数字图像处理代码大全.docx
《数字图像处理代码大全.docx》由会员分享，可在线阅读，更多相关《数字图像处理代码大全.docx（13页珍藏版）》请在冰豆网上搜索。
数字图像处理代码大全
1.图像反转
MATLAB程序实现如下：
I=imread（'xian.bmp'）;
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（[50,250,50,200]）;
axison;%显示坐标系
I1=rgb2gray（I）;
subplot（2,2,2）,imshow（I1）;
title（'灰度图像'）;
axis（[50,250,50,200]）;
axison;%显示坐标系
J=imadjust（I1,[0.10.5],[]）;%局部拉伸，把[0.10.5]内的灰度拉伸为[01]
subplot（2,2,3）,imshow（J）;
title（'线性变换图像[0.10.5]'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
K=imadjust（I1,[0.30.7],[]）;%局部拉伸，把[0.30.7]内的灰度拉伸为[01]
subplot（2,2,4）,imshow（K）;
title（'线性变换图像[0.30.7]'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
3.非线性变换
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（[50,250,50,200]）;
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（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
4.直方图均衡化
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）;
I1=histeq（I）;
figure;
subplot（2,2,1）;
imshow（I1）;
subplot（2,2,2）;
imhist（I1）;
5.线性平滑滤波器
用MATLAB实现领域平均法抑制噪声程序：
I=imread（'xian.bmp'）;
subplot（231）
imshow（I）
title（'原始图像'）
I=rgb2gray（I）;
I1=imnoise（I,'salt&pepper',0.02）;
subplot（232）
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（233）,imshow（k1）;title（'3*3模板平滑滤波'）;
subplot（234）,imshow（k2）;title（'5*5模板平滑滤波'）;
subplot（235）,imshow（k3）;title（'7*7模板平滑滤波'）;
subplot（236）,imshow（k4）;title（'9*9模板平滑滤波'）;
6.中值滤波器
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：
I=imread（'xian.bmp'）;
subplot（2,2,1）,imshow（I）;
title（'原始图像'）;
axis（[50,250,50,200]）;
gridon;%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
axison;%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（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
I1=im2bw（I）;
subplot（2,3,2）;
imshow（I1）;
title（'二值图像'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
I2=edge（I1,'roberts'）;
figure;
subplot（2,3,3）;
imshow（I2）;
title（'roberts算子分割结果'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
I3=edge（I1,'sobel'）;
subplot（2,3,4）;
imshow（I3）;
title（'sobel算子分割结果'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
I4=edge（I1,'Prewitt'）;
subplot（2,3,5）;
imshow（I4）;
title（'Prewitt算子分割结果'）;
axis（[50,250,50,200]）;
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'）;
11.边界跟踪（bwtraceboundary函数）
clc
clearall
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）-90;%计算起始点列坐标
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
I=imread（'xian.bmp'）;
rotI=rgb2gray（I）;
subplot（2,2,1）;
imshow（rotI）;
title（'灰度图像'）;
axis（[50,250,50,200]）;
gridon;
axison;
BW=edge（rotI,'prewitt'）;
subplot（2,2,2）;
imshow（BW）;
title（'prewitt算子边缘检测后图像'）;
axis（[50,250,50,200]）;
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,holdon;
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（[50,250,50,200]）;
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（[50,250,50,200]）;
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
fork=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（[50,250,50,200]）;
gridon;%显示网格线
axison;%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（[50,250,50,200]）;
gridon;%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（[50,250,50,200]）;
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（[50,250,50,200]）;
gridon;%显示网格线
axison;%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（[50,250,50,200]）;
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（[50,250,50,200]）;
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（[50,250,50,200]）;
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=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（[50,250,50,200]）;
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]）;
axison;%显示坐标系
I1=rgb2gray（I）;
subplot（2,2,2）,imshow（I1）;
title（'灰度图像'）;
axis（[50,250,50,200]）;
axison;%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]）;
axison;%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
title（'闭—开运算图像'）;
axis（[50,250,50,200]）;
axison;%显示坐标系
19.形态学边界提取
利用MATLAB实现如下：
I=imread（'xian.bmp'）;%载入图像
subplot（1,3,1）,imshow（I）;
title（'原始图像'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
I1=im2bw（I）;
subplot（1,3,2）,imshow（I1）;
title（'二值化图像'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
I2=bwperim（I1）;%获取区域的周长
subplot（1,3,3）,imshow（I2）;
title（'边界周长的二值图像'）;
axis（[50,250,50,200]）;
gridon;
axison;
20.形态学骨架提取
利用MATLAB实现如下：
I=imread（'xian.bmp'）;
subplot（2,2,1）,imshow（I）;
title（'原始图像'）;
axis（[50,250,50,200]）;
axison;
I1=im2bw（I）;
subplot（2,2,2）,imshow（I1）;
title（'二值图像'）;
axis（[50,250,50,200]）;
axison;
I2=bwmorph（I1,'skel',1）;
subplot（2,2,3）,imshow（I2）;
title（'1次骨架提取'）;
axis（[50,250,50,200]）;
axison;
I3=bwmorph（I1,'skel',2）;
subplot（2,2,4）,imshow（I3）;
title（'2次骨架提取'）;
axis（[50,250,50,200]）;
axison;
21.直接提取四个顶点坐标
I=imread（'xian.bmp'）;
I=I（:
:
1）;
BW=im2bw（I）;
figure
imshow（~BW）
[x,y]=getpts
升级会员 