数字图像处理(matlab)
2018-02-27 15:41
405 查看
代码:I=imread('coins.png');R=255-I;subplot(1,2,1);imshow(I);title('原图');subplot(1,2,2);imshow(R);title('反转后');
二值图像:
代码:I=imread('coins.png')YZmax=max(max(I))YZmin=min(min(I))initialYZ=(YZmax+YZmin)/2flag=1[m,n]=size(I)while(flag) maxg=0 ming=0 maxgsum=0 mingsum=0 for i=1:m for j=1:n tmp=I(i,j) if(tmp>initialYZ) maxg=maxg+1 maxgsum=maxgsum+double(tmp) else ming=ming+1 mingsum=mingsum+double(tmp) end end end l1=maxgsum/maxg l2=mingsum/ming YZtmp=uint8((l1+l2)/2) if(YZtmp==initialYZ) flag=0; else initialYZ=YZtmp endendnewI=im2bw(I,double(initialYZ)/255)imshow(newI)
8连通域:
代码:I=imread('coins.png');I=I>=128;%二值图像[m n]=size(I);I=[zeros(m,1) I zeros(m,1)];I=[zeros(1,n+2);I;zeros(1,n+2)];top=1;tail=1;num=0;%连通域个数nb=[-1 -1;-1 0;-1 1;0 1;1 1;1 0;1 -1;0 -1];%8个方向for i=2:m+1 for j=2:n+1 if(I(i,j)==1) num=num+1; I(i,j)= mod((i+j),254)+1;%只是想每一块连通域显示不同的颜色 k=1; p(top,1)=i; p(top,2)=j; p(top,3)=k; top=top+1; while top~=tail %站内没有东西就代表一个连通域查找结束 top=top-1; x=p(top,1); y=p(top,2); d=p(top,3); while d<=8%循环八个方向 subx= x+nb(d,1); suby= y+nb(d,2); if(I(subx,suby)==1)%如果这个点8个方向中有一个方向是连通的就把这个点压进栈 p(top,1)=x; p(top,2)=y; p(top,3)=d+1; top=top+1; I(subx,suby)=mod((i+j),254)+1; x=subx;%然后利用新找到的连通点循环这个过程 y=suby; d=0; end d=d+1; end end end endenddisp(num);imshow(I,[]);
图像加噪声:
代码:I=imread('cameraman.tif');J1=imnoise(I,'salt & pepper',0.1); %椒盐J2=imnoise(I,'gaussian',0.10); %gausssubplot(1,3,1)'imshow(I);title('原图');subplot(1,3,2)'imshow(J1);title('椒盐噪声');subplot(1,3,3)'imshow(J2);title('高斯噪声');
均值平滑:
代码:I=imread('cameraman.tif');J1=imnoise(I,'salt & pepper',0.1); %椒盐[m,n]=size(J1);J1=double(J1);subJ1=zeros(m,n);subJ1(1,1)=(J1(1,1)+J1(1,2)+J1(2,2)+J1(2,1))/4;%角的特殊情况subJ1(1,n)=(J1(1,n)+J1(1,n-1)+J1(2,n-1)+J1(2,n))/4;subJ1(m,1)=(J1(m,1)+J1(m,2)+J1(m-1,2)+J1(m-1,1))/4;subJ1(m,n)=(J1(m,n)+J1(m,n-1)+J1(m-1,n-1)+J1(m-1,n))/4;for i=2:n-1 %4条边的特殊情况 subJ1(1,i)=(J1(1,i-1)+J1(1,i)+J1(1,i+1)+J1(2,i-1)+J1(2,i)+J1(2,i+1))/6;endfor i=2:n-1 %4条边的特殊情况 subJ1(m,i)=(J1(m,i-1)+J1(m,i)+J1(m,i+1)+J1(m-1,i-1)+J1(m-1,i)+J1(m-1,i+1))/6;endfor i=2:m-1 %4条边的特殊情况 subJ1(i,1)=(J1(i-1,1)+J1(i,1)+J1(i+1,1)+J1(i-1,2)+J1(i,2)+J1(i+1,2))/6;endfor i=2:m-1 %4条边的特殊情况 subJ1(i,n)=(J1(i-1,n)+J1(i,n)+J1(i+1,n)+J1(i-1,n-1)+J1(i,n-1)+J1(i+1,n-1))/6;endfor i=2:m-1 %除了4个角和4条边的其他所有点的情况 for j=2:n-1 subJ1(i,j)=(J1(i-1,j-1)+J1(i-1,j)+J1(i-1,j+1)+J1(i,j-1)+J1(i,j)+J1(i,j+1)+J1(i+1,j-1)+J1(i+1,j)+J1(i+1,j+1))/9; endendimshow(subJ1,[]);title('均值平滑');
中值平滑:
代码:I=imread('cameraman.tif');J1=imnoise(I,'gaussian',0.10); %gauss[m,n]=size(J1);subJ1=zeros(m,n);A=[J1(1,1) J1(1,2) J1(2,2) J1(2,1)];%角的特殊情况subJ1(1,1)=median(A);A=[J1(1,n) J1(1,n-1) J1(2,n-1) J1(2,n)];subJ1(1,n)=median(A);A=[J1(m,1) J1(m,2) J1(m-1,2) J1(m-1,1)];subJ1(m,1)=median(A);A=[J1(m,n) J1(m,n-1) J1(m-1,n-1) J1(m-1,n)];subJ1(m,n)=median(A);for i=2:n-1%边的特殊情况 A=[J1(1,i-1) J1(1,i) J1(1,i+1) J1(2,i-1) J1(2,i) J1(2,i+1)]; subJ1(1,i)=median(A);endfor i=2:n-1%边的特殊情况 A=[J1(m,i-1) J1(m,i) J1(m,i+1) J1(m-1,i-1) J1(m-1,i) J1(m-1,i+1)]; subJ1(m,i)=median(A);endfor i=2:m-1%边的特殊情况 A=[J1(i-1,1) J1(i,1) J1(i+1,1) J1(i-1,2) J1(i,2) J1(i+1,2)]; subJ1(i,1)=median(A);endfor i=2:m-1%边的特殊情况 A=[J1(i-1,n) J1(i,n) J1(i+1,n) J1(i-1,n-1) J1(i,n-1) J1(i+1,n-1)]; subJ1(i,n)=median(A);endfor i=2:m-1 %除了角和边的情况 for j=2:n-1 A=[J1(i-1,j-1) J1(i-1,j) J1(i-1,j+1) J1(i,j-1) J1(i,j) J1(i,j+1)J1(i+1,j-1) J1(i+1,j) J1(i+1,j+1)]; subJ1(i,j)=median(A); endendimshow(subJ1,[]);
soble算子和laplace算子锐化
代码:I=imread('cameraman.tif');subplot(2,2,1),imshow(I);title('原始图像'); 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'); h=[0 1 0;1 -4 1;0 1 0]; %拉普拉斯算子J1=conv2(I,h,'same'); %卷积运算subplot(2,2,4),imshow(J1); title('拉普拉斯算子锐化图像');
直方图和直方图均衡化:
代码:I=imread('cameraman.tif');subplot(2,2,1);%画子图imshow(I);title('原图');num=zeros(1,256);newnum=zeros(1,256);[m,n]=size(I);for i=1:m for j=1:n num(I(i,j)+1)= 1+ num(I(i,j)+1);%统计各像素的总个数 endendx=0:255;y=num/(m*n);%求出各像素点的百分比subplot(2,2,2);bar(x,y,0);xlabel('灰度值');ylabel('概率');title('原图的直方图');for i=2:256 y(i)=y(i)+y(i-1); %计算累计直方图分布endy=y*256; %找出直方图均衡化后原来的像素点所对应的新像素点y=round(y);%四舍五入for i=1:m for j=1:n I(i,j)= y(I(i,j)+1)-1;%更改原图成为直方图均衡化后的图 newnum(I(i,j)+1)= 1+ newnum(I(i,j)+1);%统计新图各像素点的个数 endendy2=newnum/(m*n);%求出各像素点的百分比subplot(2,2,3);%画子图imshow(I);title('直方图均衡化后的效果');subplot(2,2,4);bar(x,y2,0);xlabel('灰度值');ylabel('概率');title('直方图均衡化后的直方图');
理想的滤波器:
理想低通滤波器(ILPF): d=10
代码:I=imread('cameraman.tif');J=imnoise(I,'salt & pepper',0.1);f=double(J);subJ=fftshift(fft2(f));%空间域到频率域[m,n]=size(subJ);for i=1:m for j=1:n a=1; if(sqrt((i-m/2)^2+(j-n/2)^2)>10) a=0; end subJ(i,j)=subJ(i,j)*a; endendresJ=uint8(real(ifft2(subJ)));%频率域到空间域imshow(resJ,[]);
理想高通滤波器(IHPF) d=10
代码:I=imread('cameraman.tif');J=imnoise(I,'salt & pepper',0.1);f=double(J);subJ=fftshift(fft2(f));%空间域到频率域[m,n]=size(subJ);for i=1:m for j=1:n a=1; if(sqrt((i-m/2)^2+(j-n/2)^2)<=10) a=0; end subJ(i,j)=subJ(i,j)*a; endendresJ=uint8(real(ifft2(subJ)));%频率域到空间域imshow(resJ,[]);
高斯低通滤波器(GLPF):
代码:I=imread('cameraman.tif');J1=imnoise(I,'salt & pepper',0.1); f=double(J1);subJ=fftshift(fft2(f));%空间域到频率域[m,n]=size(subJ);for i=1:m for j=1:n a=exp(-((i-m/2)^2+(j-n/2)^2)/(2*100)); %d=10 subJ(i,j)=subJ(i,j)*a; endendresJ=uint8(real(ifft2(subJ)));%频率域到空间域imshow(resJ,[]);
高斯高通滤波器(GHPF):
代码:I=imread('cameraman.tif');J1=imnoise(I,'salt & pepper',0.1); f=double(J1);subJ=fftshift(fft2(f));%空间域到频率域[m,n]=size(subJ);for i=1:m for j=1:n a=1-exp(-((i-m/2)^2+(j-n/2)^2)/(2*100)); %d=10 subJ(i,j)=subJ(i,j)*a; endendresJ=uint8(real(ifft2(subJ)));%频率域到空间域imshow(resJ,[]);
提取红色区域:
I=imread('greens.jpg');subplot(1,2,1);imshow(I);title('原始图像');[m,n,l]=size(I);b=double(I)./255; r=0.1765;a=[0.6863,0.1608,0.1922];for i=1:m for j=1:n dis=(b(i,j,1)-a(1))^2+(b(i,j,2)-a(2))^2+(b(i,j,3)-a(3))^2; if(dis>r^2) I(i,j,1)=127; I(i,j,2)=127; I(i,j,3)=127; end endendsubplot(1,2,2);imshow(I,[]);title('提取后');
相关文章推荐
- matlab 最基础的数字图像处理 .
- 数字图像处理matlab版第四章
- 数字图像处理matlab基本命令
- matlab 数字图像处理 intrans函数 学习笔记
- 数字图像和视频处理的基础-第4周运动预计matlab练习题
- 数字图像处理matlab版第六章
- 数字图像处理(Matlab)读书笔记
- matlab在数字图像处理中的小笔记(1)
- matlab在数字图像处理笔记(2)
- [数字图像处理]常见噪声的分类与Matlab实现
- [DIP] 数字图像处理 (MATLAB) CH03
- 数字图像处理-提取A4纸中线条-matlab的轮廓提取方法
- Matlab在数字图像处理中的应用
- 数字图像和视频处理的基础-第4周运动估计matlab练习题
- 数字图像处理]常见噪声的分类与Matlab实现
- [数字图像处理]常见噪声的分类与Matlab实现
- 数字图像处理matlab版第十章(重要)
- 初学matlab和数字图像处理
- 数字图像处理之直方图均衡化MATLAB
- matlab数字图像/视频处理技术基础 第三篇