MATLAB的数字图像处理
非常全非常详细的MATLAB数字图像处理技术
MATＬAＢ数字图像处理1 概述ＢW=ｄitheｒ(I)灰度转成二值图；Ｘ=ｄitｈer（RＧB,ｍap)RＧB转成灰度图，用户需要提供一个Cｏlorｍap;［X，maｐ]＝grａy2inｄ(Ｉ,n)灰度到索引;[X,mａp]=grａy２ｉnd（BＷ,n)二值图到索引，ｍap可由grａｙ(n）产生。
灰度图n 默认64，二值图默认２;X=grａylｉce（I,n）灰度图到索引图，门限１/n,2/ｎ,…,(n-1）／n,X=graｙlｉｃe(I，ｖ)给定门限向量v；BW=im２bw(I,levｅl)灰度图I到二值图；BW=im2bw(Ｘ,map,levｅl)索引图X到二值图；ｌevel是阈值门限，超过像素为1,其余置0,lｅvｅl在[0,1]之间。
ＢW=im2ｂｗ(RGＢ,leｖｅl)ＲＧＢ到二值图;I=iｎd2gray（Ｘ,mａp)索引图到灰度图;RＧＢ=ind2rｇb(Ｘ,maｐ）索引图到ＲGB;I＝ｒgb２gray(RGB)RGB到灰度图。
2 图像运算2.１图像的读写MATLAＢ支持的图像格式有bｍp，gif,ico,jｐｇ，png，cur，ｐcx,xwd和tｉf。
读取(imread):[1］Ａ=imreaｄ(fｉlenaｍe,fmt)［2] [Ｘ,ｍaｐ］=imrｅad（ｆiｌｅｎame,fｍt）［3] ［…]＝iｍｒead（ｆiｌｅnamｅ)［4] […]=imread(UＲL,…)说明:filenａme是图像文件名,如果不在搜索路径下应是图像的全路径,fmｔ是图像文件扩展名字符串。
前者可读入二值图、灰度图、彩图(主要是RGＢ);第二个读入索引图，map 为索引图对应的Ｃolormap,即其相关联的颜色映射表，若不是索引图则ｍap为空。
URＬ表示引自Ｉntｅrnet ＵRL中的图像。
写入(iｍｗrite):[1] R=imwrite(A,fileｎaｍe，fｍｔ)；[2] Ｒ=imwriｔe(X,map,fiｌename,ｆmt);[３] R＝ｉｍwritｅ(…,filenaｍｅ);[4] R=iｍｗrite(…，Param1,Val1,Pａraｍ2,Vａl2)说明:针对第四个,该语句用于指定ＨDF,JPEＧ,PBＭ,PGM,PNG,PPM,ＴIＦＦ等类型输出文件的不同参数。
数字图像处理MATLAB程序【完整版】
第一部分数字图像处理实验一图像的点运算实验1．１直方图一.实验目的１.熟悉mａtlab图像处理工具箱及直方图函数的使用;２.理解和掌握直方图原理和方法；二．实验设备１.ＰＣ机一台;2.软件ｍatlab。
三.程序设计在matlab环境中,程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=ｉmｒeａd（'ｃameraｍan.tif’);%读取图像suｂpｌｏｔ(１,2,1），ｉmsｈow(Ｉ) %输出图像titlｅ(’原始图像'） %在原始图像中加标题subplot（1，2,2),iｍhiｓｔ(I) ％输出原图直方图tiｔle('原始图像直方图'） %在原图直方图上加标题四．实验步骤１。
启动mａtlab双击桌面matlab图标启动maｔlab环境;2。
在matlab命令窗口中输入相应程序。
书写程序时,首先读取图像,一般调用matlab自带的图像,如:cameraｍan图像;再调用相应的直方图函数，设置参数;最后输出处理后的图像;３.浏览源程序并理解含义；4.运行,观察显示结果;5．结束运行，退出;五．实验结果观察图像matlａb环境下的直方图分布.(ａ）原始图像(b)原始图像直方图六．实验报告要求1、给出实验原理过程及实现代码;2、输入一幅灰度图像,给出其灰度直方图结果,并进行灰度直方图分布原理分析。
实验1.2 灰度均衡一.实验目的1．熟悉matlａｂ图像处理工具箱中灰度均衡函数的使用；2.理解和掌握灰度均衡原理和实现方法;二.实验设备1.PC机一台;2．软件mａtlab；三.程序设计在ｍaｔｌab环境中，程序首先读取图像,然后调用灰度均衡函数，设置相关参数，再输出处理后的图像.I=iｍｒｅad（'cameraman.ｔif’)；%读取图像subplｏｔ(2，2,1）,imshow（I) %输出图像title(’原始图像’) %在原始图像中加标题subplot(2，2,3),ｉmｈｉst(I) %输出原图直方图titｌｅ(’原始图像直方图’) %在原图直方图上加标题ａ＝histeｑ（I，2５6); %直方图均衡化，灰度级为２５６sｕｂｐlot（2,２,２),imshoｗ(a) %输出均衡化后图像title(’均衡化后图像’） %在均衡化后图像中加标题subｐlｏt(2,2，4),iｍhiｓt(a) ％输出均衡化后直方图ｔitｌe（'均衡化后图像直方图’）％在均衡化后直方图上加标题四．实验步骤１。
Matlab数字图像处理函数汇总
Matlab数字数字图像处理函数汇总：1、数字数字图像的变换①fft2：fft2函数用于数字数字图像的二维傅立叶变换，如：i=imread('104_8.tif');j=fft2(i);②ifft2:：ifft2函数用于数字数字图像的二维傅立叶反变换，如：i=imread('104_8.tif');j=fft2(i);k=ifft2(j);2、模拟噪声生成函数和预定义滤波器①imnoise：用于对数字数字图像生成模拟噪声，如：i=imread('104_8.tif');j=imnoise(i,'gaussian',0,0.02);%模拟高斯噪声②fspecial：用于产生预定义滤波器，如：h=fspecial('sobel');%sobel水平边缘增强滤波器h=fspecial('gaussian');%高斯低通滤波器h=fspecial('laplacian');%拉普拉斯滤波器h=fspecial('log');%高斯拉普拉斯（LoG）滤波器h=fspecial('average');%均值滤波器2、数字数字图像的增强①直方图：imhist函数用于数字数字图像的直方图显示，如：i=imread('104_8.tif');imhist(i);②直方图均化：histeq函数用于数字数字图像的直方图均化，如：i=imread('104_8.tif');j=histeq(i);③对比度调整：imadjust函数用于数字数字图像的对比度调整，如：i=imread('104_8.tif');j=imadjust(i,[0.3,0.7],[]);④对数变换：log函数用于数字数字图像的对数变换，如：i=imread('104_8.tif');j=double(i);k=log(j);⑤基于卷积的数字数字图像滤波函数：filter2函数用于数字数字图像滤波，如：i=imread('104_8.tif');h=[1,2,1;0,0,0;-1,-2,-1];j=filter2(h,i);⑥线性滤波：利用二维卷积conv2滤波, 如:i=imread('104_8.tif');h=[1,1,1;1,1,1;1,1,1];h=h/9;j=conv2(i,h);⑦中值滤波：medfilt2函数用于数字数字图像的中值滤波，如：i=imread('104_8.tif');j=medfilt2(i);⑧锐化（1）利用Sobel算子锐化数字数字图像, 如: i=imread('104_8.tif');h=[1,2,1;0,0,0;-1,-2,-1];%Sobel算子j=filter2(h,i);（2）利用拉氏算子锐化数字数字图像, 如: i=imread('104_8.tif');j=double(i);h=[0,1,0;1,-4,0;0,1,0];%拉氏算子k=conv2(j,h,'same');m=j-k;3、数字数字图像边缘检测①sobel算子如：i=imread('104_8.tif');j = edge(i,'sobel',thresh)②prewitt算子如：i=imread('104_8.tif');j = edge(i,'prewitt',thresh)③roberts算子如：i=imread('104_8.tif');j = edge(i,'roberts',thresh)④log算子如：i=imread('104_8.tif');j = edge(i,'log',thresh)⑤canny算子如：i=imread('104_8.tif');j = edge(i,'canny',thresh)⑥Zero-Cross算子如：i=imread('104_8.tif');j = edge(i,'zerocross',thresh)4、形态学数字数字图像处理①膨胀：是在二值化数字数字图像中“加长”或“变粗”的操作，函数imdilate执行膨胀运算，如：a=imread('104_7.tif'); %输入二值数字数字图像b=[0 1 0;1 1 1;0 1 0];c=imdilate(a,b);②腐蚀：函数imerode执行腐蚀，如：a=imread('104_7.tif'); %输入二值数字数字图像b=strel('disk',1);c=imerode(a,b);③开运算：先腐蚀后膨胀称为开运算，用imopen来实现，如：a=imread('104_8.tif');b=strel('square',2);c=imopen(a,b);④闭运算：先膨胀后腐蚀称为闭运算，用imclose来实现，如：a=imread('104_8.tif');b=strel('square',2);c=imclose(a,b);数字数字图像增强1. 直方图均衡化的Matlab 实现1.1 imhist 函数功能：计算和显示数字数字图像的色彩直方图格式：imhist(I,n)imhist(X,map)说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为256；imhist(X,map) 就算和显示索引色数字数字图像X 的直方图，map 为调色板。
数字图像处理及matlab实现
THANKS
05 数字图像处理的应用案例
医学影像处理
1 2 3
医学影像诊断
数字图像处理技术可以用于医学影像的预处理、 增强、分割和识别，帮助医生更准确地诊断疾病。
医学图像重建
通过数字图像处理技术，可以从低质量的医学图 像中重建出高质量的图像，提高医学影像的清晰 度和诊断价值。
医学图像配准与融合
数字图像处理技术可以实现不同模态医学图像之 间的配准与融合，提供更全面的医学信息。
离散余弦变换
将图像从空间域转换到余弦函数构成的系数矩阵，用于数据压缩 和去噪。
Matlab中的图像恢复实现
超分辨率
通过多幅低分辨率图像合成一幅高分辨率图 像，提高图像的分辨率。
去噪
利用各种滤波技术去除图像中的噪声，恢复 原始图像。
失真校正
对由于拍摄、传输等原因造成的图像失真进 行校正，提高图像质量。
数字图像处理及 Matlab实现
目录
Contents
• 数字图像处理基础 • Matlab基础 • 数字图像处理技术 • Matlab在数字图像处理中的应用 • 数字图像处理的应用案例
01 数字图像处理基础
图像的数字化
总结词
将连续的图像转化为离散的像素点阵列。
详细描述
通过将连续的图像转化为离散的像素点阵列，数字图像处理能够将图像信息转 化为计算机能够处理的数字信息。每个像素点由其位置和灰度值表示，形成数 字图像。
图像的灰度级别
总结词
描述像素的亮度级别。
详细描述
图像的灰度级别决定了像素的亮度范围。灰度级别越高，图像的亮度范围越丰富， 细节表现力越强。常见的灰度级别有256级（0-255）和16级（0-15）。
Matlab数字图像处理
Matlab数字图像处理直方图均衡化：（左右分别为处理前和处理后的图像）简单程序：---------------------------------------------------------------------------------------------------A=imread('F:\Mat\work\test_1.jpg');Hist=zeros(1,256);Cdf=zeros(1,256);for i=1:500for j=1:500Hist(A(i,j))=Hist(A(i,j))+1;end;end;Cdf(1)=Hist(1);for i=2:256Cdf(i)=Hist(i)+Cdf(i-1);end;for i=1:500for j=1:500K=Cdf(A(i,j))*255/250000;A(i,j)=double(K);end;end;imshow(A,[0 255]);A=uint8(A);imwrite(A,'test1_change.jpg');---------------------------------------------------------------------------------------------理想平滑滤波器---------------------------------------------------------------------------------------------A=imread('test_2.jpg');figure;imshow(A);A=double(A);[m,n]=size(A);for i=1:mfor j=1:nA(i,j)=A(i,j)*(-1)^(i+j);endendfigure;imshow(A,[0 255]);A=fft2(A);figure;imshow(A,[0 255]);B=abs(A);C=10*log(1+B);figure;imshow(C,[0 255]);D=zeros(m,n);H=zeros(m,n);Dt=50;for i=1:mfor j=1:nD(i,j)=sqrt((i-m/2-1)*(i-m/2-1)+(j-n/2-1)*(j-n/2-1));if D(i,j)<=DtH(i,j)=1;elseH(i,j)=0;endendendG=A.*H;figure;imshow(G,[0 255]);B=abs(G);C=10*log(1+B);figure;imshow(C,[0 255]);A=ifft2(G);for i=1:mfor j=1:nA(i,j)=A(i,j)*(-1)^(i+j);endendfigure;imshow(A,[0 255]);A=uint8(A);imwrite(A,'test2_change.jpg');---------------------------------------------------------------------------------------------中值滤波去除椒盐噪声---------------------------------------------------------------------------------------------A=imread('test_3.jpg');figure;imshow(A);A=double(A);[m,n]=size(A);B=ones(m+2,n+2);B=B*255;B(2:m+1,2:n+1)=A;for i=1:mfor j=1:nC=sort(B(i:i+2,j:j+2)); %模板窗口元素排序B(i+1,j+1)=C(2,2);endendA=B(2:m+1,2:n+1);A=uint8(A);figure;imshow(A);imwrite(A,'test3c2.jpg');MATLAB在数字图像处理中的应用2．1 几个基本术语在运用MATLAB进行数字图像处理之前，我们必须明确几个基本术语：1）位图：是根据图像的尺寸和分辨率创建和保存的图像，由扫描输入。
(完整版)数字图像处理MATLAB程序【完整版】
第一部分数字图像处理实验一图像的点运算实验1.1 直方图一．实验目的1．熟悉matlab图像处理工具箱及直方图函数的使用；2．理解和掌握直方图原理和方法；二．实验设备1.PC机一台；2.软件matlab。
三．程序设计在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；3．浏览源程序并理解含义；4．运行，观察显示结果；5．结束运行，退出；五．实验结果观察图像matlab环境下的直方图分布。
(a)原始图像 (b)原始图像直方图六．实验报告要求1、给出实验原理过程及实现代码；2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2 灰度均衡一．实验目的1．熟悉matlab图像处理工具箱中灰度均衡函数的使用；2．理解和掌握灰度均衡原理和实现方法；二．实验设备1.PC机一台；2.软件matlab；三．程序设计在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像subplot(2,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(2,2,3),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题a=histeq(I,256); %直方图均衡化，灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title('均衡化后图像') %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title('均衡化后图像直方图') %在均衡化后直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。
浅谈MATLAB在数字图像处理中的应用
浅谈MATLAB在数字图像处理中的应用MATLAB是一种广泛使用的数学软件，因其独特的数学处理能力和易于使用的接口而备受欢迎。
在数字图像处理中也得到广泛的应用。
本文将重点介绍MATLAB在数字图像处理中的应用。
MATLAB提供了强大的工具箱和函数库，可以完成各种数字图像处理任务。
例如，图像的读取、显示、保存、格式转换及基本的空间域和频率域图像处理等。
此外，MATLAB也提供了一些高级处理功能，如模糊、滤波、图像平滑、边缘检测、形态学处理等。
这些功能可以方便地实现图像的预处理和后处理。
一种广泛的数字图像处理方法是图像分割。
图像分割对于图像的识别和特征提取非常重要。
MATLAB提供了多种图像分割算法，其中最常用的是阈值处理。
MATLAB中的图像阈值函数可以根据像素的灰度值将图像分为两类，即黑白二值图像。
这种方法常用于图像中物体的识别和分离。
另一种常用的处理方法是形态学处理。
MATLAB提供了多种形态学处理函数，包括膨胀、腐蚀、开运算和闭运算等。
这些函数可以用于消除图像中的噪声、填充坑洞、改善边缘定义等。
MATLAB还可以用于图像增强。
例如，可以使用直方图均衡化函数来增强图像的对比度。
此外，MATLAB中的滤波函数可以用于去除噪声和平滑图像。
最后，MATLAB可以用于图像的特征提取和分类。
这种方法可以用于图像识别、目标跟踪和目标检测等领域。
总之，MATLAB在数字图像处理中拥有广泛的应用，为数字图像处理提供了一种简便的方法，随着科学技术的不断进步，MATLAB的应用也将越来越广泛。
数字图像处理 matlab代码
MATLAB实用源代码图像读取及灰度变换I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题图像旋转I = imread('cameraman.tif');figure,imshow(I);theta = 30;K = imrotate(I,theta); % Try varying the angle, theta. figure, imshow(K)边缘检测I = imread('cameraman.tif');J1=edge(I,'sobel');J2=edge(I,'prewitt');J3=edge(I,'log');subplot(1,4,1),imshow(I);subplot(1,4,2),imshow(J1);subplot(1,4,3),imshow(J2);subplot(1,4,4),imshow(J3);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MA TLAB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MA TLAB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MA TLAB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MA TLAB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MA TLAB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MA TLAB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MA TLAB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MA TLAB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。
(整理)数字图像处理MATLAB指令
其他常用的图像转换函数有：gray2ind函数，将灰度图像转换成索引图像。
Im2bw函数，将其它图像转化为二值图像。
Ind2gray函数，将索引图像转换成灰度图像。
Rgb2gray函数，将彩色图像转换成灰度图像。
1．利用imread( )函数读取一幅图像，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；函数执行语句A = imread('saturn.png');whosName Size Bytes Class AttributesA 1500x1200x3 5400000 uint8imshow(A)4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；imfinfo('saturn.png')5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg 文件,设为flower.jpg;语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
imwrite(A,'xingxing.jpg','quality',25)B = imread('xingxing.jpg');6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像,设为flower.bmp。
imwrite(A , 'xingxing.bmp')C = imread('xingxing.bmp');7．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
F = imread('circbw.tif');im2bw(F)imshow(F)实验二图像直方图与灰度变换下面给出灰度变化的MATLAB程序f=imread('medicine_pic.jpg');g=imhist(f,256); %显示其直方图g1=imadjust(f,[0 1],[1 0]);%灰度转换，实现明暗转换(负片图像) figure,imshow(g1)g2=imadjust(f,[0.5 0.75],[0 1]);%将0.5到0.75的灰度级扩展到范围[0 1] figure,imshow(g2)g=imread('point.jpg');h=log(1+double(g));%对输入图像对数映射变换h=mat2gray(h); %将矩阵h转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figure,imshow(h)下面给出直方图均衡化增强图像对比度的MATLAB程序：I=imread(‘pollen.jpg); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理Imshow(I); %显示原图像Title(‘原图像’); %给原图像加标题名Figure；imshow(J); %显示直方图均衡化后的图像Title(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名Figure; subplot(1,2,1) ;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图Imhist(I,64); %将原图像直方图显示为64级灰度Title(‘原图像直方图’) ; %给原图像直方图加标题名Subplot(1,2,2); %作第2幅子图Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度Title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名1、利用自己编写的灰度直方图计算程序计算rice.tif图像的直方图，并与系统自带的计算程序进行对比。
数字图像处理MATLAB程序
数字图象处理MATLAB程序数字图象处理是指对数字图象进行各种操作和处理，以改善图象的质量、增强图象的特征、提取图象的信息等。
MATLAB是一种强大的数值计算和数据可视化软件，也是数字图象处理领域常用的工具之一。
本文将介绍如何使用MATLAB编写数字图象处理程序的标准格式。
一、引言在引言部份，需要对数字图象处理的背景和意义进行简要介绍。
可以从以下几个方面进行描述：1. 数字图象处理的定义和作用；2. 数字图象处理在各个领域的应用，如医学影像、遥感图象等；3. MATLAB在数字图象处理中的重要性和优势。
二、问题描述在问题描述部份，需要明确说明本文将要解决的具体问题。
可以从以下几个方面进行描述：1. 需要进行的数字图象处理操作，如图象增强、图象滤波、图象分割等；2. 需要处理的图象的特点和要求，如图象的大小、图象的格式等；3. 需要实现的目标和效果。
三、方法与算法在方法与算法部份，需要详细介绍用于解决问题的具体方法和算法。
可以从以下几个方面进行描述：1. 图象预处理：对图象进行去噪、灰度化、尺寸调整等预处理操作；2. 图象增强：使用直方图均衡化、滤波器等方法增强图象的对照度和清晰度；3. 图象分割：使用阈值分割、边缘检测等方法将图象分割为不同的区域；4. 特征提取：提取图象的纹理特征、形状特征等；5. 图象重建：根据处理后的图象进行图象重建和修复。
四、MATLAB程序实现在MATLAB程序实现部份，需要给出具体的代码实现，并附上详细的注释。
可以从以下几个方面进行描述：1. 导入图象：使用MATLAB的图象处理工具箱中的函数导入图象；2. 图象预处理：使用MATLAB的函数对图象进行预处理；3. 图象增强：使用MATLAB的函数对图象进行增强；4. 图象分割：使用MATLAB的函数对图象进行分割；5. 特征提取：使用MATLAB的函数提取图象的特征；6. 图象重建：根据处理后的图象进行图象重建和修复。
- 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)。
摘要MATLAB全称是Matrix Laboratory（矩阵实验室），一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。
实际上MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的。
这一特点也就决定了MATLAB在处理数字图像上的独特优势。
理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。
二维图像进行均匀采样，就可以得到一幅离散化成M×N样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的了。
本文通过一些简单的图像处理实例来阐述MATLAB处理数字图像的方便功能。
关键字：MATLAB、几何变换、灰度、降噪基于MATLAB的数字图像处理0引言众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件。
如果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。
1 数字图象处理介绍1.1数字图像处理主要研究的内容数字图像处理主要研究的内容有以下几个方面：1) 图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。
因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。
2) 图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。
3) 图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。
图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。
如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立" 降质模型"，再采用某种滤波方法，恢复或重建原来的图像。
4) 图像分割图像分割是数字图像处理中的关键技术之一。
图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。
虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。
因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
5) 图像描述图像描述是图像识别和理解的必要前提。
作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。
对于特殊的纹理图像可采用二维纹理特征描述。
随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。
6) 图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。
图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
1.2 MATLAB在图像处理中的应用MATLAB6．x提供了2O类图像处理函数，涵盖了图像处理包括近期研究成果在内的几乎所有的技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。
这些函数按功能可分为图像显示、图像文件I／O、图像算术运算、几何变换、图像登记、像素值与统计、图像分析、图像增强、线性滤波、线性二元滤波设计、图像去模糊、图像变换、邻域与块处理、灰度与二值图像的形态学运算、结构元素创建与处理、基于边缘的处理、色彩映射表操作、色彩空间变换及图像类型与类型转换Maflab数字图像处理工具箱函数包括以下几类：(1)图像显示函数；(2)图像文件输入、输出函数；(3)图像几何操作函数；(4)图像像素值及统计函数；(5)图像分析函数；(6)图像增强函数；(7)线性滤波函数；(8)二维线性滤波器设计函数；(9)图像变换函数；(10)图像邻域及块操作函数；(11)二值图像操作函数；(12)基于区域的图像处理函数；(13)颜色图操作函数；(14)颜色空间转换函数；(15)图像类型和类型转换函数。
2 常用图像操作2.1 图像几何操作1）imread('图片所在地址')imread函数用于读入各种图像文件。
>> a=imread('C:\Users\WXQ\Pictures\desk_cg_98.jpg'); 2）image('图片名')image函数是MATLAB提供的最原始的图像显示函数。
>> image(a)得到图像：3）imcrop('图片名',[x起点，y起点，x宽度，y宽度]) 用imcrop()函数可剪切图像中的一个矩形子图。
>> b=imcrop(a,[600,0,800,900]);>> imshow(b);得到图像：4）imrotate('图片名','旋转角度','Method') imrotate()函数用于图像旋转。
>> c=imrotate(b,-90,'bilinear');>> imshow(c);得到图像：5）imresize('图片名' '缩放大小' 'Method')MATLAB图像处理工具箱中的函数imresize可以用上述的3种方法对图像进行插值缩放，如果不指定插值方法，则默认为最邻近插值法。
>> d=imresize(a,[90,144]);>> subplot(211);imshow(a)>> subplot(212);imshow(d)得到与原始图片的对比图像：3 二维图形的处理3.1 图像增强功能图像增强是数字图像处理过程中常用的一种方法，目的是采用一系列技术去改善图像的视觉效果或将图像转换成一种更适合于人眼观察和机器自动分析的形式。
常用的图像增强方法有灰度变换与直方图均衡化。
3.2 灰度直方图均衡化与灰度转换1）rgb2gray('RGB图像')说明：这个命令是把R.G.B色彩影像转化为灰度色彩的影像，适用于将三维数组转化为二维的数组，从而方便MATLAB处理数字图像。
2）histeq('灰度图象')均匀量化的自然图像的灰度直方图通常在低灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚。
采用直方图修整可使原图像灰度集中的区域拉开或使灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强目的。
直方图均衡化可用histeq0函数实现。
3）imhist('灰度图象')MATLAB图象处理工具箱提供了imhist函数来计算和显示图象的直方图，imhist函数的语法格式为：imhist(I,n)或imhist(X,map)其中imhist(I,n)计算和显示灰度图象I的直方图，n为指定的灰度级数目，默认值为256。
imhist(X,map)计算和显示索引色图象X的直方图，map为调色板。
4）imshow('图片名')imshow()与image()都是用来显示图片的，只是image()可以直接显示图像坐标而imshow()需要调用。
5）imadjust('图片名',[low_in high_in],[low_out high_out])如果原图象f(x,y)的灰度范围是[m，M]，我们希望调整后的图象g(x,y)的灰度范围是[n，N]，那么下述变换就可以实现这一要求。
MATLAB图象处理工具箱中提供的imadjust函数，可以实现上述的线性变换对比度增强。
说明：[low_in high_in]为原图象中要变换的灰度范围，[low_out high_out]指定了变换后的灰度范围。
3.3 程序灰度直方图均衡化与灰度转换的程序如下所示：>> a=imread('C:\Users\WXQ\Pictures\desk_cg_98.jpg');>> b=rgb2gray(a);把三维RGB像素的a图转化为二维灰度色的b图>> c=histeq(b);>> d=imadjust(b,[0.1 0.7],[]);>> figure(1);imshow(a)>>figure(2);imshow(b)；>> figure(3);imshow(c);>> figure(4);subplot(311);imhist(b); >> figure(4);subplot(312);imhist(c);>> figure(4);subplot(313);imhist(d);由直方图可以看出经过均衡化之后figure(3)比figure(2)的灰度有明显的均衡化，取值比较接近。
>> e=imadjust(a,[0.1 0.7],[]);>> figure(5);subimage(e);>> figure(6);imshow(d);经过灰度转换之后figure(6)比figure(2)的白色色调明显增多，图片整体偏明亮化。
4 数字图像去噪典型算法及matlab实现4.1 数字化图片的降噪处理图像去噪是数字图像处理中的重要环节和步骤。
去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。
图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声等。
4.2 均值滤波算法也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。