图像处理的matlab程序.docx
《图像处理的matlab程序.docx》由会员分享，可在线阅读，更多相关《图像处理的matlab程序.docx（27页珍藏版）》请在冰豆网上搜索。
图像处理的matlab程序
贡献几个图像处理的matlab程序，每一个都是单独的程序。
前言：
学习了图像处理这门课程，掌握了一些基本的图像处理方法及编程实现方法。
提供给大家参考，欢迎加QQ探讨问题。
以下程序均为笔者根据处理的原理原创作品，经运行检测可行。
若效果不能令方家满意，恳请赐教：
cfvsfc@
直方图拉伸matlab实现：
map1=imread（'p.jpg'）;
[row,col,dep]=size（map1）;%行，列，深度值
map=zeros（row,col）;
map=uint8（map）;
pixsum=row*col;%像素总数
%灰度化
fori=1:
row
forj=1:
col
gray=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
map（i,j）=gray;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（map）
title（'原始灰度图像'）
%统计各灰度值像素个数，存储在p中，计算概率，存储在pi中
p=zeros（1,256）;
pr=zeros（1,256）;
sumpr=zeros（1,256）;%累积概率密度
fork=1:
256;
p（k）=length（find（map==k））;
pr（k）=p（k）/pixsum;
end
sumpr
（1）=pr
（1）;
fori=1:
255
sumpr（i+1）=sumpr（i）+pr（i）;
end
%统计完成，概率计算完成，累积概率密度计算完成。
%绘制灰度直方图
figure
（2）
bar（0:
255,pr,'g'）
axis（[02550max（pr）]）
xlabel（'灰度r'）
ylabel（'概率pi'）
title（'灰度直方图'）
%灰度直方图绘制完成
%直方图拉伸。
（g-0）/（f-min）=（255-0）/（max-min）
A=max（max（map））;
B=min（min（map））;
fori=1:
row
forj=1:
col
%fig（i,j）=255/（A-B）*（map（i,j）-B）;
fig（i,j）=255*sumpr（map（i,j）+1）;%直方图均衡化
end
end
fig=uint8（fig）;
fork=1:
256;
pfig（k）=length（find（fig==k））;
pfigi（k）=pfig（k）/pixsum;
end
figure（3）
imshow（fig）
title（'直方图拉伸后灰度图像'）
figure（4）
bar（0:
255,pfigi,'g'）
axis（[02550max（pfigi）]）
xlabel（'灰度r'）
ylabel（'概率pi'）
title（'直方图拉伸化后灰度直方图'）
%计算拉伸前后方差
mean_map=sum（sum（map））/（row*col）;
mean_fig=sum（sum（fig））/（row*col）;
var_map=sum（sum（（map-mean_map）.^2））/（row*col）;
var_fig=sum（sum（（fig-mean_fig）.^2））/（row*col）;
fprintf（'拉伸前方差为：
%d',var_map）
fprintf（'\n拉伸后方差为：
%d\n',var_fig）
Sobel算子matlab实现：
map1=imread（'BMW.jpg'）;
[m,n,l]=size（map1）;%行，列，深度值
I=zeros（m,n）;
%I=uint8（I）;
%灰度化
fori=1:
m
forj=1:
n
I（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（I,[]）
title（'原始灰度图像'）
B=zeros（m,n）;
A=I;
fori=2:
m-1
forj=2:
n-1
sx=-1*A（i-1,j-1）-2*A（i,j-1）-1*A（i+1,j-1）...
+1*A（i-1,j+1）+2*A（i,j+1）+1*A（i+1,j+1）;
sy=-1*A（i-1,j-1）-2*A（i-1,j）-1*A（i-1,j+1）...
+1*A（i+1,j-1）+2*A（i+1,j）+1*A（i+1,j+1）;
B（i,j）=max（sx,sy）/4;
end
end
figure
（2）
imshow（B,[]）
title（'Sobel算法处理后'）
Scharr算子matlab实现：
map1=imread（'BMW.jpg'）;
[m,n,l]=size（map1）;%行，列，深度值
I=zeros（m,n）;
%I=uint8（I）;
%灰度化
fori=1:
m
forj=1:
n
I（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（I,[]）
title（'原始灰度图像'）
B=zeros（m,n）;
A=I;
fori=2:
m-1
forj=2:
n-1
sx=-3*A（i-1,j-1）-10*A（i,j-1）-3*A（i+1,j-1）...
+3*A（i-1,j+1）+10*A（i,j+1）+3*A（i+1,j+1）;
sy=-3*A（i-1,j-1）-10*A（i-1,j）-3*A（i-1,j+1）...
+3*A（i+1,j-1）+10*A（i+1,j）+3*A（i+1,j+1）;
B（i,j）=max（sx,sy）/15;
end
end
figure
（2）
imshow（B,[]）
title（'Scharr算法处理后'）
Robert算子matlab实现：
map1=imread（'BMW.jpg'）;
[m,n,l]=size（map1）;%行，列，深度值
I=zeros（m,n）;
%I=uint8（I）;
%灰度化
fori=1:
m
forj=1:
n
I（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（I,[]）
title（'原始灰度图像'）
B=zeros（m,n）;
A=I;
fori=1:
m-1;
forj=1:
n-1;
B（i,j）=max（abs（A（i+1,j+1）-A（i,j））,abs（A（i+1,j）-A（i,j+1）））;
end
end
figure（4）
imshow（B,[]）
title（'Robert算法处理后'）
骨架提取和交叉点检测的matlab实现，用的是中轴法，细化法检测出来的是边缘，程序附后：
map1=imread（'p.jpg'）;
[row,col,dep]=size（map1）;%行，列，深度值
map=zeros（row,col）;
pixsum=row*col;%像素总数
%灰度化
fori=1:
row
forj=1:
col
map（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（map,[]）
title（'原始灰度图像'）
Y=zeros（row,col）;%存储输出图像
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5根据通道二值化
fori=1:
row
forj=1:
col
ifmap1（i,j,2）>map1（i,j,1）&&map1（i,j,2）>map1（i,j,3）
Y（i,j）=1;
else
Y（i,j）=0;
end
end
end
figure
（2）
imshow（Y,[]）
title（'二值化后图像'）
%以下为骨架提取程序
temp=ones（row,col）;
N=0;%统计邻域内非零像素个数。
T=0;%统计0-1变换次数
fork=1:
80%大循环次数
fori=2:
row-1
forj=2:
col-1
a=[Y（i,j）,Y（i,j-1）,Y（i+1,j-1）,Y（i+1,j）,Y（i+1,j+1）,Y（i,j+1）,Y（i-1,j+1）,Y（i-1,j）,Y（i-1,j-1）];%邻域元素排序。
中间为1，左边为2，逆时针分别为2---9
ifa
（1）==1
form=1:
8
ifa（m）==1
N=N+1;
end
end
forn=1:
7
ifa（n）==0&&a（n+1）==1
T=T+1;
end
end
ifa（8）==0&&a
（1）==1
T=T+1;
end
end
if（N>=2）&&（N<=6）&&（T==1）&&（a
（2）*a（4）*a（6）==0）&&（a（4）*a（6）*a（8）==0）
temp（i,j）=0;%标记要删除的点，标志为1
end
N=0;
T=0;
end
end
%删除点
fori=1:
row
forj=1:
col
iftemp（i,j）==0
Y（i,j）=0;
end
end
end
%第一步完成
fori=2:
row-1
forj=2:
col-1
a=[Y（i,j）,Y（i,j-1）,Y（i+1,j-1）,Y（i+1,j）,Y（i+1,j+1）,Y（i,j+1）,Y（i-1,j+1）,Y（i-1,j）,Y（i-1,j-1）];%邻域元素排序。
中间为1，左边为2，逆时针分别为2---9
ifa
（1）==1
form=2:
9
ifa（m）==1
N=N+1;
end
end
forn=1:
7
ifa（n）==0&&a（n+1）==1
T=T+1;
end
end
ifa（8）==0
T=T+1;
end
end
if（N>=2）&&（N<=6）&&（T==1）&&（a
（2）*a（4）*a（8）==0）&&（a
（2）*a（6）*a（8）==0）
temp（i,j）==0;%标记要删除的点，标志为1
end
N=0;
T=0;
end
end
%删除点
fori=1:
row
forj=1:
col
iftemp（i,j）==0
Y（i,j）=0;
end
end
end
%第二步完成
end
%完成，输出
figure（3）
imshow（Y,[]）
title（'提取的骨架'）
%以下为交叉点检测及标志，交叉点标注在灰度图中
temp1=zeros（row,col）;
fori=2:
row-1
forj=2:
col-1
c=sum（sum（Y（i-1:
i+1,j-1:
j+1）））;
ifc>=4
temp1（i,j）=1;
end
end
end
fori=1:
row
forj=1:
col
iftemp1（i,j）==1
map（i,j）=255;
end
end
end
%标注完成，显示灰度图
figure（4）
imshow（map,[]）
title（'标注的交叉点'）
细化法（这个程序没有实现骨架提取，但仍提出供大家参考）：
map1=imread（'p.jpg'）;
[row,col,dep]=size（map1）;%行，列，深度值
map=zeros（row,col）;
pixsum=row*col;%像素总数
%灰度化
fori=1:
row
forj=1:
col
map（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（map,[]）
title（'原始灰度图像'）
Y=zeros（row,col）;%存储输出图像
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5根据通道二值化
fori=1:
row
forj=1:
col
ifmap1（i,j,2）>map1（i,j,1）&&map1（i,j,2）>map1（i,j,3）
Y（i,j）=1;
else
Y（i,j）=0;
end
end
end
figure
（2）
imshow（Y,[]）
title（'二值化后图像'）
%骨架提取，以前的思路是进行若干次腐蚀，直到腐蚀为空集的前一次，但效果不好。
%现在改成细化法。
skel=zeros（row,col）;
%细化索引表
tab=[0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,...
1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,...
0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,...
1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,...
1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,...
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,...
1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,1,...
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,...
0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,...
1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,...
0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,...
1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,...
1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,...
1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,...
1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,0,...
1,1,0,0,1,1,1,0,1,1,0,0,1,0,0,0];
B=[124;8016;3264128];
fori=2:
row-1
forj=2:
col-1
N=sum（sum（Y（i-1:
i+1,j-1:
j+1）.*B））;
skel（i,j）=tab（N+1）;
end
end
%腐蚀完成
figure（3）
imshow（skel,[]）
title（'提取的图像骨架'）
LOG算法的matlab实现：
map1=imread（'BMW.jpg'）;
[m,n,l]=size（map1）;%行，列，深度值
I=zeros（m,n）;
%I=uint8（I）;
%灰度化
fori=1:
m
forj=1:
n
I（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（I,[]）
title（'原始灰度图像'）
B=zeros（m,n）;
log=[-2-4-4-4-2;...
-4080-4;...
-48248-4;...
-4080-4;...
-2-4-4-4-2];
A=I;
fori=3:
m-2
forj=3:
n-2
S=sum（sum（A（i-2:
i+2,j-2:
j+2）.*log））;
B（i,j）=S/56;
end
end
figure
（2）
imshow（B,[]）
title（'LOG算法处理后'）
Kirsch算法的matlab实现：
map1=imread（'BMW.jpg'）;
[m,n,dep]=size（map1）;%行，列，深度值
I=zeros（m,n）;
%I=uint8（I）;
%灰度化
fori=1:
m
forj=1:
n
I（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（I,[]）
title（'原始灰度图像'）
tic
B=zeros（m,n）;
s=zeros（8,1）;
t=zeros（8,1）;
A=I;
fori=2:
m-1
forj=2:
n-1
temp=sum（sum（A（[i-1:
i+1],[j-1:
j+1]）））-A（i,j）;
s
（1）=A（i-1,j-1）+A（i-1,j）+A（i-1,j+1）;
s
（2）=A（i-1,j）+A（i-1,j+1）+A（i,j+1）;
s（3）=A（i-1,j+1）+A（i,j+1）+A（i+1,j+1）;
s（4）=A（i,j+1）+A（i+1,j+1）+A（i+1,j）;
s（5）=A（i+1,j+1）+A（i+1,j）+A（i+1,j-1）;
s（6）=A（i+1,j）+A（i+1,j-1）+A（i,j-1）;
s（7）=A（i+1,j-1）+A（i,j-1）+A（i-1,j-1）;
s（8）=A（i,j-1）+A（i-1,j-1）+A（i-1,j）;
fork=1:
8
t（k）=temp-s（k）;
end
B（i,j）=max（max（abs（5*s-3*t）））/15;
end
end
figure
（2）
imshow（B,[]）
title（'Kirsch算法处理后'）
toc%统计一下程序运行时间，可以见证这个算法速度较慢
均值、高斯和中值去噪的matlab实现：
%实现去噪处理的三个小算法，并显示噪声图。
map1=imread（'p.jpg'）;
[row,col,dep]=size（map1）;%行，列，深度值
map=zeros（row,col）;
map=uint8（map）;
pixsum=row*col;%像素总数
%灰度化
fori=1:
row
forj=1:
col
map（i,j）=0.11*map1（i,j,1）+0.59*map1（i,j,2）+0.3*map1（i,j,3）;
end
end
%灰度化完成,输出灰度图
figure
（1）
imshow（map）
title（'原始灰度图像'）
%@@@@@@@@@@@@@@@@@@@@@均值滤波，存储在fig1中
fig1=zeros（row,col）;
fori=2:
row-1
forj=2:
col-1
fig1（i,j）=1/9*sum（sum（map（i-1:
i+1,j-1:
j+1）））;
%fig1（i,j）=1/9*（map（i-1,j-1）+map（i-1,j）+map（i-1,j+1）+map（i,j-1）+...
%map（i,j）+map（i,j+1）+map（i+1,j-1）+map（i,j+1）+map（i+1,j+1））;
end
end
%滤波完成，边缘处理，直接将原图边缘加入
fig1（1,:
）=map（1,:
）;
fig1（row,:
）=map（row,:
）;
fig1（:
1）=map（:
1）;
fig1（:
col）=map（:
col）;
fig1=uint8（fig1）;
%边缘处理完成
figure
（2）
subplot（2,1,1）
imshow（fig1）
title（'均值去噪'）
fig11=map-fig1;
subplot（2,1,2）
imshow（fig11）
title（'噪声图像'）
%@@@@@@@@@@@@@@@@@@@@@加权滤波，存储在fig2中
fig2=uint8（zeros（row,col））;
model=uint8（[121;242;121]）;
fori=2:
row-1
forj=2:
col-1
fig2（i,j）=sum（sum（map（i-1:
i+1,j-1:
j+1）.*model））/16;
%fig2（i,j）=1/16*（map（i-1,j-1）+2*map（i-1,j）+map（i-1,j+1）+2*map（i,j-1）+...
%4*map（i,j）+2*map（i,j+1）+map（i+1,j-1）+2*map（i,j+1）+map（i+1,j+1））;
end
end
%滤波完成，边缘处理，直接将原图边缘加入
fig2（1,:
）=map（1,:
）;
fig2（row,:
）=map（row,:
）;
fig2（:
1）=map（:
1）;
fig2（:
col）=map（:
col）;
figure（3）
subplot（2,1,1）
imshow（fig2）
title（'加权去噪'）
fig21=map-fig2;
subplot（2,1,2）
imshow（fig21）
title（'噪声图像'）
%@@@@@@@@@@@@@@@@@@@@@中值滤波，存储在fig3中
fig3=uint8（zeros（row,col））;
sortmap=uint8（zeros（1,9））;
fori=2:
row-1
forj=2:
col-1
sortmap=sort（[map（i-1,j-1:
j+1）,map（i,j-1:
j+1）,map（i+1,j-1:
j+1）]）;
fig3（i,j）=sortmap（5）;
end
end
%滤波完成，边缘处理，直接将原图边缘加入
fig3（1,:
）=map（1,:
）;
fig3（row,:
）=map（row,:
）;
fig3（:
1）=map（:
1）;
fig3（:
col）=map（:
col）;
figure（4）
subplot（2,1,1）
imshow（fig3）
title（'中值去噪'）
fig31=map-fig3;
subplot（2,1,2）
imshow（fig31）
title（'噪声图像'）
腐蚀和膨胀的matlab实现：
map1=imread（'p.jpg'）;
[row,col,dep]=
升级会员 