基于matlab的图像形状与分类毕业设计(含源文）

基于matlab的图像形状与分类

摘 要

数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点，基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像形状的边缘提取和识别分类。论文主要论述了利用MATLAB实现对图像中的三角形，正方形，圆，椭圆，菱形的边缘提取和自动识别分类。

关键词：MATLAB；数字图像处理；图像形状；图像分类

目 录

1 引言 1
1.1课题研究目的及意义 1
1.2国内外研究现状 1
1.3本课题研究工作与结构安排 2
2 数字图像形状及预处理 3
2.1概述 3
2.2 数字图像的预处理 4
2.2.1数字图像 4
2.2.2采样 6
2.2.3量化 7
2.2.4 采样、量化和图像细节的关系 7
2.3几种典型的形状特征描述方法 8
3形状特征及提取分类 9
3.1 矩形度 10
3.2 圆形度 10
3.3 矩 11
3.4 不变矩 11
3.5基于不变矩的形状特征提取 12
3.5.1 特征提取步骤 12
3.5.2 边缘提取算子的确定 12
3.5.3 边缘提取常用算子 12
3.5.4 Canny算子 13
3.6 边缘提取实验结果及分析 15
3.6.1 边缘提取算法分析 15
3.6.2 图像形状识别结果 15
结 论 25
参考文献 26
致 谢 27
附录： 28

1 引言
本章简略介绍课题的研究目的及意义，该课题国内外研究现状以及论文内容安排等。
1.1 课题研究目的及意义
随着信息化多媒体时代的到来及世界范围内Internet的风行，人们在工作和生活中越来越多的接触到大量的各种各样的图像信息。图像作为一种重要的信息载体，具有直观、内容丰富、无语言限制和便于国际交流等特点，是组成多媒体信息的重要内容。图像处理技术已经广泛深入的应用于各行各业中。设计制造、医疗卫生、艺术文化、建筑工程、地理、公安等领域相继建立了各种图像库。
在浩如烟海的信息中，寻找感兴趣的资料是极其耗时的，人们对信息检索和系统的依赖日益加强。图像的特征提取是基于内容的图像检索系统部分的核心内容。
本文研究的重点就是如何从静态图像中提取出图像的形状特征。
典型框架是：对图像的形状进行人工标注分类。这种方法当图像数量不大时，不失为一种简单易行的方法。然而，当图像数据量非常庞大时，基于文本的图像检索存在着诸多困难，此时图像形状的自动识别就派上用场了。
1.2 国内外研究现状
因为图像特征提取及识别具有很强的实用性，国内外测绘界、计算机视觉、模式识别与人工智能等领域都对其进行了深入研究。国外如美国的Mckeown实验室、英国的VGG实验室、德国的波恩大学、奥地利的格拉茨大学等，国内如清华大学、北京大学、中科院等，在这方面都做了许多工作，取得了很大的成绩，有的成果己具备初步的实用价值。在上述研究的基础上，近年来国内外推出了一系列图形图像软件，它们具备了较强的图像特征提取和识别的功能。国外流行的图像特征提取及识别的软件，例如：德国softelec公司的VPStudio，日本日立公司的Imageseries，美国GTX公司的GTXRaster series，挪威Rasterex公司的RxAutoImage Pro 2000等。国内图像特征提取及识别软件，例如：东大阿尔派的SEAS系统，华中理工大学的EDIS工程图信息系统，西工大CAD中心的NPPU-EDRS工程图智能输入与识别系统，清华紫光的TH-DAIMS图纸处理系统等。
从上面特征提取和识别的研究现状来看，由于特征提取及识别问题本身的多样性和复杂性，现有的理论和方法离实际要求还有相当距离，一些根本的问题还有待进一步深入研究。现有的特征提取和识别算法基本上还是处于实验阶段，其实用性、通用性、准确性等方面离大规模实际应用的要求还有一定差距。所有这些应用都是和问题的性质密不可分的，至今还没有发展成统一、有效的可应用于所有模式识别的理论。虽然各特征提取与识别算法的处理能力、特征提取能力、特征识别能力的效果方面各有所长，但是仍然在算法的性能、通用性、自动化程度、准确率方面存在很多不足。因此，为了弥补这些不足，对于图像特征提取及识别技术的研究需要更多的关注，付出更多的努力。
1.3 本课题研究工作与结构安排
本文主要以MATLAB为工具来实现数字图像形状方面的研究与分类。全文共分3章，结构安排如下：
第一章 引言，介绍了课题研究目的及意义和国内外研究现状。
第二章 介绍了对数字图像进行预处理的基本步骤。
第三章 介绍了图像形状的基本特征及其分类识别。

2 数字图像形状及预处理
2.1 概述
形状特征是对图像中边界清晰的目标的最好表达方式。是图像目标的一种显著特征，在实际中通常利用形状特征或主要边界对图像进行检索和分类。图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
人的视觉系统对于景物的最初认识是物体的形状，能从二维图像中识别出许多物体。在人的视觉感知、识别和理解中，形状是一个重要参数。形状是刻画物体的本质特征之一，也是描述图像内容的一个重要特征。对图像的形状描述是一个非常复杂的问题，在二维情况下，形状可以定义为二维范围内一条简单连接曲线位置和方向的函数。因此形状的描述涉及到对封闭曲线的描述，或对轮廓所包围区域的描述。图像目标的边缘称为轮廓。轮廓是形状知觉中最基本的概念，它与形状有密切的联系。人在知觉一个形状以前一定先看到轮廓。当我们看到一个物体的形状时，就是看见了一个轮廓，这个轮廓把该物体与视野中的其它部分区分开来。直观的说，对形状的知觉要求在亮度不同的可见区域之间有一个线条分明的轮廓。轮廓的构成用数学语言来说是轮廓对应亮度的二阶导数，仅仅有亮度的线性变化并不产生轮廓。当人注意物体的形状时，倾向于固定的看某一些区域；而当人注意轮廓时，则把轮廓看成一条要追踪的路线，所以从轮廓到形状的知觉有一个“形状构成”的过程。可以这么说，轮廓只是边界，是一个局部概念，而形状是全体，是一个总体概念。
Matlab是非常好用的图像处理软件。Matlab是由美国MathWorks 公司开发的集数值计算、符号计算和图形可视化三大基本功能于一体的，功能强大、操作简单的语言。是国际公认的优秀数学应用软件之一。
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。
Matlab包括拥有数百个内部函数的主包和三十几种工具包(Toolbox)。工具包又可以分为功能性工具包和学科工具包。功能工具包用来扩充Matlab的符号计算，可视化建模仿真，文字处理及实时控制等功能。学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。
开放性使Matlab广受用户欢迎。除内部函数外，所有Matlab主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。
本文正是要使用Matlab从“轮廓”这个局部中找出特征来判断“形状”这个总体。
2.2 数字图像的预处理
2.2.1 数字图像
所谓数字图像就是把传统图像的画面分割成如图2-1所示的被成为像素（picture element, 简称pixel。有时候也用pel这一简写词）的小的离散点，各像素的灰度值也是用离散值即整数值来表示的。数字图像（digital imagine）和传统的图像即模拟图像(picture)是有差别的。

图2-1 数字图像
常见的数字图像格式有以下几种：
（1）PCX（Windows Paintbrush）格式。可处理1&#