數(shù)字圖像處理課程設(shè)計--基于matlab的數(shù)字圖像處理

1、<p>　　數(shù)字圖像處理課程設(shè)計</p><p>　　基于Matlab的數(shù)字圖像處理</p><p><b>　　——圖像識別</b></p><p>　　院系 信息技術(shù)學(xué)院 </p><p>　　專業(yè)班級 軟件2班 </p><p>　　學(xué)號 XXX

2、XXXXXXX </p><p>　　姓名 XXXX </p><p>　　指導(dǎo)教師 XXXXXX </p><p>　　課程設(shè)計時間 2014年12月 </p><p><b>　　目錄</b></p><p><b>　　摘要3&

3、lt;/b></p><p>　　一、課程設(shè)計目的及任務(wù)4</p><p><b>　　二、設(shè)計的內(nèi)容6</b></p><p><b>　　三、設(shè)計的實現(xiàn)7</b></p><p><b>　　四、系統(tǒng)調(diào)試18</b></p><p>　

4、　五、課程設(shè)計總結(jié)與體會20</p><p><b>　　參考文獻21</b></p><p><b>　　摘要</b></p><p>　　本文主要介紹了一種采用基于matlab數(shù)字圖像處理的圖像識別技術(shù)，對身份證原始圖像中的序列號標(biāo)示進行圖像識別的方法。該系統(tǒng)通過圖像預(yù)處理、圖像定位、圖像校正并最終輸出結(jié)果。在系統(tǒng)

5、調(diào)試階段，根據(jù)遇到的錯誤即時對原系統(tǒng)進行調(diào)整，并最終獲得較為穩(wěn)定高效的身份證序列號快速識別系統(tǒng)。</p><p>　　關(guān)鍵詞 matlab 數(shù)字圖象 圖像識別 身份證序列號</p><p>　　一、課程設(shè)計目的及任務(wù)</p><p>　　圖像信息是人類獲得外界信息的主要來源，在現(xiàn)代科學(xué)研究、工業(yè)生產(chǎn)、軍事技術(shù)等各個領(lǐng)域中，人們越來越多的利用圖像信息來認(rèn)識和判斷

6、事物，解決實際問題，因此圖像信息獲得和處理顯得尤為重要。尤其是在當(dāng)今科技迅速發(fā)展的時代，對圖像信息處理提出了更高的要求，以便更加快速、準(zhǔn)確、可靠地獲得有用信息[1]。</p><p>　　圖像處理技術(shù)基本可以分成兩大類：模擬圖像處理(Analog Image Processing)和數(shù)字圖像處理(Digital Image Processing)，數(shù)字圖像處理是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機進行處理的過程

7、。數(shù)字圖像處理技術(shù)主要包括如下內(nèi)容：幾何處理(Geometrical Processing)、算術(shù)處理(Arithmetic processing)、圖像增強(Image Enhancement)、圖像復(fù)原(Image Restoration)、圖像重建(Image Reconstruction)、圖像編碼(Image Encoding)、圖像識別(Image Recognition)、圖像理解(Image understanding)

8、。數(shù)字圖像處理技術(shù)的發(fā)展涉及信息科學(xué)、計算機科學(xué)、數(shù)學(xué)、物理學(xué)以及生物學(xué)等學(xué)科，因此數(shù)理及相關(guān)的邊緣學(xué)科對圖像處理科學(xué)的發(fā)展有越來越大的影響。近年來，數(shù)字圖像處理技術(shù)日趨成熟，廣泛應(yīng)用于空間探測、遙感、生物醫(yī)學(xué)、人工智能以及工業(yè)檢測等許多領(lǐng)域，并促使這些學(xué)科產(chǎn)生了新的發(fā)展[2]。</p><p>　　Matlab軟件自從20世紀(jì)80年代中期推出以來，不斷吸收各學(xué)科領(lǐng)域權(quán)威人士編寫的實用程序，經(jīng)過多年的發(fā)展及不斷完

9、善，現(xiàn)已成為國際公認(rèn)的、最優(yōu)秀的科學(xué)計算與數(shù)學(xué)應(yīng)用軟件之一，集數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體，構(gòu)成了一個方便的、界面友好的用戶環(huán)境，是近年來在國內(nèi)外廣泛流行的一種可視化科技計算軟件[3]，也對數(shù)字圖像處理技術(shù)的研究帶來飛速發(fā)展。</p><p>　　本文主要選取基于matlab的數(shù)字圖像處理中圖像識別功能進行課程設(shè)計，通過對系統(tǒng)的調(diào)試及學(xué)習(xí)，掌握matlab數(shù)字圖像處理技術(shù)的基礎(chǔ)知識及基本程序設(shè)計方

10、法。所謂圖像識別是指通過對圖像中各種不同的物體進行定量化描述之后，將所期望獲得的目標(biāo)物質(zhì)進行提取，并且對所提取的目標(biāo)物進行一定的定量分析。要達到這個目的，實際上就是要實現(xiàn)對圖像內(nèi)容的理解，以及對特定目標(biāo)的一個識別。因此，其核心是要完成依據(jù)目標(biāo)物的特征對圖像進行區(qū)域分割，獲得期望目標(biāo)所在的局域區(qū)域[4]。本文基于matlab程序，期望對身份證序列號進行快速定位和圖像識別。</p><p>　　近年來，圖像處理技術(shù)和

11、模式識別技術(shù)的發(fā)展越來越成熟，各種證件的識別也越來越廣泛的應(yīng)用于人民的生活中，身份證號碼的自動識別技術(shù)也隨之產(chǎn)生[5]。它使身份證號碼的錄入自動化，快速化，提高了工作效率，大大減少了人工量。而且，隨著計算機技術(shù)的發(fā)展，我們還可以對各項得到的數(shù)據(jù)進行管理，這使得信息的查詢與管理越來越方便、快捷，使身份證自動識別技術(shù)的普及提供了前提條件?？梢?，身份照明自動識別代替手工錄入，具有很重要的現(xiàn)實意義級廣闊的應(yīng)用前景。</p><

12、;p>　　身份證號碼識別算法主要應(yīng)用于二代身份證驗證過程中的檢證系統(tǒng)，主要處理的對象基本上是二維圖像。在身份證的制造過程中難免出現(xiàn)一些問題，通過檢測身份證號碼記錄合格和不合格的身份證，進而進一步的處理，通過機器識別身份證號碼這樣既減少了大量的人工勞動又大大提高了工作效率。</p><p><b>　　二、設(shè)計的內(nèi)容</b></p><p>　　學(xué)習(xí)MATLAB程

13、序設(shè)計，利用MATLAB函數(shù)功能，設(shè)計和實現(xiàn)一種身份證號識別系統(tǒng)。身份證號識別系統(tǒng)的基本工作原理為：將不同途徑獲取的身份證圖像輸入到計算機中進行預(yù)處理，再對身份證序列號進行搜索、檢測、定位，并分割出包含身份證序列號的矩形區(qū)域，實現(xiàn)對序列號的快速識別。</p><p>　　由于圖像識別技術(shù)在靜態(tài)車牌圖像識別中發(fā)展較完善，因此本文也參考了車牌圖像識別中相關(guān)資料和其他參考書[6-8]。系統(tǒng)可以運行于Windows XP

14、、windows 7等操作系統(tǒng)下，程序調(diào)試時使用matlab R2013b。系統(tǒng)所用具體功能模塊及函數(shù)的工作原理、實現(xiàn)方法及效果圖在下一節(jié)分步說明。</p><p><b>　　三、設(shè)計的實現(xiàn)</b></p><p><b>　　1.載入原始圖像</b></p><p>　　系統(tǒng)調(diào)試過程中原始圖像的獲取從百度圖片中獲得，在

15、后續(xù)系統(tǒng)測試過程中為了驗證系統(tǒng)的穩(wěn)定性和統(tǒng)一性加入直接掃描獲得的圖片作為原始圖像。</p><p>　　>> I=imread('1.jpg');</p><p>　　figure(1),imshow(I);</p><p>　　title('原始圖像');%將身份證的原圖顯示出來，并加標(biāo)題為“原始圖像”。</p&g

16、t;<p><b>　　結(jié)果如下：</b></p><p>　　圖1 身份證原始圖像</p><p>　　2. 將彩圖轉(zhuǎn)換為灰度圖并繪制直方圖</p><p>　　在數(shù)字圖像處理中，灰度直方圖是最簡單且最有用的工具，直方圖表達的信息是每種亮度的像素點的個數(shù)。直方圖是圖像的一個重要特征，因為直方圖能夠用少量的數(shù)據(jù)表達圖像的灰度統(tǒng)計特

17、征。一個灰度級別在范圍[0,L-1]的數(shù)字圖像的直方圖是一個離散的函數(shù)：</p><p>　?。ㄆ渲?，n是圖像的像素總數(shù)；nk是圖像中第k個灰度級的像素總數(shù)；rk是第k個灰度級，k=0,1,2,…，L-1）</p><p><b>　　具體程序如下：</b></p><p>　　>> I1=rgb2gray(I);%將RGB圖轉(zhuǎn)換為

18、灰度圖</p><p>　　figure(4),subplot(1,2,1),imshow(I1);</p><p>　　title('灰度圖');%繪制灰度圖</p><p>　　figure(4),subplot(1,2,2),imhist(I1);</p><p>　　title('灰度圖直方圖');%繪

19、制灰度圖的直方圖</p><p><b>　　結(jié)果如下：</b></p><p><b>　　圖2 灰度圖直方圖</b></p><p>　　3. 原始圖像幾何變換</p><p>　　由于身份證序列號固定位于圖像右下角，為了更好的對圖樣進行操作及有效處理，先對原始圖像中序列號進行粗定位，對原始圖像

20、進行剪切及放大操作。（在系統(tǒng)完成后測試代碼時發(fā)現(xiàn)，對不同采樣圖像原始大小不同，以下代碼調(diào)試所用原圖大小為[475,225]，故對其他采樣圖像可以壓縮至同等大小，故本系統(tǒng)中剪切圖像選擇區(qū)域即具有普適性，壓縮程序在系統(tǒng)調(diào)試中加以說明，在此略過。）</p><p><b>　　3.1 圖像剪切</b></p><p>　　在matlab中，用函數(shù)imcrop實現(xiàn)對圖像剪切操

21、作。該操作剪切的是圖像中的一個矩形子圖，用戶可以通過參數(shù)指定這個矩形四個頂點的坐標(biāo)，也可以交互地用鼠標(biāo)選取這個矩形。</p><p><b>　　具體程序如下：</b></p><p>　　>>I2=imcrop(I,[ 180,300,480,180]);%在一定區(qū)域范圍內(nèi)對圖像進行剪切</p><p>　　figure(2);i

22、mshow(I2);</p><p>　　title('剪切后的圖像');%顯示圖像并命名為“剪切后的圖像”</p><p><b>　　結(jié)果如下：</b></p><p>　　圖3 對原始圖像進行剪切后的圖像</p><p><b>　　3.2 圖像的放大</b></p>

23、;<p>　　對原圖像進行放大操作，以便于后期處理及有效識別。Matlab中，用函數(shù)imresize來實現(xiàn)對圖像的縮放。可以使用最近鄰值、雙線性插值和雙三次插值方法。其中直接賦值為和它最相近的像素灰度值，稱為最近鄰插值法，該方法的主要特點是簡單、計算量很小，但放大效果較差，可能會產(chǎn)生馬賽克現(xiàn)象。通過數(shù)學(xué)插值算法來計算相應(yīng)的像素點的灰度值，這類方法處理效果好，但運算量會有所增加。本文選用的是雙線性插值法進行放大操作。<

24、/p><p><b>　　具體程序如下：</b></p><p>　　>> I3=imresize(I2,2,'bilinea');%對剪切后圖像進行雙線性插值法進行放大2倍處理</p><p>　　>> figure(3);imshow(I3);</p><p>　　>>

25、 title('雙線性插值圖像');</p><p><b>　　結(jié)果如下：</b></p><p>　　圖4 雙線性插值圖像</p><p><b>　　4.邊緣檢測</b></p><p>　　圖像的邊緣是指其周圍像素灰度急劇變化的那些像素的集合，她是圖像最基本的特征。邊緣存在于

26、目標(biāo)、背景和區(qū)域之間，所以它是圖像分割所依賴的最重要的依據(jù)。由于邊緣是位置的標(biāo)志，對灰度的變化不敏感，因此，邊緣也是圖像匹配的重要特征。</p><p>　　邊緣檢測的基本思路是先檢測圖像中的邊緣點，在按照某種策略將邊緣點連接成輪廓，從而構(gòu)成分割區(qū)域。由于邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開，因此邊緣檢測對于數(shù)字圖像處理十分重要。</p><p>　　一階微分

27、邊緣算子也稱梯度邊緣算子，他是利用圖像在邊緣處的階躍性，即圖像梯度在邊緣取得極大值的特性進行邊緣檢測的，本文采用sobel算子進行邊緣檢測。</p><p><b>　　具體程序如下：</b></p><p>　　>> I4=edge(I3,'sobel');%用sobel算子進行邊緣檢測</p><p>　　fig

28、ure(5),imshow(I4);</p><p>　　title('sobel算子邊緣檢測圖像');</p><p><b>　　結(jié)果如下：</b></p><p>　　圖5 sobel算子邊緣檢測圖像</p><p><b>　　5. 圖像腐蝕</b></p>&

29、lt;p>　　腐蝕運算是形態(tài)學(xué)處理的基礎(chǔ)，腐蝕表示用某種（即某種形狀的基元或者結(jié)構(gòu)元素）對一個圖像進行探測，以便找出在圖像內(nèi)部可以放下該基元的區(qū)域。腐蝕過程相當(dāng)于“收縮”或“細化”二值圖像中的對象，采用matlab中的imerode函數(shù)來實現(xiàn)腐蝕操作。</p><p><b>　　具體程序如下：</b></p><p>　　se=[1;1;1];%選取結(jié)構(gòu)元素矩

30、陣</p><p>　　I5=imerode(I4,se);%對圖像實施腐蝕操作，即膨脹的反操作</p><p>　　figure(6),imshow(I5);%顯示圖6</p><p>　　title('腐蝕操作');%將圖像命名為“腐蝕操作”</p><p><b>　　結(jié)果如下：</b></p

31、><p>　　圖6 進行腐蝕操作后的圖像</p><p><b>　　6.平滑圖像</b></p><p>　　任何一副原始圖像在獲取和傳輸?shù)冗^程中，會受到各種噪聲的干擾，使圖像質(zhì)量下降，圖像模糊，特征淹沒，對圖像分析不利。為了抑制噪聲改善圖像質(zhì)量所進行的處理稱圖像平滑或去噪。圖像平滑是指用于突出圖像的寬大區(qū)域、低頻成分、主干部分或抑制圖像噪聲和干

32、擾高頻成分，使圖像亮度平緩漸變，減小突變梯度，改善圖像質(zhì)量的圖像處理方法。圖像平滑可以在空間域和頻率域中進行。本文采用imclose函數(shù)對圖像進行平滑處理，imclose是對圖像實現(xiàn)閉運算，閉運算也能平滑圖像的輪廓，但與開運算相反，它一般融合窄的缺口和細長的彎口，去掉小洞，填補輪廓上的縫隙。</p><p><b>　　具體程序如下：</b></p><p>　　&g

33、t;> se=strel('rectangle',[25,25]);%構(gòu)造結(jié)構(gòu)元素以正方形構(gòu)造一個se</p><p>　　I6=imclose(I5,se);% 圖像平滑、填充圖像</p><p>　　figure(7),imshow(I6);</p><p>　　title('平滑圖像');</p><

34、p><b>　　結(jié)果如下所示：</b></p><p><b>　　圖7 平滑圖像</b></p><p>　　7. 刪除二值圖像的小面積對象</p><p>　　采用matlab中bwareaopen函數(shù)刪除二值圖像BW中面積小于某值的對象，此數(shù)值經(jīng)過調(diào)試后在本系統(tǒng)中定位1000。</p><p

35、><b>　　具體程序如下：</b></p><p>　　>> I7=bwareaopen(I6,1000);% 去除灰度值小于1000的部分</p><p>　　figure(8),imshow(I7);</p><p>　　title('刪除小面積對象'); %顯示濾波后圖像并命名為“刪除小面積對象”&l

36、t;/p><p><b>　　結(jié)果如下：</b></p><p>　　圖8 刪除小面積對象</p><p><b>　　8. 身份證號定位</b></p><p>　　采用以下程序?qū)ι矸葑C號進行定位并顯示最終圖像，相關(guān)程序說明見備注。</p><p><b>　　具體程

37、序如下：</b></p><p>　　>> [y,x,z]=size(I7);%返回I7各維的尺寸，存儲在x,y,z中</p><p>　　I8=double(I7);%將I7轉(zhuǎn)換成雙精度</p><p>　　tic %tic表示計時的開始，toc表示計時的結(jié)束</p><p>　　Color_y=zeros

38、(y,1);%產(chǎn)生一個y*1的零陣</p><p><b>　　for i=1:y</b></p><p><b>　　for j=1:x</b></p><p>　　if(I8(i,j,1)==1) </p><p>　　%如果I8 (i,j,1)即I8的圖像中坐標(biāo)為(i,j)的點值為1，即該點為

39、背景顏色,則Color_y i,1)的值加1</p><p>　　Color_y(i,1)= Color_y(i,1)+1;%背景顏色像素點統(tǒng)計 </p><p><b>　　end </b></p><p>　　end </p><p><b>　　end</b></p>

40、<p>　　[temp MaxY]=max(Color_y);%Y方向序列號區(qū)域確定</p><p>　　%temp為向量Color_y的元素中的最大值，MaxY為該值的索引</p><p><b>　　PY1=MaxY;</b></p><p>　　while ((Color_y(PY1,1)>=5)&&(

41、PY1>1))</p><p>　　PY1=PY1-1;</p><p><b>　　end </b></p><p><b>　　PY2=MaxY;</b></p><p>　　while ((Color_y(PY2,1)>=5)&&(PY2<y))<

42、/p><p>　　PY2=PY2+1;</p><p><b>　　end</b></p><p>　　IY=I3(PY1:PY2,:,:);</p><p>　　%行方向號碼區(qū)域確定</p><p>　　Color_x =zeros(1,x);%進一步確定x方向的序列號區(qū)域</p>&

43、lt;p><b>　　for j=1:x</b></p><p>　　for i=PY1:PY2</p><p>　　if(I8(i,j,1)==1)</p><p>　　Color_x(1,j)= Color_x(1,j)+1; </p><p><b>　　end <

44、;/b></p><p>　　end </p><p><b>　　end</b></p><p><b>　　PX1=1;</b></p><p>　　while ((Color_x(1,PX1)<3)&&(PX1<x))</p><

45、;p>　　PX1=PX1+1;</p><p><b>　　end </b></p><p><b>　　PX2=x;</b></p><p>　　while ((Color_x(1,PX2)<3)&&(PX2>PX1))</p><p>　　PX2=PX2-

46、1;</p><p><b>　　end</b></p><p>　　PX1=PX1-1;%對序列號區(qū)域的校正</p><p>　　PX2=PX2+1;</p><p>　　dw=I3(PY1:PY2-8,PX1:PX2,:);</p><p><b>　　t=toc; </b&g

47、t;</p><p>　　figure(9),imshow(IY),title('此身份證號為');%顯示最終結(jié)果</p><p>　　最終身份證號如下所示：</p><p>　　圖9 最終身份證號</p><p><b>　　四、系統(tǒng)調(diào)試</b></p><p>　　采用不同圖

48、像樣品對系統(tǒng)進行測試。</p><p>　　直接掃描身份證作為原始圖像</p><p>　　直接運行系統(tǒng)后發(fā)現(xiàn)在截圖操作時出現(xiàn)問題，所選區(qū)域并不是序列號所在位置，結(jié)果如下圖：</p><p>　　原因在于此掃描樣品大小為[804,1270]，而程序設(shè)計時所選圖樣為[384，512]，因此在此處加入壓縮操作。</p><p><b>

49、　　具體程序如下：</b></p><p>　　I0=imread('2.jpg')</p><p>　　I=imresize(I0,[402,635])</p><p>　　I1=rgb2gray(I);%將RGB圖轉(zhuǎn)換為灰度圖</p><p>　　figure(4),subplot(1,2,1),imshow(

50、I1);</p><p><b>　　…………</b></p><p>　　將此程序添加至源代碼中，重新測試系統(tǒng)后，最終結(jié)果如下：</p><p>　　證明系統(tǒng)運行較好，系統(tǒng)測試結(jié)束。</p><p>　　五、課程設(shè)計總結(jié)與體會</p><p>　　通過本次數(shù)字圖像處理的課程設(shè)計，使我認(rèn)識到書本上

51、基礎(chǔ)內(nèi)容的學(xué)習(xí)和真正去設(shè)計完成一個想法有很大差別。在完成本設(shè)計的過程中，遇到很多困難，調(diào)試系統(tǒng)時更是經(jīng)常出錯，這就需要主動去查找資料，去學(xué)習(xí)，去完善，最終才能獲得較好的結(jié)果。系統(tǒng)調(diào)試過程也讓我對matlab軟件有了更深入的了解和認(rèn)識，對基礎(chǔ)知識有了更進一步的掌握，為以后的學(xué)習(xí)打下良好的基礎(chǔ)。</p><p><b>　　參考文獻</b></p><p>　　梁原. 基

52、于 MATLAB 的數(shù)字圖像處理系統(tǒng)研究 [D][D]. 長春理工大學(xué), 2008.</p><p>　　何東健. 數(shù)字圖像處理. 西安電子科技大學(xué)出版社, 西安[J]. 2003.</p><p>　　勒中鑫. 數(shù)字圖像信息處理[M]. 國防工業(yè)出版社, 2003.</p><p>　　張長江. 數(shù)字圖像處理及其應(yīng)用. 清華大學(xué)出版社, 2013.</p&g

53、t;<p>　　汪青，干靜 模式分類器在手寫體數(shù)字識別中的應(yīng)用比較研究[J].裝備制造技術(shù)，2008,5（6）：40-43</p><p>　　謝佳峰, 譚冠政. 基于 MATLAB 的靜止圖像車牌定位研究[J]. 可編程控制器與工廠自動化 (PLC FA), 2009 (1): 68-71.</p><p>　　基于matlab的車牌識別系統(tǒng). http://wenku.b