Matlab 图像处理基本操作
2017-07-12 13:19
525 查看
Matlab 图像处理基本操作
文/天神
一、图像基本操作
1.读取图像并显示:
>> clear;close all %清空Matlab工作平台所有变量(准备工作)
>> I=imread('pout.tif'); % 该图像是Matlab图形工具箱中自带的图像(\toolbox\images\imdemos)
>> imshow(I)
![](http://s6.sinaimg.cn/bmiddle/4a93cceag6747837debf5)
2.检查内存(数组)中的图像:
>> whos
Name Size Bytes Class
I 291x240 69840 uint8 array
Grand total is 69840 elements using 69840 bytes
表示该图像采用8位存储方式并占用了69840B的存储空间。
3.实现图像直方图均衡化:
>> figure,imhist(I) % 在新图中显示图像I的直方图
![](http://s15.sinaimg.cn/bmiddle/4a93cceag67479f812dbe)
>> I2=histeq(I); % 均衡化以后的图像存在I2数组中(图像灰度值扩展到整个灰度范围,对比度提高)
>> figure,imshow(I2) % 显示均衡化后的图像
>> figure,imhist(I2) % 显示均衡后的灰度值分布情况
8位图像取值范围:[0,255],16位图像取值范围:[0,655351],双精度图像取值范围:[0,1]
![](http://s12.sinaimg.cn/bmiddle/4a93cceag6747c56b3feb)
![](http://s1.sinaimg.cn/bmiddle/4a93cceag6747c5b79470)
4.保存图像:
>> imwrite(I2,'pout2.png'); % 将图像由原先的tif格式另存为png格式
![](http://s4.sinaimg.cn/bmiddle/4a93cceag6747e4774873)
5.检查新生成文件的信息:
>> imfinfo('pout2.png') % 观察保存图像的文件信息
ans =
Filename: 'pout2.png' % 文件名
FileModDate: '11-Apr-2009 21:55:35' % 文件修改日期
FileSize: 36938 % 文件大小
Format: 'png' % 文件格式
FormatVersion: [] % 格式
Width: 240 % 文件宽度
Height: 291 % 文件高度
BitDepth: 8 % 文件位深度
ColorType: 'grayscale' % 颜色类型
……
二、图像处理Matlab的应用:
实例:消除rice.png图像中亮度不一致的背景,并使用阈值将修改后的图像转换为二值图像,使用成员标记返回图像中对象的个数以及统计特性。按照如下步骤进行:
1.读取和显示图像
>> clear;close all
>> I=imread('rice.png');
>> imshow(I)
![](http://s12.sinaimg.cn/bmiddle/4a93cceag6748c3f796fb)
2.估计图像背景:
图像中心位置背景亮度强于其他部分亮度,用imopen函数和一个半径为15的圆盘结构元素对输入的图像I进行形态学开操作,去掉那些不完全包括在圆盘中的对象,从而实现对背景亮度的估计。
>> clear;close all
>> I=imread('rice.png');
>> imshow(I)
>> background=imopen(I,strel('disk',15));
>> imshow(background)
>> figure,surf(double(background(1:8:end,1:8:end))),zlim([0,255]);
>> set(gca,'ydir','reverse');
![](http://s10.sinaimg.cn/bmiddle/4a93cceag6748c59f84c9)
![](http://s8.sinaimg.cn/bmiddle/4a93cceag6748c5fcbd77)
显示了背景图(左)和背景表面图(右)
3.从原始图像中减去背景图像(原始图像I减去背景图像得到背景较为一致的图像):
>> I2=imsubtract(I,background);
>> figure,imshow(I2)
![](http://s6.sinaimg.cn/bmiddle/4a93cceag6748dbcc6b35)
4.调节图像的对比度 (图像较暗,可用imadjust函数命令来调节图像的对比度)
>> I3=imadjust(I2,stretchlim(I2),[0 1]);
>> figure,imshow(I3);
![](http://s8.sinaimg.cn/bmiddle/4a93cceag6748ed9e31a7)
5.使用阈值操作将图像转换为二进制(二值)图像(bw),调用whos命令查看图像的存储信息.
>> level=graythresh(I3); % 图像灰度处理
>> bw=im2bw(I3,level); % 图像二值化处理
>> figure,imshow(bw) % 显示处理后的图片
>> whos
Name Size Bytes Class
I 256x256 65536 uint8
array
I2 256x256 65536 uint8 array
I3 256x256 65536 uint8 array
background 256x256 65536 uint8 array
bw 256x256 65536 logical array
level 1x1 8 double array
Grand total is 327681 elements using 327688 bytes
![](http://s15.sinaimg.cn/bmiddle/4a93cceag67490674827e)
6.检查图像中对象个数(bwlabel函数表示了二值图像中的所有相关成分并返回在图像中找到的对象个数)
>> [labeled,numObjects]=bwlabel(bw,4);
>> numObjects
numObjects =
101
表示图像中的米粒对象个数是101.
7.检查标记矩阵:(imcrop命令进行交互式操作,图像内拉出较小矩形并显示已标记的对象和部分背景内的像素)
>> grain=imcrop(labeled)
grain =
0 0 42 42 42 42 42 42 42 0
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42
文/天神
一、图像基本操作
1.读取图像并显示:
>> clear;close all %清空Matlab工作平台所有变量(准备工作)
>> I=imread('pout.tif'); % 该图像是Matlab图形工具箱中自带的图像(\toolbox\images\imdemos)
>> imshow(I)
2.检查内存(数组)中的图像:
>> whos
Name Size Bytes Class
I 291x240 69840 uint8 array
Grand total is 69840 elements using 69840 bytes
表示该图像采用8位存储方式并占用了69840B的存储空间。
3.实现图像直方图均衡化:
>> figure,imhist(I) % 在新图中显示图像I的直方图
>> I2=histeq(I); % 均衡化以后的图像存在I2数组中(图像灰度值扩展到整个灰度范围,对比度提高)
>> figure,imshow(I2) % 显示均衡化后的图像
>> figure,imhist(I2) % 显示均衡后的灰度值分布情况
8位图像取值范围:[0,255],16位图像取值范围:[0,655351],双精度图像取值范围:[0,1]
4.保存图像:
>> imwrite(I2,'pout2.png'); % 将图像由原先的tif格式另存为png格式
5.检查新生成文件的信息:
>> imfinfo('pout2.png') % 观察保存图像的文件信息
ans =
Filename: 'pout2.png' % 文件名
FileModDate: '11-Apr-2009 21:55:35' % 文件修改日期
FileSize: 36938 % 文件大小
Format: 'png' % 文件格式
FormatVersion: [] % 格式
Width: 240 % 文件宽度
Height: 291 % 文件高度
BitDepth: 8 % 文件位深度
ColorType: 'grayscale' % 颜色类型
……
二、图像处理Matlab的应用:
实例:消除rice.png图像中亮度不一致的背景,并使用阈值将修改后的图像转换为二值图像,使用成员标记返回图像中对象的个数以及统计特性。按照如下步骤进行:
1.读取和显示图像
>> clear;close all
>> I=imread('rice.png');
>> imshow(I)
2.估计图像背景:
图像中心位置背景亮度强于其他部分亮度,用imopen函数和一个半径为15的圆盘结构元素对输入的图像I进行形态学开操作,去掉那些不完全包括在圆盘中的对象,从而实现对背景亮度的估计。
>> clear;close all
>> I=imread('rice.png');
>> imshow(I)
>> background=imopen(I,strel('disk',15));
>> imshow(background)
>> figure,surf(double(background(1:8:end,1:8:end))),zlim([0,255]);
>> set(gca,'ydir','reverse');
显示了背景图(左)和背景表面图(右)
3.从原始图像中减去背景图像(原始图像I减去背景图像得到背景较为一致的图像):
>> I2=imsubtract(I,background);
>> figure,imshow(I2)
4.调节图像的对比度 (图像较暗,可用imadjust函数命令来调节图像的对比度)
>> I3=imadjust(I2,stretchlim(I2),[0 1]);
>> figure,imshow(I3);
5.使用阈值操作将图像转换为二进制(二值)图像(bw),调用whos命令查看图像的存储信息.
>> level=graythresh(I3); % 图像灰度处理
>> bw=im2bw(I3,level); % 图像二值化处理
>> figure,imshow(bw) % 显示处理后的图片
>> whos
Name Size Bytes Class
I 256x256 65536 uint8
array
I2 256x256 65536 uint8 array
I3 256x256 65536 uint8 array
background 256x256 65536 uint8 array
bw 256x256 65536 logical array
level 1x1 8 double array
Grand total is 327681 elements using 327688 bytes
6.检查图像中对象个数(bwlabel函数表示了二值图像中的所有相关成分并返回在图像中找到的对象个数)
>> [labeled,numObjects]=bwlabel(bw,4);
>> numObjects
numObjects =
101
表示图像中的米粒对象个数是101.
7.检查标记矩阵:(imcrop命令进行交互式操作,图像内拉出较小矩形并显示已标记的对象和部分背景内的像素)
>> grain=imcrop(labeled)
grain =
0 0 42 42 42 42 42 42 42 0
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42
相关文章推荐
- Matlab图像处理基本操作
- Matlab 图像处理基本操作
- Matlab 图像处理基本操作
- Matlab彩色图像处理基本操作
- matlab图像处理的基本操作
- Matlab 图像处理基本操作
- 基本的图像操作和处理
- matlab基本图像矩阵操作
- Matlab图像处理常用基本函数
- 【图像处理】【SEED-VPM】1.板子基本操作流程
- 图像操作的形态学处理MATLAB
- matla图像处理基本操作
- Matlab图像处理学习笔记(一):二值化、开操作、连通区域提取、重心、ROI
- Qt&OpenCV——Q图像处理基本操作
- Python-OpenCV 处理图像(一):基本操作
- Python-Image 基本的图像处理操作
- MATLAB图像处理基本知识
- opencv图像处理基本操作
- MATLAB图像处理基本命令
- C语言处理图像基本操作1400(读入、拷贝、写出图像及彩色图转灰度图)