matlab图像处理算法源码.docx
《matlab图像处理算法源码.docx》由会员分享，可在线阅读，更多相关《matlab图像处理算法源码.docx（21页珍藏版）》请在冰豆网上搜索。
matlab图像处理算法源码
matlａb图像分割算法源码
1.图像反转
MATLAB程序实现如下：
J=ｄoｕble（I）；
Ｊ=-Ｊ+（256-1）; ％图像反转线性变换
H=uint8（J）；
suｂplｏt（1,2,1）,imｓｈow（I）;
subploｔ（1,2,2），imsｈｏw（Ｈ）；
2．灰度线性变换
ＭＡTLAＢ程序实现如下:
I=imread（＇xｉan．ｂmｐ＇）;
ｓｕbｐｌｏt（2，2，1）,imｓｈoｗ（I）；
titlｅ（'原始图像'）;
ａxis（[0，25０，0,200］）;
axis on; ％显示坐标系
I1=rgｂ２ｇray（I）;
sｕbplｏt（2,2,2），imshoｗ（I1）;
tiｔｌe（＇灰度图像'）;
axｉs（[0,２５0,0，2０0]）;
aｘis oｎ; ％显示坐标系
J=imadｊuｓt（Ｉ1,［０.1 ０.5］，[]）; ％局部拉伸,把[0．10.５］内的灰度拉伸为[0 1]
sｕbplot（２,2,3），iｍshｏw（J）;
tiｔle（'线性变换图像［0.1 ０.5]'）;
ａｘis（[0,250，0,２０0]）;
gridon； ％显示网格线
ａxison; %显示坐标系
K=imadjｕｓt（I1，[0.30．７],［]）;%局部拉伸,把[0.３ 0．7]内的灰度拉伸为[０ １］
subplot（2,2,4）,imsｈoｗ（K）；
titlｅ（'线性变换图像［0．３0.7］'）；
ａxis（[0,250,０，2００]）;
ｇridon; %显示网格线
ａxiｓ ｏn； %显示坐标系
3．非线性变换（对数变换图像）
%图像的对数变换原理就是将源图像的像素点的像素值通过对数函数映射到目标空间,然后
%用目标值来代替原来像素点的像素值。
那么它的作用就是对于一些视频采集设备，它们采
%集的图像会有一个指数的失真,用对数变换后就抵消掉了原来的指数失真得到原来的图
%像，还有对于灰度值偏低的图像来说它是有一个锐化的效果的。
MＡTLAB程序实现如下:
Ｉ=imｒｅａd（'ｘｉａn．ｂmp'）;
I１=rｇb２gray（I）；
ｓuｂplot（1,2，1）,imshｏw（I1）；
title（'灰度图像'）;
aｘis（[０,250,0,２00］）；
gridｏn; %显示网格线
axison; %显示坐标系
J=doｕblｅ（I1）;
J=40*（log（J+1））;
H=ｕint８（J）;
subｐlｏt（1，2，2），imshow（Ｈ）；
tiｔlｅ（'对数变换图像'）;
axis（[0,250,0,2００]）;
ｇｒｉd on; %显示网格线
aｘis ｏn; %显示坐标系
４.直方图均衡化
％ 直方图均衡化解释网址：
htｔp:
//baｉｋe.ｂaｉｄu.coｍ/vｉew／１１64３83．htm
MＡＴＬAB程序实现如下:
I=imrｅad（'xian.bｍp'）；
I=rgｂ２gray（Ｉ）;
figuｒｅ;
subｐlot（２,2,1）;
iｍshow（I）;
sｕｂｐｌoｔ（2,2，２）;
imhisｔ（I）; ％获取图像数据直方图
I１=hiｓｔeｑ（I）； %直方图均衡化
ｆiguｒe;
subploｔ（2，2，1）;
iｍshoｗ（Ｉ1）;
sｕbｐｌot（2,2,２）;
imhiｓt（I1）;
5.线性平滑滤波器
%空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。
邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大,从而使输出的图像变得模糊，因此需合理选择邻域的大小。
用MAＴLAB实现领域平均法抑制噪声程序:
I=imread（'ｘian.bmｐ'）;
sｕｂpｌot（2,３，1）
iｍshow（Ｉ）
title（＇原始图像'）
I=ｒgｂ2ｇrａｙ（I）;
I１=imnoｉsｅ（I，'ｓaｌt＆ｐepper',０.02）; %htｔp:
//baike.baidu．com／view／33966６5.htm
sｕbploｔ（２,３，2）
imshow（I１）
title（'添加椒盐噪声的图像＇）
k1=fｉlter2（ｆspecial（＇averagｅ',3）,I１）/２55; %进行3*３模板平滑滤波
k2＝filteｒ2（fspecｉaｌ（'aｖerａgｅ',5）,Ｉ１）／２５5; %进行5*５模板平滑滤波
ｋ３=ｆilter２（fspecial（'ａverage',7），Ｉ１）/255; %进行7*7模板平滑滤波
k4＝filter2（fspecｉal（＇ａｖerage'，9）,Ｉ1）/255; %进行9*9模板平滑滤波
sｕbｐｌot（２,3,3），iｍｓhｏw（ｋ1）,tｉtle（'3*3模板平滑滤波＇）;
subploｔ（２,3,4）,ｉmsｈow（k2）,tiｔle（'５*5模板平滑滤波'）;
subｐlot（2,3,5），imsｈow（k3）,title（'7*7模板平滑滤波＇）;
subplot（2,３，6）,imshｏw（k4）,title（'9*9模板平滑滤波'）;
6.中值滤波器
%中值也称中位数，即数据按升序或者降序排列,假如有ｎ个数据，当n为偶数时,中位数为第n／2位数和第（n+2）/2位数的平均数；如果ｎ为奇数,那么中位数为第（n+1）/2位数的值。
用MＡTLAB实现中值滤波程序如下:
Ｉ=imｒeａd（'xian.bmｐ'）;
Ｉ=rgb2gｒaｙ（Ｉ）;
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,［5,５]）;%进行5＊5模板中值滤波
k3=meｄfｉlt2（J,[7,7］）; %进行7*7模板中值滤波
ｋ4=meｄｆilt2（J，[9,９]）; %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＇）;
7.用Sobel算子和拉普拉斯对图像锐化:
%索贝尔算子（Sｏbelｏｐerａｔor）是图像处理中的算子之一，主要用作边缘检测。
在技术上,它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。
在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量http:
//ｂａikｅ
I=imreａd（'xiaｎ.bmｐ＇）；
subplot（2,2,1）,imｓhow（I）;
ｔitlｅ（'原始图像'）;
axｉｓ（[5０,250,５0，200]）;
griｄ ｏｎ; %显示网格线
axｉsｏn； ％显示坐标系
Ｉ１=iｍ2ｂw（Ｉ）;
sｕｂplot（２,2,２）,ｉｍshｏｗ（Ｉ1）;
title（＇二值图像'）；
ａxis（[50,2５0,50,200]）;
grｉdoｎ； ％显示网格线
axis ｏn; ％显示坐标系
H=fｓpｅｃｉal（'sobel'）； ％选择sobeｌ算子
J=filｔeｒ２（H,Ｉ1）; %卷积运算
subploｔ（2,２，3）,ｉｍshoｗ（J）；
ｔiｔle（＇sobel算子锐化图像＇）；
ａxis（［５0,250，５0,200]）；
gridｏn； %显示网格线
axiｓｏn; ％显示坐标系
h=[010,１-４1,010];%拉普拉斯算子
J1＝conv2（I1,ｈ,'sａme＇）; %卷积运算
ｓubploｔ（2,２,4）,imshow（J１）;
tｉtle（'拉普拉斯算子锐化图像'）;
axis（[50，250，50,２00]）;
ｇriｄon; %显示网格线
ａxiｓon; %显示坐标系
8.梯度算子检测边缘
用ＭATLAＢ实现如下:
I=ｉｍrｅａd（'xian．bmp'）；
sｕbｐlｏt（２,3,1）；
imsｈoｗ（I）;
titｌｅ（＇原始图像'）;
axｉs（[0,25０,0，２00］）;
grｉｄｏn; %显示网格线
ａｘｉｓ on; %显示坐标系
Ｉ1=ｉm2bw（Ｉ）;
ｓuｂplot（2,3,２）;
ｉｍshow（I１）;
title（'二值图像'）;
axiｓ（[0,250，０,２00]）；
ｇrｉｄon; %显示网格线
axiｓoｎ; %显示坐标系
I2=ｅｄge（uiｎｔ8（I1）,＇ｒｏberｔs'）；
%figure;
sｕbplot（２，3，３）；
iｍshoｗ（I2）;
titlｅ（'roberts算子分割结果'）；
axｉs（[0,250,０,20０]）;
grid on; %显示网格线
ａxiｓｏn; %显示坐标系
I3=eｄｇｅ（uｉｎt8（I1）,'ｓoｂel'）;
subｐloｔ（２,3,４）;
iｍｓhow（Ｉ3）;
tiｔｌｅ（'ｓobｅl算子分割结果'）；
aｘiｓ（［0，250,0，200]）;
gｒidon; %显示网格线
aｘisoｎ; ％显示坐标系
Ｉ４=ｅｄge（uiｎt8（I1），＇Ｐreｗｉtt＇）;
subplot（２,3,5）；
imshow（I4）；
ｔiｔlｅ（＇Prewitt算子分割结果'）；
axｉｓ（[0,250，0,200]）;
griｄｏn； %显示网格线
axisoｎ; %显示坐标系
9.ＬOG算子检测边缘
用MＡＴLAB程序实现如下：
I＝ｉｍｒeａd（'xｉaｎ.bmp'）;
ｓubploｔ（2,2，1）;
ｉｍsｈow（I）;
title（'原始图像'）;
Ｉ1＝rgｂ２gray（I）;
ｓuｂｐｌot（2,２,2）;
imｓhoｗ（Ｉ１）;
ｔitle（'灰度图像'）；
I２=eｄgｅ（I1,＇lｏｇ'）;
suｂplot（2，2,3）;
ｉmshoｗ（I2）；
tｉtle（＇ｌｏg算子分割结果'）；
１０.Cａｎny算子检测边缘
用MATLAB程序实现如下:
Ｉ=imread（＇ｘiaｎ．bmp'）;
subplｏｔ（2,2,1）;
imshoｗ（I）;
tiｔle（'原始图像'）
I1＝ｒｇb２ｇray（Ｉ）;
ｓubｐlｏt（2,2,2）;
ｉmｓhow（Ｉ1）;
tiｔle（＇灰度图像'）;
Ｉ2=ｅdｇe（I1,＇canny＇）;
subploｔ（2,２,3）;
imｓhow（I２）;
ｔiｔlｅ（'canny算子分割结果＇）;
10.边界跟踪（bwtrａcｅboundａｒy函数）
clｃ
ｃlｅaｒ ａll
I=imrｅaｄ（'xian.ｂmp'）;
ｆigｕre
imｓhow（I）;
titｌｅ（'原始图像'）;
I1＝rgｂ2gray（Ｉ）; %将彩色图像转化灰度图像
tｈｒeshoｌd＝ｇrａythrｅｓh（I１）; %计算将灰度图像转化为二值图像所需的门限
BW=ｉｍ２bｗ（I1， ｔｈｒesholｄ）; %将灰度图像转化为二值图像
fｉgｕｒe
imshow（BW）;
ｔitle（'二值图像＇）；
ｄim=sizｅ（BW）;
cｏｌ=round（diｍ（２）/2）－1; ％计算起始点列坐标 52和图像大小有关
rｏw=find（BW（：
cｏl）,１）; %计算起始点行坐标
connｅcｔｉｖiｔy=8;
num_pointｓ=180;
coｎtour＝bwtrａcｅｂｏundary（BＷ，［row，col],'N',coｎｎectivｉty,ｎum_pｏｉnts）；
%提取边界
figure
imshow（I1）;
hｏlｄｏn;
ploｔ（ｃonｔouｒ（：
，2）,coｎtｏｕr（:
，1），'ｇ',＇LineWidｔh＇,２）；
tiｔle（'边界跟踪图像'）;
12.Hｏｕgh变换
clc
clear
I＝imreａd（'xiａn.bmp'）;
rｏtI=rgb2grａｙ（I）;
sｕｂpｌot（２,２,1）；
ｉmsｈow（ｒotＩ）；
titｌe（'灰度图像'）;
aｘis（[0，２50,0,200]）;
griｄｏn;
axisoｎ;
BＷ=edge（rｏｔI,'prewitｔ'）；
ｓubplot（２,２,２）;
ｉｍｓhoｗ（BＷ）;
titlｅ（'ｐrｅwｉtt算子边缘检测后图像'）;
ａxis（[0,25０,0,200]）；
gridoｎ;
aｘisｏn;
[H，T，R]＝hｏｕgｈ（BＷ）;
ｓubｐlｏt（２,2,3）;
iｍｓhow（H,[]，＇XＤata',Ｔ,'ＹDａtａ＇,R,'InｉtiaｌMagnifiｃａtiｏn','ｆit＇）；
titｌe（'霍夫变换图'）；
xｌaｂel（'\tｈｅｔa＇）,ｙlabel（＇\rｈo'）;
ａxison,axisｎｏrmal,hold on;
P=hoｕghpｅａｋｓ（Ｈ,５,'tｈresholｄ',ceiｌ（0.3*mａｘ（H（:
））））;
x=T（P（:
2））;y＝R（P（:
１））;
ｐlｏｔ（x,y,'s','coloｒ','ｗｈite'）;
lｉnes=ｈoｕghliｎｅs（ＢＷ,T,R，P,'FillGａp',5，'MｉｎLｅngｔｈ',7）;
subplot（２,2,4）；,imshoｗ（rotI）；
titｌｅ（＇霍夫变换图像检测'）；
aｘｉs（[０,250，0，200]）；
gｒidon;
axiｓｏn;
holdon;
max_len=0;
forｋ=１：
lengtｈ（lines）
ｘy=[lｉnes（ｋ）.poｉnt１;ｌinｅs（k）.ｐoint2];
ｐlot（ｘy（:
1）,xy（:
２），＇LｉneWidth',2,'Coｌor',＇green'）；
plｏt（ｘｙ（1,1）,xy（１,2）,'x＇,'ＬineＷidtｈ＇，2,'Ｃｏlor','yelｌow'）;
plot（xy（2，1）,xy（2，２）,'x','LinｅWｉｄth＇,２，＇Ｃｏｌｏr＇,'red'）；
leｎ＝noｒｍ（ｌinｅs（k）.ｐoint１-liｎes（k）．ｐoinｔ2）；
if（ｌen>max_len）
ｍａｘ＿lｅn=len;
xy_ｌong＝xy;
eｎｄ
end
ｐｌｏｔ（xｙ_long（:
1）,xy_long（:
2）,'LｉｎeWｉdth',2，＇Color','cyan'）;
13．直方图阈值法
用MＡTLAB实现直方图阈值法:
Ｉ＝imread（'xian.ｂmp'）;
Ｉ1=rｇb2gｒay（I）;
figure;
subｐlｏｔ（２,2,1）；
iｍshow（I1）；
tiｔｌe（'灰度图像'）
aｘiｓ（[0,250,0,200]）；
gridon; %显示网格线
axison; %显示坐标系
[m,ｎ]=size（I１）; %测量图像尺寸参数
GＰ＝ｚeros（１,2５6）; ％预创建存放灰度出现概率的向量
for k=0:
255
GＰ（k+1）=ｌength（ｆiｎd（I1==k））/（ｍ＊n）；%计算每级灰度出现的概率，将其存入GＰ中相应位置
enｄ
subplot（2,2,２）,bar（０:
255,ＧP,＇g'） %绘制直方图
titlｅ（'灰度直方图'）
xlabel（＇灰度值'）
ｙlabel（＇出现概率'）
Ｉ2＝im２bｗ（I,150/255）；
subpｌｏt（２,2，3）,imｓhｏw（I2）;
ｔitlｅ（'阈值15０的分割图像＇）
aｘiｓ（[０,250,０,2００]）;
ｇrｉｄ ｏｎ; %显示网格线
axｉs oｎ; %显示坐标系
I3=im2bw（I,2０0／255）； %
subｐlot（2，2,4）,iｍshoｗ（I３）;
titｌe（'阈值2００的分割图像'）
axｉs（［０,２50,0，２０0]）;
grid oｎ; %显示网格线
axison; ％显示坐标系
14.自动阈值法:
Otsu法
用MAＴLＡＢ实现Otsu算法:
ｃｌc
cleaｒall
I=iｍｒｅad（'ｘian.ｂmp'）;
subｐlｏt（１,2,1）,iｍｓｈow（I）；
tｉｔｌe（'原始图像'）
ａxｉs（[0,２50,0，2０0]）;
gridon; %显示网格线
aｘison; %显示坐标系
level=graythrｅｓh（I）； ％确定灰度阈值
BW=im2bw（I,level）;
ｓubｐlot（1,２,2），ｉmｓhoｗ（BW）；
title（'Ｏｔｓu法阈值分割图像'）
axis（[０，250,０,200]）;
gridon； %显示网格线
axis on; %显示坐标系
１5.膨胀操作
I=ｉｍreaｄ（＇xian．ｂmp＇）； %载入图像
I1=rgｂ2ｇｒａy（I）；
ｓubploｔ（１，2,1）;
ｉｍsｈｏw（I１）;
tｉtle（'灰度图像'）
axis（［０,2５0,０,20０]）；
grｉdｏn; %显示网格线
ａxisｏn; %显示坐标系
ｓｅ=sｔrel（'ｄisｋ'，１）; %生成圆形结构元素
I2=imdiｌate（I１,sｅ）; %用生成的结构元素对图像进行膨胀
suｂｐｌoｔ（1,2,２）;
iｍｓhｏw（I2）;
tｉｔle（'膨胀后图像'）;
ａxｉs（[0,２50，0,200]）;
gｒidon; %显示网格线
ａxｉson; %显示坐标系
16.腐蚀操作
MＡTＬAB实现腐蚀操作
I=iｍｒead（'xｉan.ｂmｐ'）; %载入图像
I1＝rgb2gray（I）;
subｐlot（1,２，1）;
imshow（I1）;
title（'灰度图像'）
axｉｓ（[0，250,0,２00]）;
griｄ ｏn; %显示网格线
axisｏn; %显示坐标系
se=strel（'dｉsｋ',１）; %生成圆形结构元素
I2=iｍeroｄe（I１,ｓｅ）; %用生成的结构元素对图像进行腐蚀
suｂpｌｏｔ（1,2,2）;
imshow（I2）；
tｉｔｌe（'腐蚀后图像'）;
aｘis（［0，25０,0,20０]）;
griｄon; ％显示网格线
ａxison; %显示坐标系
1７.开启和闭合操作
用MＡTLAＢ实现开启和闭合操作
Ｉ=imreaｄ（'xｉaｎ.bmp＇）; %载入图像
sｕbplot（2，２，1），ｉmｓhow（I）;
title（'原始图像'）;
ａxis（[50,2５0,5０,2００]）;
axis on； %显示坐标系
Ｉ1＝rｇb２gray（I）;
subploｔ（2,2,2）,iｍshｏw（Ｉ1）；
titｌe（＇灰度图像'）;
axｉｓ（[50，２50,5０，２０0]）；
axｉｓ on; %显示坐标系
se=strｅl（'disｋ＇,１）；%采用半径为1的圆作为结构元素
I2=imopeｎ（I1，sｅ）； %开启操作
I3=ｉmclose（I1,se）； %闭合操作
sｕbploｔ（2,2,３）,ｉｍsｈow（Ｉ2）;
ｔitle（'开启运算后图像'）;
axis（[５0,２5０，５0,200]）;
aｘison； %显示坐标系
sｕbplｏt（2，２,４）,imshｏw（Ｉ3）;
ｔitle（＇闭合运算后图像'）;
axis（[50,250,５0,２0０]）；
axisoｎ; %显示坐标系
18.开启和闭合组合操作
Ｉ=iｍrｅａd（'ｘian．bmｐ'）；％载入图像
subplot（3,2，1），ｉmｓhoｗ（I）；
tｉｔｌｅ（＇原始图像'）;
axis（［５0，250,5０，２00］）；
ａxiｓon; %显示坐标系
Ｉ1=ｒgb2gｒａy（Ｉ）;
subplot（3,2,2）,iｍshow（I１）;
title（＇灰度图像＇）;
axis（[５０,250，5０,２00］）;
axｉsｏn； %显示坐标系
se=strｅl（＇disk＇,1）；
I2=imopen（I1,se）; %开启操作
I3=imclｏse（Ｉ1，ｓe）； %闭合操作
ｓubｐｌot（3，２,3），imshoｗ（Ｉ2）;
ｔｉｔle（＇开启运算后图像'）;
axiｓ（[50，250,5０,２00]）；
axisｏn； %显示坐标系
subplot（3，２,４）,imshow（I3）;
tｉtle（'闭合运算后图像＇）;
ａｘｉｓ（[50,250,50,２00］）;
axis on; %显示坐标系
sｅ＝strel（'disk'，1）;
I4=imoｐeｎ（I1,sｅ）;
Ｉ5=ｉmclose（Ｉ4,ｓe）；
subplｏt（３,２,5）,imshｏw（I5）; %开—闭运算图像
tiｔle（'开—闭运算图像'）;
axis（[50,250,50,200]）;
ａxison； %显示坐标系
I6=imcloｓe（I1,ｓe）；
Ｉ７=ｉｍopen（I6,se）;
subpｌot（3，2,6），ｉmsｈｏw（I7）; ％闭—开运算图像
tｉtｌ
升级会员 