x=imread（'E：＼study＼電子與通信＼Term 2＼數(shù)字圖像處理DIP＼Fig.jpg'）；

figure，imshow（x）；

y=imcrop（x）；

figure，imshow（y，[]）；

z=imrotate（y，90）；

imwrite（z，'E：＼study＼電子與通信＼Term 2＼數(shù)字圖像處理DIP＼Fig1.jpg'，'jpg'）；

isrgb（z）

原圖Fig.jpg 剪貼圖Fig1.jpg

圖1

經(jīng)判斷得知該圖像為一真彩色圖像，首先把它轉(zhuǎn)換為灰度圖像，以下所有的進一步處理均采用經(jīng)過灰度化處理后的圖像作為原圖。

通過比較灰度原圖和經(jīng)均衡化后的圖形可見圖像變得清晰，均衡化后的直方圖形狀比原直方圖的形狀更理想。效果比較見圖2，程序代碼如下：

x=imread（'E：＼study＼電子與通信＼Term 2＼數(shù)字圖像處理DIP＼Fig1.jpg'）；

y=rgb2gray（x）；

subplot（221），imshow（y）；title（'Fig1.jpg 灰度化圖像'）；

subplot（222），imhist（y）；title（'均衡化前直方圖'）；

I=histeq（y）；

subplot（223），imshow（I）；title（'均衡化后圖像'）；

subplot（224），imhist（I）；title（'均衡化后直方圖'）；

圖2

3 結(jié)論

以上圖像處理實例只是對MATLAB圖像工具箱的一小部分進行運用，經(jīng)過更進一步的圖像分割、二值化、歸一化等處理，可以把芯片中的字符特征提取出來送入神經(jīng)網(wǎng)絡(luò)分類器進行識別，我們應(yīng)用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱對字符分類進行模擬仿真也取得了較好的效果。由此可以看出MATLAB語言簡潔，可讀性強，工具箱涉及的專業(yè)領(lǐng)域廣泛且功能強大。圖像工具箱幾乎包括所有經(jīng)典的圖像處理方法。由于工具箱具有可靠性和開放性，我們可以方便地直接加以使用，也可以把自己的代碼加到工具箱中以改進函數(shù)功能，同時，MATLAB中的小波工具箱也有許多函數(shù)可運用于圖像處理技術(shù)。因此，在圖像處理技術(shù)中使用MATLAB語言可以快速實現(xiàn)模擬仿真，大大提高實驗效率， 如果要開發(fā)實用程序，MATLAB語言還可以通過MEX動態(tài)連接庫實現(xiàn)與C語言的混合編程，為工程應(yīng)用提供了更多的便利條件。

參考文獻

[1] 王新成.高級圖像處理技術(shù)[M] .北京：中國科學(xué)技術(shù)出版社，2001，18-90.

[2] Kenneth·R·Castleman.數(shù)字圖像處理技術(shù)[M].北京：電子工業(yè)出版社，1998，14-16.

[3] 周龍，等.基于MATLAB的儲糧害蟲圖像處理方法[J].微計算機信息，2005，2-0.