matlab图像处理基础练习程序

% matlab图像处理程序大集合

% 1.图像反转:白黑反转
% MATLAB程序实现如下：
% I=imread(‘xian.bmp’);
% J=double(I);
% J=-J+(256-1); %图像反转线性变换
% H=uint8(J);
% subplot(1,2,1),imshow(I);
% subplot(1,2,2),imshow(H);

% 2.灰度线性变换
% MATLAB程序实现如下：
% I=imread(‘xian.bmp’);
% subplot(2,2,1),imshow(I);
% title(‘原始图像’);
% axis([50,250,50,200]);
% axis on; %显示坐标系
% I1=rgb2gray(I);
% subplot(2,2,2),imshow(I1);
% title(‘灰度图像’);
% axis([50,250,50,200]);
% axis on; %显示坐标系
% J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1]
% subplot(2,2,3),imshow(J);
% title(‘线性变换图像[0.1 0.5]’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系
% K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1]
% subplot(2,2,4),imshow(K);
% title(‘线性变换图像[0.3 0.7]’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系

% 3.非线性变换
% MATLAB程序实现如下：
% I=imread(‘xian.bmp’);
% I1=rgb2gray(I);
% subplot(1,2,1),imshow(I1);
% title(‘灰度图像’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系
% J=double(I1);
% J=40*(log(J+1));
% H=uint8(J); % 转换为图
% subplot(1,2,2),imshow(H);
% title(‘对数变换图像’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系

% 4.直方图均衡化
% MATLAB程序实现如下：
% I=imread(‘xian.bmp’);
% I=rgb2gray(I);
% figure;
% subplot(2,2,1);
% imshow(I);
% subplot(2,2,2);
% imhist(I); % 直方图函数
% I1=histeq(I); % 均衡化函数
% figure;
% subplot(2,2,1);
% imshow(I1);
% subplot(2,2,2);
% imhist(I1);

% 5.线性平滑滤波器
% 用MATLAB实现领域平均法抑制噪声程序：
% I=imread(‘xian.bmp’);
% subplot(231)
% imshow(I)
% title(‘原始图像’)
% I=rgb2gray(I);
% I1=imnoise(I,‘salt & pepper’,0.02); % 添加噪声函数
% subplot(232)
% imshow(I1)
% title(‘添加椒盐噪声的图像’)
% k1=filter2(fspecial(‘average’,3),I1)/255; %进行33模板平滑滤波
% k2=filter2(fspecial(‘average’,5),I1)/255; %进行55模板平滑滤波
% k3=filter2(fspecial(‘average’,7),I1)/255; %进行77模板平滑滤波
% k4=filter2(fspecial(‘average’,9),I1)/255; %进行99模板平滑滤波
% subplot(233),imshow(k1);title(‘33模板平滑滤波’);
% subplot(234),imshow(k2);title('55模板平滑滤波’);
% subplot(235),imshow(k3);title(‘77模板平滑滤波’);
% subplot(236),imshow(k4);title('99模板平滑滤波’);

% 6.中值滤波器
% 用MATLAB实现中值滤波程序如下：
% I=imread(‘xian.bmp’);
% I=rgb2gray(I);
% J=imnoise(I,‘salt & pepper’,0.02);
% subplot(231),imshow(I);title(‘原图像’);
% subplot(232),imshow(J);title(‘添加椒盐噪声图像’);
% k1=medfilt2(J); %进行33模板中值滤波
% k2=medfilt2(J,[5,5]); %进行55模板中值滤波
% k3=medfilt2(J,[7,7]); %进行77模板中值滤波
% k4=medfilt2(J,[9,9]); %进行99模板中值滤波
% subplot(233),imshow(k1);title(‘33模板中值滤波’);
% subplot(234),imshow(k2);title('55模板中值滤波’);
% subplot(235),imshow(k3);title(‘77模板中值滤波’);
% subplot(236),imshow(k4);title('99模板中值滤波’);

% 7.用Sobel算子和拉普拉斯对图像锐化：
% I=imread(‘xian.bmp’);
% subplot(2,2,1),imshow(I);
% title(‘原始图像’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系
% I1=im2bw(I); % 图像转换为二值图像函数
% subplot(2,2,2),imshow(I1);
% title(‘二值图像’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系
% H=fspecial(‘sobel’); %选择sobel算子
% J=filter2(H,I1); %卷积运算
% subplot(2,2,3),imshow(J);
% title(‘sobel算子锐化图像’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系
% h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子
% J1=conv2(I1,h,‘same’); %卷积运算
% subplot(2,2,4),imshow(J1);
% title(‘拉普拉斯算子锐化图像’);
% axis([50,250,50,200]);
% grid on; %显示网格线
% axis on; %显示坐标系

% 8.梯度算子检测边缘
% 用MATLAB实现如下：
% I=imread(‘xian.bmp’);
% subplot(2,3,1);
% imshow(I);
% title(‘原始图像’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% I1=im2bw(I);
% subplot(2,3,2);
% imshow(I1);
% title(‘二值图像’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% I2=edge(I1,‘roberts’); % 边缘函数
% subplot(2,3,3);
% imshow(I2);
% title(‘roberts算子分割结果’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% I3=edge(I1,‘sobel’);
% subplot(2,3,4);
% imshow(I3);
% title(‘sobel算子分割结果’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% I4=edge(I1,‘Prewitt’);
% subplot(2,3,5);
% imshow(I4);
% title(‘Prewitt算子分割结果’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系

% 9.LOG算子检测边缘
% 用MATLAB程序实现如下：
% I=imread(‘xian.bmp’);
% subplot(2,2,1);
% imshow(I);
% title(‘原始图像’);
% I1=rgb2gray(I);
% subplot(2,2,2);
% imshow(I1);
% title(‘灰度图像’);
% I2=edge(I1,‘log’);
% subplot(2,2,3);
% imshow(I2);
% title(‘log算子分割结果’);

% 10.Canny算子检测边缘
% 用MATLAB程序实现如下：
% I=imread(‘xian.bmp’);
% subplot(2,2,1);
% imshow(I);
% title(‘原始图像’)
% I1=rgb2gray(I);
% subplot(2,2,2);
% imshow(I1);
% title(‘灰度图像’);
% I2=edge(I1,‘canny’);
% subplot(2,2,3);
% imshow(I2);
% title(‘canny算子分割结果’);

% 11.边界跟踪（bwtraceboundary函数）
% clc
% clear
% I=imread(‘xian.bmp’);
% figure
% subplot(221),imshow(I);
% title(‘原始图像’);
% I1=rgb2gray(I); %将彩色图像转化灰度图像
% threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限 (没懂)
% BW=im2bw(I1, threshold); %将灰度图像转化为二值图像
% subplot(222)
% imshow(BW);
% title(‘二值图像’);
% dim=size(BW);
% col=round(dim(2)/2)-90; %计算起始点列坐标
% row=find(BW(:,col),1); %计算起始点行坐标
% connectivity=8;
% num_points=580; % 边界追踪线所含的像素点
% contour=bwtraceboundary(BW,[row,col],‘N’,connectivity,num_points); % 边界追踪函数
% %提取边界
% subplot(223)
% imshow(I1);
% hold on;
% plot(contour(:,2),contour(:,1), ‘g’,‘LineWidth’ ,2); % g 代表绿色，2 是指线的宽度
% title(‘边界跟踪图像’);

% 12.Hough变换(霍夫变换)
% I= imread(‘xian.bmp’);
% rotI=rgb2gray(I);
% subplot(2,2,1);
% imshow(rotI);
% title(‘灰度图像’);
% % axis([50,250,50,200]);
% % grid on;
% % axis on;
% BW=edge(rotI,‘prewitt’); % 边缘函数 prewitt算子边缘检测函数
% subplot(2,2,2);
% imshow(BW);
% title(‘prewitt算子边缘检测后图像’);
% % axis([50,250,50,200]);
% % grid on;
% % axis on;
% [H,T,R]=hough(BW); % （没懂）
% subplot(2,2,3);
% imshow(H,[],‘XData’,T,‘YData’,R,‘InitialMagnification’,‘fit’);
% title(‘霍夫变换图’);
% xlabel(’\theta’),ylabel(’\rho’);
% axis on , axis normal, hold on;
% P=houghpeaks(H,5,‘threshold’,ceil(0.3*max(H(?))); % ？？？
% x=T(P(:,2));y=R(P(:,1));
% plot(x,y,‘s’,‘color’,‘green’);
% lines=houghlines(BW,T,R,P,‘FillGap’,5,‘MinLength’,7);%???
% subplot(2,2,4);imshow(rotI);
% title(‘霍夫变换图像检测’);
% % axis([50,250,50,200]);
% % grid on;
% % axis on;
% hold on;
% max_len=0;
% for k=1:length(lines)
% xy=[lines(k).point1;lines(k).point2];
% plot(xy(:,1),xy(:,2),‘LineWidth’,2,‘Color’,‘green’);
% plot(xy(1,1),xy(1,2),‘x’,‘LineWidth’,2,‘Color’,‘yellow’);
% plot(xy(2,1),xy(2,2),‘x’,‘LineWidth’,2,‘Color’,‘red’);
% len=norm(lines(k).point1-lines(k).point2);
% if(len>max_len)
% max_len=len;
% xy_long=xy;
% end
% end
% plot(xy_long(:,1),xy_long(:,2),‘LineWidth’,2,‘Color’,‘cyan’);

% 13.直方图阈值法
% 用MATLAB实现直方图阈值法：
% I=imread(‘xian.bmp’);
% I1=rgb2gray(I);
% figure;
% subplot(2,2,1);
% imshow(I1);
% title(‘灰度图像’)
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% [m,n]=size(I1); %测量图像尺寸参数
% GP=zeros(1,256); %预创建存放灰度出现概率的向量
% for k=0:255
% GP(k+1)=length(find(I1==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置
% end
% subplot(2,2,2),bar(0:255,GP,‘g’) %绘制直方图
% title(‘灰度直方图’)
% xlabel(‘灰度值’)
% ylabel(‘出现概率’)
% I2=im2bw(I,150/255);
% subplot(2,2,3),imshow(I2);
% title(‘阈值150的分割图像’)
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% I3=im2bw(I,200/255); %
% subplot(2,2,4),imshow(I3);
% title(‘阈值200的分割图像’)
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系

% 14. 自动阈值法：Otsu法
% 用MATLAB实现Otsu算法：
% clc
% clear
% I=imread(‘xian.bmp’);
% subplot(1,2,1),imshow(I);
% title(‘原始图像’)
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% level=graythresh(I); %确定灰度阈值
% BW=im2bw(I,level);
% subplot(1,2,2),imshow(BW);
% title(‘Otsu法阈值分割图像’)
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系

% 15.膨胀操作
% I=imread(‘xian.bmp’); %载入图像
% I1=rgb2gray(I);
% subplot(1,2,1);
% imshow(I1);
% title(‘灰度图像’)
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% se=strel(‘disk’,1); %生成圆形结构元素
% I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀
% subplot(1,2,2);
% imshow(I2);
% title(‘膨胀后图像’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系

% 16.腐蚀操作
% MATLAB实现腐蚀操作
% I=imread(‘xian.bmp’); %载入图像
% I1=rgb2gray(I);
% subplot(1,2,1);
% imshow(I1);
% title(‘灰度图像’)
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% se=strel(‘disk’,1); %生成圆形结构元素
% I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀
% subplot(1,2,2);
% imshow(I2);
% title(‘腐蚀后图像’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系

% 17.开启和闭合操作
% 用MATLAB实现开启和闭合操作
% I=imread(‘xian.bmp’); %载入图像
% subplot(2,2,1),imshow(I);
% title(‘原始图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% I1=rgb2gray(I);
% subplot(2,2,2),imshow(I1);
% title(‘灰度图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% se=strel(‘disk’,1); %采用半径为1的圆作为结构元素
% I2=imopen(I1,se); %开启操作
% I3=imclose(I1,se); %闭合操作
% subplot(2,2,3),imshow(I2);
% title(‘开启运算后图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% subplot(2,2,4),imshow(I3);
% title(‘闭合运算后图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系

% 18.开启和闭合组合操作
% I=imread(‘xian.bmp’); %载入图像
% subplot(3,2,1),imshow(I);
% title(‘原始图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% I1=rgb2gray(I);
% subplot(3,2,2),imshow(I1);
% title(‘灰度图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% se=strel(‘disk’,1);
% I2=imopen(I1,se); %开启操作
% I3=imclose(I1,se); %闭合操作
% subplot(3,2,3),imshow(I2);
% title(‘开启运算后图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% subplot(3,2,4),imshow(I3);
% title(‘闭合运算后图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% se=strel(‘disk’,1);
% I4=imopen(I1,se);
% I5=imclose(I4,se);
% subplot(3,2,5),imshow(I5); %开—闭运算图像
% title(‘开—闭运算图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系
% I6=imclose(I1,se);
% I7=imopen(I6,se);
% subplot(3,2,6),imshow(I7); %闭—开运算图像
% title(‘闭—开运算图像’);
% % axis([50,250,50,200]);
% % axis on; %显示坐标系

% 19.形态学边界提取
% 利用MATLAB实现如下：
% I=imread(‘xian.bmp’); %载入图像
% subplot(1,3,1),imshow(I);
% title(‘原始图像’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% I1=im2bw(I);
% subplot(1,3,2),imshow(I1);
% title(‘二值化图像’);
% % axis([50,250,50,200]);
% % grid on; %显示网格线
% % axis on; %显示坐标系
% I2=bwperim(I1); %获取区域的周长
% subplot(1,3,3),imshow(I2);
% title(‘边界周长的二值图像’);
% % axis([50,250,50,200]);
% % grid on;
% % axis on;

% 20.形态学骨架提取
% 利用MATLAB实现如下：
% I=imread(‘xian.bmp’);
% subplot(2,2,1),imshow(I);
% title(‘原始图像’);
% % axis([50,250,50,200]);
% % axis on;
% I1=im2bw(I);
% subplot(2,2,2),imshow(I1);
% title(‘二值图像’);
% % axis([50,250,50,200]);
% % axis on;
% I2=bwmorph(I1,‘skel’,1);
% subplot(2,2,3),imshow(I2);
% title(‘1次骨架提取’);
% % axis([50,250,50,200]);
% % axis on;
% I3=bwmorph(I1,‘skel’,2);
% subplot(2,2,4),imshow(I3);
% title(‘2次骨架提取’);
% % axis([50,250,50,200]);
% % axis on;

% 21.直接提取四个顶点坐标
% I = imread(‘xian.bmp’);
% I = I(:,:,1);
% BW=im2bw(I);
% figure
% imshow(~BW)
% [x,y]=getpts;