matlab图像处理算法源码.docx
《matlab图像处理算法源码.docx》由会员分享，可在线阅读，更多相关《matlab图像处理算法源码.docx（19页珍藏版）》请在冰点文库上搜索。
matlab图像处理算法源码
matlab图像分割算法源码
1.图像反转
MATLAB程序实现如下：
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（[0,250,0,200]）;
axison;%显示坐标系
I1=rgb2gray（I）;
subplot（2,2,2）,imshow（I1）;
title（'灰度图像'）;
axis（[0,250,0,200]）;
axison;%显示坐标系
J=imadjust（I1,[0.10.5],[]）;%局部拉伸，把[0.10.5]的灰度拉伸为[01]
subplot（2,2,3）,imshow（J）;
title（'线性变换图像[0.10.5]'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
K=imadjust（I1,[0.30.7],[]）;%局部拉伸，把[0.30.7]的灰度拉伸为[01]
subplot（2,2,4）,imshow（K）;
title（'线性变换图像[0.30.7]'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
3.非线性变换〔对数变换图像〕
%图像的对数变换原理就是将源图像的像素点的像素值通过对数函数映射到目标空间，然后
%用目标值来代替原来像素点的像素值。
那么它的作用就是对于一些视频采集设备，它们采
%集的图像会有一个指数的失真，用对数变换后就抵消掉了原来的指数失真得到原来的图
%像，还有对于灰度值偏低的图像来说它是有一个锐化的效果的。
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（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
J=double（I1）;
J=40*（log（J+1））;
H=uint8（J）;
subplot（1,2,2）,imshow（H）;
title（'对数变换图像'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
4.直方图均衡化
%直方图均衡化解释baike.baidu./view/1164383.htm
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）;%获取图像数据直方图
I1=histeq（I）;%直方图均衡化
figure;
subplot（2,2,1）;
imshow（I1）;
subplot（2,2,2）;
imhist（I1）;
5.线性平滑滤波器
%空间域的平滑滤波一般采用简单平均法进展，就是求邻近像元点的平均亮度值。
邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。
用MATLAB实现领域平均法抑制噪声程序：
I=imread（'xian.bmp'）;
subplot（2,3,1）
imshow（I）
title（'原始图像'）
I=rgb2gray（I）;
I1=imnoise（I,'salt&pepper',0.02）;%baike.baidu./view/3396665.htm
subplot（2,3,2）
imshow（I1）
title（'添加椒盐噪声的图像'）
k1=filter2（fspecial（'average',3）,I1）/255;%进展3*3模板平滑滤波
k2=filter2（fspecial（'average',5）,I1）/255;%进展5*5模板平滑滤波
k3=filter2（fspecial（'average',7）,I1）/255;%进展7*7模板平滑滤波
k4=filter2（fspecial（'average',9）,I1）/255;%进展9*9模板平滑滤波
subplot（2,3,3）,imshow（k1）,title（'3*3模板平滑滤波'）;
subplot（2,3,4）,imshow（k2）,title（'5*5模板平滑滤波'）;
subplot（2,3,5）,imshow（k3）,title（'7*7模板平滑滤波'）;
subplot（2,3,6）,imshow（k4）,title（'9*9模板平滑滤波'）;
6.中值滤波器
%中值也称中位数，即数据按升序或者降序排列，假设有n个数据，当n为偶数时，中位数为第n/2位数和第（n+2）/2位数的平均数；如果n为奇数，那么中位数为第〔n+1〕/2位数的值。
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）;%进展3*3模板中值滤波
k2=medfilt2（J,[5,5]）;%进展5*5模板中值滤波
k3=medfilt2（J,[7,7]）;%进展7*7模板中值滤波
k4=medfilt2（J,[9,9]）;%进展9*9模板中值滤波
subplot（233）,imshow（k1）;title（'3*3模板中值滤波'）;
subplot（234）,imshow（k2）;title（'5*5模板中值滤波'）;
subplot（235）,imshow（k3）;title（'7*7模板中值滤波'）;
subplot（236）,imshow（k4）;title（'9*9模板中值滤波'）;
7.用Sobel算子和拉普拉斯对图像锐化：
%索贝尔算子〔Sobeloperator〕是图像处理中的算子之一，主要用作边缘检测。
在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。
在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量baike.baidu./view/676368.htm
I=imread（'xian.bmp'）;
subplot（2,2,1）,imshow（I）;
title（'原始图像'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%显示坐标系
I1=im2bw（I）;
subplot（2,2,2）,imshow（I1）;
title（'二值图像'）;
axis（[50,250,50,200]）;
gridon;%显示网格线
axison;%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]）;
gridon;%显示网格线
axison;%显示坐标系
h=[010,1-41,010];%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]）;
gridon;%显示网格线
axison;%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（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
I1=im2bw（I）;
subplot（2,3,2）;
imshow（I1）;
title（'二值图像'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
I2=edge（uint8（I1）,'roberts'）;
%figure;
subplot（2,3,3）;
imshow（I2）;
title（'roberts算子分割结果'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
I3=edge（uint8（I1）,'sobel'）;
subplot（2,3,4）;
imshow（I3）;
title（'sobel算子分割结果'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
I4=edge（uint8（I1）,'Prewitt'）;
subplot（2,3,5）;
imshow（I4）;
title（'Prewitt算子分割结果'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%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'）;
10.边界跟踪〔bwtraceboundary函数〕
clc
clearall
I=imread（'xian.bmp'）;
figure
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
BW=im2bw（I1,threshold）;%将灰度图像转化为二值图像
figure
imshow（BW）;
title（'二值图像'）;
dim=size（BW）;
col=round（dim
（2）/2）-1;%计算起始点列坐标52和图像大小有关
row=find（BW（:
col）,1）;%计算起始点行坐标
connectivity=8;
num_points=180;
contour=bwtraceboundary（BW,[row,col],'N',connectivity,num_points）;
%提取边界
figure
imshow（I1）;
holdon;
plot（contour（:
2）,contour（:
1）,'g','LineWidth',2）;
title（'边界跟踪图像'）;
12.Hough变换
clc
clear
I=imread（'xian.bmp'）;
rotI=rgb2gray（I）;
subplot（2,2,1）;
imshow（rotI）;
title（'灰度图像'）;
axis（[0,250,0,200]）;
gridon;
axison;
BW=edge（rotI,'prewitt'）;
subplot（2,2,2）;
imshow（BW）;
title（'prewitt算子边缘检测后图像'）;
axis（[0,250,0,200]）;
gridon;
axison;
[H,T,R]=hough（BW）;
subplot（2,2,3）;
imshow（H,[],'XData',T,'YData',R,'InitialMagnification','fit'）;
title（'霍夫变换图'）;
xlabel（'\theta'）,ylabel（'\rho'）;
axison,axisnormal,holdon;
P=houghpeaks（H,5,'threshold',ceil（0.3*max（H（:
））））;
x=T（P（:
2））;y=R（P（:
1））;
plot（x,y,'s','color','white'）;
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（[0,250,0,200]）;
gridon;
axison;
holdon;
max_len=0;
fork=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（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
[m,n]=size（I1）;%测量图像尺寸参数
GP=zeros（1,256）;%预创立存放灰度出现概率的向量
fork=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（[0,250,0,200]）;
gridon;%显示网格线
axison;%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（[0,250,0,200]）;
gridon;%显示网格线
axison;%显示坐标系
14.自动阈值法：
Otsu法
用MATLAB实现Otsu算法：
clc
clearall
I=imread（'xian.bmp'）;
subplot（1,2,1）,imshow（I）;
title（'原始图像'）
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%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（[0,250,0,200]）;
gridon;%显示网格线
axison;%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（[0,250,0,200]）;
gridon;%显示网格线
axison;%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展膨胀
subplot（1,2,2）;
imshow（I2）;
title（'膨胀后图像'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%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（[0,250,0,200]）;
gridon;%显示网格线
axison;%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展腐蚀
subplot（1,2,2）;
imshow（I2）;
title（'腐蚀后图像'）;
axis（[0,250,0,200]）;
gridon;%显示网格线
axison;%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]）;
axison;%显示坐标系
I1=rgb2gray（I）;
subplot（2,2,2）,imshow（I1）;
title（'灰度图像'）;
axis（[50,250,50,200]）;
axison;%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]）;
axison;%显示坐标系
subplot（2,2,4）,imshow（I3）;
title（'闭合运算后图像'）;
axis（[50,250,50,200]）;
axison;%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]）;
axison;%显示坐标系
I1=rgb2gray（I）;
subplot（3,2,2）,imshow（I1）;
title（'灰度图像'）;
axis（[50,250,50,200]）;
axison;%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]）;
axison;%显示坐标系
subplot（3,2,4）,imshow（I3）;
title（'闭合运算后图像'）;
axis（[50,250,50,200]）;
axison;%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]）;
axison;%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]）;
axison;%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]）;
gridon;%显示网格线
axison;%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]）;
gridon;%显示网格线
axison;%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]）;
gridon;
axison;
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]）;
axison;
I1=im2bw（I）;
subplot（2,2,2）,imshow（I1）;
title（'二值图像'）;
axis（[50,250,5
升级会员 