matlab-图像分割算法源码
基于MATLAB的图像分割技术
利用阀值法对图像进行分割：>> f=imread('peppers.png');>> f=rgb2gray(f);>> f=im2double(f);>> t=0.5*(min(f(:))+max(f(:)));>> done=false;>> while ~doneg=f>=t;tn=0.5*(mean(f(g))+mean(f(~g)));done=abs(t-tn)<0.1;t=tn;end;>> display('Threshold(t)-Iterative'); Threshold(t)-Iterative>> tt =0.4691>> r=im2bw(f,t);>> subplot(2,2,1);imshow(f);>> subplot(2,2,2);imshow(r);>> xlabel('迭代法全局阀值分割');>> th=graythresh(f);>> thth =0.3961>> s=im2bw(f,th);>> subplot(2,2,3);imshow(s);>> xlabel('全局阀值Otsu分割');>> se=strel('disk',10);>> ft=imtophat(f,se);>> thr=graythresh(ft);>> thrthr =0.1098>> lt=im2bw(ft,thr);>> subplot(2,2,4);imshow(lt);>> xlabel('局部阀值分割');用迭代法对图像进行分割：>> i=imread('eight.tif');>> zmax=max(max(i));>> zmin=min(min(i));>> tk=(zmax+zmin)/2;>> bcal=1;>> isize=size(i);>> while (bcal)ifg=0;ibg=0;fg=0;bg=0;for j=1:isize(1)for k=1:isize(2)tmp=i(j,k);if(tmp>=tk)ifg=ifg+1;fg=fg+double(tmp);elseibg=ibg+1;bg=bg+double(tmp);end;end;end;zo=fg/ifg;zb=bg/ibg;tktmp=uint8((zo+zb)/2);if(tktmp==tk)bcal=0;elsetk=tktmp;end;end;>> disp(strcat('迭代后阀值',num2str(tk))); 迭代后阀值165>> newi=im2bw(i,double(tk)/255);>> subplot(1,2,1);imshow(i);>> subplot(1,2,2);imshow(newi);>> xlabel('迭代法');用Otsu法进行阀值选择：>> i=imread('coins.png');>> subplot(1,2,1);imshow(i);>> bw=im2bw(i,graythresh(getimage)); >> subplot(1,2,2);imshow(bw);使用分水岭算法对图像进行分割：>> c1=-10;>> c2=-c1;>> dist=sqrt(2*(2*c1)^2);>> rad=dist/2*1.4;>> li=[floor(c1-1.2*rad) ceil(c2+1.2*rad)];>> [x,y]=meshgrid(li(1):li(2));>> bw1=sqrt((x-c1).^2+(y-c1).^2)<=rad;>> bw2=sqrt((x-c2).^2+(y-c2).^2)<=rad;>> bw=bw1|bw2;>> subplot(1,3,1);imshow(bw);>> d=bwdist(~bw);>> subplot(1,3,2);imshow(d,[]);>> d=-d;>> d(~bw)=-Inf;>> l=watershed(d);>> rgb=label2rgb(l,'jet',[.5 .5 .5]);>> subplot(1,3,3);imshow(rgb);使用分水岭算法：>> c1=-10;>> c2=-c1;>> dist=sqrt(3*(2*c1)^2);>> rad=dist/2*1.4;>> li=[floor(c1-1.2*rad) ceil(c2+1.2*rad)];>> [x,y,z]=meshgrid(li(1):li(2));>> bw1=sqrt((x-c1).^2+(y-c1).^2+(z-c1).^2)<=rad; >> bw2=sqrt((x-c2).^2+(y-c2).^2+(z-c2).^2)<=rad; >> bw=bw1|bw2;>> figure;isosurface(x,y,z,bw,0.5);axis equal;>> set(gcf,'color','w');>> xlim(li);ylim(li);zlim(li);>> view(3);camlight;lighting gouraud;>> d=bwdist(~bw);>> figure;isosurface(x,y,z,d,rad/2);axis equal;>> set(gcf,'color','w');>> xlim(li);ylim(li);zlim(li);>> view(3);camlight;lighting gouraud;>> d=-d;>> d(~bw)=-Inf;>> l=watershed(d);>> figure;>> isosurface(x,y,z,l==2,0.5);>> isosurface(x,y,z,l==3,0.5);>> axis equal;>> set(gcf,'color','w');>> xlim(li);ylim(li);zlim(li);>> view(3);camlight;lighting gouraud;改进的Watershed算法分割图像：>> i=imread('cameraman.tif'); >> subplot(2,3,1);imshow(i);>> i=double(i);>> hv=fspecial('prewitt');>> hh=hv.';>> gv=abs(imfilter(i,hv,'replicate')); >> gh=abs(imfilter(i,hh,'replicate'));>> g=sqrt(gv.^2+gh.^2);>> subplot(2,3,2);df=bwdist(i); >> imshow(uint8(df*8));>> l=watershed(df);>> em=l==0;>> subplot(2,3,3);imshow(em); >> im=imextendedmax(i,20);>> subplot(2,3,4);imshow(im);>> g2=imimposemin(g,im|em); >> subplot(2,3,5);imshow(g2);>> l2=watershed(g2);>> wr2=l2==0;>> i(wr2)=255;>> subplot(2,3,6);imshow(uint8(i));使用区域生长法对图像进行分割：>> i=imread('peppers.png'); >> i=rgb2gray(i);>> i1=double(i);>> s=255;>> t=55;>> if numel(s)==1si=i1==s;s1=s;elsesi=bwnorph(s,'shrink',Inf);j=find(si);s1=i1(j);end;>> ti=false(size(i1));>> for k=1:length(s1)sv=s1(k);s=abs(i1-sv)<=t;ti=ti|s;end;>> [g,nr]=bwlabel(imreconstruct(si,ti));>> subplot(1,2,1);imshow(i);>> subplot(1,2,2);imshow(g);>> nrnr =2对给定图像进行四叉树分解：>> i=imread('liftingbody.png');>> s=qtdecomp(i,.27);>> blocks=repmat(uint8(0),size(s));>> for dim=[512 256 128 64 32 16 8 4 2];numblocks=length(find(s==dim));if(numblocks>0)values=repmat(uint8(1),[dim dim numblocks]);values(2:dim,2:dim,:)=0;blocks=qtsetblk(blocks,s,dim,values);end;end;>> blocks(end,1:end)=1;>> blocks(1:end,end)=1;>> subplot(1,2,1);imshow(i);>> subplot(1,2,2);imshow(blocks,[]);提取四叉树分解的子块信息：>> i=[1 1 1 1 2 3 6 61 12 1 4 5 6 81 1 1 1 10 15 7 71 1 1 1 20 25 7 720 22 20 22 1 2 3 420 22 22 20 5 6 7 820 22 20 20 9 10 11 1222 22 20 20 13 14 15 16]; >> s=qtdecomp(i,5);>> [vals,r,c]=qtgetblk(i,s,4)vals(:,:,1) =1 1 1 11 12 11 1 1 11 1 1 1 vals(:,:,2) =20 22 20 2220 22 22 2020 22 20 2022 22 20 20r =15c =11>> i=[1 1 1 1 2 3 6 61 12 1 4 5 6 81 1 1 1 10 15 7 71 1 1 1 20 25 7 720 22 20 22 1 2 3 420 22 22 20 5 6 7 820 22 20 20 9 10 11 1222 22 20 20 13 14 15 16];>> s=qtdecomp(i,5);>> newvals=cat(3,zeros(4),ones(4));>> j=qtsetblk(i,s,4,newvals)j =0 0 0 0 2 3 6 60 0 0 0 4 5 6 80 0 0 0 10 15 7 70 0 0 0 20 25 7 71 1 1 1 123 41 1 1 1 5 6 7 81 1 1 1 9 10 11 121 1 1 1 13 14 15 16 使用Roberts边缘检测算子对图像进行边缘检测：>> i=imread('circuit.tif');>> bw1=edge(i,'roberts');>> subplot(1,2,1);imshow(i);>> subplot(1,2,2);imshow(bw1);使用Sobel进行边缘检测：>> i=imread('circuit.tif');>> bw1=edge(i,'roberts');>> subplot(1,2,1);imshow(i); >> subplot(1,2,2);imshow(bw1); >> clear;>> image=imread('circuit.tif'); >> i0=edge(image,'sobel');>> i1=edge(image,'sobel',0.06); >> i2=edge(image,'sobel',0.04); >> i3=edge(image,'sobel',0.02); >> subplot(2,3,1);imshow(image); >> subplot(2,3,2);imshow(i0); >> subplot(2,3,3);imshow(i1); >> subplot(2,3,4);imshow(i2); >> subplot(2,3,5);imshow(i3);使用Prewitt算子进行边缘检测：>> i=imread('rice.png');>> subplot(2,2,1);imshow(i);>> bw3=edge(i,'prewitt');>> subplot(2,2,2);imshow(bw3);>> [bw3,th3]=edge(i,'prewitt');>> bw3=edge(i,'prewitt',0.05,'horizontal'); >> subplot(2,2,3);imshow(bw3);>> bw3=edge(i,'prewitt',0.05,'vertical'); >> subplot(2,2,4);imshow(bw3);使用Log算子进行边缘检测：>> i=imread('circuit.tif');>> [bw1,th]=edge(i,'log');>> subplot(2,3,1);imshow(i);>> subplot(2,3,2);imshow(bw1); >> bw2=edge(i,'log',0.0056);>> subplot(2,3,3);imshow(bw2); >> h=fspecial('gaussian',5);>> [bw3,th3]=edge(i,'zerocross',[],h); >> subplot(2,3,4);imshow(bw3); >> bw4=edge(i,'zerocross',0.025,h); >> subplot(2,3,5);imshow(bw4);使用Canny算子进行边缘检测：>> i=imread('circuit.tif');>> subplot(1,3,1);imshow(i);>> [bw,th]=edge(i,'canny');>> subplot(1,3,2);imshow(bw);>> [bw1,th1]=edge(i,'canny',[0.2,0.6]); >> subplot(1,3,3);imshow(bw1);。
图像分割技术的matlab实现
f=rgb2gray(f); % 将彩色图像转换为灰度图像f=im2double(f); % 转换为双精度，便于后面的计算figure, imshow(f),title('Original Image'),PF=edge(f,'prewitt'); % 边缘探测，算子为prewitt figure,imshow(PF),title('Prewitt Filter');RF=edge(f,'roberts'); % 边缘探测，算子为roberts figure,imshow(RF),title('Roberts Filter');LF=edge(f,'log'); % 边缘探测，算子为logfigure,imshow(LF),title('Laplacian of Gaussian (LoG) Filter');CF=edge(f,'canny'); % 边缘探测，算子为canny figure,imshow(CF),title('Canny Filter');f=rgb2gray(f); % 灰度转换f=im2double(f); % 数据类型转换% 使用垂直Sobel算子，自动选择阈值[VSFAT Threshold]=edge(f,'sobel','vertical'); % 边缘探测figure, imshow(f),title('Original Image'), % 显示原始图像figure,imshow(VSFAT),title('Sobel Filter - Automatic Threshold'); % 显示边缘探测图像%使用水平和垂直Sobel算子，自动选择阈值SFST=edge(f,'sobel',Threshold);figure,imshow(SFST),title('Sobel Filter (Horizontal and Vertical)'); % 显示边缘探测图像%使用指定45度角Sobel算子滤波器，指定阈值s45=[-2 -1 0;-1 0 1;0 1 2];SFST45=imfilter(f,s45,'replicate');SFST45=SFST45>=Threshold;figure,imshow(SFST45),title('Sobel Filter (45 Degree)'); % 显示边缘探测图像%使用指定-45度角Sobel算子滤波器，指定阈值sm45=[0 1 2;-1 0 1;-2 -1 0];SFSTM45=imfilter(f,sm45,'replicate');SFSTM45=SFSTM45>=Threshold;figure,imshow(SFSTM45),title('Sobel Filter (-45 Degree)'); % 显示边缘探测图像I = imread('circuit.tif');rotI = imrotate(I,33,'crop'); % 图像旋转，该函数具体用法在本书13.3.3有介绍。
matlab颜色分割代码
matlab颜色分割代码以下是一个简单的 MATLAB 颜色分割代码，用于将彩色图像分解成三个颜色通道，并对每个通道进行二值化处理，从而实现颜色分割： ```matlab% 读取图片img = imread("example.jpg");% 将图像分解成RGB三个颜色通道red = img(:,:,1);green = img(:,:,2);blue = img(:,:,3);% 对每个通道进行二值化处理，阈值可以根据具体情况调整threshold = 100;red_binary = red > threshold;green_binary = green > threshold;blue_binary = blue > threshold;% 将三个二值化后的图像合并为一个二值图像binary_img = red_binary & green_binary & blue_binary;% 显示原图和分割结果subplot(1,2,1);imshow(img);title("Original Image");subplot(1,2,2);imshow(binary_img);title("Color Segmentation Result");```在这段代码中，我们首先读取了一张彩色图像，将其分解成红、绿、蓝三个颜色通道。
然后对每个通道进行二值化处理，得到三个二值化图像。
最后，我们将三个二值化图像合并为一个二值图像，并显示原图和分割结果。
需要注意的是，这段代码仅仅是一个简单的示例，具体的阈值和分割方法需要根据实际情况进行调整和优化。
此外，对于复杂的颜色分割问题，还需要使用更加高级的算法和工具，例如基于聚类的方法、基于深度学习的方法等。
matlab图像处理算法源码
图像分割算法源码.图像反转程序实现如下：();(); 图像反转线性变换();()();()();.灰度线性变换程序实现如下：('');()();('原始图像');([]);; 显示坐标系();()();('灰度图像');([]);; 显示坐标系(,[ ],[]); 局部拉伸，把[ ]内地灰度拉伸为[ ]()();('线性变换图像[ ]');([]);; 显示网格线; 显示坐标系(,[ ],[]); 局部拉伸，把[ ]内地灰度拉伸为[ ]()();('线性变换图像[ ]');([]);; 显示网格线; 显示坐标系.非线性变换（对数变换图像）图像地对数变换原理就是将源图像地像素点地像素值通过对数函数映射到目标空间，然后用目标值来代替原来像素点地像素值.那么它地作用就是对于一些视频采集设备，它们采集地图像会有一个指数地失真，用对数变换后就抵消掉了原来地指数失真得到原来地图像，还有对于灰度值偏低地图像来说它是有一个锐化地效果地.程序实现如下：('');();()();('灰度图像');([]);; 显示网格线; 显示坐标系();*(());();()();('对数变换图像');([]);; 显示网格线; 显示坐标系.直方图均衡化直方图均衡化解释网址：程序实现如下：('');();;();();();(); 获取图像数据直方图(); 直方图均衡化;();();();();.线性平滑滤波器空间域地平滑滤波一般采用简单平均法进行，就是求邻近像元点地平均亮度值.邻域地大小与平滑地效果直接相关，邻域越大平滑地效果越好，但邻域过大，平滑会使边缘信息损失地越大，从而使输出地图像变得模糊，因此需合理选择邻域地大小.b5E2R。
用实现领域平均法抑制噪声程序：('');()()('原始图像')();(,' ');()()('添加椒盐噪声地图像')(('')); 进行*模板平滑滤波(('')); 进行*模板平滑滤波(('')); 进行*模板平滑滤波(('')); 进行*模板平滑滤波()()('*模板平滑滤波');()()('*模板平滑滤波');()()('*模板平滑滤波');()()('*模板平滑滤波');.中值滤波器中值也称中位数，即数据按升序或者降序排列，假如有个数据，当为偶数时，中位数为第位数和第()位数地平均数；如果为奇数，那么中位数为第（）位数地值.p1Ean。
图像分割代码
Canny边缘分割clc;a = imread('1.bmp');a=rgb2gray(a); % 选取的是jpg格式的图片，试用要进行灰度处理imshow(a);title('灰度图');ffta = fft2(a); % 获取2维离散傅里叶变化后的图像，保存到fftIsffta = fftshift(ffta); % 将傅里叶变化的中心移到图像中心，保存到sfftIRR = real(sffta); % 取实部II = imag(sffta); % 取虚部A = sqrt(RR.^2 + II.^2); % 计算频谱幅值A = (A - min(min(A)))/(max(max(A)) - min(min(A)))*225; % 灰度拉升，将变换后的图像拉升到0~255区间b=edge(a,'canny',[0.03,0.06]); %灰度图的边缘提取c=edge(a,'canny',[0.05,0.1]);d=edge(a,'canny',[0.05,0.1],2);figure;subplot(1,3,1),imshow(b), axis on;title('canny 阈值=0.02');subplot(1,3,2),imshow(c), axis on;title('canny 阈值=0.07');subplot(1,3,3),imshow(d),axis on;title('默认');figure;imshow(A);title('频谱图');Soble算子-阈值不同时的边缘分割a = imread('1.bmp');a=rgb2gray(a); % 灰度处理b=edge(a,'sobel',0.02);c=edge(a,'sobel',0.07);[d,e]=edge(a,'sobel');subplot(1,3,1),imshow(b), axis on;title('sobel 阈值=0.02');subplot(1,3,2),imshow(c), axis on;title('sobel 阈值=0.07')subplot(1,3,3),imshow(d),axis on;title('默认');四种算子的边缘分割I=imread('1.bmp');I=rgb2gray(I);imshow(I);title('原始图像');BW1=edge(I,'Roberts ',0.3); %edge调用Roberts为检测算子判别阈值为0.3 figure,imshow(BW1);title( '阈值为0.3的Roberts算子边缘检测图像');BW2=edge(I, 'sobel ',0.3); %edge调用sobel为检测算子判别阈值为0.3 figure,imshow(BW2);title( '阈值为0.3的sobel算子边缘检测图像');BW3=edge(I,'Prewitt ',0.3); %edge调用Prewitt为检测算子判别阈值为0.3 figure,imshow(BW3);title( '阈值为0.3的Prewitt算子边缘检测图像');BW4= edge(I,'Canny',0.3) ;%edge调用Canny为检测算子判别阈值为0.3 figure,imshow(BW4);title( '阈值为0.3的Canny算子边缘检测图像');A=BW1(x,y);B=BW2(x,y);C=BW3(x,y);D=BW4(x,y);E=A+B+C+D;figure,imshow(E);title( 'jia');LOG算子边缘分割I=imread ('1.bmp');I=rgb2gray(I);BW1=edge(I,'log',0.00);figure,imshow(BW1);title('阈值为0.00的LOG算子边缘检测图像');BW11=edge(I,'log',0.01);figure,imshow(BW11);title('阈值为0.01的LOG算子边缘检测图像');BW2= edge(I,'log',0.03);figure,imshow(BW2);title('阈值为0.03的LOG算子边缘检测图像');BW22= edge(I,'log',0.05);figure,imshow(BW22);title('阈值为0.05的LOG算子边缘检测图像');加噪后均值滤波clc;img=imread('1.bmp');img_0=rgb2gray(img);img_1=imnoise(img_0,'salt & pepper',0.02);img_2=medfilt2(img_1);subplot(2,2,1);imshow(img);title('原始图像');subplot(2,2,2);imshow(img_1);title('加入噪声后图像'); subplot(2,2,3);imshow(img_2);title('中值滤波后图像');加噪声后中值滤波clc;img=imread('1.bmp');img_0=rgb2gray(img);img_1=imnoise(img_0,'salt & pepper',0.02);img_2=medfilt2(img_1);subplot(2,2,1);imshow(img);title('原始图像');subplot(2,2,2);imshow(img_1);title('加入噪声后图像'); subplot(2,2,3);imshow(img_2);title('中值滤波后图像');阈值分割clc;A=imread('1.bmp');figuresubplot(1,5,1),imshow(A);title('原图像')B=im2bw(A,91/255);subplot(1,5,2),imshow(B);title('阈值91的图像')C=im2bw(A,71/255);subplot(1,5,3),imshow(C);title('阈值71的图像')双重处理A=imread('1.bmp');figure,B=rgb2gray(A);C=imnoise(B,'salt & pepper',0.02);D=medfilt2(B);subplot(2,2,1)imshow(A)title('原始图像')subplot(2,2,2)imshow(D)title('中值滤波')E=im2bw(D,91/255);subplot(2,2,3),imshow(E);title('阈值91的中值滤波图像'), F=im2bw(D,71/255);subplot(2,2,4),imshow(F);title('阈值71的中值滤波图像'),。
数字图像处理代码Ch7《图像分割》
来自《数字图像处理MATLAB版》书中示例，代码复制与运行结果。
例7.1 点检测。
代码：clc,clear,close all;f = imread('Fig1002(a).tif');imshow(f),title('(a)原始图像');w=[-1 -1 -1;-1 8 -1; -1 -1 -1 ]; %一个合适的点检测模板g=abs(imfilter(tofloat(f),w)); %abs操作不接受整数数据T=max(g(:));g=g>=T; %找到满足g>=T的所有点，赋值给g figure; imshow(g);title('(b)检测出的孤立点');运行结果：例7.2 检测指定方向的线。
代码：clc;clear,close all;f = imread('Fig1004(a).tif');subplot 231; imshow(f);title('(a)连线模板图像')w = [2 -1 -1;-1 2 -1; -1 -1 2]; %+45度线检测模板g = imfilter(tofloat(f),w);subplot 232 ,imshow(g,[]),title('(b)使用 +45度检测器处理后的图像') gtop = g(1:150,1:150); %左上角部分gtop = pixeldup(gtop,4); %enlarge by pixel duplication(就是维度*4) subplot 233; imshow(gtop,[])title('(c)+45度检测器处理后的图像左上角') gbot = g(end-119:end,end-119:end);gbot = pixeldup(gbot,4);subplot 234 ;imshow(gbot,[]),title('(d)-45度检测器处理后的图像右下角') g = abs(g);subplot 235; imshow(g,[]),title('(e)图(b)的绝对值')T = max(g(:)); g = g>=T;subplot 236 ;imshow(g),title('(f)满足条件[g>=T]的所有点（白色点）[其中g是图(e)]')运行结果：例7.3 使用Sobel边缘检测器。
matlab二值化分割代码
matlab二值化分割代码
以下是一个简单的 MATLAB 代码示例，用于对图像进行二值化分割：
matlab.
% 读取图像。
img = imread('your_image.jpg');
% 将图像转换为灰度图像。
gray_img = rgb2gray(img);
% 使用Otsu方法进行图像二值化。
level = graythresh(gray_img);
bw_img = imbinarize(gray_img,level);
% 显示原始图像和二值化图像。
subplot(1,2,1), imshow(gray_img), title('Original Image');
subplot(1,2,2), imshow(bw_img), title('Binary Image');
在这个示例中，首先使用 `imread` 函数读取图像，然后使用`rgb2gray` 函数将图像转换为灰度图像。
接下来，使用
`graythresh` 函数确定阈值，并使用 `imbinarize` 函数将灰度图像转换为二值化图像。
最后，使用 `subplot` 和 `imshow` 函数显示原始图像和二值化图像。
需要注意的是，这只是一个简单的二值化分割示例。
实际应用中可能需要根据具体的图像特征和要求进行参数调整和算法优化。
数字图像处理图像分割代码
实验六图像分割一、实验目的1、熟悉并掌握MATLAB图像处理工具箱的使用；2、理解并掌握常用的图像分割技术。
二、实验环境MATLAB 6.5以上版本、Windows XP或Windows 7计算机。
三、相关函数1edge检测灰度或者二值图像的边缘，返回一个二值图像，1像素是检测到的边缘，0像素是非边缘。
用法：BW = edge(I,'sobel',thresh,direction)，I为检测对象；边缘检测算子可用sobel，roberts，prewitt，zerocross，log，canny；thresh指定阈值，检测时忽略所有小于阈值的边缘，默认自动选择阈值；direction方向，在所指定的方向direction上，用算子进行边缘检测horizontal(水平方向)、vertical(垂直方向)或both(两个方向)。
2strel创建形态学结构元素。
用法：SE = STREL('ball',R,H,N) 创建一个空间椭球状的结构元素，其X-Y平面半径为R，高度为H。
R必须为非负整数，H是一个实数。
N必须为一个非负偶数。
当N>0时此球形结构元素由一系列空间线段结构元素来近似。
SE = STREL('disk',R,N) 创建一个指定半径R的平面圆盘形的结构元素。
这里R必须是非负整数。
N须是0，4，6，8。
当N大于0时，圆盘形结构元素由一组N(或N+2)个周期线结构元素来近似。
当N等于0时,不使用近似，即结构元素的所有像素是由到中心像素距离小于等于R的像素组成。
N可以被忽略，此时缺省值是4。
注: 形态学操作在N>0情况下要快于N=0的情形。
4 imerode腐蚀图像用法：IM2 = imerode(IM,SE)腐蚀灰度、二进制或压缩二进制图像IM ，返回腐蚀图像IM2 。
参数SE 是函数strel 返回的一个结构元素体或是结构元素体阵列。
图像分割部分源代码
1.图像反转MATLAB程序实现如下：I=imread('xian.bmp');J=double(I);J=-J+(256-1); %图像反转线性变换H=uint8(J);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(H);2.灰度线性变换MATLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);axis on; %显示坐标系I1=rgb2gray(I);subplot(2,2,2),imshow(I1);title('灰度图像');axis([50,250,50,200]);axis on; %显示坐标系J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1] subplot(2,2,3),imshow(J);title('线性变换图像[0.1 0.5]');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1] subplot(2,2,4),imshow(K);title('线性变换图像[0.3 0.7]');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系3.非线性变换MATLAB程序实现如下：I=imread('xian.bmp');I1=rgb2gray(I);subplot(1,2,1),imshow(I1);title('灰度图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系J=double(I1);J=40*(log(J+1));H=uint8(J);subplot(1,2,2),imshow(H);title('对数变换图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系4.直方图均衡化MATLAB程序实现如下：I=imread('xian.bmp');I=rgb2gray(I);figure;subplot(2,2,1);imshow(I);subplot(2,2,2);imhist(I);I1=histeq(I);figure;subplot(2,2,1);imshow(I1);subplot(2,2,2);imhist(I1);5.线性平滑滤波器用MATLAB实现领域平均法抑制噪声程序：I=imread('xian.bmp');subplot(231)imshow(I)title('原始图像')I=rgb2gray(I);I1=imnoise(I,'salt & pepper',0.02);subplot(232)imshow(I1)title('添加椒盐噪声的图像')k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波subplot(233),imshow(k1);title('3*3模板平滑滤波');subplot(234),imshow(k2);title('5*5模板平滑滤波');subplot(235),imshow(k3);title('7*7模板平滑滤波');subplot(236),imshow(k4);title('9*9模板平滑滤波');6.中值滤波器用MATLAB实现中值滤波程序如下：I=imread('xian.bmp');I=rgb2gray(I);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,[5,5]); %进行5*5模板中值滤波k3=medfilt2(J,[7,7]); %进行7*7模板中值滤波k4=medfilt2(J,[9,9]); %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');7.用Sobel算子和拉普拉斯对图像锐化：I=imread('xian.bmp');subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I1=im2bw(I);subplot(2,2,2),imshow(I1);title('二值图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系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');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子J1=conv2(I1,h,'same'); %卷积运算subplot(2,2,4),imshow(J1);title('拉普拉斯算子锐化图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系8.梯度算子检测边缘用MATLAB实现如下：I=imread('xian.bmp');subplot(2,3,1);imshow(I);title('原始图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I1=im2bw(I);subplot(2,3,2);imshow(I1);title('二值图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I2=edge(I1,'roberts');figure;subplot(2,3,3);imshow(I2);title('roberts算子分割结果');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I3=edge(I1,'sobel');subplot(2,3,4);imshow(I3);title('sobel算子分割结果');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I4=edge(I1,'Prewitt');subplot(2,3,5);imshow(I4);title('Prewitt算子分割结果');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系9.LOG算子检测边缘用MATLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1);imshow(I);title('原始图像');I1=rgb2gray(I);subplot(2,2,2);imshow(I1);title('灰度图像');I2=edge(I1,'log');subplot(2,2,3);imshow(I2);title('log算子分割结果');10.Canny算子检测边缘用MATLAB程序实现如下：I=imread('xian.bmp');subplot(2,2,1);imshow(I);title('原始图像')I1=rgb2gray(I);subplot(2,2,2);imshow(I1);title('灰度图像');I2=edge(I1,'canny');subplot(2,2,3);imshow(I2);title('canny算子分割结果');11.边界跟踪（bwtraceboundary函数）clcclear allI=imread('xian.bmp');figureimshow(I);title('原始图像');I1=rgb2gray(I); %将彩色图像转化灰度图像threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限BW=im2bw(I1, threshold); %将灰度图像转化为二值图像figureimshow(BW);title('二值图像');dim=size(BW);col=round(dim(2)/2)-90; %计算起始点列坐标row=find(BW(:,col),1); %计算起始点行坐标connectivity=8;num_points=180;contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);%提取边界figureimshow(I1);hold on;plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);title('边界跟踪图像');12.Hough变换I= imread('xian.bmp');rotI=rgb2gray(I);subplot(2,2,1);imshow(rotI);title('灰度图像');axis([50,250,50,200]);grid on;axis on;BW=edge(rotI,'prewitt');subplot(2,2,2);imshow(BW);title('prewitt算子边缘检测后图像');axis([50,250,50,200]);grid on;axis on;[H,T,R]=hough(BW);subplot(2,2,3);imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit'); title('霍夫变换图');xlabel('\theta'),ylabel('\rho');axis on , axis normal, hold on;P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));x=T(P(:,2));y=R(P(:,1));plot(x,y,'s','color','white');lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7); subplot(2,2,4);,imshow(rotI);title('霍夫变换图像检测');axis([50,250,50,200]);grid on;axis on;hold on;max_len=0;for k=1:length(lines)xy=[lines(k).point1;lines(k).point2];plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');len=norm(lines(k).point1-lines(k).point2);if(len>max_len)max_len=len;xy_long=xy;endendplot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');13.直方图阈值法用MATLAB实现直方图阈值法：I=imread('xian.bmp');I1=rgb2gray(I);figure;subplot(2,2,1);imshow(I1);title('灰度图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系[m,n]=size(I1); %测量图像尺寸参数GP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GP(k+1)=length(find(I1==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置endsubplot(2,2,2),bar(0:255,GP,'g') %绘制直方图title('灰度直方图')xlabel('灰度值')ylabel('出现概率')I2=im2bw(I,150/255);subplot(2,2,3),imshow(I2);title('阈值150的分割图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I3=im2bw(I,200/255); %subplot(2,2,4),imshow(I3);title('阈值200的分割图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系14. 自动阈值法：Otsu法用MATLAB实现Otsu算法：clcclear allI=imread('xian.bmp');subplot(1,2,1),imshow(I);title('原始图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系level=graythresh(I); %确定灰度阈值BW=im2bw(I,level);subplot(1,2,2),imshow(BW);title('Otsu法阈值分割图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系15.膨胀操作I=imread('xian.bmp'); %载入图像I1=rgb2gray(I);subplot(1,2,1);imshow(I1);title('灰度图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系se=strel('disk',1); %生成圆形结构元素I2=imdilate(I1,se); %用生成的结构元素对图像进行膨胀subplot(1,2,2);imshow(I2);title('膨胀后图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系16.腐蚀操作MATLAB实现腐蚀操作I=imread('xian.bmp'); %载入图像I1=rgb2gray(I);subplot(1,2,1);imshow(I1);title('灰度图像')axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系se=strel('disk',1); %生成圆形结构元素I2=imerode(I1,se); %用生成的结构元素对图像进行腐蚀subplot(1,2,2);imshow(I2);title('腐蚀后图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系17.开启和闭合操作用MATLAB实现开启和闭合操作I=imread('xian.bmp'); %载入图像subplot(2,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);axis on; %显示坐标系I1=rgb2gray(I);subplot(2,2,2),imshow(I1);title('灰度图像');axis([50,250,50,200]);axis on; %显示坐标系se=strel('disk',1); %采用半径为1的圆作为结构元素I2=imopen(I1,se); %开启操作I3=imclose(I1,se); %闭合操作subplot(2,2,3),imshow(I2);title('开启运算后图像');axis([50,250,50,200]);axis on; %显示坐标系subplot(2,2,4),imshow(I3);title('闭合运算后图像');axis([50,250,50,200]);axis on; %显示坐标系18.开启和闭合组合操作I=imread('xian.bmp'); %载入图像subplot(3,2,1),imshow(I);title('原始图像');axis([50,250,50,200]);axis on; %显示坐标系I1=rgb2gray(I);subplot(3,2,2),imshow(I1);title('灰度图像');axis([50,250,50,200]);axis on; %显示坐标系se=strel('disk',1);I2=imopen(I1,se); %开启操作I3=imclose(I1,se); %闭合操作subplot(3,2,3),imshow(I2);title('开启运算后图像');axis([50,250,50,200]);axis on; %显示坐标系subplot(3,2,4),imshow(I3);title('闭合运算后图像');axis([50,250,50,200]);axis on; %显示坐标系se=strel('disk',1);I4=imopen(I1,se);I5=imclose(I4,se);subplot(3,2,5),imshow(I5); %开—闭运算图像title('开—闭运算图像');axis([50,250,50,200]);axis on; %显示坐标系I6=imclose(I1,se);I7=imopen(I6,se);subplot(3,2,6),imshow(I7); %闭—开运算图像title('闭—开运算图像');axis([50,250,50,200]);axis on; %显示坐标系19.形态学边界提取利用MATLAB实现如下：I=imread('xian.bmp'); %载入图像subplot(1,3,1),imshow(I);title('原始图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I1=im2bw(I);subplot(1,3,2),imshow(I1);title('二值化图像');axis([50,250,50,200]);grid on; %显示网格线axis on; %显示坐标系I2=bwperim(I1); %获取区域的周长subplot(1,3,3),imshow(I2);title('边界周长的二值图像');axis([50,250,50,200]);grid on;axis on;20.形态学骨架提取利用MATLAB实现如下：I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像');axis([50,250,50,200]); axis on;I1=im2bw(I);subplot(2,2,2),imshow(I1); title('二值图像');axis([50,250,50,200]); axis on;I2=bwmorph(I1,'skel',1); subplot(2,2,3),imshow(I2); title('1次骨架提取');axis([50,250,50,200]); axis on;I3=bwmorph(I1,'skel',2); subplot(2,2,4),imshow(I3); title('2次骨架提取');axis([50,250,50,200]); axis on;21.直接提取四个顶点坐标I = imread('xian.bmp');I = I(:,:,1);BW=im2bw(I);figureimshow(~BW)[x,y]=getpts。
FCM图像分割算法MATLAB源代码
FCM图像分割算法function fcmapp(file, cluster_n)% FCMAPP% fcmapp(file, cluter_n) segments a image named file using the algorithm% FCM.% [in]% file: the path of the image to be clustered.% cluster_n: the number of cluster for FCM.eval(['info=imfinfo(''',file, ''');']);switch info.ColorTypecase 'truecolor'eval(['RGB=imread(''',file, ''');']);% [X, map] = rgb2ind(RGB, 256);I = rgb2gray(RGB);clear RGB;case 'indexed'eval(['[X, map]=imread(''',file, ''');']);I = ind2gray(X, map);clear X;case 'grayscale'eval(['I=imread(''',file, ''');']);end;I = im2double(I);filename = file(1 : find(file=='.')-1);data = reshape(I, numel(I), 1);tic[center, U, obj_fcn]=fcm(data, cluster_n);elapsedtime = toc;%eval(['save(', filename, int2str(cluster_n),'.mat'', ''center'', ''U'', ''obj_fcn'', ''elapsedtime'');']); fprintf('elapsedtime = %d', elapsedtime);maxU=max(U);temp = sort(center, 'ascend');for n = 1:cluster_n;eval(['cluster',int2str(n), '_index = find(U(', int2str(n), ',:) == maxU);']);index = find(temp == center(n));switch indexcase 1color_class = 0;case cluster_ncolor_class = 255;otherwisecolor_class = fix(255*(index-1)/(cluster_n-1));endeval(['I(cluster',int2str(n), '_index(:))=', int2str(color_class),';']);end;filename = file(1:find(file=='.')-1);I = mat2gray(I);%eval(['imwrite(I,', filename,'_seg', int2str(cluster_n), '.bmp'');']);imwrite(I, 'temp\tu2_4.bmp','bmp');imview(I);function fcmapp(file, cluster_n)% FCMAPP% fcmapp(file, cluter_n) segments a image named file using the algorithm% FCM.% [in]% file: the path of the image to be clustered.% cluster_n: the number of cluster for FCM.eval(['info=imfinfo(''',file, ''');']);switch info.ColorTypecase 'truecolor'eval(['RGB=imread(''',file, ''');']);% [X, map] = rgb2ind(RGB, 256);I = rgb2gray(RGB);clear RGB;case 'indexed'eval(['[X, map]=imread(''',file, ''');']);I = ind2gray(X, map);clear X;case 'grayscale'eval(['I=imread(''',file, ''');']);end;I = im2double(I);filename = file(1 : find(file=='.')-1);data = reshape(I, numel(I), 1);tic[center, U, obj_fcn]=fcm(data, cluster_n);elapsedtime = toc;%eval(['save(', filename, int2str(cluster_n),'.mat'', ''center'', ''U'', ''obj_fcn'', ''elapsedtime'');']); fprintf('elapsedtime = %d', elapsedtime);maxU=max(U);temp = sort(center, 'ascend');for n = 1:cluster_n;eval(['cluster',int2str(n), '_index = find(U(', int2str(n), ',:) == maxU);']);index = find(temp == center(n));switch indexcase 1color_class = 0;case cluster_ncolor_class = 255;otherwisecolor_class = fix(255*(index-1)/(cluster_n-1));endeval(['I(cluster',int2str(n), '_index(:))=', int2str(color_class),';']); end;filename = file(1:find(file=='.')-1);I = mat2gray(I);%eval(['imwrite(I,', filename,'_seg', int2str(cluster_n), '.bmp'');']); imwrite(I, 'r.bmp');imview(I);主程序1ImageDir='.\';%directory containing the images%path('..') ;%cmpviapath('..') ;img=im2double(imresize(imread([ImageDir '12.png']),2)) ;figure(1) ; imagesc(img) ; axis image[ny,nx,nc]=size(img) ;imgc=applycform(img,makecform('srgb2lab')) ;d=reshape(imgc(:,:,2:3),ny*nx,2) ;d(:,1)=d(:,1)/max(d(:,1)) ; d(:,2)=d(:,2)/max(d(:,2)) ;%d=d ./ (repmat(sqrt(sum(d.^2,2)),1,3)+eps()) ;k=4 ; % number of clusters%[l0 c] = kmeans(d, k,'Display','iter','Maxiter',100);[l0 c] = kmeans(d, k,'Maxiter',100);l0=reshape(l0,ny,nx) ;figure(2) ; imagesc(l0) ; axis image ;%c=[ 0.37 0.37 0.37 ; 0.77 0.73 0.66 ; 0.64 0.77 0.41 ; 0.81 0.76 0.58 ; ...%0.85 0.81 0.73 ] ;%c=[0.99 0.76 0.15 ; 0.55 0.56 0.15 ] ;%c=[ 0.64 0.64 0.67 ; 0.27 0.45 0.14 ] ;%c=c ./ (repmat(sqrt(sum(c.^2,2)),1,3)+eps()) ;% Data termDc=zeros(ny,nx,k) ;for i=1:k,dif=d-repmat(c(i,:),ny*nx,1) ;Dc(:,:,i)= reshape(sum(dif.^2,2),ny,nx) ;end ;% Smoothness termSc=(ones(k)-eye(k)) ;% Edge termsg = fspecial('gauss', [13 13], 2);dy = fspecial('sobel');vf = conv2(g, dy, 'valid');Vc = zeros(ny,nx);Hc = Vc;for b=1:nc,Vc = max(Vc, abs(imfilter(img(:,:,b), vf, 'symmetric')));Hc = max(Hc, abs(imfilter(img(:,:,b), vf', 'symmetric'))); endgch=char;gch = GraphCut('open', 1*Dc, Sc,exp(-5*Vc),exp(-5*Hc)); [gch l] = GraphCut('expand',gch);gch = GraphCut('close', gch);label=l(100,200) ;lb=(l==label) ;lb=imdilate(lb,strel('disk',1))-lb ;figure(3) ; image(img) ; axis image ; hold on ;contour(lb,[1 1],'r') ; hold off ; title('no edges') ;figure(4) ; imagesc(l) ; axis image ; title('no edges') ;gch = GraphCut('open', Dc, 5*Sc,exp(-10*Vc),exp(-10*Hc)); [gch l] = GraphCut('expand',gch);gch = GraphCut('close', gch);lb=(l==label) ;lb=imdilate(lb,strel('disk',1))-lb ;figure(5) ; image(img) ; axis image ; hold on ;contour(lb,[1 1],'r') ; hold off ; title('edges') ;figure(6) ; imagesc(l) ; axis image ; title('edges') ;主程序2I = imread( '12.png' );I = rgb2gray(I);subplot(5,3,1),imshow(I);k=medfilt2(I,[5,5]);subplot(5,3,2),imshow(k);title('5*5中值滤波图像');%f=imread('tuxiang1.tif');%subplot(1,2,1),imshow(f);%title('原图像');g1=histeq(k,256);subplot(5,3,3),imshow(g1);title('直方图匹配');%g2=histeq(k2,256);%subplot(2,2,2),imshow(g2);%title('5*5直方图匹配');%k=medfilt2(f,[5,5]);%k2=medfilt2(f,[5,5]);%j=imnoise(f,'gaussian',0,0.005);%subplot(1,3,3),imshow(k2);%title('5*5中值滤波图像');hy = fspecial( 'sobel' );hx = hy;Iy = imfilter(double(g1), hy, 'replicate' );Ix = imfilter(double(g1), hx, 'replicate' );gradmag = sqrt(Ix.^2 + Iy.^2);subplot(5,3,4), imshow(gradmag,[ ]), title( 'gradmag' );L = watershed(gradmag);Lrgb = label2rgb(L);subplot(5,3,5), imshow(Lrgb), title( 'Lrgb' );se = strel( 'disk' , 9);Io = imopen(g1, se);subplot(5,3,6), imshow(Io), title( 'Io' )Ie = imerode(g1, se);Iobr = imreconstruct(Ie, g1);subplot(5,3,7), imshow(Iobr), title( 'Iobr' );Ioc = imclose(Io, se);subplot(5,3,8), imshow(Ioc), title( 'Ioc' );Iobrd = imdilate(Iobr, se);Iobrcbr = imreconstruct(imcomplement(Iobrd), imcomplement(Iobr)); Iobrcbr = imcomplement(Iobrcbr);subplot(5,3,9), imshow(Iobrcbr), title( 'Iobrcbr' );fgm = imregionalmax(Iobrcbr);subplot(5,3,10), imshow(fgm), title( 'fgm' );I2 = g1; I2(fgm) = 255;subplot(5,3,11),imshow(I2), title( 'fgm superimposed on original image' );se2 = strel(ones(5,5)); I3 = g1; I3(fgm) = 255;subplot(5,3,12) ,imshow(I3);title( 'fgm4 superimposed on original image' );bw = im2bw(Iobrcbr, graythresh(Iobrcbr));subplot(5,3,13) , imshow(bw), title( 'bw' );D = bwdist(bw); DL = watershed(D);bgm = DL == 0;subplot(5,3,14) , imshow(bgm), title( 'bgm' );gradmag2 = imimposemin(gradmag, bgm | fgm);L = watershed(gradmag2);I4 = g1;I4(imdilate(L == 0, ones(3, 3)) | bgm | fgm) = 255;figure, imshow(I4);title( 'Markers and object boundaries superimposed on original image' ); Lrgb = label2rgb(L, 'jet' , 'w' , 'shuffle' );figure, imshow(Lrgb);title( 'Lrgb' );figure, imshow(I), hold onhimage = imshow(Lrgb);set(himage, 'AlphaData' , 0.3);title( 'Lrgb superimposed transparently on original image' );。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
matlab 图像分割算法源码
1.图像反转
MATLAB程序实现如下：
I=imread('xian.bmp');
J=double(I);
J=-J+(256-1); %图像反转线性变换
H=uint8(J);
subplot(1,2,1),imshow(I);
subplot(1,2,2),imshow(H);
2.灰度线性变换
MATLAB程序实现如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始图像');
axis([50,250,50,200]);
axis on; %显示坐标系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
axis on; %显示坐标系
J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1] subplot(2,2,3),imshow(J);
title('线性变换图像[0.1 0.5]');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1] subplot(2,2,4),imshow(K);
title('线性变换图像[0.3 0.7]');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
3.非线性变换
MATLAB程序实现如下：
I=imread('xian.bmp');
I1=rgb2gray(I);
subplot(1,2,1),imshow(I1);
title('灰度图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
J=double(I1);
J=40*(log(J+1));
H=uint8(J);
subplot(1,2,2),imshow(H);
title('对数变换图像');
axis([50,250,50,200]);
grid on; %显示网格线
axis on; %显示坐标系
4.直方图均衡化
MATLAB程序实现如下：
I=imread('xian.bmp');
I=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I);
subplot(2,2,2);
imhist(I);
I1=histeq(I);
figure;
subplot(2,2,1);
imshow(I1);
subplot(2,2,2);
imhist(I1);
5.线性平滑滤波器
用MATLAB实现领域平均法抑制噪声程序：。