图像的处理代码.docx
《图像的处理代码.docx》由会员分享，可在线阅读，更多相关《图像的处理代码.docx（14页珍藏版）》请在冰豆网上搜索。
图像的处理代码
第三章基于MATLABD的模拟噪声生成
MATLAB图像处理工具箱提供的噪声添加函数imnoise,它可以对图添加一些典型的噪声。
其语法是：
J=imnoise（I,type）
J=imnoise（I,type,parameters）
其功能是：
返回对原图像I添加典型噪声的图像J,参数type和parameters用于确定噪声的类型和相应的参数。
三种典型的噪声：
type=’gaussian’时,为高斯噪声；
type=’salt&pepper’时，为椒盐噪声；
type=’speckle’时，为乘法噪声；
如下程序就实现了对名为‘king’图像的3种噪声污染了的图像：
i=imread（'king.jpg'）;%读取图像
I=rgb2gray（i）;
I1=imnoise（I,'gaussian'）;%加高斯噪声
I2=imnoise（I,'salt&pepper',0.02）;%加椒盐噪声
I3=imnoise（I,'speckle'）;%加乘性噪声
subplot（221）,imshow（I）;%显示图像I
title（'原图像'）;
subplot（222）,imshow（I1）;
title（'受高斯噪声污染的图像'）;
subplot（223）,imshow（I2）;
title（'受椒盐噪声污染的图像'）;
subplot（224）,imshow（I3）;
title（'受乘性噪声污染的图像'）;
处理结果如图3.1所示：
图3.1图像添加噪声处理结果
第四章均值滤波处理方法
4.2均值滤波法对图像的处理
在MATLAB图像处理工具箱中，提供了imfilter函数用于实现均值滤波，imfilter的语法格式为：
B=imfilter（A,H）
其功能是，用H模板对图像A进行均值滤波，模板为：
取H1,程序如下：
i=imread（'king.jpg'）;%读取图像
I=rgb2gray（i）;
I1=imnoise（I,'gaussian'）;
I2=imnoise（I,'salt&pepper',0.02）;
I3=imnoise（I,'speckle'）;
H1=ones（3,3）/9;%3×3领域模板
J=imfilter（I,H1）;%领域平均
J1=imfilter（I1,H1）;
J2=imfilter（I2,H1）;
J3=imfilter（I3,H1）;
subplot（221）,imshow（J）;
title（'原图像滤波后'）;
subplot（222）,imshow（J1）;
title（'高斯污染图像滤波后'）;
subplot（223）,imshow（J2）;
title（'椒盐污染图像滤波后'）;
subplot（224）,imshow（J3）;
title（'乘法污染图像滤波后'）;
运行结果如图4.3
图4.33×3领域模板处理结果
取H2，程序如下：
i=imread（'king.jpg'）;%读取图像
I=rgb2gray（i）;
I1=imnoise（I,'gaussian'）;
I2=imnoise（I,'salt&pepper',0.02）;
I3=imnoise（I,'speckle'）;
H2=ones（5,5）/25;%5×5领域模板
J=imfilter（I,H2）;%领域平均
J1=imfilter（I1,H2）;
J2=imfilter（I2,H2）;
J3=imfilter（I3,H2）;
subplot（221）,imshow（J）;
title（'原图像滤波后'）;
subplot（222）,imshow（J1）;
title（'高斯污染图像滤波后'）;
subplot（223）,imshow（J2）;
title（'椒盐污染图像滤波后'）;
subplot（224）,imshow（J3）;
title（'乘法污染图像滤波后'）;
运行结果如图4.4：
图4.45×5领域模板处理结果
第五章中值滤波处理方法
5.2中值滤波法对图像的处理
MATLAB图像处理工具箱提供了medfilt2函数用于中值滤波。
其语法格式为：
B=medfilt2（A）其功能为：
用3×3的滤波窗口对图像A进行中值滤波；
B=medfilt2（A,[m,n]）其功能是：
用大小为m×n的窗口对图像A进行中值滤波；
B=medfilt2（A,'indexed',...）其功能为：
对索引图像A进行中值滤波；
用3×3中值滤波模板和5×5中值滤波模板对图像进行处理，程序如下：
i=imread（'king.jpg'）;
I=rgb2gray（i）;I1=imnoise（I,'gaussian'）;
I2=imnoise（I,'salt&pepper',0.02）;
I3=imnoise（I,'speckle'）;
J1=medfilt2（I1,[3,3]）;%3×3中值滤波模板
J2=medfilt2（I2,[3,3]）;
J3=medfilt2（I3,[3,3]）;
J4=medfilt2（I1,[5,5]）;%5×5中值滤波模板
J5=medfilt2（I2,[5,5]）;
J6=medfilt2（I3,[5,5]）;
figure,subplot（121）,imshow（J1）;
title（'高斯3*3中值滤波后'）;
subplot（122）,imshow（J2）;
title（'椒盐3*3中值滤波后'）;
figure,subplot（121）,imshow（J3）;
title（'乘法3*3中值滤波后'）;
subplot（122）,imshow（J4）;
title（'高斯5*5中值滤波后'）;
figure,subplot（121）,imshow（J5）;
title（'椒盐5*5中值滤波后'）;
subplot（122）,imshow（J6）;
title（'乘法5*5中值滤波后'）;
处理结果如图5.1
图5.13×3中值滤波模板和5×5中值滤波模板对图像进行处理
第六章频域低通滤波法
用理想低通滤波器对图像处理，程序如下（以受高斯噪声污染图像为例）：
i=imread（'king.jpg'）;
I=rgb2gray（i）;
I1=imnoise（I,'gaussian'）;
s=fftshift（fft2（I1））;
[a,b]=size（s）;
a0=round（a/2）;
b0=round（b/2）;
d0=10;%这里d取10和50作比较
fori=1:
a
forj=1:
b
d=sqrt（（i-a0）^2+（j-b0）^2）;
ifd<=d0,h=1;
elseh=0;
end;
s（i,j）=h*s（i,j）;
end;
end;
s=uint8（real（ifft2（ifftshift（s））））;
subplot（121）,imshow（I1）;
title（'受高斯噪声污染后的图像'）;
subplot（122）,imshow（s）;
title（'高斯污染图像滤波后'）;
处理结果如图6.3所示：
图6.3理想低通滤波器处理结果
6.2巴特沃思低通滤波器（BLPF）对图像的处理
用巴特沃斯滤波器对图像处理，程序如下（以受高斯噪声污染图像为例）：
i=imread（'king.jpg'）;
I=rgb2gray（i）;
I1=imnoise（I,'gaussian'）;
s=fftshift（fft2（I1））;
[a,b]=size（g）;
n=1;%这里阶次n取1和3做比较
d0=50;%此处d0为截止频率
n1=fix（a/2）;
n2=fix（b/2）;
fori=1:
a
forj=1:
b
d=sqrt（（i-n1）^2+（j-n2）^2）;
h=1/（1+0.414*（d/d0）^（2*n））;
s（i,j）=h*s（i,j）;
end
end
s=uint8（real（ifft2（ifftshift（s））））;
subplot（121）,imshow（I1）;
title（'受高斯噪声污染的图像'）;
subplot（122）,imshow（s）;
title（'高斯污染图像处理后'）;处理后结果如图6.5所示：
图6.5巴特沃斯低通滤波器处理结果
6.3指数滤波器（ELPF）对图像的处理
用指数低通滤波器对图像处理，程序如下（以受高斯噪声污染图像为例）：
i=imread（'king.jpg'）;
I=rgb2gray（i）;
I1=imnoise（I,'salt&pepper',0.02）;
s=fftshift（fft2（I1））;
[a,b]=size（g）;
n=1;%这里阶次n取1和3做比较
d0=50;%此处d0为截止频率
n1=fix（a/2）;
n2=fix（b/2）;
fori=1:
a
forj=1:
b
d=sqrt（（i-n1）^2+（j-n2）^2）;
h=exp（-0.347*（d/d0）^n）;
s（i,j）=h*s（i,j）;
end;
end;
s=uint8（real（ifft2（ifftshift（s））））;
subplot（121）,imshow（I1）;
title（'受高斯噪声污染的图像'）;
subplot（122）,imshow（s）;
title（'高斯污染图像处理后'）;
处理结果如图6.7所示.
图6.7指数低通滤波器处理结果
6.4梯形滤波器（TLPF）对图像的处理
用梯形低通滤波器对图像处理，程序如下（以受高斯噪声污染图像为例）：
i=imread（'king.jpg'）;
I=rgb2gray（i）;
I1=imnoise（I,'salt&pepper',0.02）;
s=fftshift（fft2（I1））;
[a,b]=size（s）;
a0=round（a/2）;
b0=round（b/2）;
d0=10,d1=50;%这里d取10和50作比较
fori=1:
a
forj=1:
b
distance=sqrt（（i-a0）^2+（j-b0）^2）;
ifdistance<=d0,h=1;
elseifdistance>=d1,h=0;
elseh=1-（d-d0）/（d1-d0）;
end;
end;
s（i,j）=h*s（i,j）;
end;
end;
s=uint8（real（ifft2（ifftshift（s））））;
subplot（121）,imshow（I1）;
title（'受高斯噪声污染的图像'）;
subplot（122）,imshow（s）;
title（'高斯污染图像处理后'）;
处理结果如图6.9所示
图6.9梯形低通滤波器对图像的处理结果
6.5构建二维滤波器对图像的处理
首先构建二维滤波器d，传递函数如图6.10所示;
[f1,f2]=freqspace（25,'meshgrid'）;
Hd=zeros（25,25）;
d=sqrt（f1
升级会员 