Matlab图像显示方法.docx
《Matlab图像显示方法.docx》由会员分享，可在线阅读，更多相关《Matlab图像显示方法.docx（61页珍藏版）》请在冰豆网上搜索。
Matlab图像显示方法
实验一Matlab图像显示方法
一、实验目的
1.了解Matlab的基本功能及操作方法
2.练习图像读写和显示函数的使用方法
3.掌握Matlab支持的五类图像的显示方法
二、实验内容
1.图像的读写
A）图像读
RGB=imread（'ngc6543a.jpg'）;
B）图像写
先从一个.mat文件中载入一幅图像，然后利用图像写函数imwrite，创建一个.bmp文件，并将图像存入其中。
loadclown
whos
imwrite（X,map,'clown.bmp'）
C）图像文件格式转换
bitmap=imread（'clown.bmp','bmp'）;
imwrite（bitmap,'clown.png','png'）;
2.图像显示
A）二进制图像的显示
BW1=zeros（20,20）;%创建仅包含0/1的双精度图像
BW1（2:
2:
18,2:
2:
18）=1;
imshow（BW1,'notruesize'）;
whos
BW2=uint8（BW1）;
figure,imshow（BW2,'notruesize'）
BW3=BW2~=0;%逻辑标志置为on
figure,imshow（BW3,'notruesize'）
whos
BW=imread（'circles.tif'）;
imshow（BW）;
figure,imshow（~BW）;
figure,imshow（BW,[100;001]）;
图1.1-1：
BW1图像图1.1-2：
BW2图像
图1.1-3：
BW图像图1.1-4：
BW取反图图1.1-5：
BW变换像
B）灰度图像的显示
I=imread（'testpat1.tif'）;
J=filter2（[12;-1-2],I）;
imshow（I）
figure,imshow（J,[]）
图1.2-1：
I（testpat1.tif）图像图1.2-2:
I灰度变换后的J图像
C）索引图像的显示
loadclown%装载一幅图像
imwrite（X,map,'clown.bmp'）;%保存为bmp文件
imshow（X）imshow（X,map）
图1.3-1：
索引图像
D）RGB图像的显示
I=imread（'flowers.tif'）;
imshow（I）
RGB=imread（'ngc6543a.jpg'）;
figure,imshow（RGB）
imshow（I（:
:
3）%显示第3个颜色分量
图1.4-1：
RGB图像图1.4-2：
第三颜色分量图像
E）多帧图像的显示
mri=uint8（zeros（128,128,1,27））;%27帧文件mri.tif初始化
forframe=1:
27
[mri（:
:
:
frame）,map]=imread（'mri.tif',frame）;%读入每一帧
end
imshow（mri（:
:
:
3）,map）;%显示第3帧
figure,imshow（mri（:
:
:
6）,map）;%显示第6帧
figure,imshow（mri（:
:
:
10）,map）;%显示第10帧
figure,imshow（mri（:
:
:
20）,map）;%显示第20帧
图1.5-1：
第3帧图1.5-1：
第6帧图1.5-1：
第10帧图1.5-1：
第20帧
F）显示多幅图像
[X1,map1]=imread（'forest.tif'）;
[X2,map2]=imread（'trees.tif'）;
subplot（1,2,1）,imshow（X1,map1）
subplot（1,2,2）,imshow（X2,map2）
subplot（1,2,1）,subimage（X1,map1）
subplot（1,2,2）,subimage（X2,map2）
图1.5-1：
多幅图像显示
三、思考题：
1.图像显示时，若不带参数’notruesize’，显示效果如何？
2.如何显示RGB图像的某一个颜色分量？
3.如何显示多帧图像的所有帧？
如何根据多帧图像创建电影片段？
实验二图像运算
一、实验目的
1.熟悉图像点运算和代数运算的实现方法
2.了解图像几何运算的简单应用
3.了解图像的邻域操作
二、实验内容
1.图像点运算
A）读入图像‘rice.tif’，通过图像点运算改变对比度。
rice=imread（'rice.tif'）;
subplot（131）,imshow（rice）
I=double（rice）;%转换为双精度类型
J=I*0.43+60;
rice2=uint8（J）;%转换为uint8
subplot（132）,imshow（rice2）
J=I*1.5-60;
rice3=uint8（J）;%转换为uint8
subplot（133）,imshow（rice3）
图2.1-1：
通过图像点运算改变对比度前后的图像
2.图像的代数运算
A）图像加法运算
I=imread（'rice.tif'）;imshow（I）
J=imread（'cameraman.tif'）;
figure,imshow（J）K=imadd（I,J）;
figure,imshow（K）
K2=imadd（I,J,'uint16'）;
figure,imshow（K2,[]）
RGB=imread（'flowers.tif'）;
RGB2=imadd（RGB,50）;
imshow（RGB）
figure,imshow（RGB2）
RGB3=imadd（RGB,100）;
figure,imshow（RGB3）
图2.2-1：
图像I图2.2-2：
图像J图2.2-3：
I与J相加图像K
图2.2-4：
图像RGB图2.2-5：
图像RGB2图2.2-6：
图像RGB3
B）图像减法运算
I=imread（'rice.tif'）;
imshow（I）
background=imopen（I,strel（'disk',15））;%估计背景图像
figure,imshow（background）;
I2=imsubtract（I,background）;%从原始图像中减去背景图像
figure,imshow（I2）
图2.3-1：
图像I图2.3-2：
背景图像图2.3-3：
减去背景后图像
C）图像乘法运算
I=imread（'moon.tif'）;
J=immultiply（I,1.2）;
K=immultiply（I,0.5）;
imshow（I）
figure,imshow（J）
figure,imshow（K）
图2.4-1：
图像I图2.4-2：
图像J图2.4-3：
图像K
3.图像的几何运算
A）改变图像的大小
读入图像‘ic.tif’，改变图像大小，分别将原图像放大1.5倍和缩小0.5倍。
I=imread（'ic.tif'）;
J=imresize（I,1.25）;
K=imresize（I,0.8）;
imshow（I）
figure,imshow（J）
figure,imshow（K）
Y=imresize（I,[100,150]）;
figure,imshow（Y）
图2.5-1：
图像I图2.5-2：
图像J
图2.5-3：
图像K图2.5-4：
图像Y
B）旋转一幅图像
将上述图像顺时针和逆时针旋转任意角度，观察显示效果。
I=imread（'ic.tif'）;
J=imrotate（I,30,'bilinear'）;
J1=imrotate（I,30,'bilinear','crop'）;
imshow（I）
figure,imshow（J）
figure,imshow（J1）
J2=imrotate（I,-15,'bilinear'）;
figure,imshow（J2）
图2.6-1：
图像I图2.6-2：
图像J
图2.6-3：
图像J1图2.6-4：
图像J2
C）图像剪切
通过交互式操作，从一幅图像中剪切一个矩形区域。
I=imread（'ic.tif'）;
imshow（I）;
I1=imcrop;
figure,imshow（I1）
I2=imcrop（I,[3060120160]）;
figure,imshow（I2）
图2.7-1：
图像I图2.7-2：
图像I
4.图像的邻域操作
读入图像‘tire.tif’，分别使用函数nlfilter和blkproc对图像进行滑动邻域操作和分离邻域操作。
I=imread（'tire.tif'）;
f=inline（'max（x（:
））'）;%构造复合函数
I2=nlfilter（I,[33],f）;%滑动邻域操作
imshow（I）
figure,imshow（I2）
I=imread（'tire.tif'）;
f=inline（'uint8（round（mean2（x）*ones（size（x））））'）;%构造复合函数
I2=blkproc（I,[88],f）;%滑动邻域操作
imshow（I）
figure,imshow（I2）
图2.8-1：
图像I图2.8-1：
图像I2
图2.7-1：
滑动邻域操作
实验三图像变换与滤波器设计
一、实验目的
1.了解傅立叶变换、离散余弦变换及Radon变换在图像处理中的应用
2.了解Matlab线性滤波器的设计方法
二、实验内容
1.傅立叶变换
A）绘制一个二值图像矩阵,并将其傅立叶函数可视化。
f=zeros（30,30）;f（5:
24,13:
17）=1;
imshow（f,'notruesize'）
F=fft2（f）;F2=log（abs（F））;
figure,imshow（F2,[-15],'notruesize'）;colormap（jet）;
F=fft2（f,256,256）;%零填充为256×256矩阵
figure,imshow（log（abs（F））,[-15],'notruesize'）;colormap（jet）;
F2=fftshift（F）;%将图像频谱中心由矩阵原点移至矩阵中心
figure,imshow（log（abs（F2））,[-15],'notruesize'）;colormap（jet）;
图3.1-1：
图像f图3.1-2：
傅里叶变换图像F
图3.1-3：
零填充图像图3.1-4：
频谱中心移至矩阵中心图像
B）利用傅立叶变换分析两幅图像的相关性，定位图像特征。
读入图像‘text.tif’抽取其中的字母‘a’。
bw=imread（'text.tif'）;
a=bw（59:
71,81:
91）;
imshow（bw）;
figure,imshow（a）;
C=real（ifft2（fft2（bw）.*fft2（rot90（a,2）,256,256）））;%求相关性
figure,imshow（C,[]）;
thresh=max（C（:
））;
figure,imshow（C>thresh-10）
figure,imshow（C>thresh-15）
图3.1-1：
原text图像图3.1-2：
字母图像a
图3.1-3：
图像的相关性对比
2.离散余弦变换（DCT）
A）使用dct2对图像‘autumn.tif’进行DCT变换。
RGB=imread（'autumn.tif'）;
imshow（RGB）
I=rgb2gray（RGB）;%转换为灰度图像
figure,imshow（I）
J=dct2（I）;
figure,imshow（log（abs（J））,[]）,colormap（jet（64））;colorbar;
图3.2-1：
图像RGB图3.2-2：
转换为灰度图像
图3.2-1：
颜色块控制条
B）将上述DCT变换结果中绝对值小于10的系数舍弃，使用idct2重构图像并与原图像比较。
RGB=imread（'autumn.tif'）;
I=rgb2gray（RGB）;%转换为灰度图像
J=dct2（I）;
figure,imshow（I）
K=idct2（J）;
figure,imshow（K,[0255]）
J（abs（J）<10）=0;%舍弃系数
K2=idct2（J）;
figure,imshow（K2,[0255]）
图3.3-1：
图像I图3.3-2：
图像K图3.3-3：
图像K2
C）利用DCT变换进行图像压缩。
I=imread（'cameraman.tif'）;
I=im2double（I）;
T=dctmtx（8）;
B=blkproc（I,[8,8],'P1*x*P2',T,T'）;
mask=[11110000
11100000
11000000
10000000
00000000
00000000
00000000
00000000];
B2=blkproc（B,[88],'P1.*x',mask）;
I2=blkproc（B2,[88],'P1*x*P2',T',T）;
imshow（I）figure,imshow（I2）
图3.4-1：
图像I图3.4-2：
压缩后图像
3.Radon变换使用Radon逆变换重建图像。
P=phantom（256）;%创建256灰度级大脑图
imshow（P）
theta1=0:
10:
170;[R1,xp]=radon（P,theta1）;%18个投影
theta2=0:
5:
175;[R2,xp]=radon（P,theta2）;%36个投影
theta3=0:
2:
178;[R3,xp]=radon（P,theta3）;%90个投影
figure,imagesc（theta3,xp,R3）;colormap（hot）;colorbar%使用逆变换重构图像
I1=iradon（R1,10）;%用R1重构图像
I2=iradon（R2,5）;%用R2重构图像
I3=iradon（R3,2）;%用R3重构图像
figure,imshow（I1）
figure,imshow（I2）
figure,imshow（I3）
图3.5-1：
256灰度级大脑图图3.5-2：
颜色块控制条
图3.5-3：
18个投影构图图3.5-4：
36个投影构图图3.5-5：
90个投影构图
4.Matlab线形滤波器设计
采用频率变换方式，通过一维最优波纹FIR滤波器创建二维FIR滤波器（p96）。
b=remez（10,[00.40.61],[1100]）;%阶次,频率向量,对应的理想幅频响应
h=ftrans2（b）;
[H,w]=freqz（b,1,64,'whole'）;
colormap（jet（64））
plot（w/pi-1,fftshift（abs（H）））;%使x轴取值0处对应曲线中心
figure,freqz2（h,[3232]）
图3.6-1：
一维FIR滤波器图3.6-2：
二维FIR滤波器
实验四形态学操作与空间变换
一、实验目的
1.了解膨胀和腐蚀的Matlab实现方法
2.掌握图像膨胀、腐蚀、开启、闭合等形态学操作函数的使用方法
3.了解二进制图像的形态学应用
4.了解空间变换函数及图像匹配方法
二、实验内容
1.图像膨胀
A）对包含矩形对象的二进制图像进行膨胀操作。
BW=zeros（9,10）;
BW（4:
6,4:
7）=1;
imshow（BW,'notruesize'）
se=strel（'square',3）;%正方形结构元素
BW2=imdilate（BW,se）;
figure,imshow（BW2,'notruesize'）
图4.1-1：
BW图4.1-2：
BW2
B）改变上述结构元素类型（如：
line,diamond,disk等），重新进行膨胀操作。
图4.2-1：
line类型图4.2-2：
disk类型图4.2-3：
diamond类型
C）对图像‘text.tif’进行上述操作，观察不同结构元素膨胀的效果。
BW3=imread（'text.tif'）;
imshow（BW3）
se2=strel（'line',11,90）;%线型结构元素
BW4=imdilate（BW3,se2）;
figure,imshow（BW4）
图4.3-1：
line类型图4.3-2：
disk类型
图4.3-3：
diamond类型图4.3-4：
square类型
2.图像腐蚀
A）对图像‘circbw.tif’进行腐蚀操作。
BW1=imread（'circbw.tif'）;
se=strel（'arbitrary',eye（5））;
BW2=imerode（BW1,se）;
imshow（BW1）
figure,imshow（BW2）
图4.4-1：
BW1图4.4-2：
BW2
B）对图像‘text.tif’进行腐蚀操作。
BW=imread（'text.tif'）;
se=strel（'line',11,90）;
BW2=imerode（BW3,se）;
imshow（BW）
figure,imshow（BW2）
图4.5-1：
BW图4.5-2：
BW2
3.膨胀与腐蚀的综合使用
A）从原始图像‘circbw.tif’中删除电流线,仅保留芯片对象。
方法一：
先腐蚀（imerode），再膨胀（imdilate）；
BW1=imread（'circbw.tif'）;imshow（BW1）
se=strel（'rectangle',[4030]）;%选择适当大小的矩形结构元素
BW2=imerode（BW1,se）;%先腐蚀,删除较细的直线
figure,imshow（BW2）
BW3=imdilate（BW2,se）;%再膨胀,恢复矩形的大小
figure,imshow（BW3）
图4.6-1：
BW1图4.6-2：
BW2图4.6-3：
BW3
方法二：
使用形态开启函数（imopen）。
BW1=imread（'circbw.tif'）;
imshow（BW1）
se=strel（'rectangle',[4030]）;
BW2=imopen（BW1,se）;%开启操作
figure,imshow（BW2）
图4.7-1：
BW1图4.7-2：
大小[4030]
B）改变结构元素的大小，重新进行开启操作，观察处理结果。
se=strel（‘rectangle’,[2010]）;
se=strel（‘rectangle’,[5040]）;
图4.8-1：
大小[2010]图4.8-2：
大小[5040]
C）置结构元素大小为[43],同时观察形态开启（imopen）与闭合（imclose）的效果，总结形态开启与闭合在图像处理中的作用。
I=imread（'circbw.tif'）;
imshow（I）
se=strel（'rectangle',[43]）;
I1=imopen（I,se）;%开启操作
I2=imclose（I,se）;%闭合操作
figure,imshow（I1）
figure,imshow（I2）
图4.9-1：
I图4.9-1：
I1图4.9-1：
I2
4.高帽与低帽变换
A）读入图像‘pearlite.tif’，分别显示其高帽变换与低帽变换结果，并与原图像较。
（设se=strel（'disk',5）;）。
I=imread（'pearlite.tif'）;
subplot（221）,imshow（I）
se=strel（'disk',5）;
J=imtophat（I,se）;
subplot（222）,imshow（J）
K=imbothat（I,se）;
subplot（223）,imshow（K）
L=imsubtract（imadd（J,I）,K）;
subplot（224）,imshow（L）
图4.10-1：
高帽与低帽变换
5.图像极值的处理方法
A）对于下图所示的图像矩阵A，利用函数imregionalmax寻找其局部极大值
A=[10101010101010101010;
10131313101011101110;
10131313101010111010;
10131313101011101110;
10101010101010101010;
10111010101818181010;
10101011101818181010;
10101110101818181010;
10111011101010101010;
10101010101011101010];
B=imregionalmax（A）
结果如下：
B）利用函数imextendedmax寻找像素值大于其邻域像素值2个单位的局部极值。
C=imextendedmax（A,2）
结果如下：
6.创建一幅图像,求其距离矩阵。
bw=zeros（5,5）;
bw（2,2）=1;bw（4,4）=1;
D=bwdist（bw）
center1=-10;
center2=-center1;
dist=sqrt（2*（2*center1）^2）;
radius=dist/2*1.4;
lims=[floor（cen
升级会员 