【emd分解】图像二维经验模式分解的matlab仿真

fpga和matlab

已于 2022-05-07 20:02:36 修改

阅读量2.8k

点赞数 7

分类专栏： MATLAB 板块2:图像-特征提取处理文章标签： matlab 图像处理开发语言二维经验模式分解 EMD

于 2022-05-07 20:02:30 首次发布

本文链接：https://blog.csdn.net/ccsss22/article/details/124638198

版权

MATLAB 同时被 2 个专栏收录

1595 篇文章 1596 订阅

订阅专栏

板块2:图像-特征提取处理

317 篇文章 114 订阅

订阅专栏

1.软件版本

MATLAB2013b

2.本算法理论知识

（1）对原始图像进行延拓，然后对进行极值点提取，也就是局部极值点的选取，包括极大值点和极小值点，要求采用领域点比较法，显示出局部极值点，程序运行出来的结果图要体现出提取出来的局部极值点；
（2）曲面拟合采用delaunay三角剖分，插值方法首先选择cubic方法，根据实际运行出来的结果图进行插值方法的选取，以得到清晰的imf图像和残余图像为目标，要求程序运行结果图中显示极大极小包络面，delaunay三角剖分不能仅使用matlab自带的delaunay函数，要有优化的过程，验证程序的视频要能体现delaunay函数的使用以及优化的过程，程序运行结果图中要求体现三角剖分的结果以及上下包络面；过程要求：三角剖分图像、极大包络面图像和极小包络面图像；

（3）筛选停止条件，，在验证程序的时候要体现出这个停止条件，Sd在0.1到0.3之间；
（4）对于边界问题的处理，根据实际结果调整镜像延拓的大小。过程要求：延拓之前极大极小值包络面图像和延拓之后极大极小值包络面；

（5）通过以上步骤，图像结果包括IMF图像和残余图像，要求输出5层IMF图像和5次残余图像；重点是在分解得到的残余图像上，要求残余图像能够清晰的体现出血管结构；

算法流程图

3.部分核心代码

clc;
clear;
close all;
warning off;
addpath 'func\'


% %效果动态的显示
% views = 1;
%效果静态的显示
views = 0;

I0      = imread('Images\2.bmp');

[R,C,Kss] = size(I0);

if Kss == 1
   I = I0; 
else
   I = rgb2gray(I0);  
end
[R,C] = size(I);

%上下各做延拓
K    = 240;
X    = func_yantuo(I,1,K);

figure(1);
subplot(121);
imshow(I);
title('延拓前');
subplot(122);
imshow(X);
title('延拓后');

%I描述原图象的双精度形式
orig      = X;
orig      = double(orig);
x_width   = size(X,1); 
[Rr,Cc]   = size(X); 
xl_max    = [];
xl_min    = [];

%迭代次数
Iteration = 5;

for iter = 1:Iteration
    %步骤一，极大值点图像和极小值点图像
    SD    = 10000;
    X     = orig;
    SDs   = [];
    ind   = 0;
    while(SD>0.2)
         fprintf('SD=%d\n\n',SD);
         ind = ind + 1;
         %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
         %建立极值图象,极大值图象XMAX,极小值图象XMIN
         [XMAX,XMIN,xl_max,xl_min] = func_find_max_min(X);
         if views == 0 & ind == 1 & iter == 1
            figure(2);
            subplot(221);imshow(XMAX(K+1:R+K,K+1:C+K),[]);title('极大值点图像(延拓部分不显示)');
            subplot(222);imshow(XMIN(K+1:R+K,K+1:C+K),[]);title('极小值点图像(延拓部分不显示)');
            subplot(223);imshow(XMAX,[]);title('极大值点图像');
            subplot(224);imshow(XMIN,[]);title('极小值点图像');         
         end
         if views == 1 & ind > 1
            figure(2);
            subplot(221);imshow(XMAX(K+1:R+K,K+1:C+K),[]);title('极大值点图像(延拓部分不显示)');
            subplot(222);imshow(XMIN(K+1:R+K,K+1:C+K),[]);title('极小值点图像(延拓部分不显示)');
            subplot(223);imshow(XMAX,[]);title('极大值点图像');
            subplot(224);imshow(XMIN,[]);title('极小值点图像');         
         end         
         
         %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
         %构造上下包络
         %delaunay
         [r_max,c_max,v_max] = find(XMAX);
         [r_min,c_min,v_min] = find(XMIN);
 
         tri1=delaunay(c_max,r_max);
         tri2=delaunay(c_min,r_min);
         if  views == 0 & ind == 1 & iter == 1
             figure(3);
             subplot(121);
             triplot(tri1,c_max,r_max);title('极大值点三角剖分');
             axis square;
             subplot(122);
             triplot(tri2,c_min,r_min);title('极小值点三角剖分');
             axis square;
         end
         if  views == 1 & ind > 0
             figure(3);
             subplot(121);
             triplot(tri1,c_max,r_max);title('极大值点三角剖分');
             axis square;
             subplot(122);
             triplot(tri2,c_min,r_min);title('极小值点三角剖分');
             axis square;
         end         
         
         %极大值包络,极小值包络
         %基于delaunay的三角剖分插值算法，非常的耗内存，如果你的电脑内存OK > 32G，那么可以尝试测试
         %另外你要求的那个，只能依靠griddata函数的delaunay法来设计，如果自己编程序，估计内存更不够
         %自己写的函数肯定没matlab自带的效率高
         %内存>32G 选择：
         [zi_max,zi_min] = func_max_min_evenlop(xl_max,xl_min,Rr,Cc,1);%delaunay
         %内存<32G 选择：
         %[zi_max,zi_min] = func_max_min_evenlop(xl_max,xl_min,Rr,Cc,2);
         
         
         if views == 0 & ind == 1 & iter == 1
            figure(4);
            subplot(221);imshow(zi_max(K+1:R+K,K+1:C+K),[]);title('极大值包络(延拓部分不显示)');
            subplot(222);imshow(zi_min(K+1:R+K,K+1:C+K),[]);title('极小值包络(延拓部分不显示)');
            subplot(223);imshow(zi_max,[]);title('极大值包络');
            subplot(224);imshow(zi_min,[]);title('极小值包络');
         end   
         if views == 1 & ind > 0
            figure(4);
            subplot(221);imshow(zi_max(K+1:R+K,K+1:C+K),[]);title('极大值包络(延拓部分不显示)');
            subplot(222);imshow(zi_min(K+1:R+K,K+1:C+K),[]);title('极小值包络(延拓部分不显示)');
            subplot(223);imshow(zi_max,[]);title('极大值包络');
            subplot(224);imshow(zi_min,[]);title('极小值包络');
         end            
         
         %计算SD
         zi =(zi_max+zi_min)/2;
         mi = zi(K+1:R+K,K+1:C+K);
         h  = orig(K+1:R+K,K+1:C+K); 
         SD = max(abs(mi)^2)/max(h).^2;
         X  = X-zi; 
         SDs= [SDs,SD];
    end
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    
    imf=X;
    if iter == 1 
       SDs2 = SDs; 
       imf1 = imf(K+1:R+K,K+1:C+K);
       r    = orig-imf;
       r1   = r(K+1:R+K,K+1:C+K);
       %重建
       Rcon1= func_recontruct(I,imf1);
    end
    if iter == 2 
       imf2 = imf(K+1:R+K,K+1:C+K);
       r    = orig-imf;
       r2   = r(K+1:R+K,K+1:C+K);
       %重建
       Rcon2= func_recontruct(I,imf2);
    end
    if iter == 3 
       imf3 = imf(K+1:R+K,K+1:C+K);
       r    = orig-imf;
       r3   = r(K+1:R+K,K+1:C+K);
       %重建
       Rcon3= func_recontruct(I,imf2+imf3);
    end   
    if iter == 4 
       imf4 = imf(K+1:R+K,K+1:C+K);
       r    = orig-imf;
       r4   = r(K+1:R+K,K+1:C+K);
       %重建
       Rcon4= func_recontruct(I,imf2+imf3+imf4);
    end    
    if iter == 5 
       imf5 = imf(K+1:R+K,K+1:C+K);
       r    = orig-imf;
       r5   = r(K+1:R+K,K+1:C+K);
       %重建
       Rcon5= func_recontruct(I,imf2+imf3+imf4+imf5);
    end  
    orig=orig-imf;
    pause(1);
end

figure;
semilogy(SDs2,'b-o');
xlabel('迭代次数');
ylabel('SD值');
grid on; 




figure;
subplot(231);
imshow(I0,[]);
title('原图');
subplot(232);
imshow(imf1,[]) ;
title('imf1');
subplot(233);
imshow(imf2,[]); 
title('imf2');
subplot(234);
imshow(imf3,[]); 
title('imf3');
subplot(235);
imshow(imf4,[]);
title('imf4');
subplot(236);
imshow(imf5,[]);
title('imf5');

figure;
subplot(231);
imshow(I0,[]);
title('原图');
subplot(232);
imshow(r1,[]); 
title('r1');
subplot(233);
imshow(r2,[]);
title('r2');
subplot(234);
imshow(r3,[]);
title('r3');
subplot(235);
imshow(r4,[]); 
title('r4');
subplot(236);
imshow(r5,[]); 
title('r5');
 

figure;
subplot(221);
imshow(Rcon2,[]);
title('滤波图像1');
subplot(222);
imshow(Rcon3,[]); 
title('滤波图像2');
subplot(223);
imshow(Rcon4,[]);
title('滤波图像3');
subplot(224);
imshow(Rcon5,[]);
title('滤波图像4');
 

figure;
subplot(121);
imshow(I0,[]);
title('原始图像');
subplot(122);
imshow(Rcon5,[]); 
title('处理后图像');

4.操作步骤与仿真结论

5.参考文献

A28-32

fpga和matlab

关注

7
点赞
踩
22

收藏

觉得还不错? 一键收藏
打赏
1
评论
【emd分解】图像二维经验模式分解的matlab仿真

1.软件版本MATLAB2013b2.本算法理论知识（1）对原始图像进行延拓，然后对进行极值点提取，也就是局部极值点的选取，包括极大值点和极小值点，要求采用领域点比较法，显示出局部极值点，程序运行出来的结果图要体现出提取出来的局部极值点；（2）曲面拟合采用delaunay三角剖分，插值方法首先选择cubic方法，根据实际运行出来的结果图进行插值方法的选取，以得到清晰的imf图像和残余图像为目标，要求程序运行结果图中显示极大极小包络面，delaunay三角剖分不能仅使用matlab自带的dela
复制链接

扫一扫