matlab对灰度图像进行处理并获取概率密度

陪我、去流浪

已于 2023-02-26 13:10:07 修改

阅读量699

点赞数 2

文章标签： matlab 计算机视觉图像处理

于 2023-02-26 13:01:27 首次发布

本文链接：https://blog.csdn.net/Mei_xinshu/article/details/129225696

版权

该文展示了如何使用MATLAB进行图像处理，包括读取图像、转换为灰度、高斯滤波以降噪，接着应用Canny算法进行边缘检测，并通过imhist展示灰度值密度分布。

摘要由CSDN通过智能技术生成

% 选择图像文件并读取图像
[filename, pathname] = uigetfile({'*.bmp;*.gif;*.jpg;*.png;*.tif','所有支持的图像文件'}, '选择图像文件');
I = imread(fullfile(pathname, filename));

% 将图像转换为灰度图像
if size(I, 3) == 3
    I_gray = rgb2gray(I);
else
    I_gray = I;
end

% 对灰度图像进行高斯滤波，以减少图像中的噪声
I_gauss = imgaussfilt(I_gray, 2);

% 对灰度图像进行边缘检测，以突出图像中的特定特征
I_edges = edge(I_gauss, 'Canny');

% 计算灰度值密度
[counts, bins] = imhist(I_gray);

% 显示原始图像、处理后的图像和灰度值密度图
subplot(1, 3, 1), imshow(I_gray), title('原始图像');
subplot(1, 3, 2), imshow(I_edges), title('边缘检测后的图像');
subplot(1, 3, 3), bar(bins, counts), title('灰度值密度');

%第1行：使用 uigetfile 函数打开文件对话框，让用户选择图像文件。
第2行：使用 fullfile 函数将文件名和路径名组合成完整的路径。
第4-8行：如果图像是彩色图像，则使用 rgb2gray 函数将其转换为灰度图像；否则直接使用灰度图像。
第11-14行的代码与之前相同。
第17-20行：使用 subplot、imshow 和 bar 函数显示原始图像、处理后的图像和灰度值密度图。