数字图像处理MATLAB指令18页文档资料.docx
《数字图像处理MATLAB指令18页文档资料.docx》由会员分享，可在线阅读，更多相关《数字图像处理MATLAB指令18页文档资料.docx（16页珍藏版）》请在冰豆网上搜索。
数字图像处理MATLAB指令18页文档资料
其他常用的图像转换函数有：
gray2ind函数，将灰度图像转换成索引图像。
Im2bw函数，将其它图像转化为二值图像。
Ind2gray函数，将索引图像转换成灰度图像。
Rgb2gray函数，将彩色图像转换成灰度图像。
1．利用imread（）函数读取一幅图像，存入一个数组中；
2．利用whos命令提取该读入图像flower.tif的基本信息；
3．利用imshow（）函数来显示这幅图像；
函数执行语句
A=imread（'saturn.png'）;
whos
NameSizeBytesClassAttributes
A1500x1200x35400000uint8
imshow（A）
4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；
imfinfo（'saturn.png'）
5．利用imwrite（）函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为flower.jpg;语法：
imwrite（原图像，新图像，‘quality’,q）,q取0-100。
imwrite（A,'xingxing.jpg','quality',25）
B=imread（'xingxing.jpg'）;
6．同样利用imwrite（）函数将最初读入的tif图象另存为一幅bmp图像,设为flower.bmp。
imwrite（A,'xingxing.bmp'）
C=imread（'xingxing.bmp'）;
7．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
F=imread（'circbw.tif'）;
im2bw（F）
imshow（F）
实验二图像直方图与灰度变换
下面给出灰度变化的MATLAB程序
f=imread（'medicine_pic.jpg'）;
g=imhist（f,256）;%显示其直方图
g1=imadjust（f,[01],[10]）;%灰度转换，实现明暗转换（负片图像）
figure,imshow（g1）
g2=imadjust（f,[0.50.75],[01]）;%将0.5到0.75的灰度级扩展到范围[01]
figure,imshow（g2）
g=imread（'point.jpg'）;
h=log（1+double（g））;%对输入图像对数映射变换
h=mat2gray（h）;%将矩阵h转换为灰度图片
h=im2uint8（h）;%将灰度图转换为8位图
figure,imshow（h）
下面给出直方图均衡化增强图像对比度的MATLAB程序：
I=imread（‘pollen.jpg）;%读入原图像
J=histeq（I）;%对原图像进行直方图均衡化处理
Imshow（I）;%显示原图像
Title（‘原图像’）;%给原图像加标题名
Figure；imshow（J）;%显示直方图均衡化后的图像
Title（‘直方图均衡化后的图像’）;%给直方图均衡化后的图像加标题名
Figure;subplot（1,2,1）;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图
Imhist（I,64）;%将原图像直方图显示为64级灰度
Title（‘原图像直方图’）;%给原图像直方图加标题名
Subplot（1,2,2）;%作第2幅子图
Imhist（J,64）;%将均衡化后图像的直方图显示为64级灰度
Title（‘均衡变换后的直方图’）;%给均衡化后图像直方图加标题名
1、利用自己编写的灰度直方图计算程序计算rice.tif图像的直方图，并与系统自带的计算程序进行对比。
A=imread（'rice.png'）;
subplot（1,3,1）;
imshow（A）
title（'lady-rice'）;
[m,n]=size（A）;
e=zeros（1,256）;
fork=0:
255
fori=1:
m
forj=1:
n
ifA（i,j）==k
e（k+1）=e（k+1）+1;
end
end
end
end
subplot（1,3,2）;
bar（e）;
subplot（1,3,3）;
imhist（A,256）;
2．进行灰度直方图的均衡化。
I=imread（'cameraman.tif'）;
J=histeq（I）;
figure;
imshow（I）;
title（'原图像'）;
figure;
imshow（J）;
title（'直方图均衡化后的图像'）;
figure;
Imhist（J,64）;
title（'均衡变化后的直方图'）;
3、利用直接灰度变换法对图像进行灰度变换
f=imread（'rice.png'）;
figure;
imshow（f）;
title（'原始图像'）;
figure;
imhist（f,256）;
title（'原始图像直方图'）;
f1=imadjust（f,[01],[10]）;%灰度转换，实现明暗转换（负片图像）
figure;
imshow（f1）;
title（'明暗转换后的图像'）;
figure;
imhist（f1,256）;
title（'明暗转换直方图'）;
f2=imadjust（f,[0.50.75],[01]）;%将0.5到0.75的灰度级扩展到范围[01]
figure;
imshow（f2）;
title（'0.5到0.75的灰度级扩展到范围[01]的图像'）;
figure;
imhist（f2,256）;
title（'灰度级扩展直方图'）;
实验三图像的算术运算与空间域增强
使用与图像算数运算的MATLAB程序
f1=imread（'picture.jpg'）;%读入图像1
f2=imread（'picture1.jpg'）;%读入图像2
I=imsubtract（f1,f2）;%两幅图像相减，结果得出两幅图像的不同之处
figure,imshow（I）
利用MATLAB软件实现空域滤波的程序：
I=imread（'electric.tif'）;
J=imnoise（I,'gauss',0.02）;%添加高斯噪声
%J=imnoise（I,'salt&pepper',0.02）;%添加椒盐噪声
ave1=fspecial（'average',3）;%产生3×3的均值模版
ave2=fspecial（'average',5）;%产生5×5的均值模版
K=filter2（ave1,J）/255;%均值滤波3×3
L=filter2（ave2,J）/255;%均值滤波5×5
M=medfilt2（J,[33]）;%中值滤波3×3模板
N=medfilt2（J,[55]）;%中值滤波5×5模板
imshow（I）;
figure,imshow（J）;
figure,imshow（K）;
figure,imshow（L）;
figure,imshow（M）;
figure,imshow（N）;
1.调入并显示摄像头生成的二幅的图像。
obj=videoinput（'winvideo',1,'YUY2_640x480'）;%创建视频输入对象
preview（obj）;%´打开视频预览窗口
frame1=getsnapshot（obj）;%获取视频的一帧（注该帧并不是RGB格式）
figure,imshow（frame1）;%显示获取的那帧图像
frame=ycbcr2rgb（frame1）;%图像格式转换
figure,imshow（frame）;%显示图像
imwrite（frame,1.jpg','jpg'）;
frame1=getsnapshot（obj）;
figure,imshow（frame1）;
frame=ycbcr2rgb（frame1）;
figure,imshow（frame）;
imwrite（frame,2.jpg','jpg'）;
2.考虑使用适当的图像算术运算方法，找出二幅图像中不同的地方及其所处的位置；
f1=imread（1.jpg'）;
f2=imread（2.jpg'）;
I=imsubtract（f1,f2）;
figure,imshow（I）
3.显示/记录处理结果并做出报告。
a）调入并显示原始图像Sample2-1.jpg。
A=imread（'huangs.jpg'）;
C=rgb2gray（A）;
figure,imshow（C）;
b）利用imnoise命令在图像Sample2-1.jpg上加入高斯（gaussian）噪声
B=imnoise（C,'gauss',0.1）;
figure,imshow（B）;
title（'加噪后'）;
c）利用预定义函数fspecial命令产生平均（average）滤波器
d=（1/17）.*[111;191;111];
Y=filter2（d,B）/255;
figure,imshow（Y,[]）;
title（'均值去噪后'）;
d）采用3x3的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；
M=medfilt2（B,[3,3]）;
figure,imshow（M）;
title（'中值去噪后'）;%中值滤波3×3模板
e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。
ave2=fspecial（'average',5）;%产生5×5的均值模版
L=filter2（ave2,B）/255;%均值滤波5×5;
%Y=filter2（d,B）/255;
figure,imshow（L,[]）;
M=medfilt2（B,[5,5]）;
figure,imshow（M）;
title（'中值去噪后'）;%中值滤波5*5模板
f）利用imnoise命令在图像Sample2-1.jpg上加入椒盐噪声（salt&pepper）
g）重复c）~e）的步骤
h）输出全部结果并进行讨论。
A=imread（'huangs.jpg'）;
C=rgb2gray（A）;
subplot（3,2,1）;
imshow（C）;
B=imnoise（C,'salt&pepper',0.02）;
subplot（3,2,2）;
imshow（B）;
title（'加噪后'）;
d=fspecial（'average',3）;
M=medfilt2（B,[3,3]）;
subplot（3,2,3）;
imshow（M）;
title（'中值去噪后[3,3]'）;
N=medfilt2（B,[5,5]）;
subplot（3,2,4）;
imshow（N）;
title（'中值去噪后[5,5]'）;
Y=filter2（d,B）/255;
subplot（3,2,5）;
imshow（Y,[]）;
title（'均值去噪后[3,3]'）;
ave2=fspecial（'average',5）;%产生5×5的均值模版
L=filter2（ave2,B）/255;%均值滤波5×5;
subplot（3,2,6）;
imshow（L,[]）;
title（'均值去噪后[5,5]'）;
实验四图像的傅立叶变换与频域滤波
利用MATLAB软件实现数字图像傅立叶变换的程序：
I=imread（‘原图像名.gif’）;%读入原图像文件
imshow（I）;%显示原图像
fftI=fft2（I）;%二维离散傅立叶变换
sfftI=fftshift（fftI）;%直流分量移到频谱中心
RR=real（sfftI）;%取傅立叶变换的实部
II=imag（sfftI）;%取傅立叶变换的虚部
A=sqrt（RR.^2+II.^2）;%计算频谱幅值
A=（A-min（min（A）））/（max（max（A））-min（min（A）））*225;
%归一化
figure;%设定窗口
imshow（A）;%显示原图像的频谱
利用MATLAB实现频域滤波的程序
f=imread（'room.tif'）;
F=fft2（f）;%对图像进行傅立叶变换
S=fftshift（log（1+abs（F）））;%对变换后图像进行队数变化，并对其坐标平移，使其中心化
S=gscale（S）;%将频谱图像标度在0-256的范围内
imshow（S）%显示频谱图像
h=special（'sobel'）;%产生空间‘sobel’模版
freqz2（h）%查看相应频域滤波器的图像
PQ=paddedsize（size（f））;%产生滤波时所需大小的矩阵
H=freqz2（h,PQ
（1）,PQ
（2））;%产生频域中的‘sobel’滤波器
H1=ifftshift（H）;%重排数据序列，使得原点位于频率矩阵的左上角
imshow（abs（H）,[]）%以图形形式显示滤波器
figure,imshow（abs（H1）,[]）
gs=imfilter（double（f）,h）;%用模版h进行空域滤波
gf=dftfilt（f,H1）;%用滤波器对图像进行频域滤波
figure,imshow（gs,[]）
figure,imshow（gf,[]）
figure,imshow（abs（gs）,[]）
figure,imshow（abs（gf）,[]）
f=imread（'number.tif'）;%读取图片
PQ=paddedsize（size（f））;%产生滤波时所需大小的矩阵
D0=0.05*PQ
（1）;%设定高斯高通滤波器的阈值
H=hpfilter（'gaussian',PQ
（1）,PQ
（2）,D0）;%产生高斯高通滤波器
g=dftfilt（f,H）;%对图像进行滤波
figure,imshow（f）%显示原图像
figure,imshow（g,[]）%显示滤波后图像
一、实验步骤
1．生成如下图所示的一个二维矩形信号。
H=zeros（256,256）;
H（63:
192,63:
192）=1;
figure;imshow（H）;
title（'lvboqi'）;
lvboqi
2．利用一维FFT计算二维付里叶变换。
分别显示行计算结果和列变换结果。
（立体结果，用mesh（F）显示）
I=imread（'cameraname.bmp'）;
figure;imshow（I）;
title（'原图像'）;
F1=fft2（I）;
C1=ifft2（F1）;
figure;imshow（log（1+abs（C1））,[]）;
title（'2滤波后图像'）;
figure;mesh（C1）;
F2=fft（I）;
F3=fft（F2'）';
C3=ifft（F3'）';
C2=ifft（C3）;
figure;imshow（log（1+abs（C2））,[]）;
title（'1/1滤波后图像'）;
figure;mesh（log（1+abs（C2）））;
1/1滤波后图像
3利用MatLab工具箱中的函数编制FFT频谱显示的函数;
4a）.调入、显示“实验一”获得的图像；图像存储格式应为“.gif”;
b）对这三幅图像做FFT并利用自编的函数显示其频谱;
c）讨论不同的图像内容与FFT频谱之间的对应关系。
5利用MATLAB提供的低通滤波器实现图像信号的滤波运算，并与空间滤波进行比较。
I=imread（'cameraname.bmp'）;%读入原图像文件
figure;imshow（I）;%显示原图像
title（'原图像'）;
[M,N]=size（I）;
F=fft2（I）;
A=fftshift（F）;%直流分量移到频谱中心
%figure;imshow（A）;
H=zeros（M,N）;
H（63:
192,63:
192）=1;
figure;imshow（H）;
title（'低通滤波器'）;
B=A.*H;
C=ifft2（B）;
figure;imshow（log（1+abs（C））,[]）;
title（'滤波后'）;
滤波后
6利用MATLAB提供的高通滤波器对图像进行处理。
I=imread（'cameraname.bmp'）;
figure;imshow（I）;%显示原图像
title（'原图像'）;
J=imnoise（I,'gauss',0.02）;%添加高斯噪声
%J=imnoise（I,'salt&pepper',0.02）;%添加椒盐噪声
figure;imshow（J）;%显示原图像
title（'噪声图像'）;
[M,N]=size（J）;
A=fft2（J）;
%figure;imshow（A）;
H=ones（M,N）;
H（63:
192,63:
192）=0;
figure;imshow（H）;
title（'高通滤波器'）;
B=A.*H;
C=ifft2（B）;
figure;imshow（log（1+abs（C））,[]）;
title（'滤波后'）;
升级会员 