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。
分享到:
相关推荐
第3篇为基于MATLAB的高级图像处理技术及应用,涵盖的内容有图像压缩编码、图像特征分析、图像形态学处理、小波在图像处理中的应用、基于Simulink的视频和图像处理和MATLAB图像处理综合实例。本资源是代码部分
部分图像处理的matlab源程序:图像处理的基本操作源代码
部分matlab图像处理源代码:基于不同算子的图像边缘检测
图像处理最精华部分,从各种图像的变换到各种算子实现边缘检测等。
图像融合,matlab代码,处理模糊部分,运行RH的三个代码,请注意图片路径。
中科院期末王伟强数字图像处理大作页,用MATLAB实现了冈萨雷斯书中的大部分程序,带有可视化的界面,可以调节参数,实现的功能简要概括如下:灰度变换与图像锐化,滤波(低通,高通,中值,维纳滤波),噪声模型,...
第三部分介绍了基于MATLAB信号处理的具体应用,涵 盖的内容有基于MATLAB的图像信号处理、语音信号处 理、通信信号处理、雷达信号处理等。本书以实用为目标,深入浅出,实例引导,讲解 翔实,适合作为理工科高等院校...
偏微分方程在图形图像处理中的应用(matlab代码) 偏微分方程在图形图像处理中的应用(matlab代码)
在matlab下,验证码识别部分,字符分割处理的代码。学习matlab软件下图像处理,及字符分割的实例
MATLAB图像处理:能力提高与应用案例 赵小川 随书代码第一部分
本资源是MATLAB图像处理实例详解一书的书本部分的PDF(对于每一章的讲解部分)以及书本内部的所具有的源码部分的详解。
matlab数字图像处理部分 特征点匹配代码,多种匹配方式可选,详见代码段
Matlab图像处理,输入与输出部分课程讲义,内含代码
数字图像处理教学用部分MATLAB代码,仅供个人学习研究使用,请勿外传。
基于matlab的图像处理中圆环提取的代码,该代码经过适当的修改后可以适用于图像中圆的提取,在图像的剪切中应用广泛
在matlab下,验证码识别部分,字符分割处理的代码。学习matlab软件下图像处理,及字符分割的实例matlab
Retinex算法解决光照不均问题的MATLAB代码实现,可直接运行出结果,...(另外,代码最后的注释部分为利用顶帽变换方法处理光照不均问题。在本人处理的实际问题中,顶帽变换算法不理想,但Retinex算法的处理结果很好。)
深度学习机器学习图像处理的matlab源代码前十五章实战整理集合 第 01 章 基于直方图优化的图像去雾技术 第 02 章 基于形态学的权重自适应图像去噪 第 03 章 基于多尺度形态学提取眼前节组织 第 04 章 基于Hough变化...
大津法是一种图像灰度自适应的阈值分割算法,按照图像上灰度值的分布,将图像分成背景和前景两部分看待,前景就是我们要按照阈值分割出来的部分。背景和前景的分界值就是我们要求出的阈值。遍历不同的阈值,计算不同...