MATLAB图像处理
%灰度转换、噪声、锐化、直方图均衡化处理、边缘检测
clear;
clc;
%读取图像
[filename,filepath]=uigetfile({'*.*','*.jpg'},'打开文件');%gui中打开文件
filep=strcat(filepath,filename);
I=imread(filep);
figure
subplot(2,2,1);
imshow(I)
title('原图');
%转换灰度图
try
I=rgb2gray(I); %如果是RGB图像,转成灰度图
end
subplot(2,2,2);
imshow(I);
title('灰度图像');
%添加噪声
I=imnoise(I,'salt & pepper',0.02); % 叠加密度为0.02的椒盐噪声
%是一种随机出现的白点或者黑点,可能是亮的区域有黑色像素或是在暗的区域有白色像素(或是两者皆有)
subplot(2,2,3);
imshow(I);
title('添加噪声后图像');
%图像去噪
I=medfilt2(I,[2 4]); %采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波
subplot(2,2,4);
imshow(I);
title('去噪后的图像');
%图像锐化
[M,N]=size(I); % 计算图像的尺寸
f=double(I); % 数据类型转换,MATLAB不支持图像的无符号整型的计算
g=fft2(f); % 二维傅立叶变换,得到频域信息
g=fftshift(g); % 0频率移到(M/2,N/2)处
n=2; % 二阶巴特沃斯(Butterworth)滤波器
D0=3; % 巴特沃斯滤波器的D0,D0越大,保留的高频信号就越少(对于不同的图片,可以自行调节,以便得到好的效果)
for i=1:M
for j=1:N
D=sqrt((i-M/2)^2+(j-N/2)^2); %计算离0频率(M/2,N/2)的距离
h=1/(1+(D0/D)^(2*n)); %计算传递函数的值
output(i,j)=h*g(i,j); %高通滤波之后(i,j)处的值
end
end
result=ifftshift(output); %与g=fftshift(g)对应,还原回去
I=ifft2(result); %傅里叶反变换
I=uint8(real(I)); %得到滤波之后的图像(锐化之后的图像)
figure
subplot(2,1,1);
imshow(I); %滤波后图像显示
title('锐化之后的图像')
%直方图均衡化处理
I=histeq(I); %得到直方图均衡化之后的图像
subplot(2,1,2);
imshow(I);
title('直方图均衡之后的图像')
%边缘检测
I1=edge(I,'prewitt');
I2=edge(I,'roberts');
I3=edge(I,'sobel');
I4=edge(I,'log');
I5=edge(I,'canny');
h=fspecial('gaussian',5);%?高斯滤波
I6=edge(I,'canny');
figure
subplot(2,3,1); imshow(I1);title('prewitt边缘检测');
subplot(2,3,2); imshow(I2);title('roberts边缘检测');
subplot(2,3,3); imshow(I3);title('sobel边缘检测');
subplot(2,3,4); imshow(I4);title('Log边缘检测');
subplot(2,3,5); imshow(I5);title('canny边缘检测');
subplot(2,3,6); imshow(I6);title('canny&高斯滤波边缘检测');