基于卷积的图像滤波函数.docx
《基于卷积的图像滤波函数.docx》由会员分享，可在线阅读，更多相关《基于卷积的图像滤波函数.docx（17页珍藏版）》请在冰豆网上搜索。
基于卷积的图像滤波函数
基于卷积的图像滤波函数
基于卷积的图像滤波函数
一.读写图像文件
1.imread
imread函数用于读入各种图像文件，如：
a=imread（'e:
\w01.tif'）
注：
计算机E盘上要有w01相应的.tif文件。
2.imwrite
imwrite函数用于写入图像文件，如：
imwrite（a,'e:
\w02.tif',’tif’）
3.imfinfo
imfinfo函数用于读取图像文件的有关信息，如：
imfinfo（'e:
\w01.tif'）
二.图像的显示
1.image
image函数是MATLAB提供的最原始的图像显示函数（主要彩色显示图象），如：
a=[1,2,3,4;4,5,6,7;8,9,10,11,12];
image（a）;
2.imshow
imshow函数用于灰度图像文件的显示，如：
i=imread（'e:
\w01.tif'）;
imshow（i）;
3.colorbar
colorbar函数用显示图像的颜色条。
通常，颜色映象进行过调节，把数据从最小扩展到最大，也就是说整个颜色映象都用于绘图。
有时也许想改变颜色使用的方法。
函数caxis代表颜色轴，因为颜色增加了另一个维数，它允许对数据范围的一个子集使用整个颜色映象或者对数据的整个集合只使用当前颜色映象的一部分。
[cmin,cmax]=caxis返回映射到颜色映象中第一和最后输入项的最小和最大的数据。
它们通常被设成数据的最小值和最大值。
比如，函数mesh（peaks）会画出函数peaks的网格图，并把颜色轴caxis设为[-6.5466，8.0752]，即Z的最小值和最大值。
这些值之间的数据点，使用从颜色映象中经插值得到的颜色。
如：
i=imread（'e:
\w01.tif'）;
imshow（i）;
colorbar;
4.figure
figure函数用于设定图像显示窗口，如：
figure
（1）；/figure
（2）；
5.imagesc（a）;caxis（[-38]）;colorbar;
标尺标度从-3，到8显示标度尺。
三.图像的变换
1.fft2
fft2函数用于数字图像的二维傅立叶变换，如：
i=imread（'e:
\w01.tif'）;
j=fft2（i）;
2.ifft2
ifft2函数用于数字图像的二维傅立叶反变换，如：
i=imread（'e:
\w01.tif'）;
j=fft2（i）;
k=ifft2（j）;
3.利用fft2计算二维卷积
利用fft2函数可以计算二维卷积,如:
a=[8,1,6;3,5,7;4,9,2];
b=[1,1,1;1,1,1;1,1,1];
a（8,8）=0;
b（8,8）=0;
c=ifft2（fft2（a）.*fft2（b））;
c=c（1:
5,1:
5）;
利用conv2（二维卷积函数）校验,如：
a=[8,1,6;3,5,7;4,9,2];
b=[1,1,1;1,1,1;1,1,1];
c=conv2（a,b）;
四.模拟噪声生成函数和预定义滤波器
1.imnoise
imnoise函数用于对图像生成模拟噪声，如：
i=imread（'e:
\w013.利用fft2计算二维卷积
利用fft2函数可以计算二维卷积,如:
a=[8,1,6;3,5,7;4,9,2];
b=[1,1,1;1,1,1;1,1,1];
a（8,8）=0;
b（8,8）=0;
c=ifft2（fft2（a）.*fft2（b））;
c=c（1:
5,1:
5）;
利用conv2（二维卷积函数）校验,如：
a=[8,1,6;3,5,7;4,9,2];
b=[1,1,1;1,1,1;1,1,1];
c=conv2（a,b）;
四.模拟噪声生成函数和预定义滤波器
1.imnoise
imnoise函数用于对图像生成模拟噪声，如：
i=imread（'e:
\w013.利用fft2计算二维卷积
利用fft2函数可以计算二维卷积,如:
a=[8,1,6;3,5,7;4,9,2];
b=[1,1,1;1,1,1;1,1,1];
a（8,8）=0;
b（8,8）=0;
c=ifft2（fft2（a）.*fft2（b））;
c=c（1:
5,1:
5）;
利用conv2（二维卷积函数）校验,如：
a=[8,1,6;3,5,7;4,9,2];
b=[1,1,1;1,1,1;1,1,1];
c=conv2（a,b）;
四.模拟噪声生成函数和预定义滤波器
1.imnoise
imnoise函数用于对图像生成模拟噪声，如：
i=imread（'e:
\w01.tif'）;
j=imnoise（i,'gaussian',0,0.02）;%模拟高斯噪声
2.fspecial
fspecial函数用于产生预定义滤波器，如：
h=fspecial（'sobel'）;%sobel水平边缘增强滤波器
h=fspecial（'gaussian'）;%高斯低通滤波器
h=fspecial（'laplacian'）;%拉普拉斯滤波器
h=fspecial（'log'）;%高斯拉普拉斯（LoG）滤波器
h=fspecial（'average'）;%均值滤波器
五.图像的增强
1.直方图
imhist函数用于数字图像的直方图显示，如：
i=imread（'e:
\w01.tif'）;
imhist（i）;
2.直方图均化
histeq函数用于数字图像的直方图均化，如：
i=imread（'e:
\w01.tif'）;
j=histeq（i）;
3.对比度调整
imadjust函数用于数字图像的对比度调整，如：
i=imread（'e:
\w01.tif'）;
j=imadjust（i,[0.3,0.7],[]）;
4.对数变换
log函数用于数字图像的对数变换，如：
i=imread（'e:
\w01.tif'）;
j=double（i）;
k=log（j）;
5.基于卷积的图像滤波函数
filter2函数用于图像滤波，如：
i=imread（'e:
\w01.tif'）;
h=[1,2,1;0,0,0;-1,-2,-1];
j=filter2（h,i）;
6.线性滤波
利用二维卷积conv2滤波,如:
i=imread（'e:
\w01.tif'）;
h=[1,1,1;1,1,1;1,1,1];
h=h/9;
j=conv2（i,h）;
7.中值滤波
medfilt2函数用于图像的中值滤波，如：
i=imread（'e:
\w01.tif'）;
j=medfilt2（i）;
8.锐化
（1）利用Sobel算子锐化图像,如:
i=imread（'e:
\w01.tif'）;
h=[1,2,1;0,0,0;-1,-2,-1];%Sobel算子
j=filter2（h,i）;
（2）利用拉氏算子锐化图像,如:
i=imread（'e:
\w01.tif'）;
j=double（i）;
h=[0,1,0;1,-4,0;0,1,0];%拉氏算子
k=conv2（j,h,'same'）;
m=j-k;
六.举例
二维傅立叶变换和二维傅立叶反变换：
i=imread（'e:
\w01.tif'）;
figure
（1）;
imshow（i）;
colorbar;
j=fft2（i）;
k=fftshift（j）;
figure
（2）;
l=log（abs（k））;
imshow（l,[]）;
colorbar
n=ifft2（j）/255;
figure（3）;
imshow（n）;
colorbar;
图像的变换
1.离散傅立叶变换的Matlab实现
Matlab函数fft、fft2和fftn分别可以实现一维、二维和N维DFT算法；而函数ifft、ifft2和ifftn则用来计算反DFT。
这些函数的调用格式如下：
A＝fft（X,N,DIM）
其中，X表示输入图像；N表示采样间隔点，如果X小于该数值，那么Matlab将会对X进行零填充，否则将进行截取，使之长度为N；DIM表示要进行离散傅立叶变换。
A＝fft2（X,MROWS,NCOLS）
其中，MROWS和NCOLS指定对X进行零填充后的X大小。
A＝fftn（X,SIZE）
其中，SIZE是一个向量，它们每一个元素都将指定X相应维进行零填充后的长度。
函数ifft、ifft2和ifftn的调用格式于对应的离散傅立叶变换函数一致。
例子：
图像的二维傅立叶频谱
%读入原始图像
I＝imread（'lena.bmp'）;
imshow（I）
%求离散傅立叶频谱
J=fftshift（fft2（I））;
figure;
imshow（log（abs（J））,[8,10]）
2.离散余弦变换的Matlab实现
2.1.dct2函数
功能：
二维DCT变换
格式：
B=dct2（A）
B=dct2（A,m,n）
B=dct2（A,[m,n]）
说明：
B＝dct2（A）计算A的DCT变换B，A与B的大小相同；B＝dct2（A,m,n）和B=dct2（A,[m,n]）通过对A补0或剪裁，使B的大小为m×n。
2.2.dict2函数
功能：
DCT反变换
格式：
B=idct2（A）
B=idct2（A,m,n）
B=idct2（A,[m,n]）
说明：
B＝idct2（A）计算A的DCT反变换B，A与B的大小相同；B＝idct2（A,m,n）和B=idct2（A,[m,n]）通过对A补0或剪裁，使B的大小为m×n。
2.3.dctmtx函数
功能：
计算DCT变换矩阵
格式：
D＝dctmtx（n）
说明：
D＝dctmtx（n）返回一个n×n的DCT变换矩阵，输出矩阵D为double类型。
3.图像小波变换的Matlab实现
3.1一维小波变换的Matlab实现
（1）dwt函数
功能：
一维离散小波变换
格式：
[cA,cD]=dwt（X,'wname'）
[cA,cD]=dwt（X,Lo_D,Hi_D）
说明：
[cA,cD]=dwt（X,'wname'）使用指定的小波基函数'wname'对信号X进行分解，cA、cD分别为近似分量和细节分量；[cA,cD]=dwt（X,Lo_D,Hi_D）使用指定的滤波器组Lo_D、Hi_D对信号进行分解。
（2）idwt函数
功能：
一维离散小波反变换
格式：
X=idwt（cA,cD,'wname'）
X=idwt（cA,cD,Lo_R,Hi_R）
X=idwt（cA,cD,'wname',L）
X=idwt（cA,cD,Lo_R,Hi_R,L）
说明：
X=idwt（cA,cD,'wname'）由近似分量cA和细节分量cD经小波反变换重构原始信号X。
'wname'为所选的小波函数
X=idwt（cA,cD,Lo_R,Hi_R）用指定的重构滤波器Lo_R和Hi_R经小波反变换重构原始信号X。
X=idwt（cA,cD,'wname',L）和X=idwt（cA,cD,Lo_R,Hi_R,L）指定返回信号X中心附近的L个点。
3.2二维小波变换的Matlab实现
二维小波变换的函数
-------------------------------------------------
函数名函数功能
---------------------------------------------------
dwt2二维离散小波变换
wavedec2二维信号的多层小波分解
idwt2二维离散小波反变换
waverec2二维信号的多层小波重构
wrcoef2由多层小波分解重构某一层的分解信号
upcoef2由多层小波分解重构近似分量或细节分量
detcoef2提取二维信号小波分解的细节分量
appcoef2提取二维信号小波分解的近似分量
upwlev2二维小波分解的单层重构
dwtpet2二维周期小波变换
idwtper2二维周期小波反变换
-------------------------------------------------------------
（1）wcodemat函数
功能：
对数据矩阵进行伪彩色编码
格式：
Y=wcodemat（X,NB,OPT,ABSOL）
Y=wcodemat（X,NB,OPT）
Y=wcodemat（X,NB）
Y=wcodemat（X）
说明：
Y=wcodemat（X,NB,OPT,ABSOL）返回数据矩阵X的编码矩阵Y；NB伪编码的最大值，即编码范围为0～NB，缺省值NB＝16；
OPT指定了编码的方式（缺省值为'mat'），即：
OPT＝'row'，按行编码
OPT＝'col'，按列编码
OPT＝'mat'，按整个矩阵编码
ABSOL是函数的控制参数（缺省值为'1'），即：
ABSOL＝0时，返回编码矩阵
ABSOL＝1时，返回数据矩阵的绝对值ABS（X）
（2）dwt2函数
功能：
二维离散小波变换
格式：
[cA,cH,cV,cD]=dwt2（X,'wname'）
[cA,cH,cV,cD]=dwt2（X,Lo_D,Hi_D）
说明：
[cA,cH,cV,cD]=dwt2（X,'wname'）使用指定的小波基函数'wname'对二维信号X进行二维离散小波变幻；cA，cH,cV,cD分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2（X,Lo_D,Hi_D）使用指定的分解低通和高通滤波器Lo_D和Hi_D分解信号X。
（3）wavedec2函数
功能：
二维信号的多层小波分解
格式：
[C,S]=wavedec2（X,N,'wname'）
[C,S]=wavedec2（X,N,Lo_D,Hi_D）
说明：
[C,S]=wavedec2（X,N,'wname'）使用小波基函数'wname'对二维信号X进行N层分解；[C,S]=wavedec2（X,N,Lo_D,Hi_D）使用指定的分解低通和高通滤波器Lo_D和Hi_D分解信号X。
（4）idwt2函数
功能：
二维离散小波反变换
格式：
X=idwt2（cA,cH,cV,cD,'wname'）
X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R）
X=idwt2（cA,cH,cV,cD,'wname',S）
X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R,S）
说明：
X=idwt2（cA,cH,cV,cD,'wname'）由信号小波分解的近似信号cA和细节信号cH、cH、cV、cD经小波反变换重构原信号X；X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R）使用指定的重构低通和高通滤波器Lo_R和Hi_R重构原信号X；X=idwt2（cA,cH,cV,cD,'wname',S）和X=idwt2（cA,cH,cV,cD,Lo_R,Hi_R,S）返回中心附近的S个数据点。
（5）waverec2函数
说明：
二维信号的多层小波重构
格式：
X=waverec2（C,S,'wname'）
X=waverec2（C,S,Lo_R,Hi_R）
说明：
X=waverec2（C,S,'wname'）由多层二维小波分解的结果C、S重构原始信号X，'wname'为使用的小波基函数；X=waverec2（C,S,Lo_R,Hi_R）使用重构低通和高通滤波器Lo_R和Hi_R重构原信号。
图像处理工具箱1.图像和图像数据
缺省情况下，MATLAB将图像中的数据存储为双精度类型（double），64位浮点
数，所需存储量很大；MATLAB还支持另一种类型无符号整型（uint8），即图像矩
阵中每个数据占用1个字节。
在使用MATLAB工具箱时，一定要注意函数所要求的参数类型。
另外，uint8
与double两种类型数据的值域不同，编程需注意值域转换。
从uint8到double的转换
---------------------------------------------
图像类型MATLAB语句
---------------------------------------------
索引色B=double（A）+1
索引色或真彩色B=double（A）/255
二值图像B=double（A）
---------------------------------------------
从double到uint8的转换
---------------------------------------------
图像类型MATLAB语句
---------------------------------------------
索引色B=uint8（round（A-1））
索引色或真彩色B=uint8（round（A*255））
二值图像B=logical（uint8（round（A）））
2.图像处理工具箱所支持的图像类型
2.1真彩色图像
R、G、B三个分量表示一个像素的颜色。
如果要读取图像中（100,50）处的像素值，
可查看三元数据（100,50,1:
3）。
真彩色图像可用双精度存储，亮度值范围是[0,1]；比较符合习惯的存储方法是用无
符号整型存储，亮度值范围[0,255]
2.2索引色图像
包含两个结构，一个是调色板，另一个是图像数据矩阵。
调色板是一个有3列和若干行
的色彩映象矩阵，矩阵每行代表一种颜色，3列分别代表红、绿、蓝色强度的双精度数。
注意：
MATLAB中调色板色彩强度[0,1]，0代表最暗，1代表最亮。
常用颜色的RGB值
--------------------------------------------
颜色RGB颜色RGB
--------------------------------------------
黑001洋红101
白111青蓝011
红100天蓝0.6701
绿010橘黄10.50
蓝001深红0.500
黄110灰0.50.50.5
--------------------------------------------
产生标准调色板的函数
-------------------------------------------------
函数名调色板
-------------------------------------------------
Hsv色彩饱和度，以红色开始，并以红色结束
Hot黑色－红色－黄色－白色
Cool青蓝和洋红的色度
Pink粉红的色度
Gray线型灰度
Bone带蓝色的灰度
JetHsv的一种变形，以蓝色开始，以蓝色结束
Copper线型铜色度
Prim三棱镜，交替为红、橘黄、黄、绿和天蓝
Flag交替为红、白、蓝和黑
--------------------------------------------------
缺省情况下，调用上述函数灰产生一个64×3的调色板，用户也可指定调色板大小。
索引色图像数据也有double和uint8两种类型。
当图像数据为double类型时，值1代表调色板中的第1行，值2代表第2行……
如果图像数据为uint8类型，0代表调色板的第一行，，值1代表第2行……
2.3灰度图像
存储灰度图像只需要一个数据矩阵。
数据类型可以是double，[0，1]；也可以是uint8，[0,255]
2.4二值图像
二值图像只需一个数据矩阵，每个像素只有两个灰度值，可以采用uint8或double类型存储。
MATLAB工具箱中以二值图像作为返回结果的函数都使用uint8类型。
2.5图像序列
MATLAB工具箱支持将多帧图像连接成图像序列。
图像序列是一个4维数组，图像帧的序号在图像的长、宽、颜色深度之后构成第4维。
分散的图像也可以合并成图像序列，前提是各图像尺寸必须相同，若是索引色图像，
调色板也必须相同。
可参考cat（）函数A＝cat（4,A1,A2,A3,A4,A5）
3.MATLAB图像类型转换
图像类型转换函数
---------------------------------------------------------------------------
函数名函数功能
---------------------------------------------------------------------------
dither图像抖动，将灰度图变成二值图，或将真彩色图像抖动成索引色图像
gray2ind将灰度图像转换成索引图像
grayslice通过设定阈值将灰度图像转换成索引色图像
im2bw通过设定亮度阈值将真彩色、索引色、灰度图转换成二值图
ind2gray将索引色图像转换成灰度图像
ind2rgb将索引色图像转换成真彩色图像
mat2gray将一个数据矩阵转换成一副灰度图
rgb2gray将一副真彩色图像转换成灰度图像
rgb2ind将真彩色图像转换成索引色图像
----------------------------------------------------------------------------
4.图像文件的读写和查询
4.1图形图像文件的读取
利用函数imread（）可完成图形图像文件的读取，语法：
A=imread（filename,fmt）
[X,map]=imread（filename,fmt）
[...]=imread（filename）
[...]=imread（filename,idx）（只对TIF格式的文件）
[...]=imread（filename,ref）（只对HDF格式的文件）
通常，读取的大多数图像均为8bit，当这些图像加载到内存中时，Matlab就将其存放
在类uint8中。
此为Matlab还支持16bit的PNG和TIF图像，当读取这类文件时，Matlab就将
其存贮在uint16中。
注意：
对于索引图像，即使图像阵列的本身为类uint8或类uint16，imread函数仍将
颜色映象表读取并存贮到一个双精度的浮点类型的阵列中。
4.2图形图像文件的写入
使用
升级会员 