数字图像处理第二版MatLab代码大全.docx
《数字图像处理第二版MatLab代码大全.docx》由会员分享,可在线阅读,更多相关《数字图像处理第二版MatLab代码大全.docx(55页珍藏版)》请在冰点文库上搜索。
![数字图像处理第二版MatLab代码大全.docx](https://file1.bingdoc.com/fileroot1/2023-8/17/6872160b-1c2b-44a8-b2ad-64f3492498c2/6872160b-1c2b-44a8-b2ad-64f3492498c21.gif)
第2章 图像获取
2.3.2二维连续傅里叶变换
例2.2
figure
(1); %建立图形窗口1
[u,v]=meshgrid(-1:
0.01:
1); %生成二维频域网格
F1=abs(sinc(u.*pi));
F2=abs(sinc(v.*pi));
F=F1.*F2; %计算幅度频谱F=|F(u,v)|
surf(u,v,F); %显示幅度频谱,如图2.3(b)
shadinginterp; %平滑三维曲面上的小格
axisoff; %关闭坐标系
figure
(2); %建立图形窗口2
F1=histeq(F); %扩展F的对比度以增强视觉效果
imshow(F1); %用图像来显示幅度频谱,如图2.3(c)
第3章 图像变换
3.4.4二维FFT的MATLAB实现
例3.2简单图像及其傅里叶变换
MATLAB程序:
%建立简单图像d并显示之
d=zeros(32,32); %图像大小32´32
d(13:
20,13:
20)=1; %中心白色方块大小为8´8
figure
(1); %建立图形窗口1
imshow(d,'notruesize'); %显示图像d如图3.5(a)所示
%计算傅里叶变换并显示之
D=fft2(d); %计算图像d的傅里叶变换,fft2(d)=fft(fft(d).').'
figure
(2); %建立图形窗口2
imshow(abs(D),[-15],'notruesize');%显示图像d的傅里叶变换谱如3.5(b)所示例3.3MATLAB图像及其傅里叶变换谱
MATLAB程序:
figure
(1);
loadimdemossaturn2; %装入MATLAB图像saturn2
imshow(saturn2); %显示图像saturn2如图3.6(a)所示
figure
(2);
S=fftshift(fft2(saturn2)); %计算傅里叶变换并移位
imshow(log(abs(S)),[]); %显示傅里叶变换谱如3.6(b)所示
例3.4真彩图像及其傅里叶变换谱
MATLAB程序:
figure
(1);
A=imread('image1.jpg'); %装入真彩图像,见图1.1(b)
B=rgb2gray(A); %将真彩图像转换为灰度图像
8
imshow(B); %显示灰度图像如图3.7(a)所示
C=fftshift(fft2(B));%计算傅里叶变换并移位figure
(2);
imshow(log(abs(C)),[]); %显示傅里叶变换谱如3.7(b)所示
3.5.4离散余弦变换的MATLAB实现
例3.5计算并显示真彩图像余弦变换的MATLAB程序如下:
RGB=imread('image2.jpg'); %装入真彩图像
figure
(1);
imshow(RGB); %显示彩色图像
GRAY=rgb2gray(RGB); %将真彩图像转换为灰度图像
figure
(2);
imshow(GRAY); %显示灰度图像如图3.10(a)所示
DCT=dct2(GRAY); %进行余弦变换
figure(3);
imshow(log(abs(DCT)),[]); %显示余弦变换如图3.10(b)所示。
3.8.2Radon变换的MATLAB实现
例3.8真彩图像的Radon变换
MATLAB程序如下:
RGB=imread('image2.jpg'); %装入真彩图像
GRAY=rgb2gray(RGB); %将真彩图像转换为灰度图像
figure
(2);
imshow(GRAY); %显示灰度图像如图3.16(a)
[R,xp]=radon(GRAY,[045]); %计算变换角度为0°和45°的Radon变换
figure;plot(xp,R(:
1));title('R_{0^o}(x\prime)')
%显示0°方向上的Radon变换如图3.16(b)
figure;plot(xp,R(:
2));title('R_{45^o}(x\prime)')
%显示45°方向上的Radon变换如图3.16(c)
例3.9连续角度的Radon变换
对于一组连续角度的Radon变换通常用一幅图像来表示。
本例先建立一幅简单图像,然后令变换角度从0°以1°的增量变化到180°时的Radon变换情况。
其MATLAB程序如下:
I=zeros(100,100);
%建立简单图像如图3.17(a)
I(25:
75,25:
75)=1;
figure
(1);imshow(I);
theta=0:
180;
%规定变换角度的范围
[R,xp]=radon(I,theta);
%计算Radon变换
figure
(2);
imagesc(theta,xp,R);
%以图像方式显示变换结果R,
%其x轴和y轴分别为theta和xp
title(‘R_{\theta}(X\prime)’);
%显示图像标题Rq(x')
9
xlabel(‘\theta(degrees)’);
%显示x坐标“q(degrees)”
ylabel(‘X\prime’);
%显示y坐标“x'”
set(gca,’Xtick’,0:
20:
180);
%设置x坐标刻度
colormap(hot);
%设置调色板
colorbar;
%显示当前图像的调色板
第4章图像增强
4.2.1直接灰度变换
Matlab程序实现图像求反:
I=imread('cameraman.tif');
imshow(I)
I=double(I)
I=256-1-I
I=uint8(I)
figure
imshow(I)
例4.1
用Matlab程序实现线性灰度变换的图像增强:
%读入并显示原始图像
I=imread('pout.tif');
imshow(I);
I=double(I);
[M,N]=size(I);
%进行线性灰度变换
fori=1:
M
forj=1:
N
ifI(i,j)<=30
I(i,j)=I(i,j);
elseifI(i,j)<=150
I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30;
else
I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200;
end
end
end
例4.2
I=imread('lena.bmp');
figure;imshow(I);
I=double(I);
I2=41*log(1+I);
I2=uint8(I2);
figure;imshow(I2);
例4.3
灰度切割变换的Matlab的程序如下:
I=imread('007.bmp');
figure;imshow(I);
I=double(I)
[M,N]=size(I);
10
fori=1:
M
forj=1:
N
ifI(i,j)<=50
I(i,j)=40;
elseifI(i,j)<=180
I(i,j)=220;
else
I(i,j)=40;
end
end
end
I=uint8(I);
figure;imshow(I);
例4.4
具体Matlab程序如下:
I=imread('lena.bmp');
imshow(I);
I=double(I);
[M,N]=size(I);
fork=1:
8
J=zeros(M,N);
fori=1:
M
forj=1:
N
temp=I(i,j);
s1=0;s2=0;
range=[k:
-1:
1];
ford=range
s1=2^(8-d)+s1;s2=2^(8-d+1);
iftemp>=s1&tempJ(i,j)=255;break;
end
end
end
end
J=uint8(J);
figure;imshow(J);
end
4.2.2 直方图修正
例4.6直方图均衡化效果实例
用Matlab中的histeq函数实现直方图均衡化的程序如下:
I=imread('circuit.tif');figuresubplot(221);imshow(I);subplot(222);imhist(I)I1=histeq(I);
figure;
subplot(221);imshow(I1)
subplot(222);imhist(I1)
例4.8:
直方图规定效果实例
11
用matlab中的histeq函数实现直方图均衡化的程序如下:
I=imread('circuit.tif');
[M,N]=size(I);
fori=1:
8:
257
counts(i)=i;
end
Q=imread('circuit.tif');
N=histeq(Q,counts);
figure
subplot(221);imshow(N);
subplot(222);imhist(N);
axis([026005000]);
4.2.3 图像间运算
例:
用图像平均减少随机噪声
I=imread('tire.tif');
[M,N]=size(I);
II1=zeros(M,N);
fori=1:
16
II(:
:
i)=imnoise(I,'gaussian',0,0.01);
II1=II1+double(II(:
:
i));
ifor(or(i==1,i==4),or(i==8,i==16));
figure;
imshow(uint8(II1/i));
end
end
4.3 空域滤波增强
Matlab实现的邻域平均法抑制噪声的程序:
I=imread('eight.tif');
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=filter2(fspecial('average',3),J);
%进行3×3
模板平滑滤波
k2=filter2(fspecial('average',5),J);
%进行5×5
模板平滑滤波
k3=filter2(fspecial('average',7),J);
%进行7×7
模板平滑滤波
k4=filter2(fspecial('average',9),J);
%进行9×9
模板平滑滤波
subplot(233),imshow(uint8(k1));title('3×3模板平滑滤波');
subplot(234),imshow(uint8(k2));title('5×5模板平滑滤波');
subplot(235),imshow(uint8(k3));title('7×7模板平滑滤波');
subplot(236),imshow(uint8(k4));title('9×9模板平滑滤波')
例4.10:
使用中值滤波降低图像噪声
I=imread('eight.tif');
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3×3模板中值滤波
k2=medfilt2(J,[55]); %进行5×5模板中值滤波
12
k3=medfilt2(J,[77]); %进行7×7模板中值滤波
k4=medfilt2(J,[99]); %进行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')
例4.11:
梯度锐化实例
I=imread('cameraman.tif');
subplot(131),imshow(I)
H=fspecial('Sobel');
H=H'; %Sobel垂直模板
TH=filter2(H,I);
subplot(132),imshow(TH,[]);
H=H'; %Sobel水平模板
TH=filter2(H,I);
subplot(133),imshow(TH,[])
4.4 图像频域增强
例4.12:
频域低通滤波所产生的模糊
%理想低通过滤波器所产生的模糊和振铃现象
J=imread('lena.bmp');
subplot(331);imshow(J);
J=double(J);
%采用傅里叶变换
f=fft2(J);
%数据矩阵平衡
g=fftshift(f);
subplot(332);imshow(log(abs(g)),[]),color(jet(64));
[M,N]=size(f);
n1=floor(M/2);
n2=floor(N/2);
%d0=5,15,45,65
d0=5;
fori=1:
Mforj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);ifd<=d0
h=1;
else
h=0;
endg(i,j)=h*g(i,j);
end
endg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(333);imshow(g);
例4.12:
用巴特沃斯低通滤波器去除图像中的盐椒噪声
13
%实现Butterworth低通过滤波器
I=imread('saturn.tif');
J=imnoise(I,'salt&pepper',0.02);%给原图像加入椒盐噪声,如图4.33(a)所示
subplot(121);imshow(J);
tilte('含有盐椒噪声的图像')
J=double(J);
%采用傅里叶变换
f=fft2(J);
%数据矩阵平衡
g=fftshift(f)
[M,N]=size(f);
n=3;
d0=20
n1=floor(M/2)
n2=floor(N/2)
fori=1:
M
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2)
h=1/(1+(d/d0)^(2*n));
g(i,j)=h*g(i,j);
end
end
g=ifftshift(g);
g=uint8(real(ifft2(g)));
subplot(122);
imshow(g); %结果如图4.33(b)所示
例4.13:
频域高通滤波增强示例
J=imread('lenabu.bmp');
imshow(uint8(J));title('模糊图像')J=double(J);
f=fft2(J);%采用傅里叶变换g=fftshift(f);%数据矩阵平衡
[M,N]=size(f);
n1=floor(M/2);
n2=floor(N/2);
d0=20;
fori=1:
M %进行理想高通滤波和理想高通加强滤波
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);
ifd>=d0
h1=1;
h2=1+0.5;
else
h1=0;
h2=0.5;
end
g1(i,j)=h1*g(i,j);
g2(i,j)=h2*g(i,j);
end
end
14
g1=ifftshift(g1);
g1=uint8(real(ifft2(g1)));
subplot(221);imshow(g1);%显示理想高通滤波结果title('理想高通滤波结果');
g2=ifftshift(g2);
g2=uint8(real(ifft2(g2)));
subplot(222);imshow(g2);%显示理想高通加强滤波结果title('理想高通加强滤波结果');
n=2;
d0=20;
fori=1:
M %进行巴特沃斯高通滤波和巴特沃斯高通加
强滤波
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);
ifd==0
h1=0;
h2=0.5;
else
h1=1/(1+(d0/d)^(2*n));
h2=1/(1+(d0/d)^(2*n))+0.5;
end
gg1(i,j)=h1*g(i,j);
gg2(i,j)=h2*g(i,j);
end
end
gg1=ifftshift(gg1);
gg1=uint8(real(ifft2(gg1)));
subplot(223);imshow(gg1);%显示巴特沃斯高通滤波结果title('巴特沃斯高通滤波结果')
gg2=ifftshift(gg2);
gg2=uint8(real(ifft2(gg2)));
subplot(224);imshow(gg2); %显示巴特沃斯高通加强滤波结果
title('巴特沃斯高通加强滤波结果');
例4.14:
同态滤波的增强效果
J=imread('eight.tif');%读入原图
subplot(121);imshow(J);
J=double(J);
f=fft2(J);%采用傅里叶变换
g=fftshift(f);%数据矩阵平衡
[M,N]=size(f);
d0=10;
rl=0.5;
rh=2c=4;
n1=floor(M/2);
n2=floor(N/2);fori=1:
M
forj=1:
Nd=sqrt((i-n1)^2+(j-n2)^2);
h=(rh-rl)*(1-exp(-c*(d.^2/d0.^2)))+rl;
15
g(i,j)=h*g(i,j);
end
end
g=ifftshift(g);
g=uint8(real(ifft2(g)));
subplot(122);imshow(g);
第5章 图像复原
例5.1
C=imread('image3.jpg'); %装入清晰图像
subplot(1,2,1); %将图形窗口分成两个矩形平面
imshow(C); %在第一个矩形平面中显示装入的图像
LEN=30; %设置运动位移为30个象素
THETA=45; %设置运动角度为45o
PSF=fspecial('motion',LEN,THETA); %建立二维仿真线性运动滤波器PSF
MF=imfilter(C,PSF,'circular','conv'); %用PSF产生退化图像
subplot(1,2,2),imshow(MFUZZY); %在第二个矩形平面中显示模糊后的图像
imwrite(MF,'image3-MF.jpg'); %将运动模糊后的图像保存起来备用
例5.2消除图5.4(b)的运动模糊,其MATLAB程序如下:
[MF,map]=imread('image3-MF.jpg'); %装入运动模糊图像
figure
(1);
imshow(MF); %显示模糊图像
LEN=30;
THETA=45;
INITPSF=fspecial('motion',LEN,THETA); %建立复原点扩散函数
[JP]=deconvblind(MF,INITPSF,30); %去卷积
figure
(2);imshow(J); %显示结果图像如图5.6(a)
figure(3);imshow(P,[],'notruesize'); %显示复原点扩散函数如图5.6(b)
例5.3逆滤波与维纳滤波的比较
F=checkerboard(8); %生成原始图像F
figure
(1);
imshow(F,[]);
PSF=fspecial('motion',7,45); %生成运动模糊图像MF
MF=imfilter(F,PSF,'circular');
noise=imnoise(zeros(size(F)),'gaussian',0,0.001); %生成高斯噪声
MFN=MF+noise; %生成运动模糊+高斯噪声图像MFN
figure
(2);
imshow(MFN,[]);
NSR=sum(noise(:
).^2)/sum(MFN(:
).^2); %计算噪信比
figure(3);
imshow(deconvwnr(MFN,PSF),[]); %逆滤波复原
figure(4);
imshow(deconvwnr(MFN,PSF,NSR),[]); %维纳滤波复原
例5.7顺序统计滤波器比较
16
f=imread('image4g.jpg');
figure
(1);imshow(f);
title('原始图像');
g=imnoise(f,'salt&pepper',0.2);
figure
(2);imshow(g