matlab 图像部分处理,部分matlab处理图像代码

1、图像的读取 MATLAB中从图像文件中读取数据用函数imread(),这个函数的作用就是将图像文件的数据读入矩阵中,此外还可以用imfinfo()函数查看图像文件的信息(见例1) %例1:图像数据及图像信息的读取 imfinfo c:/lilizong/boat.bmp %读取图像信息 [A,M]=imread('c:/lilizong/boat.bmp'); %图像数据的读取,将图像数据放入矩阵A中,颜色数据放入矩阵M中 imshow(A,M);title('原图像'); M(:,1)=0;  %将颜色数据矩阵的一列置零 figure imshow(A,M);title('改变颜色后的图像') MATLAB还提供了将数据写入一个文件的函数imwrite以及不同类型文件相互转换的函数,可以参考MATLAB 的帮助文件。 2、灰度直方图及直方图均衡化 灰度直方图用于显示图像的灰度值分布情况,是数字图像处理中最简单和最实用的工具。MATLAB中提供了专门绘制直方图的函数imhist()。用它可以很简单的绘制出一幅图像的灰度直方图(见例2)。 %例2:直方图的显示 imshow('c:/lilizong/boat.bmp');title('原图像') %显示原图像 A=imread('e:/matlabwork/tuxiang/Girl.bmp','bmp'); figure;imhist(A),title('对应直方图') 在图像处理中,点运算是简单而又重要的一种技术,其中最常用的一种应用就是直方图的均衡化(见例3)。 %例3:直方图均衡化 imshow('c:/lilizong/boat1.bmp');title('原图像') I=imread('c:/lilizong/boat1.bmp'); figure;imhist(I),title('对应直方图') %从得到的直方图可以看出,图像的对比度很低,灰度级集中在70-160范围内,如果只取 %这个范围内的灰度,并扩展到[0,255],则会明显增强图像对比度 J=imadjust(I,[70/255 160/255],[]); figure;imshow(J),title('经灰度级调整后的图') figure;imhist(J),title('灰度级调整后的直方图') %MATLAB还提供了histeq函数(自动直方图均衡化) K=histeq(I); figure;imshow(K),title('经直方图均衡化后的图') figure;imhist(K),title('直方图均衡化后的直方图') 3、图像的代数运算 代数运算是指对两幅输入图像进行点对点的加、减、乘和除计算而得到输出图像的运算。对于相加和相乘的情形,可能不止有两幅图像参加运算。图像相加的一个重要应用是对同一场景的多幅图像求平均值。这点被经常用来有效地降低加性(additive)随机噪声的影响(见例4) %例4:图象加噪声再通过多次相加求平均的方法祛除噪声 [I,M]=imread('c:/boat.png'); J=imnoise(I,'salt & pepper',0.005); subplot(1,2,1),imshow(I,M),title('原图象'); subplot(1,2,2),imshow(J,M),title('加噪声后图象'); K=zeros(256); for i=1:100        J=imnoise(I,'salt & pepper',0.005);        J1=im2double(J);   %    K=K+J1; K=K+J1; end K=K/100; figure,imshow(K),title('相加求平均后的图象'); 4、图像滤波处理 在数字图像处理中,常常会遇到图像中混杂有许多的噪声。因此,在进行图像处理中,有时要先进行祛除噪声的工作。最常用的祛除噪声的方法是用滤波器进行滤波处理。MATLAB的图像处理工具箱里也设计了许多的滤波器。如均值滤波器、中值滤波器、维纳滤波器等。用户可以很方便的运用一些函数完成数字滤波工作。(见例5)。 %例5:用滤波器祛除图象噪声(分别用均值滤波,中值滤波,及维纳滤波器祛除加入高斯噪声的图象) I=imread('C:/boat.png'); J=imnoise(I,'gaussian',0,0.002); %加入高斯噪声 %进行均值滤波 h=fspecial('average',3);   %fspecial函数用于产生预定义滤波器 I2=uint8(round(filter2(h,I)));  %filter2函数用于图像滤波,此处h是滤波参数(均值),I是要处理的图像 %进行中值滤波 I3=medfilt2(J,[3,3]);  %medfilt2函数用于图像的中值滤波 %进行维纳滤波 I4=wiener2(J,[3,3]);%进行一次维纳滤波 I5=wiener2(I4,[3,3]);%进行二次维纳滤波 subplot(2,3,1),imshow(I),title('原图象') subplot(2,3,2),imshow(J),title('加噪声图象') subplot(2,3,3),imshow(I2),title('均值滤波后图象') subplot(2,3,4),imshow(I3),title('中值滤波后图象') subplot(2,3,5),imshow(I4),title('维纳滤波后图象') subplot(2,3,6),imshow(I5),title('两次维纳滤波后图象') 5、傅立叶变换 傅立叶变换是线性系统分析的一个有力的工具。它在图像处理,特别是在图像增强、复原和压缩中,扮演着非常重要的作用。实际中一般采用一种叫做快速傅立叶变换(FFT)的方法,MATLAB中的fft2指令用于得到二维FFT的结果,ifft2指令用于得到二维FFT逆变换的结果。(见例6) %例6:近似冲击函数的二维快速傅立叶变换(FFT) x=1:99;y=1:99; [X,Y]=meshgrid(x,y); A=zeros(99,99); A(49:51,49:51)=1; B=fft2(A); subplot(1,2,1),imshow(A),xlabel('空域图象'); subplot(1,2,2),imshow(B),xlabel('时域图象'); figure subplot(1,2,1),mesh(X,Y,A),xlabel('空域'),grid on; subplot(1,2,2),mesh(X,Y,abs(B)),xlabel('时域'),grid on; 6、图像压缩 在图像的变换和压缩中,常常用到离散余弦变换(DCT)。DCT具有能使图像的最重要的信息集中在DCT的几个系数上的性能。正是基于此,DCT通常应用于图像的压缩。(见例7) JPEG图像压缩算法: 输入图像被分成8*8或16*16的小块,然后对每一小块进行二维DCT(离散余弦变换)变换,变换后的系数量化、编码并传输; JPEG文件解码量化了的DCT系数,对每一块计算二维逆DCT变换,最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。 DCT变换的特点是变换后图像大部分能量集中在左上角,因为左上放映原图像低频部分数据,右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。 %例7:DCT变换用于图象的压缩实例 I=imread('d:/lilizong/test.jpg'); %该图片在安装matlab的目录中找,原图为灰度图象 I=im2double(I);%图像存储类型转换 T=dctmtx(8);%离散余弦变换矩阵 B=blkproc(I,[8 8],'P1*x*P2',T,T'); %对原图像进行DCT变换 mask=[1 1 1 1 0 0 0 0       1 1 1 0 0 0 0 0       1 1 0 0 0 0 0 0       1 0 0 0 0 0 0 0       0 0 0 0 0 0 0 0       0 0 0 0 0 0 0 0       0 0 0 0 0 0 0 0       0 0 0 0 0 0 0 0]; B2=blkproc(B,[8 8],'P1.*x',mask); %数据压缩,丢弃右下角高频数据 I2=blkproc(B2,[8 8],'P1*x*P2',T',T); %进行DCT反变换,得到压缩后的图像 imshow(I) title('原始图像') figure; imshow(I2) title('压缩后的图像') 应用到的函数: I=imread('图像文件名') :读取图像数据,保存在矩阵I中; imshow(I) :显示灰度图像I,其他用法见matlab帮助; I2=im2double(I1) :把图像数组I1转换成double精度类型; D=dctmtx(n) :二维离散余弦变换函数,返回n*n离散余弦变换矩阵。 一个n*n的变换矩阵T被定义成: Tpq=1/sqrt(n)                                   ,当p=0,0<=q<=M-1;  Tpq=sqrt(2/n)*cos[pi*(2q+1)*p/2n]    ,当1<=p<=M-1,0<=q<=M-1。 B=blkproc(A,[m n],fun,P1,P2...) :块操作函数。对图像A的每个不同的m*n块应用fun函数,P1,P2等为fun函数参数。在图像边缘用0来扩展;只有当fun的返回矩阵是m*n矩阵时,B和A的大小才相同。 figure:强制生成一个新的个绘图窗口; 可以看出,尽管由于85%的DCT系数被抛弃而使恢复后的图像质量有所降低,图像内容仍能清晰可辨,达到了图像压缩的目的。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值