基于simulink的圖像處理

《基于simulink的圖像處理》由會員分享，可在線閱讀，更多相關(guān)《基于simulink的圖像處理（53頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、基于Simulink的圖像處理,課程小結(jié),圖像增強的simulink實現(xiàn),圖像灰度變換增強：增強圖像的對比度,,Simulink實現(xiàn)的具體步驟： 1、啟動Simulink 方法有兩個： （1）在“CommandWindow”中輸入“simulink”啟動 （2）單擊matlAB窗體的simulink快捷鍵 2、選擇Simulink窗口菜單欄的File|New|Model命令，新建一個*.mdl文件。如右圖：,,3、添加仿真模型所需要的子模塊在lx1的窗口中。 （1）從“sources”子模塊庫中選擇“Image Form File”模塊拖放到lx1中相應(yīng)的位置； （2）從“analysis (

2、2) “Contrast Adjustment”模塊中設(shè)置： main標簽Adjust pixels values from下拉列表中選擇Range determined by saturating outlier pixels;,,6、仿真器參數(shù)的設(shè)置：在lx1窗口的菜單項Simulation|Configuration Parameters命令，彈出如圖對話框，并進行相應(yīng)設(shè)置：選擇select標簽的solver選項；simulation time標簽，將star time和stop time分別為0；在type標簽下拉列表選擇Fixed step；在solver標簽下拉列表中選擇Discr

3、et額（no continous states）。 6、運行仿真系統(tǒng)。,,仿真結(jié)果,,上述例子還可由M語言實現(xiàn)： I=imread(C:Program FilesMATLABR2010btoolboximagesimdemospout.tif); I=double(I); M,N=size(I); for i=1:M for j=1:N if I(I,j)<=30 I(I,j)= I(I,j); elseif I(I,j)<=150 I(I,j)= (200-30)/(150-30)*( I(I,j)-30)+30; else I(I,j)= (255-200)/(255-150)*( I

4、(I,j)-150)+200; end end end Figure;imshow(uint8(I));,,圖像平滑增強：突出圖像主要部分或抑制噪聲，并使得亮度平緩漸變。 例如：用中值濾波Median Filter模塊去除圖像中的椒鹽噪聲。 A=imread(eight.tif); B=imnoise(A,salt ,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From Workspace”模塊；“Analysis B=imnoise(A,salt ,,圖像銳化增強：恰與平滑相反，補償圖像輪廓，增強圖像的邊緣及灰度跳變的部分，增強細節(jié)，使得圖像更清晰。 例如：

5、用FIR濾波器2-D FIR Filter模塊進行圖像銳化。,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Filtering”模塊庫中選“2-D FIR Filter”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊； （2）建立連接，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置。“Image From File”模塊的參數(shù)，main標簽value的文本框中輸入文件； （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(fuwa.jpg); B=fspecial(Sobel); fspeci

6、al(Sobel); B=B; C=filter2(B,A); Figure, imshow(C);,3、圖像轉(zhuǎn)換的Simulink實現(xiàn),數(shù)字圖像處理中，圖像轉(zhuǎn)換主要包括圖像類型轉(zhuǎn)換、色彩空間轉(zhuǎn)換、圖像求補及圖像數(shù)據(jù)轉(zhuǎn)換等。 圖像類型轉(zhuǎn)換 圖像類型：主要類型有RGB、灰度、二值和索引。 例如：用自動閾值A(chǔ)utothreshold模塊將灰度圖像轉(zhuǎn)換為二值圖。,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Conversion”模塊庫中選“Autothreshold”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊； （2）

7、建立連接，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置。“Image From File”模塊的參數(shù)，main標簽value的文本框中輸入文件； （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,色彩空間轉(zhuǎn)換 有9種類型可供選擇，如RGB轉(zhuǎn)換為灰度，灰度轉(zhuǎn)換為等。,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Conversion”模塊庫中選“Image Data Type Conversion”模塊和“Color Space Conversion”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊； （2）建立連接，形成仿真

8、模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置?！癐mage From File”模塊的參數(shù)，main標簽value的文本框中輸入文件；在Image Data Type Conversion”模塊的Out Data Type下拉列表中選擇double；在“Color Space Conversion”模塊的Conversion下拉列表選擇“RGB to HSV”。 （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(pears.png); HSV=rgb2hsv(A); Figure, imshow(HSV);,,圖像求補：將原圖像灰度翻轉(zhuǎn) 例如：用圖像求補Image

9、Complement模塊實現(xiàn)。,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Conversion”模塊庫中選“Image Complement”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊； （2）建立連接，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置?！癐mage From File”模塊的參數(shù)，main標簽value的文本框中輸入文件liftingbody.png； （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(liftingbody.png); B=double(A); B=

10、256-1-B; B=uint8(B); Figure, imshow(B);,4、圖像幾何變換的Simulink實現(xiàn),圖像的幾何變換主要指在大小、位置和幾何形狀的變換處理。 圖像的旋轉(zhuǎn) 例如：Rotate模塊實現(xiàn),,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Geometric Transformations”模塊庫中選“Rotate”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊； （2）建立連接，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置?！癐mage From File”模塊的參數(shù)，main標簽value的文本

11、框中輸入文件autumn.tif；在“Rotate”模塊main標簽下的Angle（radians）輸入pi/2 （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(autumn.tif); B=imrotate(A,90,nearest); Figure, imshow(B);,,圖像的縮放：用Resize模塊實現(xiàn),,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Geometric Transformations”模塊庫中選“Resize”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊；（2）

12、建立連接，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置?！癐mage From File”模塊的參數(shù)，main標簽value的文本框中輸入文件kits.tif；在“Resize”模塊main標簽下的Resize facter in文本框輸入【50 50】 （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(kits.tif); B=imresize(A,0.5,nearest); Figure, imshow(A); Figure, imshow(B);,5、圖像圖形學(xué)描述Simulink實現(xiàn),數(shù)學(xué)形態(tài)學(xué)是以幾何學(xué)為基礎(chǔ)對圖像進行分析，其基本思想就是用一個結(jié)構(gòu)體

13、元素作為基本工具來探測和提取圖像特征，看這個結(jié)構(gòu)元素是否能夠適當有效地放入圖像內(nèi)部。 形態(tài)學(xué)最基本的運算時膨脹和腐蝕，利用膨脹和腐蝕運算可以組成開啟和閉合等其他形態(tài)學(xué)的計算。,,膨脹和腐蝕：經(jīng)過膨脹后，圖像比原圖像所占像素更多；而腐蝕后，圖像則較原圖像有所收縮。 例如：通過Dilation模塊和Erosion模塊實現(xiàn)。,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Morphological Operation”模塊庫中選“Dilation”模塊和“Erosion”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊；（2）建立

14、連接，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置?！癐mage From File”模塊的參數(shù)，main標簽value的文本框中輸入文件cameraman.tif； （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(cameraman.tif); SE=strel(disk,4,4); B=imdilate(A,SE); C=imerode(A,SE); Figure Subplot(121),imshow(B);xlabel(a)膨脹后圖像); Subplot(121), imshow(C); xlabel(b)腐蝕后圖像);,,開啟與閉合：開啟通常起到平

15、滑圖像輪廓的作用，去掉輪廓上的突出毛刺，截斷狹窄的山谷；閉合雖然對輪廓有平滑作用，但結(jié)果相反，它能去除區(qū)域中的小孔，填平狹窄的斷裂、細長的溝壑及輪廓的缺口。 例如：通過Opening和Closing模塊消除噪聲。 先行準備帶有椒鹽噪聲的圖像 A=imread(tire.tif); B=imnoise(A,salt ,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Morphological Operation”模塊庫中選“Opening”模塊和“Closing”模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊； （2）建立連接

16、，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置。“Image From File”模塊的參數(shù)，main標簽value的文本框中輸入文件tire.tif；在Opening模塊中，將Neighborhood or strucuring element設(shè)為strel(disk,2)。 （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(tire.tif); B=imnoise(A,salt ,,形態(tài)學(xué)對圖像的操作：對二值圖像，可用形態(tài)學(xué)對圖像進行適當?shù)牟僮?，以此來提取圖像的描述。 例如:用形態(tài)學(xué)方法分析計算一幅硬幣圖像里的硬幣數(shù)量。,,建立仿真模型文件。 （1）“So

17、urces”模塊庫中選擇“Image From File”模塊；“Morphological Operation”模塊庫中選“Opening”模塊和“Label”模塊；“Conversion”子模塊中選擇Autothreshold模塊；“Sinks”模塊庫中選擇“Video Viewer”模塊和“Display”模塊； （2）建立連接，形成仿真模型，并保存結(jié)果。 （3）模塊參數(shù)設(shè)置?！癐mage From File”模塊的參數(shù)，main標簽value的文本框中輸入文件coins.png；在Autothreshold模塊中，將main標簽的Scale threshold復(fù)選框選中，在其下的Thr

18、eshold scaling factor文本框中輸入0.9，在“Label”模塊中，在Output下拉列表中選擇Number of Labels。 （4）仿真器參數(shù)設(shè)置同上例。運行結(jié)果如下：,,通過M語言實現(xiàn)： A=imread(coins.png); B=im2bw(A); SE=strel(disk,5); C=imopen(B,SE); Figure Subplot(121),imshow(B);xlabel(a)二值圖像); Subplot(122), imshow(C); xlabel(b)開運算后圖像);,6、圖像處理綜合實例的Simulink,MatlAB/Simulink視頻

19、和圖像處理模塊集包括多個子模塊，在實際應(yīng)用中，往往根據(jù)項目的需要，選取適當?shù)哪K對視頻和圖像進行處理。 例如1：使用視頻和圖像處理模塊集，對圖像進行旋轉(zhuǎn)和增強，改善圖像的顯示效果。,,建立仿真模型文件。 （1）“Sources”模塊庫中選擇“Image From File”模塊；“Geometric Transformation”模塊庫中選擇Rotate模塊；“Analysis X2=0,1,0,0,0,1,0,0,0,1,0,0,0,1,0,0; X1=1,1,1,1,1,0,0,1,1,0,0,0,1,1,1,1; (2)令這三個輸入模式所對應(yīng)的輸出為Y1=1,0,0T,Y2=0,1,0T

20、,Y3=0,0,1T,,,（3）為有效地識別這三個圖形，需要構(gòu)成一個輸入層神經(jīng)元個數(shù)n=16，輸出神經(jīng)元個數(shù)為q=3，它的中間神經(jīng)元個數(shù)為8個。對于這個網(wǎng)絡(luò)的最大允許誤差 max=0.01，其計算方法的數(shù)學(xué)表達式為： yt為第t個神經(jīng)網(wǎng)絡(luò)的期望輸出值，Ct為第t個神經(jīng)網(wǎng)絡(luò)的實際輸出值 學(xué)習(xí)系數(shù) 和 ，在學(xué)習(xí)過程中取0.01；網(wǎng)絡(luò)的最大學(xué)習(xí)次數(shù)為100。,,（4）代碼實現(xiàn)： function w,v,theta,r,t,mse=bptrain(n,p,q,X,Yo,k,emax,cntmax,a1,b1,rou) %n表示輸入神經(jīng)元個數(shù)，p為中間層神經(jīng)元個數(shù)，q為輸出神經(jīng)元個數(shù) %X表示輸入訓(xùn)

21、練模式，Yo為標準輸出，k為訓(xùn)練模式的個數(shù) %emax表示最大誤差，cntmax表示最大訓(xùn)練誤差，a1，b1表示學(xué)習(xí)系數(shù)，rou表示動量系數(shù) %w、theta表示結(jié)束后輸入層與輸出層連接權(quán)系數(shù)和閾值 %v、r表示訓(xùn)練計算后中間層和輸出層連接權(quán)和閾值 %t表示訓(xùn)練時間，mse表示每次訓(xùn)練結(jié)束后的全局誤差 tic; w=rands(n,p); %輸入層與隱含層連接權(quán) v=rands(p,q); %隱含層與輸出層連接權(quán) theta=rands(1,p); %中間層閾值 r=rands(1,q); %輸出層閾值 cnt=1; er=0; %全局誤差為0 mse=zeros(1,cntm

22、ax);%每次迭代全局誤差數(shù)組 while((eremax)|(cnt<=cntmax)) E=zeros(1,q); %循環(huán)模式識別 for cp=1:k X0=X(cp,:); Y0=Yo(cp,:); %計算中間層的輸入Y(j) Y=X0*w; %計算中間層的輸出 Y=Y-theta; for j=1:p b(j)=1/(1+exp(-Y(j)));%輸出中間層 end %計算輸出層c Y=b*v; Y=Y-r; for t=1:q c(t)=1/(1+exp(-Y(t)));%輸出中間層(Y0(t)-c(t))*c(t)

23、*(1-c(t)); end %計算輸出層校正誤差d for t=1:q d(t)=(Y0(t)-c(t))*c(t)*(1-c(t)); end %計算中間層校正誤差e xy=d*v; for t=1:p e(t)=xy(t)*b(t)*(1-b(t)); end %計算下一次中間層和輸出之間新的連接權(quán)v（i，j），閾值r（j） for t=1:q for j=1:p v(j,t)=v(j,t)+a1*d(t)*b(j); end r(t)=r(t)+a1*d(t); end %下移除輸入層和中間層之間的連

24、接權(quán)w(i,j),閾值r(j) for j=1:p for i=1:n w(i,j)=w(i,j)+b1*e(j)*X0(i); end theta(j)=theta(j)+b1*e(j); end for t=1:q E(cp)=(Y0(t)-c(t))*(Y0(t)-c(t))+E(cp);%計算當前學(xué)習(xí)模式的全局誤差 end E(cp)=E(cp)*0.5; end er=sum(E);%計算全局誤差 mse(cnt)=er;%保存全局誤差 cnt=cnt+1;%更新學(xué)習(xí)次數(shù) end t=toc;,,function c=bp

25、test(p,q,n,w,v,theta,r,X) %c表示模式X送入神經(jīng)網(wǎng)絡(luò)的識別結(jié)果 %計算中間層的輸入Y(j) Y=X*w; %計算中間層輸出b Y=Y-theta;%中間層閾值 for j=1:p b(j)=1/(1+exp(-Y(j))); end %計算輸出層c Y=b*v; Y=Y-r; thr1=0.01;thr2=0.5; for t=1:q c(t)=1/(1+exp(-Y(t))); end,,clear all; close all; clc; X1=1,1,1,1,1,0,0,1,1,1,1,1,1,0,0,1;%識別模式 X2=0,1,0,0,0,1,0,0,0

26、,1,0,0,0,1,0,0; X3=1,1,1,1,1,0,0,1,1,0,0,0,1,1,1,1; X=X1;X2;X3; Y1=1 0 0;%輸出模式 Y2=0 1 0; Y3=0 0 1; Yo=Y1;Y2;Y3; n=16; p=8; q=3; k=3; a1=0.2;b1=0.2; %rou=0.5;%動量系數(shù) emax=0.01;cntmax=100;%最長誤差，訓(xùn)練次數(shù) w,v,theta,r,t,mse=bptrain(n,p,q,X,Yo,k,emax,cntmax,a1,b1);%訓(xùn)練網(wǎng)絡(luò) X4=1 1 1 1,1 0 0 1,1 1 1 1,1 0 1 1; disp(

27、模式X1的識別結(jié)果：) c1=bptest(p,q,n,w,v,theta,r,X1) disp(模式X2的識別結(jié)果：) c2=bptest(p,q,n,w,v,theta,r,X2) disp(模式X3的識別結(jié)果：) c3=bptest(p,q,n,w,v,theta,r,X3) disp(模式X4的識別結(jié)果：) c4=bptest(p,q,n,w,v,theta,r,X4) c=c1;c2;c3;c4; for i=1:4 for j=1:3 if c(i,j)0.5 c(i,j)=1; elseif c(i,j)<0.2 c(i,j)=0; end end end disp(模式X1X4的識別結(jié)果) c disp(時間：) t,運行結(jié)果：,模式X1的識別結(jié)果： c1 = 0.9491 0.0217 0.0412 模式X2的識別結(jié)果： c2 = 0.0434 0.9515 0.0462 模式X3的識別結(jié)果： c3 = 0.0457 0.0501 0.9351 模式X4的識別結(jié)果： c4 = 0.8990 0.0216 0.0829 模式X1X4的識別結(jié)果 c = 1 0 0 0 1 0 0 0 1 1 0 0 時間： t = 0.2581,論文提交,MATLAB實現(xiàn)的M程序 適當?shù)淖⑨?結(jié)果的簡要說明,,,謝謝！,