matlab实时图像处理_精通matlab数字图像处理与识别 matlab - CSDN
  • 之前写了一篇《(来点有用的)MATLAB摄像头实时图像处理 》,为了避免网友学习中出现各类问题。现将测试代码上传,供使用。谢谢交流
  • 图像处理matlab

    2018-09-11 22:35:04
    1.基本函数: iread('文件路径'); idisp(); 2.一元操作: imd=idouble(im);... //将彩色图像转变成灰度图像。 ihist();//显示每一个像素值出现的次数 im=igamma(im,1/0.45); //伽马编码,一种非线性一...

    1.基本函数:

    iread('文件路径');

    idisp();

    2.一元操作:o[u,v]=f(I[u,v])

    imd=idouble(im);  //将像素从unit8(范围在0-255的整数像素)到范围在[0,1]的双精度值

    grey=imono(im);    //将彩色图像转变成灰度图像。

    ihist();//显示每一个像素值出现的次数

    im=igamma(im,1/0.45); //伽马编码,一种非线性一元操作

    3.二元操作:o[u,v]=f(I_{1}[u,v],I_{2}[u,v])

    isamesize(image1,image2);  //将2缩放并裁剪到跟1相同的大小

    ........

    4.空间操作o[u,v]=f(I[u+i,v+j])

     

    4.1互相关 o[u,v]=\sum _{(i,j)\epsilon w }I[u+i,v+j]K[i,j], K是互相关核,对于每一个输出像素,对应输入图像中的像素窗口w要逐个元素地与互相关核K相乘。

    在工具箱中,互相关使用函数iconv表示。iconv(image,K);

     

    4.1.1平滑处理(光滑化、模糊化或者散焦)

    K=ones(21,21)/21^2; //每一个输出像素都是输入图像中与之相对应的21x21相领像素的平均值  ->平均值滤波

    G(u,v)=\frac{1}{2\pi\sigma ^{2} }e^{-\frac{u^{2}+v^{2}}{2\sigma ^{2}}}  二维高斯函数(关于原点对称,曲线下方体积为1)的扩展由标准差参数\sigma控制。 ->高斯滤波

    K=kguass(5); //指定标准差为5像素

     

    4.1.2边界检测:
     lena=iread('C:\Users\Administrator\Desktop\matlab实验照片\2.jpeg','double','grey');

     p=lena(60,:);  //在v=60处图像中的一条水平线

    沿着这个横截面的一阶倒数是p^{^{'}}[v]=p[v]-p[v-1],一阶倒数可以用diff函数计算。->亮度变化的倒数

    在v点处的导数也可以写成对称的一阶差分:p^{^{'}}[v]=\frac{1}{2}(p[v+1]-p[v-1])

    它等同于和下面的一维互相关核求互相关运算:

                                                                     K=(-\frac{1}{2} 0 \frac{1}{2})

    将图像与这个核求互相关:

    K=[-0.5 0 0.5];

    idsip(iconv(lena,K),'invsigned')    ->图片具有高水平梯度的竖直边缘清晰可见。效果如下所示(上面为原图):

      

    利用索伯互相关核计算水平梯度,利用三行水平梯度的加权值。

    Du=ksobel,上图为原图,下面为处理之后的

    坎尼算子:

    算法大致流程:

    1、求图像与高斯平滑滤波器卷积:

    2、使用一阶有限差分计算偏导数的两个阵列P与Q:

    3、幅值和方位角:

    4、非极大值抑制(NMS ) :细化幅值图像中的屋脊带,即只保留幅值局部变化最大的点。

    将梯度角的变化范围减小到圆周的四个扇区之一,方向角和幅值分别为:

    非极大值抑制通过抑制梯度线上所有非屋脊峰值的幅值来细化M[i,j],中的梯度幅值屋脊.这一算法首先将梯度角θ[i,j]的变化范围减小到圆周的四个扇区之一

    edges=icanny(lena,2);效果如下所示:

    4.2模板匹配O[u,v]=s(T,W)

    函数s(T,W)是一个标量测度,用来描述两幅相同大小的图像T和W之间的相似性。

    常用方法有:绝对差值(SAD),差值平方和(SSD)以及互相关(NCC)

     

    展开全文
  • 本文探究了MATLAB(R2015a)软件下数字图像处理部分简单内容方法的操作实现,包括图像变换、图像增强等。 在这里,我们介绍一些图片编辑的基本操作,本文中对于大多数的操作,是对数字图像处理领域中最为著名的“lena...

    MATLAB作为数学领域应用最广泛的一种软件,集成了对于图片处理的函数和功能,成为了处理数字图像问题的佼佼者。其出众的计算能力和简便的绘图能力可以有效进行数字图像的变换和操作。本文探究了MATLAB(R2015a)软件下数字图像处理部分简单内容方法的操作实现,包括图像变换、图像增强等。

    在这里,我们介绍一些图片编辑的基本操作,本文中对于大多数的操作,是对数字图像处理领域中最为著名的“lena”图片进行操作的。

    操作的问题如下:

    (1)将 lena.jpg 读入到 Matlab 并显示
    (2)将彩色图像转化为灰度图像,并保存到电脑里(文件名为 lena_gray.jpg)
    (3)绘制 lena_gray.jpg 的灰度直方图
    (4)利用 imnoise 函数为 lena_gray.jpg 添加高斯噪声和椒盐噪声,并分别将生成的图片保存到电脑里(文件名分别为 lena_gauss.jpg 和 lena_pepper.jpg)
    (5)通过帮助文件,学习函数 rgb2ind/ind2rgb,gray2ind/ind2gray 函数的用法,并将 lena.jpg和 lena_gray.jpg 进行转化。
    (6)将 lena.jpg 和 lena_gray.jpg 转化为二值图像(im2bw),并显示出来。
    

    lena

    首先是将lena读取到MATLAB中:

    ph_1=imread('lena.jpg');
    imshow(ph_1);
    

    将彩色的三维图片灰度化,此时用函数rgb2gray()进行操作,并用figure新开一个窗口,用来展示灰度化的图片,在接下来的每一步中,都会用到该函数开辟新的窗口,用来展示新的图片。

    ph_2=rgb2gray(ph_1);
    imwrite(ph_2,'lena_gray.jpg');%将ph_2以lena_gray.jpg的文件名存入计算机
    figure,imshow(ph_2);
    

    生成的图片如下所示:

    lena_gray.jpg

    为了显示图像灰度的分布情况,还需要绘制灰度直方图。可以使用如下代码:

    figure,imhist(ph_2);
    

    生成的图片如下所示:
    灰度直方图

    对图片添加噪声,所用函数为imnoise (I, type),该函数中的type可以为5种噪声参数,分别为:‘gaussian’(高斯白噪声),‘localvar’(与图象灰度值有关的零均值高斯白噪声),‘poisson’(泊松噪声),‘salt & pepper’(椒盐噪声)和’speckle’(斑点噪声)。

    以下为高斯噪声的代码和效果:

    ph_3=imnoise(ph_2,'gaussian');%高斯噪声
    figure,imshow(ph_3);
    imwrite(ph_3,' lena_gauss.jpg');
    

    高斯噪声生成的图片如下所示:
    在这里插入图片描述

    以下为椒盐噪声的代码和效果:

    ph_4=imnoise(ph_2,'salt');%椒盐噪声
    figure,imshow(ph_4);
    imwrite(ph_4,'lena_pepper.jpg');
    

    椒盐噪声生成的图片如下所示:
    lena_pepper.jpg

    函数rgb2ind()将真彩色图像转换为索引图像。索引图像是一种把像素值直接作为RGB调色板下标的图像。索引图像可把像素值“直接映射”为调色板数值。

    调用方法:
     
    [X,map] = rgb2ind(RGB, n)%灰度变索引,n是颜色数,可变
    
    X = rgb2ind(RGB, map)%使用调色板map将真彩色图像转换为索引图像,即在调色板中找    到与真彩色图像颜色值最接近的颜色作为转换后的索引图像的像素值。map中颜色项数(即size(map, 1))不能超过65536。
    
    [X,map] = rgb2ind(RGB, tol)%利用第一种算法把真彩色图像转换为索引图像, map中最多包含(floor(1/tol)+1)^3种颜色, tol必须是介于0.0和1.0之间的数。
    
    [imgind, map] = rgb2ind(ph_1,10);
    figure('Name', '显示索引图像')
    imshow(imgind, map)
    

    生成图像如下:

    在这里插入图片描述

    ind2rgb() 将索引图像图像转换为RGB图像,输入包括图像矩阵和颜色图数组

    x=ind2rgb(imgind,map);
    figure,imshow(x);
    

    生成图像如下:

    在这里插入图片描述

    im2bw:基于阈值,将图像转变成二进制图像。
    
    BW = im2bw(I, level):将灰度图像I转变成二级制图像BW
    
    level:阈值等级,取值范围【0,1】
    
    BW: 逻辑型
    
    如果I中像素亮度比I*level大,则该值变为1,否则为0
    
    ph_5 = im2bw(ph_1,0);
    figure
    subplot(1,2,1);%将窗口一分为二,在第一个位置输出图片
    imshow(ph_5);
    ph_6= im2bw(ph_1,1);
    subplot(1,2,2);
    imshow(ph_6);
    

    生成图像如下:在这里插入图片描述

    ph_7 = im2bw(ph_1,0);
    figure
    subplot(1,2,1);
    imshow(ph_7);
    ph_8= im2bw(ph_2,1);
    subplot(1,2,2);
    imshow(ph_8);
    

    生成图像如下:在这里插入图片描述

    展开全文
  • 显示索引图像和灰度图像>> [X,map]=imread('trees.tif');>> gmap=rgb2gray(map);>> figure,imshow(X,map);>> figure,imshow(X,gmap);利用膨胀函数平移图像...
    显示索引图像和灰度图像
    >> [X,map]=imread('trees.tif');
    >> gmap=rgb2gray(map);
    >> figure,imshow(X,map);
    >> figure,imshow(X,gmap);


    利用膨胀函数平移图像
    I = imread('football.jpg');
    se = translate(strel(1), [30 30]);%将一个平面结构化元素分别向下和向右移动30个位置
    J = imdilate(I,se);%利用膨胀函数平移图像
    subplot(121);imshow(I), title('原图')
    subplot(122), imshow(J), title('移动后的图像');


    水平翻转和上下翻转
    I = imread('cameraman.tif');
    Flip1=fliplr(I);               %  对矩阵I左右反转
    subplot(131);imshow(I);title('原图');
    subplot(132);imshow(Flip1);title('水平镜像');
    Flip2=flipud(I);               %  对矩阵I垂直反转
    subplot(133);imshow(Flip2);title('竖直镜像');


    图像旋转
    I=imread('cameraman.tif');
    B=imrotate(I,60,'bilinear','crop');
    %双线性插值法旋转图像,并裁剪图像,使其和原图像大小一致
    subplot(121),imshow(I),title('原图');
    subplot(122),imshow(B),title('旋转图像60^{o},并剪切图像');


    截取图像
    I = imread('circuit.tif');
    I2 = imcrop(I,[75 68 130 112]);
    imshow(I), figure, imshow(I2)


    画轮廓
    >> I=imread('circuit.tif');
    >> imshow(I)
    >> figure
    >> imcontour(I,3)


    噪声和滤波
    I=imread('cameraman.tif');
    J=imnoise(I,'salt & pepper',0.02);%添加椒盐噪声
    subplot(121),imshow(J);title('噪声图像')
    K=medfilt2(J);%使用3*3的邻域窗的中值滤波
    subplot(122),imshow(K);title('中值滤波后图像')




    Matlab数字数字图像处理函数汇总:


    1、数字数字图像的变换


    ① fft2:fft2函数用于数字数字图像的二维傅立叶变换,如:i=imread('104_8.tif');


    j=fft2(i);


    ②ifft2::ifft2函数用于数字数字图像的二维傅立叶反变换,如:


     i=imread('104_8.tif');


     j=fft2(i);


    k=ifft2(j);


    2、模拟噪声生成函数和预定义滤波器


    ① imnoise:用于对数字数字图像生成模拟噪声,如:


     i=imread('104_8.tif');


     j=imnoise(i,'gaussian',0,0.02);%模拟高斯噪声


    ② fspecial:用于产生预定义滤波器,如:


    h=fspecial('sobel');%sobel水平边缘增强滤波器


    h=fspecial('gaussian');%高斯低通滤波器


    h=fspecial('laplacian');%拉普拉斯滤波器


    h=fspecial('log');%高斯拉普拉斯(LoG)滤波器


    h=fspecial('average');%均值滤波器


    2、数字数字图像的增强


    ①直方图:imhist函数用于数字数字图像的直方图显示,如:


    i=imread('104_8.tif');


    imhist(i);


    ②直方图均化:histeq函数用于数字数字图像的直方图均化,如:


    i=imread('104_8.tif');


    j=histeq(i);


    imshow(J)
    ③对比度调整:imadjust函数用于数字数字图像的对比度调整,如:i=imread('104_8.tif');


    j=imadjust(i,[0.3,0.7],[]);


    ④对数变换:log函数用于数字数字图像的对数变换,如:


    i=imread('104_8.tif');


    j=double(i);


    k=log(j);


    ⑤基于卷积的数字数字图像滤波函数:filter2函数用于数字数字图像滤波,如:i=imread('104_8.tif');


    h=[1,2,1;0,0,0;-1,-2,-1];


    j=filter2(h,i);


    ⑥线性滤波:利用二维卷积conv2滤波, 如:


    i=imread('104_8.tif');


    h=[1,1,1;1,1,1;1,1,1];


    h=h/9;


    j=conv2(i,h);


    ⑦中值滤波:medfilt2函数用于数字数字图像的中值滤波,如:


    i=imread('104_8.tif');


    j=medfilt2(i);


    ⑧锐化


    (1)利用Sobel算子锐化数字数字图像, 如:


    i=imread('104_8.tif');


    h=[1,2,1;0,0,0;-1,-2,-1];%Sobel算子


    j=filter2(h,i);


    (2)利用拉氏算子锐化数字数字图像, 如:


    i=imread('104_8.tif');


    j=double(i);


    h=[0,1,0;1,-4,0;0,1,0];%拉氏算子


    k=conv2(j,h,'same');


    m=j-k;


    3、数字数字图像边缘检测


    ①sobel算子 如:


    i=imread('104_8.tif');


    j =edge(i,'sobel',thresh)


     


    ②prewitt算子 如:


    i=imread('104_8.tif');


    j =edge(i,'prewitt',thresh)


    ③roberts算子  如:


    i=imread('104_8.tif');


    j =edge(i,'roberts',thresh)


    ④log算子  如:


    i=imread('104_8.tif');


    j =edge(i,'log',thresh)


    ⑤canny算子 如:


    i=imread('104_8.tif');


    j =edge(i,'canny',thresh)


    ⑥Zero-Cross算子 如:


    i=imread('104_8.tif');


    j =edge(i,'zerocross',thresh)


    4、形态学数字数字图像处理


    ①膨胀:是在二值化数字数字图像中“加长”或“变粗”的操作,函数imdilate执行膨胀运算,如:


    a=imread('104_7.tif');%输入二值数字数字图像


    b=[0 1 0;1 1 1;01 0];


    c=imdilate(a,b);


    ②腐蚀:函数imerode执行腐蚀,如:


    a=imread('104_7.tif');%输入二值数字数字图像


    b=strel('disk',1);


    c=imerode(a,b);


    ③开运算:先腐蚀后膨胀称为开运算,用imopen来实现,如:


     a=imread('104_8.tif');


    b=strel('square',2);


    c=imopen(a,b);


    ④闭运算:先膨胀后腐蚀称为闭运算,用imclose来实现,如:


     a=imread('104_8.tif');


    b=strel('square',2);


    c=imclose(a,b);


     


     


    数字数字图像增强
    1. 直方图均衡化的 Matlab 实现
    1.1 imhist 函数
    功能:计算和显示数字数字图像的色彩直方图
    格式:imhist(I,n)
            imhist(X,map)
    说明:imhist(I,n) 其中,n 为指定的灰度级数目,缺省值为256;imhist(X,map) 就算和显示索引色数字数字图像 X 的直方图,map为调色板。用stem(x,counts) 同样可以显示直方图。


    1.2 imcontour 函数
    功能:显示数字数字图像的等灰度值图
    格式:imcontour(I,n),imcontour(I,v)
    说明:n 为灰度级的个数,v 是有用户指定所选的等灰度级向量。


    1.3 imadjust 函数
    功能:通过直方图变换调整对比度
    格式:J=imadjust(I,[low high],[bottomtop],gamma)
            newmap=imadjust(map,[low high],[bottomtop],gamma)
    说明:J=imadjust(I,[low high],[bottomtop],gamma) 其中,gamma 为校正量r,[lowhigh] 为原数字数字图像中要变换的灰度范围,[bottom top]
    指定了变换后的灰度范围;newmap=imadjust(map,[lowhigh],[bottom top],gamma) 调整索引色数字数字图像的调色板 map 。此时若 [low high] 和
    [bottom top] 都为2×3的矩阵,则分别调整 R、G、B 3个分量。


    1.4 histeq 函数
    功能:直方图均衡化
    格式:J=histeq(I,hgram)
            J=histeq(I,n)
            [J,T]=histeq(I,...)
            newmap=histeq(X,map,hgram)
            newmap=histeq(X,map)
            [new,T]=histeq(X,...)
    说明:J=histeq(I,hgram) 实现了所谓“直方图规定化”,即将原是图象 I 的直方图变换成用户指定的向量 hgram 。hgram 中的每一个元素
    都在 [0,1] 中;J=histeq(I,n) 指定均衡化后的灰度级数 n ,缺省值为 64;[J,T]=histeq(I,...)返回从能将数字数字图像 I 的灰度直方图变换成
    数字数字图像 J 的直方图的变换 T ;newmap=histeq(X,map) 和 [new,T]=histeq(X,...) 是针对索引色数字数字图像调色板的直方图均衡。


    2. 噪声及其噪声的 Matlab 实现
            imnoise 函数
    格式:J=imnoise(I,type)
            J=imnoise(I,type,parameter)
    说明:J=imnoise(I,type) 返回对数字数字图像 I 添加典型噪声后的有噪数字数字图像 J ,参数type 和 parameter 用于确定噪声的类型和相应的参数。




    3. 数字数字图像滤波的 Matlab 实现


    3.1 conv2 函数
    功能:计算二维卷积
    格式:C=conv2(A,B)
            C=conv2(Hcol,Hrow,A)
            C=conv2(...,'shape')
    说明:对于 C=conv2(A,B) ,conv2 的算矩阵A 和 B 的卷积,若[Ma,Na]=size(A), [Mb,Nb]=size(B), 则 size(C)=[Ma+Mb-1,Na+Nb-1];
    C=conv2(Hcol,Hrow,A) 中,矩阵 A 分别与Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积;C=conv2(...,'shape') 用来指定 conv2
    返回二维卷积结果部分,参数 shape 可取值如下:
            》full为缺省值,返回二维卷积的全部结果;
            》same返回二维卷积结果中与 A 大小相同的中间部分;
            valid 返回在卷积过程中,未使用边缘补 0 部分进行计算的卷积结果部分,当 size(A)>size(B) 时,size(C)=[Ma-Mb+1,Na-Nb+1]。


    3.2 conv 函数
    功能:计算多维卷积
    格式:与 conv2 函数相同


    3.3 filter2函数
    功能:计算二维线型数字滤波,它与函数 fspecial 连用
    格式:Y=filter2(B,X)
            Y=filter2(B,X,'shape')
    说明:对于 Y=filter2(B,X) ,filter2 使用矩阵B 中的二维 FIR 滤波器对数据 X 进行滤波,结果 Y 是通过二维互相关计算出来的,其大
    小与 X 一样;对于Y=filter2(B,X,'shape') ,filter2返回的 Y 是通过二维互相关计算出来的,其大小由参数 shape 确定,其取值如下

            》full返回二维相关的全部结果,size(Y)>size(X);
            》same返回二维互相关结果的中间部分,Y 与X 大小相同;
            》valid返回在二维互相关过程中,未使用边缘补 0 部分进行计算的结果部分,有 size(Y)<size(X) 。


    3.4 fspecial 函数
    功能:产生预定义滤波器
    格式:H=fspecial(type)
            H=fspecial('gaussian',n,sigma)        高斯低通滤波器
            H=fspecial('sobel')                        Sobel 水平边缘增强滤波器
            H=fspecial('prewitt')                     Prewitt 水平边缘增强滤波器
            H=fspecial('laplacian',alpha)            近似二维拉普拉斯运算滤波器
            H=fspecial('log',n,sigma)                高斯拉普拉斯(LoG)运算滤波器
            H=fspecial('average',n)                  均值滤波器
            H=fspecial('unsharp',alpha)            模糊对比增强滤波器
    说明:对于形式 H=fspecial(type) ,fspecial 函数产生一个由 type 指定的二维滤波器 H ,返回的H 常与其它滤波器搭配使用。




    4. 彩色增强的 Matlab 实现
    4.1 imfilter函数
    功能:真彩色增强
    格式:B=imfilter(A,h)
    说明:将原始数字数字图像 A 按指定的滤波器 h 进行滤波增强处理,增强后的数字数字图像 B 与A 的尺寸和类型相同


     


    数字数字图像的变换


    1. 离散傅立叶变换的Matlab 实现
          Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法;而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。
    这些函数的调用格式如下:
             A=fft(X,N,DIM)
          其中,X 表示输入数字数字图像;N 表示采样间隔点,如果 X 小于该数值,那么 Matlab 将会对 X 进行零填充,否则将进行截取,使之长度为
    N ;DIM 表示要进行离散傅立叶变换。
            A=fft2(X,MROWS,NCOLS) 
    其中,MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。
            A=fftn(X,SIZE)
    其中,SIZE 是一个向量,它们每一个元素都将指定 X 相应维进行零填充后的长度。
          函数 ifft、ifft2 和 ifftn的调用格式于对应的离散傅立叶变换函数一致。
    例子:数字数字图像的二维傅立叶频谱
    % 读入原始数字数字图像
    I=imread('lena.bmp');
    imshow(I)
    % 求离散傅立叶频谱
    J=fftshift(fft2(I));
    figure;
    imshow(log(abs(J)),[8,10])


    2. 离散余弦变换的 Matlab实现
    2.1. dCT2 函数
    功能:二维 DCT 变换
    格式:B=dct2(A) 
            B=dct2(A,m,n) 
            B=dct2(A,[m,n]) 
    说明:B=dct2(A) 计算 A 的 DCT 变换 B ,A 与 B 的大小相同;B=dct2(A,m,n) 和 B=dct2(A,[m,n]) 通过对 A 补 0 或剪裁,使 B 的大小为 m×n。


    2.2. dict2 函数
    功能:DCT 反变换
    格式:B=idct2(A) 
            B=idct2(A,m,n) 
            B=idct2(A,[m,n]) 
    说明:B=idct2(A) 计算 A 的 DCT 反变换 B ,A 与 B 的大小相同;B=idct2(A,m,n) 和 B=idct2(A,[m,n]) 通过对 A 补 0 或剪裁,使 B的大小为 m×n。


    2.3. dctmtx函数
    功能:计算 DCT 变换矩阵
    格式:D=dctmtx(n)
    说明:D=dctmtx(n) 返回一个 n×n 的 DCT 变换矩阵,输出矩阵 D 为 double 类型。


    3. 数字数字图像小波变换的Matlab 实现
    3.1 一维小波变换的 Matlab实现
    (1) dwt 函数
    功能:一维离散小波变换
    格式:[cA,cD]=dwt(X,'wname')
            [cA,cD]=dwt(X,Lo_D,Hi_D)
    说明:[cA,cD]=dwt(X,'wname')使用指定的小波基函数'wname' 对信号 X 进行分解,cA、cD分别为近似分量和细节分量;[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。


    (2) idwt 函数
    功能:一维离散小波反变换
    格式:X=idwt(cA,cD,'wname')
            X=idwt(cA,cD,Lo_R,Hi_R)
            X=idwt(cA,cD,'wname',L)
            X=idwt(cA,cD,Lo_R,Hi_R,L)
    说明:X=idwt(cA,cD,'wname')由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。
            'wname' 为所选的小波函数
            X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。
            X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。


    3.2 二维小波变换的 Matlab实现
              二维小波变换的函数
    -------------------------------------------------
         函数名                函数功能
    ---------------------------------------------------
         dwt2           二维离散小波变换
       wavedec2       二维信号的多层小波分解
         idwt2          二维离散小波反变换
       waverec2        二维信号的多层小波重构
       wrcoef2          由多层小波分解重构某一层的分解信号
       upcoef2          由多层小波分解重构近似分量或细节分量
       detcoef2         提取二维信号小波分解的细节分量
       appcoef2        提取二维信号小波分解的近似分量
       upwlev2         二维小波分解的单层重构
       dwtpet2         二维周期小波变换
       idwtper2        二维周期小波反变换
    -------------------------------------------------------------
    (1) wcodemat 函数
    功能:对数据矩阵进行伪彩色编码
    格式:Y=wcodemat(X,NB,OPT,ABSOL)
            Y=wcodemat(X,NB,OPT)
            Y=wcodemat(X,NB)
            Y=wcodemat(X)
    说明:Y=wcodemat(X,NB,OPT,ABSOL)返回数据矩阵 X 的编码矩阵 Y ;NB 伪编码的最大值,即编码范围为 0~NB,缺省值 NB=16;
           OPT 指定了编码的方式(缺省值为 'mat'),即:
                    OPT='row' ,按行编码
                    OPT='col' ,按列编码
                    OPT='mat' ,按整个矩阵编码
           ABSOL 是函数的控制参数(缺省值为 '1'),即:
                    ABSOL=0 时,返回编码矩阵
                    ABSOL=1 时,返回数据矩阵的绝对值ABS(X)


    (2) dwt2 函数
    功能:二维离散小波变换
    格式:[cA,cH,cV,cD]=dwt2(X,'wname')
            [cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)
    说明:[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数 'wname' 对二维信号 X 进行二维离散小波变幻;cA,cH,cV,cD 分别为近似分
    量、水平细节分量、垂直细节分量和对角细节分量;[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分
    解信号 X 。


    (3) wavedec2 函数
    功能:二维信号的多层小波分解
    格式:[C,S]=wavedec2(X,N,'wname')
            [C,S]=wavedec2(X,N,Lo_D,Hi_D)
    说明:[C,S]=wavedec2(X,N,'wname')使用小波基函数'wname' 对二维信号 X 进行 N 层分解;[C,S]=wavedec2(X,N,Lo_D,Hi_D) 使用指定
    的分解低通和高通滤波器Lo_D 和 Hi_D 分解信号 X 。


    (4) idwt2 函数
    功能:二维离散小波反变换
    格式:X=idwt2(cA,cH,cV,cD,'wname')
            X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)
            X=idwt2(cA,cH,cV,cD,'wname',S)
            X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S)
    说明:X=idwt2(cA,cH,cV,cD,'wname')由信号小波分解的近似信号cA 和细节信号 cH、cH、cV、cD 经小波反变换重构原信号 X
    ;X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)使用指定的重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号 X ;X=idwt2(cA,cH,cV,cD,'wname',S)
    和X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S) 返回中心附近的 S 个数据点。


    (5) waverec2 函数
    说明:二维信号的多层小波重构
    格式:X=waverec2(C,S,'wname')
            X=waverec2(C,S,Lo_R,Hi_R)
    说明:X=waverec2(C,S,'wname')由多层二维小波分解的结果 C、S 重构原始信号 X ,'wname'为使用的小波基函数;X=waverec2(C,S,Lo_R,Hi_R) 使用重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号。


     


     


    数字数字图像处理工具箱
    1. 数字数字图像和数字数字图像数据
       缺省情况下,MATLAB将数字数字图像中的数据存储为双精度类型(double),64位浮点
    数,所需存储量很大;MATLAB还支持另一种类型无符号整型(uint8),即数字数字图像矩
    阵中每个数据占用1个字节。
       在使用MATLAB工具箱时,一定要注意函数所要求的参数类型。另外,uint8
    与double两种类型数据的值域不同,编程需注意值域转换。
              从uint8到double的转换
       ---------------------------------------------
           数字数字图像类型        MATLAB语句
       ---------------------------------------------
         索引色             B=double(A)+1
         索引色或真彩色 B=double(A)/255
         二值数字数字图像          B=double(A)
       ---------------------------------------------
             从double到uint8的转换
       ---------------------------------------------
           数字数字图像类型        MATLAB语句
       ---------------------------------------------
        索引色              B=uint8(round(A-1))
        索引色或真彩色   B=uint8(round(A*255))
        二值数字数字图像           B=logical(uint8(round(A)))
       ---------------------------------------------


    2. 数字数字图像处理工具箱所支持的数字数字图像类型
    2.1 真彩色数字数字图像
        R、G、B三个分量表示一个像素的颜色。如果要读取数字数字图像中(100,50)处的像素值,
    可查看三元数据(100,50,1:3)。
        真彩色数字数字图像可用双精度存储,亮度值范围是[0,1];比较符合习惯的存储方法是用无
    符号整型存储,亮度值范围[0,255]
       
    2.2 索引色数字数字图像
       包含两个结构,一个是调色板,另一个是数字数字图像数据矩阵。调色板是一个有3列和若干行
    的色彩映象矩阵,矩阵每行代表一种颜色,3列分别代表红、绿、蓝色强度的双精度数。
       
       注意:MATLAB中调色板色彩强度[0,1],0代表最暗,1代表最亮。
              常用颜色的RGB值
       --------------------------------------------
        颜色   R   G   B      颜色    R  G   B 
       --------------------------------------------
         黑     0   0   1     洋红    1   0   1
         白     1   1   1     青蓝    0   1   1
         红     1   0   0     天蓝 0.67 0   1
         绿     0   1   0     橘黄    1 0.5 0
         蓝     0   0   1     深红   0.5 0   0
         黄     1   1   0      灰    0.5 0.5 0.5       
       --------------------------------------------
             产生标准调色板的函数
       -------------------------------------------------
        函数名      调色板
       -------------------------------------------------
         Hsv       色彩饱和度,以红色开始,并以红色结束
         Hot       黑色-红色-黄色-白色
         Cool      青蓝和洋红的色度
         Pink      粉红的色度
         Gray      线型灰度
         Bone      带蓝色的灰度
         Jet        Hsv的一种变形,以蓝色开始,以蓝色结束
         Copper    线型铜色度
         Prim       三棱镜,交替为红、橘黄、黄、绿和天蓝
         Flag       交替为红、白、蓝和黑
    --------------------------------------------------
       缺省情况下,调用上述函数灰产生一个64×3的调色板,用户也可指定调色板大小。
       
       索引色数字数字图像数据也有double和uint8两种类型。
       当数字数字图像数据为double类型时,值1代表调色板中的第1行,值2代表第2行……
       如果数字数字图像数据为uint8类型,0代表调色板的第一行,,值1代表第2行……


    2.3 灰度数字数字图像
       存储灰度数字数字图像只需要一个数据矩阵。
       数据类型可以是double,[0,1];也可以是uint8,[0,255]


    2.4 二值数字数字图像
       二值数字数字图像只需一个数据矩阵,每个像素只有两个灰度值,可以采用uint8或double类型存储。
       MATLAB工具箱中以二值数字数字图像作为返回结果的函数都使用uint8类型。


    2.5 数字数字图像序列
       MATLAB工具箱支持将多帧数字数字图像连接成数字数字图像序列。
       数字数字图像序列是一个4维数组,数字数字图像帧的序号在数字数字图像的长、宽、颜色深度之后构成第4维。
       分散的数字数字图像也可以合并成数字数字图像序列,前提是各数字数字图像尺寸必须相同,若是索引色数字数字图像,
    调色板也必须相同。
       可参考cat()函数    A=cat(4,A1,A2,A3,A4,A5)


    3. MATLAB数字数字图像类型转换
             数字数字图像类型转换函数
      ---------------------------------------------------------------------------
         函数名                     函数功能
      ---------------------------------------------------------------------------
         dither       数字数字图像抖动,将灰度图变成二值图,或将真彩色数字数字图像抖动成索引色数字数字图像
        gray2ind    将灰度数字数字图像转换成索引数字数字图像
        grayslice    通过设定阈值将灰度数字数字图像转换成索引色数字数字图像
         im2bw      通过设定亮度阈值将真彩色、索引色、灰度图转换成二值图
        ind2gray    将索引色数字数字图像转换成灰度数字数字图像
        ind2rgb      将索引色数字数字图像转换成真彩色数字数字图像
        mat2gray   将一个数据矩阵转换成一副灰度图
        rgb2gray    将一副真彩色数字数字图像转换成灰度数字数字图像
        rgb2ind      将真彩色数字数字图像转换成索引色数字数字图像
       ------------------------------------------------------------------------


    4. 数字数字图像文件的读写和查询
    4.1 图形数字数字图像文件的读取
       利用函数imread()可完成图形数字数字图像文件的读取,语法:
         A=imread(filename,fmt)
         [X,map]=imread(filename,fmt)
         [...]=imread(filename)
         [...]=imread(filename,idx) (只对TIF格式的文件)
         [...]=imread(filename,ref) (只对HDF格式的文件)
       通常,读取的大多数数字图像均为8bit,当这些数字图像加载到内存中时,Matlab就将其存放
    在类uint8中。此为Matlab还支持16bit的PNG和TIF数字图像,当读取这类文件时,Matlab就将
    其存贮在uint16中。
       注意:对于索引数字图像,即使数字图像阵列的本身为类uint8或类uint16,imread函数仍将
    颜色映象表读取并存贮到一个双精度的浮点类型的阵列中。


    4.2 图形数字图像文件的写入
       使用imwrite函数,语法如下:
       imwrite(A,filename,fmt)
       imwrite(X,map,filename,fmt)
       imwrite(...,filename)
       imwrite(...,parameter,value)
       当利用imwrite函数保存数字图像时,Matlab缺省的方式是将其简化道uint8的数据格式。


    4.3 图形数字图像文件信息的查询  imfinfo()函数




    5. 数字图像文件的显示
    5.1 索引数字图像及其显示
       方法一:
              image(X)
              colormap(map)
       方法二: 
              imshow(X,map)


    5.2 灰度数字图像及其显示
       Matlab 7.0 中,要显示一副灰度数字图像,可以调用函数 imshow 或 imagesc (即 
    imagescale,数字图像缩放函数)
       (1) imshow 函数显示灰度数字图像
        使用imshow(I)    或 使用明确指定的灰度级书目:imshow(I,32)
        
        由于Matlab自动对灰度数字图像进行标度以适合调色板的范围,因而可以使用自定义
    大小的调色板。其调用格式如下:
               imshow(I,[low,high])
        其中,low 和 high 分别为数据数组的最小值和最大值。
       (2) imagesc 函数显示灰度数字图像
       下面的代码是具有两个输入参数的 imagesc 函数显示一副灰度数字图像
           imagesc(1,[0,1]);
           colormap(gray);
        imagesc 函数中的第二个参数确定灰度范围。灰度范围中的第一个值(通常是0),
    对应于颜色映象表中的第一个值(颜色),第二个值(通常是1)则对应与颜色映象表
    中的最后一个值(颜色)。灰度范围中间的值则线型对应与颜色映象表中剩余的值(颜色)。
        在调用 imagesc 函数时,若只使用一个参数,可以用任意灰度范围显示数字图像。在该
    调用方式下,数据矩阵中的最小值对应于颜色映象表中的第一个颜色值,数据矩阵中的最大
    值对应于颜色映象表中的最后一个颜色值。


    5.3 RGB 数字图像及其显示
       (1) image(RGB) 
       不管RGB数字图像的类型是double浮点型,还是 uint8 或 uint16 无符号整数型,Matlab都
    能通过 image 函数将其正确显示出来。
       RGB8 = uint8(round(RGB64×255)); %将 double 浮点型转换为 uint8 无符号整型
       RGB64 = double(RGB8)/255;           % 将 uint8 无符号整型转换为 double 浮点型
       RGB16 = uint16(round(RGB64×65535)); %将 double 浮点型转换为 uint16 无符号整型 
       RGB64 = double(RGB16)/65535;      % 将 uint16 无符号整型转换为 double 浮点型
       (2) imshow(RGB) 参数是一个 m×n×3 的数组


    5.4 二进制数字图像及其显示
       (1) imshow(BW)
       在 Matlab 7.0 中,二进制数字图像是一个逻辑类,仅包括 0 和 1 两个数值。像素 0 显示
    为黑色,像素 1 显示为白色。
       显示时,也可通过NOT(~)命令,对二进制图象进行取反,使数值 0 显示为白色;1 显示
    为黑色。 
       例如:imshow(~BW)
       (2) 此外,还可以使用一个调色板显示一副二进制数字图像。如果图形是 uint8 数据类型,
    则数值 0 显示为调色板的第一个颜色,数值 1 显示为第二个颜色。
       例如:imshow(BW,[1 0 0;0 0 1])  


    5.5 直接从磁盘显示数字图像
       可使用一下命令直接进行数字图像文件的显示: 
            imshow filename
       其中,filename 为要显示的数字图像文件的文件名。
       如果数字图像是多帧的,那么imshow 将仅显示第一帧。但需注意,在使用这种方式时,数字图像
    数据没有保存在Matlab7.0 工作平台。如果希望将数字图像装入工作台中,需使用 getimage 函数,从当前的句柄图形数字图像对象中获取数字图像数据,
       命令形式为: rgb = getimage;


    bwlabel 
    功能: 
    标注二进制数字图像中已连接的部分。 
    L = bwlabel(BW,n) 
    [L,num] = bwlabel(BW,n)
    isbw 
    功能: 
    判断是否为二进制数字图像。 
    语法: 
    flag = isbw(A) 
    相关命令: 
    isind, isgray, isrgb 
    74.isgray 
    功能: 
    判断是否为灰度数字图像。 
    语法: 
    flag = isgray(A) 
    相关命令: 
    isbw, isind, isrgb
    11.bwselect 
    功能: 
    在二进制数字图像中选择对象。
    语法: 
    BW2 = bwselect(BW1,c,r,n) 
    BW2 = bwselect(BW1,n) 
    [BW2,idx] = bwselect(...) 
    举例 
    BW1 = imread('text.tif'); 
    c = [16 90 144]; 
    r = [85 197 247]; 
    BW2 = bwselect(BW1,c,r,4); 
    imshow(BW1) 
    figure, imshow(BW2)
    47.im2bw 
    功能: 
    转换数字图像为二进制数字图像。 
    语法: 
    BW = im2bw(I,level) 
    BW = im2bw(X,map,level) 
    BW = im2bw(RGB,level) 
    举例 
    load trees 
    BW = im2bw(X,map,0.4); 
    imshow(X,map)
    展开全文
  • MATLAB图像处理

    2020-06-09 09:19:29
    一、图像处理预备知识1、图像处理(image processing)用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。在计算机中,按照颜色和灰度的多少可以将图像分为二值图像、灰度...

    一、图像处理预备知识

    1、图像处理(image processing)

    用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。

    在计算机中,按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。

    2、图像处理常用方法

     

    1)图像变换

    为了用正交函数或正交矩阵表示图像而对原图像所作的二维线性可逆变换。一般称原始图像为空间域图像,称变换后的图像为转换域图像,转换域图像可反变换为空间域图像。

    它可以分为四个部分:空域变换等维度算法,空域变换变维度算法,值域变换等维度算法和值域变换变维度算法。其中空域变换主要指图像在几何上的变换,而值域变换主要指图像在像素值上的变换。等维度变换是在相同的维度空间中,而变维度变换是在不同的维度空间中,例如二维到三维,灰度空间到彩色空间。

    常用的有三种变换方法:傅里叶变换、沃尔什-阿达玛变换、离散卡夫纳-勒维变换。这里只讲傅里叶变换。

    2)图像增强和复原

     

    图像增强不增加图片信息,只对感兴趣的特征进行强调突出,增加辨别能力。根据人的主观评定,具有一定的人为畸变。一般通过空间域处理和频率域处理两种方法。

    图像复原技术的主要目的是以预先确定的目标来改善因散焦、像物相对运动、成像器材的图固有缺陷和外部干扰导致退化的图像。

    图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。图像增强主要是一个主观过程,而图像复原则大部分是一个客观的过程。

     

    3)图像压缩

    图像压缩是一种减少描绘一幅图像所需数据量的技术和科学,它是数字图像处理领域中最有用和商业上最成功的技术之一。

     

    图像压缩既可以是无损压缩,没有信息损失;也可以是有损压缩,不能通过解压恢复原图,牺牲准确度换来压缩能力的增加。

    4)图像分割

    图像分割是数字图像处理中的关键技术之一。分割将图像细分为构成它的子区域或物体。细分程度取决于要解决的问题。即将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。

    5)图像描述

    图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。

    6)图像识别

    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。

    二、MATLAB简介

    MATLAB 是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。

    Matlab是一个高级的矩阵/阵列语言,它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步,也可以先编写好一个较大的复杂的应用程序(M文件)后再一起运行。

    三、MATLAB图像处理代码

    1、图像读取及保存

    MATLAB的基本数据单位是矩阵,一幅图像可定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标,而在任何一对空间坐标(x,y)处的幅值f称为图像在该点处的强度或灰度。当x,y和灰度值f是有限的离散数值时,我们称该图像为数字图像。在MATLAB中,数字图像就是一个个矩阵。

    1)图像读取

     

    函数:imread(‘图像文件’) :读入指定的图像文件到内存

    举例:

    InImg=imread('d:\photo\yng.jpg'); %读取D盘photo文件夹中命名为yng的.jpg格式的图像存储到InImg矩阵中

    2)图像保存

    函数:imwrite(OutImg, ‘图像文件’):输出内存中图像数据到文件

    举例:

    imwrite(OutImg,'d:\photo\yn_ln.jpg'); %将OutImg矩阵表示的图像存储到电脑D盘photo文件夹中,并命名为yn_ln的.jpg格式的图像。

    3)图像显示

     

     

    函数:imshow(ImgData) :将图像文件显示到屏幕
    subplot(行数,列数,区域索引); 

    举例:

     

    subplot(1,1,1);imshow(InImg); %将InImg图像文件显示到屏幕上指定位置

    4)图像转换

     

    I=rgb2gray(rgbImg): 将彩色图像转换为灰度图像,rgbImg为彩色图像
    bw=im2bw(Img,level): 将灰度图像转换为二值图像,Img为灰度图像,level为0~1的灰度级阈值;

    原图

    灰度图像                                                         二值图像

    2、图像增强

    1)数字图像灰度增强

     

     

    J=imadjust(I,[low high], [bottom top],gamma): 对灰度图像进行直接灰度变换;I为增强前灰度图像,J为增强后的灰度图像,[low high]增强前灰度级范围,[bottom top]增强后灰度级范围

    举例:

    clear;
    InImg=imread('d:\photo\yng.jpg');
    I=rgb2gray(InImg);
    bw1=im2bw(I,0.8);
    J=imadjust(I,[0.1 0.6], [0 1],0.5);
    bw2=im2bw(J,0.8);
    bw2=medfilt2(bw2);
    subplot(1,2,1);imshow(bw1);
    subplot(1,2,2);imshow(bw2);

    增强前                                                                                              增强后

    2)数字图像空域滤波

    S=medfilt2(J): 对图像进行中值滤波
    举例:

    M=0;V=0.01;
    J1=imnoise(I, 'gaussian',M,V);
    S=medfilt2(J1);
    subplot(1, 2, 1); imshow(J1);
    subplot(1, 2, 2); imshow(S);

    高斯噪声                                                                                        中值滤波

    3)数字图像频域滤波

     

     

    F=fft2(I): 2D 傅里叶正变换

    Pha=angle(F): 计算相位谱

    R= abs(F): 计算功率谱
    F1=real(F): 获得傅里叶变换实部分量
    F2=imag(F): 获得傅里叶变换虚部分量
    fftshift(F): 移动傅里叶频谱中心至零频率

    I=ifft2(F): 2D 傅里叶逆变换

    举例:(1)

    I=BWBand(21,31);
    F=fft2(I);                        %傅里叶正变换
    F=fftshift(F);
    L=abs(F);
    L= mat2gray(L);
    I3=imrotate(BWBand(21, 31),30);
    F3=fft2(I3);
    F3=fftshift(F3);
    L3=abs(F3);
    L3= mat2gray(L3);
    subplot(141); imshow(I);
    title('原图');
    subplot(142); imshow(I3);
    title('旋转30度图');
    subplot(143); imshow(L); 
    title('功率谱图');
    subplot(144); imshow(L3);

    title('旋转30度功率谱图');

     

     

    (2)
    InImg=imread('d:\photo\ying.jpg');
    subplot(2, 2, 1); imshow(InImg); 
    title('原彩色图');
    I=rgb2gray(InImg);
    J1=imnoise(I, 'salt & pepper',0.01);
    subplot(2, 2, 2); imshow(J1); 
    title('椒盐噪声污染图');
    [f1, f2]=freqspace([199 200],'meshgrid');        %产生等间隔采样的频率响应
    R=sqrt(f1.^2+ f2.^2);                   %计算功率谱
    Hd=ones([199 200]);
    Hd(R>0.5)=0;                                   %产生理想的带通滤波器,频率带宽[0.1 0.5]
    win= fspecial('gaussian',[199 200],2); %采用高斯函数生成同样大小的窗函数
    win= win./max(win(:));                       %窗口函数归一化
    H=fwind2(Hd,win);                           %利用窗口函数产生实际的带通滤波器 
    subplot(2, 2, 3); freqz2(H);
    ff= imfilter (J1,H);
    subplot(2, 2, 4); imshow(ff); 

    3、图像复原

     

     

    图像滤波:
    J = WIENER2(I,[M N]): 对灰度图像实施维纳自适应滤波 ,[M N]像素领域大小

    C=conv2(A,B) : 计算矩阵 A B 的卷积

    举例:

    InImg=imread('d:\photo\yng.jpg');
    I=rgb2gray(InImg);
    J1=imnoise(I, 'gaussian');
    B1=[0 0.2 0;0.2 0.2 0.2; 0 0.2 0];   %平滑滤波器
    H = fspecial('average',[5 5]);
    Blurred1 = imfilter (J1,H);
    H = fspecial('gaussian',[5 5]);
    Blurred2 = imfilter (J1,H);
    K = wiener2(J1,[5 5]);
    subplot(1, 5, 1); imshow(J1) ; %显示噪声图像
    title('高斯噪声图像');
    subplot(1, 5, 2); imshow(Blurred1) ; %显示均值滤波图像
    title('均值滤波图像');
    subplot(1, 5, 3); imshow(Blurred2) ; % 显示高斯滤波图像
    title('高斯滤波图像');
    subplot(1, 5, 4); imshow(K);% 显示维纳滤波器滤波图像
    title('维纳滤波器滤波图像');
    C1=conv2(J1,B1, 'same'); %对加噪后的图像平滑滤波
    C1=mat2gray(C1); %将矩阵转换为灰度图像
    subplot(1, 5, 5); imshow(C1);% 显示平滑图像
    title('平滑图像');

    4、图像压缩

     

     

    哈夫曼编码:无损压缩

    步骤:1)缩减信源 2)尽可能少的调动信源符号排序 3)规定大概率事件编码

     clear 
     close all;  %定义HufData/Len为全局变量的结构体 
     global HufData; 
     global Len;  
     disp('计算机正在准备输出霍夫曼编码结果,请耐心等待……'); %原始码字的灰度 
    a=imread('d:/photo/hua.jpg'); 
    a=rgb2gray(a);
     figure; 
     subplot(1,2,1); imshow(a);
     %取消坐标轴和边框 
     axis off 
     box off  
     title('Tokyo Towers','fontsize',13); 
     subplot(1,2,2); 
     axis off 
     box off 
     imhist(a);  
     title('图像灰度直方图','fontsize',13);%图像的灰度统计 
     GrayStatistics=imhist(a); 
     GrayStatistics=GrayStatistics'; 
    GrayRatioo=GrayStatistics/sum(GrayStatistics); 
    GrayRatioNO=find(GrayRatioo~=0);
    GrayRatioyes=find(GrayRatioo==0);
    Len=length(GrayRatioNO);  %初始化灰度集,防止系统随即赋予其垃圾值 
    GrayRatio=ones(1,Len); 
    for i=1:Len  
        GrayRatio(i)=GrayRatioo(i);  
    end
    GrayRatio=abs(sort(-GrayRatio)); 
    for i=1:Len  
        HufData(i).value=GrayRatio(i); %将图像灰度概率赋予结构体 
    end  % 霍夫曼编码/霍夫曼编码 


    HuffmanCode(Len); %输出码字 
    lavg1=0;
    for i=1:Len  
        tmpData=HufData(i).code
        str='';  
        for j=1:length(tmpData) ; 
             str=strcat(str,num2str(tmpData(j))); 
             disp(strcat('a','= ',str)); 
        end
           len1=length(tmpData) ;
           lavg1=lavg1+GrayRatio(1,i)*len1;
            
    end
    ratio_delet=8/lavg1;
     str='';
     str=strcat(str,num2str(ratio_delet)); 

     disp(strcat('压缩率','= ',str)) 

    5、图像分割(边缘提取)

    1)图像几何纠正、边缘检测 

     

    B=imresize(A,m,type): 图像大小调整

    B=imrotate(A,angle,method): 图像旋转调整

    最近邻插值法:将变换后的图像中的原像素点最邻近像素的灰度值赋给原像素点的方法
    双线性插值法:
    核心思想是在两个方向分别进行一次线性插值。

    举例:

    InImg=imread('d:\photo\tail.bmp');
    I=rgb2gray(InImg);
    B1=imresize(I,1.5, 'nearest');
    B2=imresize(I,1.5, 'bilinear');
    C1= imrotate (I,45, 'nearest');
    C2= imrotate (I,45, 'bilinear');
    subplot(231);imshow(I) ;%显示原始图像于
    title('原始图像');
    subplot(232); imshow(B1) ;%显示调整图像(最近邻插值)
    title('最近邻插值图像');
    subplot(233); imshow(B2) ;% 显示调整图像(双线性插值)
    title('双线性插值图像');
    subplot(234); imshow(C1);% 显示旋转图像(最近邻插值)
    title('旋转最近邻插值图像');
    subplot(235); imshow(C2);% 显示旋转图像(双线性插值)
    title('旋转双线性插值');

    2)边缘提取

     

     

    BW=edge(I,method,thresh): 检测灰度图像的边缘

     

     

     

    举例:

    InImg=imread('d:\photo\ying.jpg');
    I=rgb2gray(InImg);
    BW1= edge (I, 'sobel',0.1);%sobel边缘检测器
    BW2= edge (I, 'prewitt',0.1);%prewitt边缘检测器
    BW3= edge (I, 'roberts',0.1);%roberts边缘检测器
    BW4= edge (I, 'log',0.01,2.0);%log边缘检测器
    subplot(221); imshow(BW1) ;% 显示边缘图像
    title('sobel边缘图像');
    subplot(222); imshow(BW2) ;%显示边缘图像
    title('prewitt边缘图像');
    subplot(223); imshow(BW3) ;% 显示边缘图像
    title('roberts边缘图像');
    subplot(224); imshow(BW4) ;% 显示边缘图像
    title('log边缘图像');

     

     

     

    边缘提取

     

     

    展开全文
  • 平滑滤波——matlab图像处理 平滑滤波的目的是消除或尽量减少噪声,改善图像的质量。假设加性噪声是随机独立分布,这样利用图像像素领域的平均或加权平均即可有效地抑制噪声干扰。从信号分析的观点来看,图像平滑...
  • 之前由于双目测距的工作,用MATLAB获取摄像头数据并实时处理。现将一些基本操作分享给大家。欢迎交流
  • 一、imfinfo函数——查看图像文件信息,注意参数是文件路径和文件名,不是图像对应的矩阵。 &gt;&gt; imfinfo('C:\Users\zhulf\Desktop\1.jpg') ans =   Filename: 'C:\Users\zhulf\Desktop\1.jpg'  ...
  • Matlab完成实时摄像头图像采集,并使用OTSU算法完成自适应二值化,效果很好,实时性较高。
  • 如何通过相机实时显示处理图像
  • 写在前头:说到数字图像处理,不得不提起MATLAB。这是一款非常方便的仿真软件,绝大多数的图像处理可以用MATLAB完成。  有人问,处理图片,用PS岂不是更好。两者各有优点,如果需要将10000幅图片转换成灰度...
  • 计算机图像处理实验课1-9,看完本课程可以让你matlab技能小小进步,对图像处理稍微了解。、 (一)matlab数字图像处理实验-guide的简单使用教程 (二)matlab数字图像处理实验-图像的几何变换 (三)matlab数字...
  • 找到图像中连通域面积最大的那块连通域。 i=imread('face.jpg'); I=rgb2gray(i); BW=im2bw(I); %利用阈值值变换法将灰度图像转换成二进制图像 figure(1); imshow(BW); %最小化背景 [n1 n2]=size(BW); r=floor(n1...
  • 整理电脑时,发现了本科时做的一个matlab GUI,关于图像处理的一些基本操作,里面有挺多功能的,看下面的图片。 图像类型转化,几何运算,图像变换,添加噪声,图像复原,图像增强,图像分割,形态学处理,小波变换...
  • matlab数字图像处理实验 1、什么是平滑处理?  首先明白几个名词:  (1)噪声:图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。 1.高斯噪声:高斯噪声是指它的概率密度函数服从高斯分布(即正态...
  • 由于这段时间在做一个图像处理与三维重建的项目,其中数字图像处理的知识是必不可少的,学习matlab也有一段时间了,所以现在抽点时间将这段时间所学的东西做个小总结,加深理解的同时也方便以后有需要时可以查看一下...
  • 原文地址:Matlab图像处理函数汇总 作者:mimi 图像的变换  ① fft2:fft2函数用于数字图像的二维傅立叶变换,如:i=imread('104_8.tif'); j=fft2(i); ②ifft2::ifft2函数用于数字图像的二维傅立叶反变换,如...
  • matlab 数字图像处理GUI设计。
  • 1.1 MATLAB图像处理基本操作 本文中对于大多数的操作,是对数字图像处理领域中最为著名的“lena”图片进行操作的。原图如下(Figure 1):  Figure 1 首先,在MATLAB中显示这幅图片: I=imread('lena.jpg')...
  • (注:本文代码大部分可从《数字图像处理 第三版》中找到)使用软件:MATLAB R2018a学习前提:了解matlab的GUI界面的每个按钮参考资料:《数字图像处理 第三版》,CSDN博客使用初音图片P站画师uid:1589657。...
1 2 3 4 5 ... 20
收藏数 49,997
精华内容 19,998
关键字:

matlab实时图像处理