《基于MATLAB编程、机器学习、深度学习在图像处理中实践技术》公开课于12月19日圆满开展
郁磊老师思路清晰的讲解收获了满满的好评！本文收录了直播答疑过程中的问题，欢迎回顾录播
转发此文章至朋友圈公开12小时或相关微信群(10分钟后)截图发给小编即可免费获取视频观看路径及密码。
整体实操课程戳下方图片跳转查看
01
老师 生成式对抗网络可以用来图像配准么
02
老师， 如果用神经网络做水体提取，水体里面有一些其他植被，可以实现水体提取吗？
03
老师，特征提取有什么技巧
04
老师、数字图像特征(纹理、颜色等)的提取，后面课会有涉及吗？谢谢老师。
05
老师，训练样本的数量选取根据什么来定呢
06
请问特征提取的那个函数是matlab自带的，还是老师自己编写的呢
07
神经网络可以用于农田作物的产量预测吗？
08
训练好的模型怎么使用鸭
09
老师，训练样本集里的每一张照片里的地物类型一定是单一的吗
10
老师 web app需要怎么创建
11
老师，卷积神经网络做预测会讲到吗？
12
老师，我想问的是我如果进行水体提取，但是水面上比如包含一些荷叶或者桥等非水体的干扰，预处理不掉，但是我只想提取水体，想提取的的水体里不包含这些非水体，可以做到吗

文章目录
实现思路
实现效果
参考代码

实现思路

绘制原图像的灰度直方图，观察灰度直方图并估计两个峰值对应的灰度值范围
在两个峰值对应的灰度值范围内搜索谷底(最小值)对应的灰度值
将搜索到的谷底对应的灰度值作为灰度阈值，并对大于或小于灰度阈值的部分作相应的处理




将图像中所有灰度值大于阈值的像素点认为是组成物体的点，称为目标点；将图像中那些灰度值小于等于阈值的像素点认为是组成背景的点，称为背景点。

此时的处理方式可以有很多种，可根据实际情况进行调整：

阈值化的方法将灰度值大于等于阈值的像素点和小于阈值的像素点的灰度值分别设为0和1，具体看是从暗的背景中分割亮的物体还是亮的背景中分割暗的物体。
半阈值化的方法将比阈值大的亮像素的灰度值保持不变，而将阈值小的暗像素变为黑色；或是将比阈值小的暗像素的灰度值保持不变，而将比阈值大的亮像素变为白色。

实现效果

参考代码
使用了matlab中自带的cameraman图片进行处理，图片是二维的灰度图，size(im,1)、size(im,2)分别对应二维灰度图数组的行列长度。
im=imread('cameraman.tif');
im2=imhist(im);		//im2为原图像对应的灰度直方图，数组索引号代表灰度值，索引号所对应的值为该灰度值下像素点的个数
min=size(im,1)*size(im,2); 
minindex=0;
figure('name','灰度直方图')
imhist(im)
figure('name','半阈值化图像分割')
subplot(1,2,1)
imshow(im)
title('原图像')
for i=10:165		//观察灰度直方图估计两个峰值对应的灰度值范围
    if(im2(i)<min)
        min=im2(i);
        minindex=i;	//注意索引号对应的才是灰度值！！
    end
end
for i=1:size(im,1)
    for j=1:size(im,2)
        if(im(i,j)>=minindex)
            im(i,j)=255;	//半阈值化的方法，从亮的背景中分割出暗的物体
        end
    end
end
subplot(1,2,2)
imshow(im)
title('阈值分割图像')

一、	实验目的

编程实现图像质量评价

二、	实验内容与要求

计算均方根误差；
计算峰值信噪比；
进行结果输出；

三、设计与实现：

设计思路：

加载路径，包括函数文件路径和文件夹目录路径；
对所要评价的图片进行读取；
编写MSE函数，进行计算均方根误差，函数主要思想是差值求和取平均；
计算PSNR数值；
进行结果的展示，四张图片展示在一张图片上面，便于对比。

主要代码：

% 加载路径

addpath(genpath(‘F:\课程\数字图像处理\实验1-2\素材\图像质量评价’));

addpath(genpath(‘F:\课程\数字图像处理\实验1-2’));

% 图片导入

[picture_0,map]=imread(‘标准图像.jpeg’);

%读取索引图像X以及与之对应的颜色表到map中

[picture_1,map]=imread(‘待评价图像1.bmp’);

[picture_2,map]=imread(‘待评价图像2.bmp’);

[picture_3,map]=imread('待评价图像3.bmp’);

%计算MSE

mse_1=MSE(picture_0,picture_1);

mse_2=MSE(picture_0,picture_2);

mse_3=MSE(picture_0,picture_3);

%计算PSNR

PSNR_1 = 10log10(255^2/mse_1);

PSNR_2 = 10log10(255^2/mse_2);

PSNR_3 = 10log10(255^2/mse_3);

% 输出MSE结果

disp(mse_1);

disp(mse_2);

disp(mse_3);

% 输出PSNR结果

disp(PSNR_1);

disp(PSNR_2);

disp(PSNR_3);

% 结果显示

figure

subplot(2,2,1)%创建22的矩阵

imshow(picture_0)

title(‘原始图像’,‘Fontsize’,24)

subplot(2,2,2)

imshow(picture_1)%title的换行操作依靠大括号实现

title({[‘MSE=’,num2str(mse_1)];[‘PSNT=’,num2str(PSNR_1)]},‘Fontsize’,24)

subplot(2,2,3)

imshow(picture_2)

title({[‘MSE=’,num2str(mse_2)];[‘PSNT=’,num2str(PSNR_2)]},‘Fontsize’,24)

subplot(2,2,4)

imshow(picture_3)

title({[‘MSE=’,num2str(mse_3)];[‘PSNT=’,num2str(PSNR_3)]},‘Fontsize’,24)
MSE计算函数

function mse=MSE(picture_0,picture_1)

% 计算与标准图片的均方差

J=double(picture_0);

K=double(picture_1);

s1=0;  % 初始化

s2=0;

[m ,n]=size(J);

for x=1:1:m

for y=1:1:n

a=(J(x,y)-K(x,y)).^2;  % 像素差异值

b=J(x,y).^2;

s1=s1+a;

s2=s2+b;

end

end

mse=s1/s2;  % 得到均方差
结果展示

原创文章，欢迎转载。转载请注明：转载自 祥的博客

原文链接：http://blog.csdn.net/humanking7/article/details/46819527

在毕业设计的时候写论文画图，要在一个图像上精确的标记出要处理的区域，用Photoshop或是其他绘图软件难免不精确，而且也不符合懒人思维（以后怎么办，要一劳永逸，嘿嘿），所以就自己写软件吧。



编程思想和注意事项

其实程序的思路很简单，就是在局域外面像素的值（颜色）覆盖掉就行了，但是要注意几点内容。

原图像通道问题（边框颜色问题）。图像的是单通道的（黑白）还是多通道的（彩色），这点在于你要的框的颜色，我的方法是如果是单通道的图，现将其处理为多通道。
边界问题。边框是有宽度的，而且我的框是向外填充的，所以要考虑到图像的边界问题，如果超出去了就会报错（图像在Matlab中以数组的形式存在，超出范围了就越界了）
像素点位置。图像在Matlab中是以数组的形式存放的，在图像像素坐标系中，x方向用数组的列表示，y方向用数组的行表示。在取图像元素时候一定要注意。
绘制矩形框程序

保存为 drawRect.m 文件，这是一个函数文件。



function [ dest ] = drawRect( src, pt, wSize,  lineSize, color )
%简介：
% %将图像画上有颜色的框图，如果输入是灰度图，先转换为彩色图像，再画框图
% 图像矩阵
% 行向量方向  是  y
% 列向量方向  是  x
%----------------------------------------------------------------------
%输入：
% src：        原始图像，可以为灰度图，可为彩色图
% pt：         左上角坐标   [x1, y1]
% wSize：   框的大小      [wx, wy]
% lineSize： 线的宽度
% color：     线的颜色      [r,  g,  b] 
%----------------------------------------------------------------------
%输出：
% dest：           画好了的图像
%----------------------------------------------------------------------

%flag=1: 有缺口的框
%flag=2: 无缺口的框
flag = 1;


%判断输入参数个数
if nargin < 5
    color = [255 255 0];
end

if nargin < 4
    lineSize = 1;
end

if nargin < 3
    disp('输入参数不够 !!!');
    return;
end





%判断框的边界问题
[yA, xA, z] = size(src);
x1 = pt(1);
y1 = pt(2);
wx = wSize(1);
wy = wSize(2);
if  x1>xA || ...
        y1>yA||...
        (x1+wx)>xA||...
        (y1+wy)>yA

    disp('画的框将超过图像 !!!');
    return;
end

%如果是单通道的灰度图，转成3通道的图像
if 1==z
    dest(:, : ,1) = src;
    dest(:, : ,2) = src;
    dest(:, : ,3) = src;
else
    dest = src;
end

%开始画框图
for c = 1 : 3                 %3个通道，r，g，b分别画
    for dl = 1 : lineSize   %线的宽度，线条是向外面扩展的
        d = dl - 1;
        if  1==flag %有缺口的框
            dest(  y1-d ,            x1:(x1+wx) ,  c  ) =  color(c); %上方线条
            dest(  y1+wy+d ,     x1:(x1+wx) , c  ) =  color(c); %下方线条
            dest(  y1:(y1+wy) ,   x1-d ,           c  ) =  color(c); %左方线条
            dest(  y1:(y1+wy) ,   x1+wx+d ,    c  ) =  color(c); %左方线条
        elseif 2==flag %无缺口的框
            dest(  y1-d ,            (x1-d):(x1+wx+d) ,  c  ) =  color(c); %上方线条
            dest(  y1+wy+d ,    (x1-d):(x1+wx+d) ,  c  ) =  color(c); %下方线条
            dest(  (y1-d):(y1+wy+d) ,   x1-d ,           c  ) =  color(c); %左方线条
            dest(  (y1-d):(y1+wy+d) ,   x1+wx+d ,    c  ) =  color(c); %左方线条
        end
    end    
end %主循环尾


end %函数尾




调用主程序

调用drawRect.m 里的drawRect 函数。



clc;
clear;
close all;
%-----------------------------------
%给图像加一个矩形框
%-----------------------------------

[filename, pathname] = uigetfile({'*.jpg'; '*.bmp'; '*.gif'; '*.png' }, '选择图片');
%没有图像
if filename == 0
    return;
end

data = imread([pathname, filename]);
[m, n, z] = size(data);

pt = [185, 273];
wSize = [60,60];

des = drawRect(data,pt,wSize,5 );
subplot(1,2,1)
    imshow(data)
subplot(1,2,2)
    imshow(des)
return;



处理结果



边框样式1

有缺口的边框样式，在drawRect.m 文件中flag = 1 。





边框样式2

无缺口的边框样式，在drawRect.m 文件中flag = 2 。