【图像处理】逆滤波、维纳滤波、图像恢复、霍夫变换、使用分水岭的图像分割、阈值、区域增长和区域拆分和合并（Matlab实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

逆滤波 （Inverse Filtering）：逆滤波是一种图像恢复技术，旨在通过对图像进行频域上的反转滤波来消除图像受到的模糊或失真。然而，逆滤波常常受到噪声的影响，容易导致恢复结果出现伪影或过度放大的问题。维纳滤波 （Wiener Filtering）：维纳滤波是一种用于图像恢复的统计滤波方法，旨在最小化原始图像与噪声之间的均方误差。它通过将图像的频域表示与预先定义的噪声功率谱进行加权来实现。使用分水岭的图像分割 （Image Segmentation using Watershed）： 分水岭算法是一种用于图像分割的技术，它将图像视为地形地貌，通过寻找图像中不同区域的“山脊”和“山谷”来分割目标对象。区域增长和区域拆分与合并 （Region Growing and Region Splitting & Merging）：区域增长是一种图像分割技术，从种子像素开始，逐步生长以形成具有相似属性的区域。区域拆分与合并则是将图像分割为多个区域，然后通过合并具有相似特征的区域来减少分割中的不连续性。

📚2 运行结果

部分代码：

clear all;
close all;
img=imread('aerial_view_no_turb.tif');
[M,N]=size(img);
FM=fftshift(fft2(img));
k=0.0025; %turbulance
for i=1:M
    for j=1:N
        H(i,j)=exp(-k*((i-M/2)^2+(j-N/2)^2));
    end
end
GM=FM.*H;
noimg=ifft2(GM);
figure,subplot(1,2,1),imshow(abs(noimg),[]);title(['Image With Turbulance,k=',num2str(k)])

%Inverse Filtering
OUT=GM./H;
inv=ifft2(OUT);

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]管涛,李元庆,郭方亮,等.基于纤维取向分布图像处理技术的短纤维增强聚合物基复合材料力学性能预测方法[J/OL].复合材料学报:1-13[2024-04-19].https://doi.org/10.13801/j.cnki.fhclxb.20240417.001.

[2]王颖,高胜.基于改进CeiT的GTAW焊接熔透状态识别方法[J].焊接学报,2024,45(04):26-35+42+130-131.

🌈4 Matlab代码实现