程序.docx
《程序.docx》由会员分享，可在线阅读，更多相关《程序.docx（48页珍藏版）》请在冰点文库上搜索。
程序
%将图片转化为二值图，根据直方图，以75分界4
if（I（i,j）>75）4
Otsu阈值：
4
谐波均值滤波器5
（三）利用直方图人工指定阈值对rice进行自动单阈值分割；7
滤波器8
（二）对图像加噪后分别使用MATLAB自带函数和自写函数进行平滑滤波，观察实验结果。
9
（三）自写函数实现对图像的锐化操作。
9
（四）分别使用最大值、最小值和中值滤波器对图像进行处理10
最小值：
11
中值：
12
（五）分别使用理想和巴特沃斯高低通滤波器对图像进行滤波（高斯噪声）12
图像灰度变换13
%对数变换14
3，反色变换14
4.灰度图像均衡化15
点检测15
阈值16
Sobel17
%LOG17
%Canny17
（一）调入给定的数字图像，并进行计算机均衡化处理，显示原图像的直方图和经过均衡化处理过的图像直方图。
19
（二）对图像加噪后分别使用MATLAB自带函数和自写函数进行平滑滤波，20
运用拉普拉斯算子梯度增强法进行图像锐化21
%最大值滤波器21
最小值：
22
%中值23
PSF25
2、灰度直方图均衡规格化26
程序二：
filter和conv的不同28
程序三：
滤波后信号幅度的变化28
MATLAB中提供了卷积运算的函数命令conv2，其语法格式为：
29
MATLAB图像处理工具箱提供了基于卷积的图象滤波函数filter2，filter2的语法格式为：
29
Y=filter2（h,X）29
Fspecial函数用于创建预定义的滤波算子30
ordfilt2函数30
图像的点运算：
30
加法运算：
rice和cameraman31
3、flower变模糊31
4、减法运算：
ri32
乘法运算32
缩放运算33
图像翻转34
图像剪切 34
%将图片转化为二值图，根据直方图，以75分界
I=imread（'Cameraman.bmp'）;
[mn]=size（I）;
fori=1:
m
forj=1:
n
if（I（i,j）>75）
I（i,j）=255;%大于75，都变成背景色
else
I（i,j）=0;
end
end
end
imshow（I）;
Otsu阈值：
I=imread（'zhiwen.gif'）;
[T,SM]=graythresh（I）;%otsu自动计算阈值函数，SM是可分性测度
g=im2bw（I,T）
figure,imshow（g）
谐波均值滤波器
图像分割与边缘检测
（二）用各梯度算子对图像进行边缘检测；
i=imread（'rice1.jpg'）;
g=rgb2gray（i）;
d=im2double（i）;
subplot（131）,imshow（i）,title（‘原图'）;
[gv,t]=edge（g,'sobel',0.075,'horizontal'）;%II是输入图像,Sobel是运用的方法，parameters是参数g是一个数组，t是edge用于确定参数，T是阈值,dir（vertical）是检测的首选方向subplot（132）,imshow（gv）,title（'水平方向'）;
[gv,t]=edge（g,'sobel',0.9,'horizontal'）;
subplot（133）,imshow（gv）,title（'水平方向'）;
%LOG
i=imread（'rice1.jpg'）;
g=rgb2gray（i）;
d=im2double（i）;
subplot（131）,imshow（i）,title（'原图'）;
[gv,t]=edge（g,'log',0.005,2.25）;
subplot（132）,imshow（gv）,title（'高斯拉普拉斯LOG'）;
[gv,t]=edge（g,'log',0.1,2.25）;%2.25是代表标准差。
默认为2
subplot（133）,imshow（gv）,title（'高斯拉普拉斯LOG'）;
%Canny边缘检测器
i=imread（'rice1.jpg'）;
g=rgb2gray（i）;
d=im2double（i）;
subplot（131）,imshow（i）,title（'原图'）;
[gv,t]=edge（g,'canny',[0.040.1],1.5）;%[0.040.1]是两个阈值，1.5是平面滤波的标准差，默认值为1
subplot（132）,imshow（gv）,title（'Canny边缘检测器'）;
（四）用迭代法和OSTU法对rice进行自动单阈值分割；
x=imread（'Lena.bmp'）;
%figure;%imshow（x）;
[m,n]=size（x）;
N=m*n;
num=zeros（1,256）;
p=zeros（1,256）;
fori=1:
m
forj=1:
n
num（x（i,j）+1）=num（x（i,j）+1）+1;
end
end
fori=0:
255;p（i+1）=num（i+1）/N;
end
totalmean=0;
fori=0:
255;
totalmean=totalmean+i*p（i+1）;
end
maxvar=0;
fork=0:
255kk=k+1;
zerosth=sum（p（1:
kk））;
firsth=0;
forh=0:
k
firsth=firsth+h*p（h+1）;
end
var=totalmean*zerosth-firsth;
var=var*var;
var=var/（zerosth*（1-zerosth）+0.01）;
var=sqrt（var）;
if（var>maxvar）
maxvar=var;
point=k;
end
end
threshold=point;
I=imread（'Lena.bmp'）;
%I=rgb2gray（I）;
I=double（I）;
T=double（min（I（:
））+max（I（:
）））/2;
done=false;
i=0;
while~done
r1=find（I<=T）;
r2=find（I>T）;
Tnew=（mean（I（r1））+mean（I（r2）））/2;
done=abs（Tnew-T）<1;
T=Tnew;
i=i+1;
end
I（r1）=0;
I（r2）=1;
disp（'迭代法求得的阈值'）
disp（T）
imshow（I）,title（'迭代法'）
（三）利用直方图人工指定阈值对rice进行自动单阈值分割；
I1=imread（'Cameraman.bmp'）;
subplot（131）;imshow（I1）;title（'原图'）;
I=im2bw（I1）;
subplot（132）;imhist（I1）;title（'直方图'）;
[mn]=size（I1）;
fori=1:
m
forj=1:
n
if（I1（i,j）>75）
I1（i,j）=255;%大于75，都变成背景色
else
I1（i,j）=0;
end
end
end
subplot（133）;imshow（I1）;title（'分割以后图'）;
滤波器
调入给定的数字图像，并进行计算机均衡化处理，显示原图像的直方图和经过均衡化处理过的图像直方图。
观察均衡化后图像和直方图的变化。
结果如图。
I1=imread（'flower.jpg'）;
subplot（4,3,1）,imshow（I1）;%显示原图
I=rgb2gray（I1）;
subplot（4,3,2）,imshow（I）;%将彩色图转化为灰度图
subplot（4,3,3）,imhist（I,50）;%每隔50隔像素点统计一次
h=histeq（I）;%均衡化，，画图片的直方图
subplot（4,3,4）,imshow（h）;
subplot（4,3,5）,imhist（h）;%显示均衡化以后的图像
（二）对图像加噪后分别使用MATLAB自带函数和自写函数进行平滑滤波，观察实验结果。
%2平滑滤波%自带函数
I=imread（'Lena.bmp'）;
i=imnoise（I,'salt'）;%加盐噪
subplot（2,2,1）,imshow（i）;
h=fspecial（'average'）;%3*3的邻域平均模板，生成均值滤波器
y=imfilter（i,h）;%对图像进行滤波
subplot（2,2,2）,imshow（y）;
%2平滑滤波%自写函数
I=imread（'Lena.bmp'）;
i=imnoise（I,'salt'）;%加盐噪
subplot（2,2,1）,imshow（i）;
Inew=myMidalp（i,3）;%调用函数
subplot（2,2,3）,imshow（Inew）
（三）自写函数实现对图像的锐化操作。
运用拉普拉斯算子梯度增强法进行图像锐化
[I,map]=imread（'Lena.bmp'）;
Subplot（1,2,1）imshow（I,map）;%map:
映射
I=double（I）;
[Gx,Gy]=gradient（I）;%计算梯度
G=sqrt（Gx.*Gx+Gy.*Gy）;%注意是矩阵点乘
J=I;
K=find（G<=7）;%查找非零元素
J（K）=25;Q=find（G>=7）;
J（Q）=255;
Subplot（1,2,2）,imshow（J,map）;
（4）分别使用最大值、最小值和中值滤波器对图像进行处理，观察实验结果。
最大值：
%最大值滤波器
I2=imread（'flower.jpg'）;
I1=rgb2gray（I2）;
n=2;c=2;
mask=ones（n,n）;
[r1,c1]=size（I1）;
subplot（2,2,1）;imshow（I2）;title（'原始图像'）;
subplot（2,2,2）;imshow（I1）;title（'灰度图像'）;
I1=double（I1）;
I1_max=I1;
mid=floor（n/2）;
foru=1:
r1-n+1
forv=1:
c1-n+1
A=I1（u:
u+n-1,v:
v+n-1）;
A=A.*mask;
I1_max（u+mid,v+mid）=max（max（A））;
end
end
subplot（2,2,3）;imshow（I1_max（mid+1:
r1-mid,mid+1:
c1-mid）,[]）;title（'最大值图像'）;
最小值：
%最小值滤波器
I2=imread（'flower.jpg'）;
I1=rgb2gray（I2）;
n=2;c=2;
mask=ones（n,n）;
[r1,c1]=size（I1）;
subplot（2,2,1）;imshow（I2）;title（'原始图像'）;
subplot（2,2,2）;imshow（I1）;title（'灰度图像'）;
I1=double（I1）;
I1_min=I1;
mid=floor（n/2）;%floor:
向下取整
foru=1:
r1-n+1
forv=1:
c1-n+1
A=I1（u:
u+n-1,v:
v+n-1）;
A=A.*mask;
I1_min（u+mid,v+mid）=min（min（A））;
end
end
subplot（2,2,3）;imshow（I1_min（mid+1:
r1-mid,mid+1:
c1-mid）,[]）;title（'最小值图像'）;
中值：
I=imread（'Lena.bmp'）;
noise=imnoise（I,'salt'）;
figure,imshow（noise）;
Inew=myMidal（noise,3）;
figure,imshow（Inew）;
（五）分别使用理想和巴特沃斯高低通滤波器对图像进行滤波（高斯噪声），讨论阈值的设定和阶数的选取。
clc;
I=imread（'Lena.bmp'）;%读图
F=fft2（I）;%傅里叶变换，变为频域内的图
newF=fftshift（F）;%移频
[MN]=size（I）;%获取图像的大小
d0=100;
%M=60;N=60;
c1=floor（M/2）;%原点
c2=floor（N/2）;
h1=zeros（M,N）;%理想型
%h2=zeros（M,N）;%巴特沃斯型
%h3=zeros（M,N）;%高斯型
%sigma=4;
%n=4;%巴特沃斯阶数
fori=1:
M
forj=1:
N
d=sqrt（（i-c1）^2+（j-c2）^2）;
ifd<=d0
h1（i,j）=1;%若为低通，则为0
else
h1（i,j）=0;%若为低通，则为1
end
%h2（i,j）=1/（1+（d/d0）^（2*n））;
%h3（i,j）=exp（-d^2/（2*sigma^2））;
end
end
A=h1.*newF;%相当于Guv
B=ifft2（A）;%相当于Gxy
imshow（log（abs（B））,[]）;
draw2（h1,'理想型'）;
%draw2（h2,'巴特沃斯'）;
%draw2（h3,'高斯'）;
图像灰度变换
一些常用灰度变换Matlab程序以及图像处理效果图
1，二值化和阈值处理
%图像二值化（选取一个域值，（5）将图像变为黑白图像）
I=imread（'C:
\DocumentsandSettings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'）;
bw=im2bw（I,0.5）;%选取阈值为0.5
subplot（1,3,1）;
imshow（I）;
title（'原图'）;
subplot（1,3,2）;
imshow（bw）;
title（'显示二值图像'）;
J=find（I<150）;
I（J）=0;
J=find（I>=150）;
I（J）=255;
subplot（1,3,3）;
imshow（I）;
title（'图像二值化（域值为150）'）;
2非线性变换
%对数变换
I=imread（'C:
\DocumentsandSettings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'）;
I=mat2gray（I）;%对数变换不支持uint8类型数据，将一个矩阵转化为灰度图像的数据格式（double）
J=log（I+1）;
subplot（1,2,1）;
Imshow（I）;%显示图像
title（'原图'）;
subplot（1,2,2）;
Imshow（J）;
title（'对数变换后的图像'）
3，反色变换
I1=imread（'C:
\DocumentsandSettings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'）;
figure,imshow（I）;
title（'原始图像'）;
I2=imcomplement（I1）;
figure,imshow（I2）;
title（'反色后图像'）;
4.灰度图像均衡化
I=imread（'C:
\DocumentsandSettings\Administrator\桌面\DIP-E1增强\DIP-E1增强\p12.tif'）;
J=histeq（I）;
subplot（1,2,1）,imshow（I）;
subplot（1,2,2）,imshow（J）;
figure,subplot（1,2,1）,imhist（I,64）;
subplot（1,2,2）,imhist（J,64）;
点检测
myMidal.m
function[d]=myMidal（x,n）
%x是给定的图像，n是滤波器的大小；本函数实现中值滤波
[heigthwidth]=size（x）;
x1=double（x）;
x2=x1;%x2就是原图像，模板每滑动一次，就用加权平均值修改
fori=1:
width-n+1
forj=1:
heigth-n+1
c=x1（i:
i+n-1,j:
j+n-1）;%矩阵n行*n列模板，i:
i+n-1是n行，c就是模板划过的区域
mm=-sum（sum（c））+9*c（1+（n-1）/2,1+（n-1）/2）;%第一次求和，是按列求和。
得到一个行向量，，向量的基础上都求和sum,在i行j列中取中间值的坐标是i+（n-1）/2，j+（n-1）/2
%e=reshape（c,1,n*n）;%将c变成向量
%mm=median（e）;%取中间值
x2（i+（n-1）/2,j+（n-1）/2）=mm;%模板中间坐标，i+（n-1）/2表示行号，j+（n-1）/2是列号
end
end
x3=x2（2:
height-1,2:
width-1）;%去掉最外面的一行一列
figure,imshow（uint8（x3））;%double是用来计算的，，uint是用来直接显示的
%T=max（max（abs（x3）））;%最大梯度的矩阵,每一列求出一个最大值，得到一个行矩阵，再求一次最大值
T=20;
[mn]=size（x3）;%比max小的都是0
fori=1:
m
forj=1:
n
if（（abs（i,j））else
x3（i,j）=0;
end
end
end
d=uint8（x3）;%二值图的梯度图
myMidalfiler.m
clc;
I=imread（'flower,jpg'）;
[mn]=size（I）;
figure,imshow（I）;
%I=I（10:
m-10,10:
n-10）;%截取从第10行，到m-10行
%I（60,70）=0%在60行70列加一个黑点，直接赋值为0
%imwrite（I,'flower,jpg'）;
newI=myMidal（I,3）;
figure,imshow（newI）;
阈值
I1=imread（'Cameraman.bmp'）;
subplot（131）;imshow（I1）;title（'原图'）;
I=im2bw（I1）;
subplot（132）;imhist（I1）;title（'直方图'）;
[mn]=size（I1）;
fori=1:
m
forj=1:
n
if（I1（i,j）>75）
I1（i,j）=255;%大于75，都变成背景色
else
I1（i,j）=0;
end
end
end
subplot（133）;imshow（I1）;title（'分割以后图'）;
Sobel
i=imread（'rice1.jpg'）;
g=rgb2gray（i）;
d=im2double（i）;
subplot（131）,imshow（i）,title（'原图'）;
[gv,t]=edge（g,'sobel',0.075,'horizontal'）;%I是输入图像,Sobel是运用的方法，parameters是参数
%g是一个数组，t是edge用于确定参数，T是阈值,dir（vertical）是检测的首选方向
subplot（132）,imshow（gv）,title（'水平方向'）;
[gv,t]=edge（g,'sobel',0.9,'horizontal'）;
subplot（133）,imshow（gv）,title（'水平方向'）;
%LOG
i=imread（'rice1.jpg'）;
g=rgb2gray（i）;
d=im2double（i）;
subplot（131）,imshow（i）,title（'原图'）;
[gv,t]=edge（g,'log',0.005,2.25）;
subplot（132）,imshow（gv）,title（'高斯拉普拉斯LOG'）;
[gv,t]=edge（g,'log',0.1,2.25）;%2.25是代表标准差。
默认为2
subplot（133）,imshow（gv）,title（'高斯拉普拉斯LOG'）;
%Canny
i=imread（'rice1.jpg'）;
g=rgb2gray（i）;
d=im2double（i）;
subplot（131）,imshow（i）,title（'原图'）;
[gv,t]=edge（g,'canny',[0.040.1],1.5）;%[0.040.1]是两个阈值，1.5是平面滤波的标准差，默认值为1
subplot（132）,imshow（gv）,title（'边缘检测器'）;
%（三）利用直方图人工指定阈值对rice进行自动单阈值分割；
I1=imread（'Cameraman.bmp'）;
subplot（131）;imshow（I1）;title（'原图'）;
I=im2bw（I1）;
subplot（132）;imhist（I1）;title（'直方图'）;
[mn]=size（I1）;
fori=1:
m
forj=1:
n
if（I1（i,j）>75）
I1（i,j）=255;%大于75，都变成背景色
else
I1（i,j）=0;
end
end
end
subplot（133）;imshow（I1）;title（'分割以后图'）;
%（四）用迭代法和OSTU法对rice进行自动单阈值分割；
x=imread（'Lena.bmp'）;
%figure;%imshow（x）;
[m,n]=size（x）;
N=m*n;
num=zeros（1,256）;
p=zeros（1,256）;
fori=1:
m
forj=1:
n
num（x（i,j）+1）=num（x（i,j）+1）+1;
end
end
fori=0:
255;p（i+1）=num（i+1）/N;
end
totalmean=0;
fori=0:
255;
totalmean=totalmean+i*p（i+1）;
end
maxvar=0;
fork=0:
255kk=k+1;
zerosth=sum（p（1:
kk））;
firsth=0;
forh=0:
k
firsth=firsth+h*p（h+1）;
end
var=total
升级会员 