MatLab代码大全.docx
《MatLab代码大全.docx》由会员分享,可在线阅读,更多相关《MatLab代码大全.docx(104页珍藏版)》请在冰豆网上搜索。
![MatLab代码大全.docx](https://file1.bdocx.com/fileroot1/2023-2/22/120f4b2f-7216-438b-974c-f7ab953f2742/120f4b2f-7216-438b-974c-f7ab953f27421.gif)
MatLab代码大全
第2章图像获取
2.3.2二维连续傅里叶变换
例2.2
figure
(1);%建立图形窗口1
[u,v]=meshgrid(-1:
0.01:
1);%生成二维频域网格
F1=abs(sinc(u.*pi));
F2=abs(sinc(v.*pi));
F=F1.*F2;%计算幅度频谱F=|F(u,v)|
surf(u,v,F);%显示幅度频谱,如图2.3(b)
shadinginterp;%平滑三维曲面上的小格
axisoff;%关闭坐标系
figure
(2);%建立图形窗口2
F1=histeq(F);%扩展F的对比度以增强视觉效果
imshow(F1);%用图像来显示幅度频谱,如图2.3(c)
第3章图像变换
3.4.4二维FFT的MATLAB实现
例3.2简单图像及其傅里叶变换
MATLAB程序:
%建立简单图像d并显示之
d=zeros(32,32);%图像大小32⨯32
d(13:
20,13:
20)=1;%中心白色方块大小为8⨯8
figure
(1);%建立图形窗口1
imshow(d,'notruesize');%显示图像d如图3.5(a)所示
%计算傅里叶变换并显示之
D=fft2(d);%计算图像d的傅里叶变换,fft2(d)=fft(fft(d).').'
figure
(2);%建立图形窗口2
imshow(abs(D),[-15],'notruesize');%显示图像d的傅里叶变换谱如3.5(b)所示
例3.3MATLAB图像及其傅里叶变换谱
MATLAB程序:
figure
(1);
loadimdemossaturn2;%装入MATLAB图像saturn2
imshow(saturn2);%显示图像saturn2如图3.6(a)所示
figure
(2);
S=fftshift(fft2(saturn2));%计算傅里叶变换并移位
imshow(log(abs(S)),[]);%显示傅里叶变换谱如3.6(b)所示
例3.4真彩图像及其傅里叶变换谱
MATLAB程序:
figure
(1);
A=imread('image1.jpg');%装入真彩图像,见图1.1(b)
B=rgb2gray(A);%将真彩图像转换为灰度图像
imshow(B);%显示灰度图像如图3.7(a)所示
C=fftshift(fft2(B));%计算傅里叶变换并移位
figure
(2);
imshow(log(abs(C)),[]);%显示傅里叶变换谱如3.7(b)所示
3.5.4离散余弦变换的MATLAB实现
例3.5计算并显示真彩图像余弦变换的MATLAB程序如下:
RGB=imread('image2.jpg');%装入真彩图像
figure
(1);
imshow(RGB);%显示彩色图像
GRAY=rgb2gray(RGB);%将真彩图像转换为灰度图像
figure
(2);
imshow(GRAY);%显示灰度图像如图3.10(a)所示
DCT=dct2(GRAY);%进行余弦变换
figure(3);
imshow(log(abs(DCT)),[]);%显示余弦变换如图3.10(b)所示。
3.8.2Radon变换的MATLAB实现
例3.8真彩图像的Radon变换
MATLAB程序如下:
RGB=imread('image2.jpg');%装入真彩图像
GRAY=rgb2gray(RGB);%将真彩图像转换为灰度图像
figure
(2);
imshow(GRAY);%显示灰度图像如图3.16(a)
[R,xp]=radon(GRAY,[045]);%计算变换角度为0°和45°的Radon变换
figure;plot(xp,R(:
1));title('R_{0^o}(x\prime)')
%显示0°方向上的Radon变换如图3.16(b)
figure;plot(xp,R(:
2));title('R_{45^o}(x\prime)')
%显示45°方向上的Radon变换如图3.16(c)
例3.9连续角度的Radon变换
对于一组连续角度的Radon变换通常用一幅图像来表示。
本例先建立一幅简单图像,然后令变换角度从0°以1°的增量变化到180°时的Radon变换情况。
其MATLAB程序如下:
I=zeros(100,100);%建立简单图像如图3.17(a)
I(25:
75,25:
75)=1;
figure
(1);imshow(I);
theta=0:
180;%规定变换角度的范围
[R,xp]=radon(I,theta);%计算Radon变换
figure
(2);
imagesc(theta,xp,R);%以图像方式显示变换结果R,
%其x轴和y轴分别为theta和xp
title(‘R_{\theta}(X\prime)’);%显示图像标题
xlabel(‘\theta(degrees)’);%显示x坐标“
”
ylabel(‘X\prime’);%显示y坐标“
”
set(gca,’Xtick’,0:
20:
180);%设置x坐标刻度
colormap(hot);%设置调色板
colorbar;%显示当前图像的调色板
第4章图像增强
4.2.1直接灰度变换
Matlab程序实现图像求反:
I=imread('cameraman.tif');
imshow(I)
I=double(I)
I=256-1-I
I=uint8(I)
figure
imshow(I)
例4.1
用Matlab程序实现线性灰度变换的图像增强:
%读入并显示原始图像
I=imread('pout.tif');
imshow(I);
I=double(I);
[M,N]=size(I);
%进行线性灰度变换
fori=1:
M
forj=1:
N
ifI(i,j)<=30
I(i,j)=I(i,j);
elseifI(i,j)<=150
I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30;
else
I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200;
end
end
end
例4.2
I=imread('lena.bmp');
figure;imshow(I);
I=double(I);
I2=41*log(1+I);
I2=uint8(I2);
figure;imshow(I2);
例4.3
灰度切割变换的Matlab的程序如下:
I=imread('007.bmp');
figure;imshow(I);
I=double(I)
[M,N]=size(I);
fori=1:
M
forj=1:
N
ifI(i,j)<=50
I(i,j)=40;
elseifI(i,j)<=180
I(i,j)=220;
else
I(i,j)=40;
end
end
end
I=uint8(I);
figure;imshow(I);
例4.4
具体Matlab程序如下:
I=imread('lena.bmp');
imshow(I);
I=double(I);
[M,N]=size(I);
fork=1:
8
J=zeros(M,N);
fori=1:
M
forj=1:
N
temp=I(i,j);
s1=0;s2=0;
range=[k:
-1:
1];
ford=range
s1=2^(8-d)+s1;s2=2^(8-d+1);
iftemp>=s1&tempJ(i,j)=255;break;
end
end
end
end
J=uint8(J);
figure;imshow(J);
end
4.2.2直方图修正
例4.6直方图均衡化效果实例
用Matlab中的histeq函数实现直方图均衡化的程序如下:
I=imread('circuit.tif');
figure
subplot(221);imshow(I);
subplot(222);imhist(I)
I1=histeq(I);
figure;
subplot(221);imshow(I1)
subplot(222);imhist(I1)
例4.8:
直方图规定效果实例
用matlab中的histeq函数实现直方图均衡化的程序如下:
I=imread('circuit.tif');
[M,N]=size(I);
fori=1:
8:
257
counts(i)=i;
end
Q=imread('circuit.tif');
N=histeq(Q,counts);
figure
subplot(221);imshow(N);
subplot(222);imhist(N);
axis([026005000]);
4.2.3图像间运算
例:
用图像平均减少随机噪声
I=imread('tire.tif');
[M,N]=size(I);
II1=zeros(M,N);
fori=1:
16
II(:
:
i)=imnoise(I,'gaussian',0,0.01);
II1=II1+double(II(:
:
i));
ifor(or(i==1,i==4),or(i==8,i==16));
figure;
imshow(uint8(II1/i));
end
end
4.3空域滤波增强
Matlab实现的邻域平均法抑制噪声的程序:
I=imread('eight.tif');
J=imnoise(I,'salt&pepper',0.02);
subplot(231),imshow(I);title('原图像');
subplot(232),imshow(J);title('添加椒盐噪声图像')
k1=filter2(fspecial('average',3),J);%进行3×3模板平滑滤波
k2=filter2(fspecial('average',5),J);%进行5×5模板平滑滤波
k3=filter2(fspecial('average',7),J);%进行7×7模板平滑滤波
k4=filter2(fspecial('average',9),J);%进行9×9模板平滑滤波
subplot(233),imshow(uint8(k1));title('3×3模板平滑滤波');
subplot(234),imshow(uint8(k2));title('5×5模板平滑滤波');
subplot(235),imshow(uint8(k3));title('7×7模板平滑滤波');
subplot(236),imshow(uint8(k4));title('9×9模板平滑滤波')
例4.10:
使用中值滤波降低图像噪声
I=imread('eight.tif');
J=imnoise(I,'salt&pepper',0.02);
subplot(231),imshow(I);title('原图像');
subplot(232),imshow(J);title('添加椒盐噪声图像')
k1=medfilt2(J);%进行3×3模板中值滤波
k2=medfilt2(J,[55]);%进行5×5模板中值滤波
k3=medfilt2(J,[77]);%进行7×7模板中值滤波
k4=medfilt2(J,[99]);%进行9×9模板中值滤波
subplot(233),imshow(k1);title('3×3模板中值滤波')
subplot(234),imshow(k2);title('5×5模板中值滤波')
subplot(235),imshow(k3);title('7×7模板中值滤波')
subplot(236),imshow(k4);title('9×9模板中值滤波')
例4.11:
梯度锐化实例
I=imread('cameraman.tif');
subplot(131),imshow(I)
H=fspecial('Sobel');
H=H';%Sobel垂直模板
TH=filter2(H,I);
subplot(132),imshow(TH,[]);
H=H';%Sobel水平模板
TH=filter2(H,I);
subplot(133),imshow(TH,[])
4.4图像频域增强
例4.12:
频域低通滤波所产生的模糊
%理想低通过滤波器所产生的模糊和振铃现象
J=imread('lena.bmp');
subplot(331);imshow(J);
J=double(J);
%采用傅里叶变换
f=fft2(J);
%数据矩阵平衡
g=fftshift(f);
subplot(332);imshow(log(abs(g)),[]),color(jet(64));
[M,N]=size(f);
n1=floor(M/2);
n2=floor(N/2);
%d0=5,15,45,65
d0=5;
fori=1:
M
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);
ifd<=d0
h=1;
else
h=0;
end
g(i,j)=h*g(i,j);
end
end
g=ifftshift(g);
g=uint8(real(ifft2(g)));
subplot(333);
imshow(g);
例4.12:
用巴特沃斯低通滤波器去除图像中的盐椒噪声
%实现Butterworth低通过滤波器
I=imread('saturn.tif');
J=imnoise(I,'salt&pepper',0.02);%给原图像加入椒盐噪声,如图4.33(a)所示
subplot(121);imshow(J);
tilte('含有盐椒噪声的图像')
J=double(J);
%采用傅里叶变换
f=fft2(J);
%数据矩阵平衡
g=fftshift(f)
[M,N]=size(f);
n=3;
d0=20
n1=floor(M/2)
n2=floor(N/2)
fori=1:
M
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2)
h=1/(1+(d/d0)^(2*n));
g(i,j)=h*g(i,j);
end
end
g=ifftshift(g);
g=uint8(real(ifft2(g)));
subplot(122);
imshow(g);%结果如图4.33(b)所示
例4.13:
频域高通滤波增强示例
J=imread('lenabu.bmp');
imshow(uint8(J));title('模糊图像')
J=double(J);
f=fft2(J);%采用傅里叶变换
g=fftshift(f);%数据矩阵平衡
[M,N]=size(f);
n1=floor(M/2);
n2=floor(N/2);
d0=20;
fori=1:
M%进行理想高通滤波和理想高通加强滤波
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);
ifd>=d0
h1=1;
h2=1+0.5;
else
h1=0;
h2=0.5;
end
g1(i,j)=h1*g(i,j);
g2(i,j)=h2*g(i,j);
end
end
g1=ifftshift(g1);
g1=uint8(real(ifft2(g1)));
subplot(221);imshow(g1);%显示理想高通滤波结果
title('理想高通滤波结果');
g2=ifftshift(g2);
g2=uint8(real(ifft2(g2)));
subplot(222);imshow(g2);%显示理想高通加强滤波结果
title('理想高通加强滤波结果');
n=2;
d0=20;
fori=1:
M%进行巴特沃斯高通滤波和巴特沃斯高通加强滤波
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);
ifd==0
h1=0;
h2=0.5;
else
h1=1/(1+(d0/d)^(2*n));
h2=1/(1+(d0/d)^(2*n))+0.5;
end
gg1(i,j)=h1*g(i,j);
gg2(i,j)=h2*g(i,j);
end
end
gg1=ifftshift(gg1);
gg1=uint8(real(ifft2(gg1)));
subplot(223);imshow(gg1);%显示巴特沃斯高通滤波结果
title('巴特沃斯高通滤波结果')
gg2=ifftshift(gg2);
gg2=uint8(real(ifft2(gg2)));
subplot(224);imshow(gg2);%显示巴特沃斯高通加强滤波结果
title('巴特沃斯高通加强滤波结果');
例4.14:
同态滤波的增强效果
J=imread('eight.tif');%读入原图
subplot(121);imshow(J);
J=double(J);
f=fft2(J);%采用傅里叶变换
g=fftshift(f);%数据矩阵平衡
[M,N]=size(f);
d0=10;
rl=0.5;
rh=2
c=4;
n1=floor(M/2);
n2=floor(N/2);
fori=1:
M
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);
h=(rh-rl)*(1-exp(-c*(d.^2/d0.^2)))+rl;
g(i,j)=h*g(i,j);
end
end
g=ifftshift(g);
g=uint8(real(ifft2(g)));
subplot(122);imshow(g);
第5章图像复原
例5.1
C=imread('image3.jpg');%装入清晰图像
subplot(1,2,1);%将图形窗口分成两个矩形平面
imshow(C);%在第一个矩形平面中显示装入的图像
LEN=30;%设置运动位移为30个象素
THETA=45;%设置运动角度为45o
PSF=fspecial('motion',LEN,THETA);%建立二维仿真线性运动滤波器PSF
MF=imfilter(C,PSF,'circular','conv');%用PSF产生退化图像
subplot(1,2,2),imshow(MFUZZY);%在第二个矩形平面中显示模糊后的图像
imwrite(MF,'image3-MF.jpg');%将运动模糊后的图像保存起来备用
例5.2消除图5.4(b)的运动模糊,其MATLAB程序如下:
[MF,map]=imread('image3-MF.jpg');%装入运动模糊图像
figure
(1);
imshow(MF);%显示模糊图像
LEN=30;
THETA=45;
INITPSF=fspecial('motion',LEN,THETA);%建立复原点扩散函数
[JP]=deconvblind(MF,INITPSF,30);%去卷积
figure
(2);imshow(J);%显示结果图像如图5.6(a)
figure(3);imshow(P,[],'notruesize');%显示复原点扩散函数如图5.6(b)
例5.3逆滤波与维纳滤波的比较
F=checkerboard(8);%生成原始图像F
figure
(1);
imshow(F,[]);
PSF=fspecial('motion',7,45);%生成运动模糊图像MF
MF=imfilter(F,PSF,'circular');
noise=imnoise(zeros(size(F)),'gaussian',0,0.001);%生成高斯噪声
MFN=MF+noise;%生成运动模糊+高斯噪声图像MFN
figure
(2);
imshow(MFN,[]);
NSR=sum(noise(:
).^2)/sum(MFN(:
).^2);%计算噪信比
figure(3);
imshow(deconvwnr(MFN,PSF),[]);%逆滤波复原
figure(4);
imshow(deconvwnr(MFN,PSF,NSR),[]);%维纳滤波复原
例5.7顺序统计滤波器比较
f=imread('image4g.jpg');
figure
(1);imshow(f);
title('原始图像');
g=imnoise(f,'salt&pepper',0.2);
figure
(2);imshow(g);
title('椒盐噪声污染的图像');
g1=double(g)/255;
j1=medfilt2(g1,'symmetric');
figure(3);imshow(j1);
title('中值滤波图像');
j2=ordfilt2(g1,median(1:
3*3),ones(3,3),'symmetric');
figure(4);imshow(j2);
title('中点滤波图像');
j3=ordfilt2(g1,1,ones(3,3));
figure(5);imshow(j3);
title('最小值滤波图像');
j4=ordfilt2(g1,9,ones(3,3));
figure(6);imshow(j4);
title('最大值滤波图像');
例5.8简单图像的affine变换
MATLAB程序如下:
f=checkerboard(24);%建立原始图像,如图5.16(a)
figure
(1);imshow(f);
s=0.7;
theta=pi/6;
T=[s*cos(theta)s*sin(theta)0%建立变换矩阵:
旋转与尺度变换
-s*sin(theta)s*cos(theta)0
001];
tform=maketform('affine',T);
g1=imtransform(f,tform,'nearest');%最近邻插值变换,如图5.16(b)
figure
(2);imshow(g1);
g2=imtransform(f,tform);%双线性插值变换,如图5.16(c)
figure(3);imshow(g2);
g3=imtransform(f,tfor