数字图像处理ppt课件 下载PPT课件下载推荐.ppt

数字图像处理ppt课件 下载PPT课件下载推荐.ppt

《数字图像处理ppt课件 下载PPT课件下载推荐.ppt》由会员分享，可在线阅读，更多相关《数字图像处理ppt课件 下载PPT课件下载推荐.ppt（207页珍藏版）》请在冰豆网上搜索。

,figure；

%创建一个新的窗口,figure；

subplot（m,n,p）；

imshow（I）；

Subplot（m,n,p）含义为：

打开一个有m行n列图像位置的窗口，并将焦点位于第p个位置上。

/1、图像的读取和显示,四、图像的格式转换,im2bw（I,LEVEL）;

rgb2gray;

从RGB图创建灰度图，存储类型不变。

im2uint8将图像转换成uint8类型,阈值法从灰度图、RGB图创建二值图。

LEVEL为指定的阈值；

（0,1）。

im2double将图像转换成double类型,/2、图像的点运算,灰度直方图描述了一副图像的灰度级统计信息，主要应用于图像分割和图像灰度变换等处理过程中。

从数学角度来说，图像直方图描述图像各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或概率。

归一化直方图可以直接反映不同灰度级出现的比率。

横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。

imhist（I）;

%灰度直方图,I=imread（red.bmp）;

%读入图像figure;

%打开新窗口M,N=size（I）;

%计算图像大小counts,x=imhist（I,32）;

%计算有32个小区间的灰度直方图counts=counts/M/N;

%计算归一化灰度直方图各区间的值stem（x,counts）;

%绘制归一化直方图,一、图像直方图,图像直方图归一化,/2、图像的点运算,二、灰度的线性变换,Fa1时，输出图像的对比度将增大；

Fa1时，输出图像对比度将减小。

Fa=1且Fb非零时，所有像素的灰度值上移或下移，使整个图像更暗或更亮。

Fa0，暗区变亮，亮区变暗。

/2、图像的点运算,三、灰度的对数变换,c为尺度比例常数，s为源灰度值，t为变换后的目标灰度值。

k为常数。

灰度的对数变换可以增强一幅图像中较暗部分的细节，可用来扩展被压缩的高值图像中的较暗像素。

广泛应用于频谱图像的显示中。

Warning：

log函数会对输入图像矩阵s中的每个元素进行操作，但仅能处理double类型的矩阵。

而从图像文件中得到的图像矩阵大多是uint8类型的，故需先进行im2double数据类型转换。

I=imread（nir.bmp）;

%读入图像F=fft2（im2double（I）;

%FFTF=fftshift（F）;

%FFT频谱平移F=abs（F）;

T=log（F+1）;

%频谱对数变换figure;

imshow（F,）;

title（未经变换的频谱）;

figure;

imshow（T,）;

title（对数变换后）;

/2、图像的点运算,三、灰度的Gamma变换,其中，x、y的取值范围为0,1。

esp为补偿系数，r则为Gamma系数。

Gamma变换是根据r的不同取值选择性的增强低灰度区域的对比度或者高灰度区域的对比度。

J=imadjust（I,low_inhigh_in,low_outhigh_out,gamma）,I=imread（nir.bmp）;

imshow（imadjust（I,0.75）;

%gamma=0.5title（Gamma0.5）;

原NIR图像,Gamma0.5,四、灰度阈值变换及二值化,Gamma1.5,T为指定阈值,BW=im2bw（I,level）;

%level为人工设定阈值范围为0,1,thresh=graythresh（I）;

%自动设定所需的最优化阈值,OTSU算法：

最大类间方差法自动单阈值分割。

Kapur算法：

一维直方图熵阈值算法,niblack算法：

局部阈值分割阈值的计算公式是T=m+k*v，其中m为以该像素点为中心的区域的平均灰度值，v是该区域的标准差，k是一个系数。

kittlerMet:

表示kittler最小分类错误（minimumerrorthresholding）全局二值化算法。

原图像,直接阈值分割0.25,自动阈值分割,OTSU算法分割,KittlerMet算法,Niblack算法,Kapur算法,/2、图像的点运算,五、直方图均衡化,J,T=histeq（I）;

%J为输出图像，T为变换矩阵,图像易受光照、视角、方位、噪声等的影响。

使得同一类图像的不同变形体之间的差距有时大于该类图像与另一类图像之间的差距，影响图像识别、分类。

图像归一化就是将图像转换到唯一的标准形式以抵抗各种变换，从而消除同类图像不同变形体之间的外观差异。

也称为图像灰度归一化。

原图像及直方图,图像变亮后灰度均衡化,图像变暗后灰度均衡化,/3、图像的几何变换,一、图像平移,正变换,逆变换,strel%用来创建形态学结构元素translate（SE,yx）%原结构元素SE上y和x方向平移imdilate%形态学膨胀,/3、图像的几何变换,I=imread（nir.bmp）;

se=translate（strel

（1）,180190）;

B=imdilate（I,se）;

subplot（1,2,1）,subimage（I）;

title（原图像）;

subplot（1,2,2）,subimage（B）;

title（平移后图像）;

/3、图像的几何变换,二、图像镜像,B=imtransform（A,TFORM,method）;

TFORM=makeform（transformtype,Matrix）;

%空间变换结构,参数transformtype指定了变换的类型，常见的affine为二维或多维仿射变换，包括平移、旋转、比例、拉伸和错切等。

Matrix为相应的仿射变换矩阵。

A=imread（nir.bmp）;

height,width,dim=size（A）;

tform=maketform（affine,-100;

010;

width01）;

B=imtransform（A,tform,nearest）;

tform2=maketform（affine,100;

0-10;

0height1）;

C=imtransform（A,tform2,nearest）;

imshow（A）;

imshow（B）;

imwrite（B,nir水平镜像.bmp）;

imshow（C）;

imwrite（B,nir垂直镜像.bmp）;

原图像,水平镜像图像,垂直镜像图像,A=imread（nir.bmp）;

tform=maketform（affine,010;

100;

001）;

imwrite（B,nir转置后图像.bmp）;

/3、图像的几何变换,三、图像转置,/3、图像的几何变换,四、图像中心旋转,B=imrotate（A,angle,method,crop）;

angle为旋转角度，正值为逆时针旋转。

可选参数method为imrotate函数指定插值方法。

crop选项会裁减旋转后增大的图像，保持和原图像同样大小。

B=imrotate（A,30,nearest,crop）;

imwrite（B,逆时针中心旋转30度.bmp）;

逆时针30度,/4、空间域图像增强,一、噪声添加,h=imnoise（I,type,parameters）;

type为噪声类型，合法值如下：

添加高斯白噪声,添加椒盐噪声,/4、空间域图像增强,二、空间域滤波,滤波过程就是在图像f（x,y）中逐点移动模板，使模板中心和点（x,y）重合，滤波器在每一点（x,y）的响应是根据模板的具体内容并通过预先定义的关系来计算的。

B=imfilter（f,w,option1,option2,）;

f为要进行滤波操作的图像。

w为滤波操作使用的模板，为一个二维数组，可自己定义。

option1是可选项，包括：

1、边界选项（symmetric、replicate、circular）2、尺寸选项（same、full）3、模式选项（corr、conv）,原图像,滤波后图像,三、滤波器设计,/4、空间域图像增强,h=fspecial（type,parameters）,arameters为可选项，是和所选定的滤波器类型type相关的配置参数，如尺寸和标准差等。

type为滤波器的类型。

其合法值如下：

/4、空间域图像增强,四、中值滤波,h=medfilt2（I1,m,n）;

m和n为中值滤波处理的模板大小，默认3*3,中值滤波本质上是一种统计排序滤波器。

中值不同于均值，是指排序队列中位于中间位置的元素的值。

中值滤波并非线性滤波器。

对于某些类型的随机噪声具有非常理想的降噪能力。

典型的应用就是消除椒盐噪声。

/4、空间域图像增强,五、图像锐化,图像锐化主要用于增强图像的灰度跳变部分，主要通过运算导数（梯度）或有限差分来实现。

主要方法有：

Robert交叉梯度，Sobel梯度，拉普拉斯算子，高提升滤波，高斯-拉普拉斯变换。

Robert交叉梯度,w1对接近正45边缘有较强响应，w2对接近负45边缘有较强响应。

Sobel交叉梯度,对水平边缘有较大响应,对垂直边缘有较大响应,拉普拉斯算子,I=imread（nir.bmp）;

I=double（I）;

%双精度化w1=-10;

01;

w2=0-1;

10;

G1=imfilter（I,w1,corr,replicate）;

%正45梯度G2=imfilter（I,w2,corr,replicate）;

%负45梯度G=abs（G1）+abs（G2）;

%计算Robert梯度figure;

imshow（G,）;

imshow（abs（G1）,）;

imshow（abs（G2）,）;

Robert交叉梯度,I=imread（nir.bmp）;

Id=double（I）;

%双精度化h_1=fspecial（log,5,0.5）;

%大小为5，sigma=0.5的LOG算子I_1=imfilter（Id,h_1,corr,replicate）;

imshow（uint8（abs（I_1）,）;

h_2=fspecial（log,5,2）;

%大小为5，sigma=2的LOG算子I_2=imfilter（Id,h_2,corr,replicate）;

imshow（uint8（abs（I_2）,）;

高斯-拉普拉斯锐化,/5、频率域图像增强,用傅里叶变换表示的函数特征可以完全通过傅里叶反变换进行重建而不丢失任何信息,吉布斯现象Gibbsphenomenon（又叫吉布斯效应）：

将具有不连续点的