用matlab进行图像处理（matlab图像处理）

1.图片的读取（下左）

I=imread(可爱猫咪.jpg);%图像读取   
    
    
，这里内为路径\名称,如：E:\examples\可爱猫咪.jpg figure,imshow(I);%图像显示 title(原图)

2.转为灰度图像（上右）

I_gray=rgb2gray(I); figure,imshow(I_gray); title(灰度图像)

查看是否是灰度图像的一个方法：

disp(输出字符串)%输出字符串；

ndims（）%输出矩阵维度


     


     


 ，这里灰度图像或二值图像矩阵维度都为2 




 




 ，彩色图像为3   
    
    
。所以无法判断是灰度图像还是二值图像


     


     


 。之前matlab有函数isgray()   

   

   

，现在被移除了

     

     

，就用如下办法将就吧 




 




 。

imwrite(I,I_gray.jpg)%将I保存为名为I_gray的.jpg图像.

if(ndims(I)==2) disp(是灰度图); imwrite(I,I_gray.jpg) else disp(不是灰度图) Ig=rgb2gray(I);%转为灰度图Ig imwrite(Ig,I_gray.jpg) end

 3.线性扩展

a=0.6; b=1; c=0.5; d=0.8;  J=imadjust(I,[a;b],[c;d]); subplot(1,2,1);%画布1行2列
  




  




  ，放在第一个 imshow(J); title(线性扩展);

4.非线性扩展

C=1.5; K=C*log(1+((double(I))/255));%图像归一化处理 subplot(1,2,2);%画布1行2列  


  


  

，放在第二个 imshow(K); title(非线性扩展);

 5.二值化

N1=im2bw(I,0.4); N2=im2bw(I,0.7); subplot(1,2,1); imshow(N1); subplot(1,2,2); imshow(N2);

6.缩放

a=imresize(I,1.5);%按比例放大到1.5倍 b=imresize(I,[420,384]);%非比例 c=imresize(I,0.7);%按比例缩小到0.7倍 d=imresize(I,[150,80]); subplot(2,2,1); imshow(a); title(a); subplot(2,2,2); imshow(b); title(b); subplot(2,2,3); imshow(c); title(c); subplot(2,2,4); imshow(d); title(d);

 （噢 
     
     
，猫猫~）

 7.旋转

K=imrotate(I,45); subplot(1,2,1); imshow(K); title(旋转45度); L=imrotate(I,180); subplot(1,2,2); imshow(L); title(旋转180度);

 8.线检测

此处代码为检测水平方向的线

   




   




  ，可根据注释模板替换检测垂直等方向的线

I=im2bw(I,0.7);%此处应先将图像二值化或转为灰度图像 w=[-1 -1 -1; 2 2 2; -1 -1 -1];%水平 % w=[-1 -1 2; -1 2 -1; 2 -1 -1];%垂直 % w=[-1 2 -1; -1 2 -1; -1 2 -1];%45度 % w=[2 -1 -1; -1 2 -1; -1 -1 2];%-45度 g=imfilter(double(I), w); figure,subplot(2,3,1); imshow(g,{}) % 滤波后图像 title(水平-滤波) g=abs(g); subplot(2,3,2); imshow(g,{}) title(g=abs(g)) T=max(g(:)); g=g>=T; subplot(2,3,3); imshow(g) title(阈值为T) T=(1/3)*max(g(:)); g=g>=T; subplot(2,3,4); imshow(g) title(阈值为1/3最大值) T=(2/3)*max(g(:)); g=g>=T; subplot(2,3,5); imshow(g) title(阈值为2/3最大值)

掩模例：

9.边缘检测

        edge()函数

        如：BW = edge(I,prewitt,THRESH,DIRECTION) 表示对图像I 



 



 

，用prewitt方法；

        THRESH：规定了普鲁伊特prewitt方法的灵敏度阈值   

   

   

。边缘忽略所有不强于THRESH的边缘

     

     

。如果你没有指定THRESH            ，或者THRESH为空


    




    




  ， edge 会自动选择这个值
  




  




  。

         DIRECTION：寻找 "水平horizontal "或 "垂直 vertical"边缘











，或 "两者"（默认）  


  


  

。

测试三种method             ，Canny,Prewitt,Sobel

I_gray=rgb2gray(I);%此处应先将图像二值化或转为灰度图像 a=edge(I_gray,Canny); b= edge(I_gray,Prewitt); c=edge(I_gray,Sobel); subplot(1,3,1); imshow(a); title(Canny); subplot(1,3,2); imshow(b); title(Prewitt); subplot(1,3,3); imshow(c); title(Sobel);

测试不同方向和不同阈值:

A=edge(I_gray,Prewitt,0.02,horizontal); B=edge(I_gray,Prewitt,0.15,horizontal); C=edge(I_gray,Prewitt,0.02,vertical); D=edge(I_gray,Prewitt,0.1,vertical); subplot(2,2,1); imshow(A); subplot(2,2,2); imshow(B); subplot(2,2,3); imshow(C); subplot(2,2,4); imshow(D);

10.归一化直方图和累积直方图

I=imread(可爱猫咪.jpg); set(gcf, Position, [20 70 900 600], color,y); subplot(1,3,1),imshow(I),title(原图) N=50; Hist_image=imhist(img_gray,N); % 计算直方图 Hist_image=Hist_image/sum(Hist_image); % 计算归一化直方图 Hist_image_cumulation=cumsum(Hist_image); % 计算累计直方图 subplot(1,3,2),stem(0:N-1,Hist_image),title(直方图) subplot(1,4,3),stem(0:N-1,Hist_image_cumulation),title(累计直方图)

这里为二次编辑


     



     



  ，将图片裁剪为方形了 
     
     
。

set(gcf, Position, [20 70 900 600], color,y); 

设置了figure位置：起始坐标为（20 










，70 ）   
    
    
，宽度900


     


     


 ，高度600像素

   




   




  。color,y 设置了图片背景为黄色  




 




 ，默认白色 



 



 

。（r是红色   

   

   

，b是蓝色

     

     

，w白色）

11. 直方图的均衡化

I=imread(可爱猫咪.jpg); I_gray=rgb2gray(I); subplot(2,4,1),imshow(I_gray),title(原始图像) subplot(2,4,5),imhist(I_gray),title(原图像直方图) N=30; g=histeq(I_gray,N); % histeq 均衡化函数 subplot(2,4,2),imshow(g),title(直方图均衡后图像(N=30)) subplot(2,4,6),imhist(g),title(均衡化后直方图(N=30)) N=256; g=histeq(I_gray,N); % histeq 均衡化函数 subplot(2,4,3),imshow(g),title(直方图均衡后图像(N=256)) subplot(2,4,7),imhist(g),title(均衡化后直方图(N=256)) N=2048; g=histeq(I_gray,N); % histeq 均衡化函数 subplot(2,4,4),imshow(g),title(直方图均衡后图像(N=2048)) subplot(2,4,8),imhist(g),title(均衡化后直方图(N=2048))

12规定化直方图

I=imread(可爱猫咪.jpg); I_gray=rgb2gray(I); subplot(3,3,1),imshow(I_gray),title(原始图像) subplot(3,3,7),imhist(I_gray),title(原图像直方图) %幂函数变换直方图 Index=0:N-1; Hist{1}=exp(-(Index-15).^2/8); % 4 Hist{1}=Hist{1}/sum(Hist{1}); Hist_cumulation{1}=cumsum(Hist{1}); subplot(3,3,5),stem(0:N-1,Hist{1}),title(幂函数变换直方图) % log函数直方图 Index=0:N-1; Hist{2}=log(Index+20)/60; % 15 Hist{2}=Hist{2}/sum(Hist{2}); Hist_cumulation{2}=cumsum(Hist{2}); subplot(3,3,6),stem(0:N-1,Hist{2}),title(log函数变换直方图) % 规定化处理 for m=1:2 Image=I_gray; for k=1:N Temp=abs(Hist_image_cumulation(k)-Hist_cumulation{m}); [Temp1, Project{m}(k)]=min(Temp); end % 变换后直方图 for k=1:N Temp=find(Project{m}==k); if isempty(Temp) Hist_result{m}(k)=0; else Hist_result{m}(k)=sum(Hist_image(Temp)); end end subplot(3,3,m+7),stem(0:N-1,Hist_result{m}),title(变换后直方图) % 结果图 Step=256/N; for k=1:N Index=find(I_gray>=Step*(k-1)&I_gray<Step*k); Image(Index)=Project{m}(k); end subplot(3,3,m+1),imshow(Image,[]),title(变换后图像) end

持续更新......