數(shù)學(xué)建模之Matlab圖像處理

Matlab數(shù)字圖像處理/1、圖像的讀取和顯示/2、圖像的點運算/4、空間域圖像增強/5、頻率域圖像增強/6、彩色圖像處理/7、形態(tài)學(xué)圖像處理/8、圖像分割/9、特征提取內(nèi)容安排/3、圖像的幾何變換/1、圖像的讀取和顯示一、圖像的讀取A=imread(FILENAME,FMT)FILENAME指定圖像文件的完整路徑和文件名。如果在work工作目錄下只需提供文件名。FMT為圖像文件的格式對應(yīng)的標(biāo)準擴展名。I_1=imread('D:\10.06.08nir\TTC10377.BMP');%讀入圖像二、圖像的寫入imwrite(A，F(xiàn)ILENAME,FMT)FILENAME參數(shù)指定文件名。FMT為保存文件采用的格式。imwrite(I6,'nirdilatedisk2TTC10373.bmp');/1、圖像的讀取和顯示三、圖像的顯示imshow(I,[lowhigh])I為要顯示的圖像矩陣。[lowhigh]為指定顯示灰度圖像的灰度范圍。高于high的像素被顯示成白色；低于low的像素被顯示成黑色；介于High和low之間的像素被按比例拉伸后顯示為各種等級的灰色。

figure；imshow(I6);title('TheMainPassPartofTTC10373');figure；%創(chuàng)建一個新的窗口figure；subplot（m,n,p）；imshow（I）；Subplot(m,n,p)含義為：打開一個有m行n列圖像位置的窗口，并將焦點位于第p個位置上。/1、圖像的讀取和顯示四、圖像的格式轉(zhuǎn)換im2bw(I,LEVEL);rgb2gray;從RGB圖創(chuàng)建灰度圖，存儲類型不變。im2uint8將圖像轉(zhuǎn)換成uint8類型閾值法從灰度圖、RGB圖創(chuàng)建二值圖。LEVEL為指定的閾值；（0,1）。im2double將圖像轉(zhuǎn)換成double類型/2、圖像的點運算灰度直方圖描述了一副圖像的灰度級統(tǒng)計信息，主要應(yīng)用于圖像分割和圖像灰度變換等處理過程中。從數(shù)學(xué)角度來說，圖像直方圖描述圖像各個灰度級的統(tǒng)計特性，它是圖像灰度值的函數(shù)，統(tǒng)計一幅圖像中各個灰度級出現(xiàn)的次數(shù)或概率。歸一化直方圖可以直接反映不同灰度級出現(xiàn)的比率。橫坐標(biāo)為圖像中各個像素點的灰度級別，縱坐標(biāo)表示具有各個灰度級別的像素在圖像中出現(xiàn)的次數(shù)或概率。imhist(I);%灰度直方圖I=imread(‘red.bmp’);%讀入圖像

figure;%打開新窗口[M,N]=size(I);%計算圖像大小[counts,x]=imhist(I,32);%計算有32個小區(qū)間的灰度直方圖counts=counts/M/N;%計算歸一化灰度直方圖各區(qū)間的值stem(x,counts);%繪制歸一化直方圖一、圖像直方圖圖像直方圖歸一化/2、圖像的點運算二、灰度的線性變換Fa>1時，輸出圖像的對比度將增大；Fa<1時，輸出圖像對比度將減小。Fa=1且Fb非零時，所有像素的灰度值上移或下移，使整個圖像更暗或更亮。Fa<0，暗區(qū)變亮，亮區(qū)變暗。/2、圖像的點運算三、灰度的對數(shù)變換c為尺度比例常數(shù)，s為源灰度值，t為變換后的目標(biāo)灰度值。k為常數(shù)?；叶鹊膶?shù)變換可以增強一幅圖像中較暗部分的細節(jié)，可用來擴展被壓縮的高值圖像中的較暗像素。廣泛應(yīng)用于頻譜圖像的顯示中。Warning：log函數(shù)會對輸入圖像矩陣s中的每個元素進行操作，但僅能處理double類型的矩陣。而從圖像文件中得到的圖像矩陣大多是uint8類型的，故需先進行im2double數(shù)據(jù)類型轉(zhuǎn)換。I=imread('nir.bmp');%讀入圖像F=fft2(im2double(I));%FFTF=fftshift(F);%FFT頻譜平移F=abs(F);T=log(F+1);%頻譜對數(shù)變換figure;imshow(F,[]);title('未經(jīng)變換的頻譜');figure;imshow(T,[]);title('對數(shù)變換后');/2、圖像的點運算三、灰度的Gamma變換其中，x、y的取值范圍為[0,1]。esp為補償系數(shù)，r則為Gamma系數(shù)。Gamma變換是根據(jù)r的不同取值選擇性的增強低灰度區(qū)域的對比度或者高灰度區(qū)域的對比度。J=imadjust(I,[low_inhigh_in],[low_outhigh_out],gamma)I=imread('nir.bmp');figure;imshow(imadjust(I,[],[],0.75));%gamma=0.5title('Gamma0.5');原NIR圖像Gamma0.5四、灰度閾值變換及二值化Gamma1.5T為指定閾值BW=im2bw(I,level);%level為人工設(shè)定閾值范圍為[0,1]thresh=graythresh(I);%自動設(shè)定所需的最優(yōu)化閾值OTSU算法：最大類間方差法自動單閾值分割。Kapur算法：一維直方圖熵閾值算法niblack算法：局部閾值分割閾值的計算公式是T=m+k*v，其中m為以該像素點為中心的區(qū)域的平均灰度值，v是該區(qū)域的標(biāo)準差，k是一個系數(shù)。kittlerMet:表示kittler最小分類錯誤(minimumerrorthresholding)全局二值化算法。

原圖像直接閾值分割0.25自動閾值分割OTSU算法分割KittlerMet算法Niblack算法Kapur算法/2、圖像的點運算五、直方圖均衡化[J,T]=histeq(I);%J為輸出圖像，T為變換矩陣圖像易受光照、視角、方位、噪聲等的影響。使得同一類圖像的不同變形體之間的差距有時大于該類圖像與另一類圖像之間的差距，影響圖像識別、分類。圖像歸一化就是將圖像轉(zhuǎn)換到唯一的標(biāo)準形式以抵抗各種變換，從而消除同類圖像不同變形體之間的外觀差異。也稱為圖像灰度歸一化。原圖像及直方圖圖像變亮后灰度均衡化圖像變暗后灰度均衡化/3、圖像的幾何變換一、圖像平移正變換逆變換strel%用來創(chuàng)建形態(tài)學(xué)結(jié)構(gòu)元素translate(SE,[yx])%原結(jié)構(gòu)元素SE上y和x方向平移imdilate%形態(tài)學(xué)膨脹/3、圖像的幾何變換I=imread('nir.bmp');se=translate(strel(1),[180190]);B=imdilate(I,se);figure;subplot(1,2,1),subimage(I);title('原圖像');subplot(1,2,2),subimage(B);title('平移后圖像');/3、圖像的幾何變換二、圖像鏡像B=imtransform(A,TFORM,method);TFORM=makeform(transformtype,Matrix);%空間變換結(jié)構(gòu)Method合法值含義‘bicubic’雙三次插值‘bilinear’雙線性插值‘nearest’最近鄰插值參數(shù)transformtype指定了變換的類型，常見的’affine’為二維或多維仿射變換，包括平移、旋轉(zhuǎn)、比例、拉伸和錯切等。Matrix為相應(yīng)的仿射變換矩陣。A=imread('nir.bmp');[height,width,dim]=size(A);tform=maketform('affine',[-100;010;width01]);B=imtransform(A,tform,'nearest');tform2=maketform('affine',[100;0-10;0height1]);C=imtransform(A,tform2,'nearest');figure;imshow(A);figure;imshow(B);imwrite(B,'nir水平鏡像.bmp');figure;imshow(C);imwrite(B,'nir垂直鏡像.bmp');原圖像水平鏡像圖像垂直鏡像圖像A=imread('nir.bmp');tform=maketform('affine',[010;100;001]);B=imtransform(A,tform,'nearest');figure;imshow(A);figure;imshow(B);imwrite(B,'nir轉(zhuǎn)置后圖像.bmp');/3、圖像的幾何變換三、圖像轉(zhuǎn)置/3、圖像的幾何變換四、圖像中心旋轉(zhuǎn)B=imrotate(A,angle,method,’crop’);angle為旋轉(zhuǎn)角度，正值為逆時針旋轉(zhuǎn)。可選參數(shù)method為imrotate函數(shù)指定插值方法?！甤rop’選項會裁減旋轉(zhuǎn)后增大的圖像，保持和原圖像同樣大小。

A=imread('nir.bmp');B=imrotate(A,30,'nearest','crop');figure;imshow(B);imwrite(B,'逆時針中心旋轉(zhuǎn)30度.bmp');逆時針30度/4、空間域圖像增強一、噪聲添加h=imnoise(I,type,parameters);type為噪聲類型，合法值如下：‘gaussian’高斯白噪聲：幅度為高斯分布，功率譜均勻分布‘salt&pepper’黑點如胡椒，白點如鹽粒。由圖像傳感器、傳輸信道、解碼處理、圖像切割等產(chǎn)生的黑白相間的亮暗點噪聲。添加高斯白噪聲添加椒鹽噪聲/4、空間域圖像增強二、空間域濾波濾波過程就是在圖像f(x,y)中逐點移動模板，使模板中心和點(x,y)重合，濾波器在每一點(x,y)的響應(yīng)是根據(jù)模板的具體內(nèi)容并通過預(yù)先定義的關(guān)系來計算的。W(-1,-1)W(-1,0)W(-1,1)W(0,-1)W(0,0)W(0,1)W(1,-1)W(1,0)W(1,1)f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)B=imfilter(f,w,option1,option2,…);f為要進行濾波操作的圖像。w為濾波操作使用的模板，為一個二維數(shù)組，可自己定義。option1……是可選項，包括：1、邊界選項（’symmetric’、’replicate’、’circular’）2、尺寸選項（’same’、’full’）3、模式選項（’corr’、’conv’）原圖像濾波后圖像三、濾波器設(shè)計/4、空間域圖像增強h=fspecial(type,parameters)合法取值功能‘a(chǎn)verage’平均模板‘disk’圓形領(lǐng)域的平均模板‘gaussian’高斯模板‘laplacian’拉普拉斯模板‘log’高斯-拉普拉斯模板‘prewitt’Prewitt水平邊緣檢測算子‘sobel’Sobel水平邊緣檢測算子parameters為可選項，是和所選定的濾波器類型type相關(guān)的配置參數(shù)，如尺寸和標(biāo)準差等。type為濾波器的類型。其合法值如下：/4、空間域圖像增強四、中值濾波h=medfilt2(I1,[m,n]);m和n為中值濾波處理的模板大小，默認3*3中值濾波本質(zhì)上是一種統(tǒng)計排序濾波器。中值不同于均值，是指排序隊列中位于中間位置的元素的值。中值濾波并非線性濾波器。對于某些類型的隨機噪聲具有非常理想的降噪能力。典型的應(yīng)用就是消除椒鹽噪聲。/4、空間域圖像增強五、圖像銳化圖像銳化主要用于增強圖像的灰度跳變部分，主要通過運算導(dǎo)數(shù)（梯度）或有限差分來實現(xiàn)。主要方法有：Robert交叉梯度，Sobel梯度，拉普拉斯算子，高提升濾波，高斯-拉普拉斯變換。Robert交叉梯度w1對接近正45°邊緣有較強響應(yīng)，w2對接近負45°邊緣有較強響應(yīng)。Sobel交叉梯度對水平邊緣有較大響應(yīng)對垂直邊緣有較大響應(yīng)拉普拉斯算子I=imread('nir.bmp');I=double(I);%雙精度化w1=[-10;01];w2=[0-1;10];G1=imfilter(I,w1,‘corr’,‘replicate’);%正45°梯度G2=imfilter(I,w2,‘corr’,‘replicate’);%負45°梯度G=abs(G1)+abs(G2);%計算Robert梯度figure;imshow(G,[]);figure;imshow(abs(G1),[]);figure;imshow(abs(G2),[]);Robert交叉梯度I=imread('nir.bmp');Id=double(I);%雙精度化h_1=fspecial('log',5,0.5);%大小為5，sigma=0.5的LOG算子I_1=imfilter(Id,h_1,'corr','replicate');figure;imshow(uint8(abs(I_1)),[]);h_2=fspecial('log',5,2);%大小為5，sigma=2的LOG算子I_2=imfilter(Id,h_2,'corr','replicate');figure;imshow(uint8(abs(I_2)),[]);高斯-拉普拉斯銳化/5、頻率域圖像增強用傅里葉變換表示的函數(shù)特征可以完全通過傅里葉反變換進行重建而不丟失任何信息吉布斯現(xiàn)象Gibbsphenomenon（又叫吉布斯效應(yīng)）：將具有不連續(xù)點的周期函數(shù)（如矩形脈沖)進行傅立葉級數(shù)展開后，選取有限項進行合成。當(dāng)選取的項數(shù)越多，在所合成的波形中出現(xiàn)的峰起越靠近原信號的不連續(xù)點。當(dāng)選取的項數(shù)很大時，該峰起值趨于一個常數(shù)，大約等于總跳變值的9%。這種現(xiàn)象稱為吉布斯現(xiàn)象。幅度譜相位譜功率譜一、傅里葉變換/5、頻率域圖像增強I=fft2(x);%快速傅里葉變換I=fft2(x,m,n);x為輸入圖像；m和n分別用于將x的第一和第二維規(guī)整到指定的長度。當(dāng)m和n均為2的整數(shù)次冪時算法的執(zhí)行速度要比m和n均為素數(shù)時快。I1=abs(I);%計算I的幅度譜I2=angle(I);%計算I的相位譜Y=fftshift(I);%頻譜平移I=ifft2(x);%快速傅里葉逆變換I=ifft2(x,m,n);幅度譜相位譜平移后的相位譜functionout=imidealflpf(I,freq)%imidealflpf函數(shù)構(gòu)造高斯頻域低通濾波器[M,N]=size(I);out=ones(M,N);fori=1:Mforj=1:Nif(sqrt(((i-M/2)^2+(j-N/2)^2))>freq)out(i,j)=0;endendend理想低通functionout=imgaussflpf(I,sigma)%imgaussflpf函數(shù)構(gòu)造高斯頻域低通濾波器[M,N]=size(I);out=ones(M,N);fori=1:Mforj=1:Nout(i,j)=exp(-((i-M/2)^2+(j-N/2)^2)/2/sigma^2);endend高斯低通/6、彩色圖像處理色彩模型：RGB模型、CMY模型、CMYK模型、HIS模型、HSV模型、YUV模型、YIQ模型。RGB模型國際照明委員會（CIE）規(guī)定以藍（435.8nm）、綠（546.1nm）和紅（700nm）作為主原色。RGB_image=cat(3,PR,PG,PB);%將PR、PG、PB三個矩陣在第3個維度上進行級聯(lián)，進行圖像合成PR=RGB_image(:,:,1);%提取紅色分量PG=RGB_image(:,:,2);%提取綠色分量PB=RGB_image(:,:,3);%提取藍色分量Matlab中一幅RGB圖像可表示為一個M*N*3的3維矩陣。其中每一個彩色像素都在特定空間位置的彩色圖像中對應(yīng)紅、綠、藍3個分量。CMY模型CMY模型是采用（Cyan、Magenta、Yellow）青、品紅、黃色3中基本原色按一定比例合成顏色。由于色彩的顯示是由光線被物體吸收掉一部分之后反射回來的剩余光線產(chǎn)生，故CMY模型又稱為減色法混色模型。當(dāng)光都被吸收時成為黑色，都被反射時為白色。CMY模型主要用于彩色打印機和復(fù)印機等。CMYK模型CMY模型在實際使用中，青、品紅和黃