matlab计算多张图像的灰度直方图_MATLAB图像处理基本操作

本文中对于大多数的操作，是对数字图像处理领域中最为著名的“lena”图片进行操作的。原图如下（Figure 1）：

本文中对于大多数的操作，是对数字图像处理领域中最为著名的“lena”图片进行操作的。原图如下（Figure 1）：

I=imread('lena.jpg');

imfinfo('lena.jpg')

imshow(I);

其中，imread()可以读取图片，imfinfo()可以获取图片的信息（Figure 2），imshow()可以显示图片。

Figure 2

从Figure 2中可以看出，该图片格式为png，长宽均为512px，颜色类型为真彩色。

处理后的图片还需要进行保存：

imwrite(I,'lenaSave.jpg');

1.2 图像数字化

使用imread()读取图像后，可以看到，读入的图片I是以一个512*512*3的矩阵进行保存的，即分别是RGB颜色的数字图片。为了方便起见，在本文中，笔者将lena图进行了转换，转换为灰度图，即保存为一个512*512*1的矩阵。

为了完成这样一个步骤，MATLAB中提供了相应的函数：

I1=rgb2gray(I);

imshow(I1);

I1以512*512*1的矩阵形式进行存储。效果如下图（Figure 3）：

Figure 3

为了显示图像灰度的分布情况，还需要绘制灰度直方图。可以使用如下代码：

figure,imhist(I1);%显示图片灰度值的统计结果直方图

效果如下（Figure 4）：

1.4 图像噪声的添加

为了完成多种图像处理的操作和试验，还可以对图片添加噪声。所用函数为imnoise (I, type)，该函数中的type可以为5种噪声参数，分别为：'gaussian'(高斯白噪声)，'localvar'(与图象灰度值有关的零均值高斯白噪声)，'poisson'(泊松噪声)，'salt & pepper'(椒盐噪声)和'speckle'(斑点噪声)。

以下为高斯噪声（Figure 5）和椒盐噪声（Figure 6）的代码和效果：

I2=imnoise(I1,'gaussian');

figure,imshow(I2);

I3=imnoise(I1,'salt & pepper');

figure,imshow(I3);