百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术资源 > 正文

Matlab图像处理的一些杂记

moboyou 2025-04-23 14:10 73 浏览

1. 图像直方图均衡

%  数字图像处理程序作业  
%  本程序能将JPG格式的彩色图像文件灰度化并进行直方图均衡  
%   
%  输入文件:PicSample.jpg      待处理图像  
%  输出文件:PicSampleGray.bmp  灰度化后图像  
%           PicEqual.bmp       均衡化后图像  
%  
%  输出图形窗口说明  
%  figure NO 1                  待处理彩色图像  
%  figure NO 2                  灰度化后图像  
%  figure NO 3                  直方图  
%  figure NO 4                  均衡化后直方图  
%  figure NO 5                  灰度变化曲线  
%  figure NO 6                  均衡化后图像  
%  1, 处理的图片名字要为 PicSample.jpg  
%  2, 程序每次运行时会先清空workspace  
%  作者: archiless lorder        

clear all  
%一,图像的预处理,读入彩色图像将其灰度化  
PS=imread('PicSample.jpg');                   %读入JPG彩色图像文件  
imshow(PS)                                    %显示出来 figure NO1
title('输入的彩色JPG图像')  
imwrite(rgb2gray(PS),'PicSampleGray.bmp');    %将彩色图片灰度化并保存  
PS=rgb2gray(PS);                              %灰度化后的数据存入数组  
figure,imshow(PS)                             %显示灰度化后的图像,也是均衡化前的样品figure NO 2  
title('灰度化后的图像')

%二,绘制直方图  
[m,n]=size(PS);                               %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=0:255  
GP(k+1)=length(find(PS==k))/(m*n);        %计算每级灰度出现的概率,将其存入GP中相应位置  
end  
figure,bar(0:255,GP,'g')                      %绘制直方图 figure NO 3  
title('原图像直方图')  
xlabel('灰度值')  
ylabel('出现概率')

%三,直方图均衡化  
S1=zeros(1,256);  
for i=1:256  
for j=1:i  
S1(i)=GP(j)+S1(i);                   %计算Sk  
end  
end  
S2=round(S1*256);                             %将Sk归到相近级的灰度  
for i=1:256  
GPeq(i)=sum(GP(find(S2==i)));             %计算现有每个灰度级出现的概率                     
end  
figure,bar(0:255,GPeq,'b')                    %显示均衡化后的直方图 figure NO 4  
title('均衡化后的直方图')  
xlabel('灰度值')  
ylabel('出现概率')  
figure,plot(0:255,S2,'r')                     %显示灰度变化曲线 figure NO 5  
legend('灰度变化曲线')  
xlabel('原图像灰度级')  
ylabel('均衡化后灰度级')

%四,图像均衡化  
PA=PS;  
for i=0:255  
PA(find(PS==i))=S2(i+1);                  %将各个像素归一化后的灰度值赋给这个像素  
end  
figure,imshow(PA)                             %显示均衡化后的图像 figure NO 6  
title('均衡化后图像')  
imwrite(PA,'PicEqual.bmp');

2. 图像腐蚀操作

function erode0207all(Input,thresh,element)

% 本程序能够对灰度图像先进行二值化,再进行腐蚀操作  
% 格式介绍: Input为欲处理的灰度图像;
%          thresh为自选的阈值参数进行二值化,可输入0到255之间任意整数  
%          element为进行腐蚀操作的结构单元,本程序可提供3×3、5×5、7×7等奇数方阵的结构单元,原点都在中心位置,建议用三阶或五阶方阵
%  作者: archiless lorder        
%----------------------------Begin Code------------------------------  
% 一,图像二值化处理  
[m,n]=size(Input);              % 确定原图像的长、宽  
Two=zeros(m,n);                 % 定义二值化矩阵  
Two(find(Input>=thresh))=1;     % 对原图像进行二值化处理

% 二,腐蚀操作前的预处理  
Temp=zeros(element);            % 定义3×3或5×5的结构单元  
Output=zeros(m,n);              % 定义输出矩阵  
s=m+1-element;                  % s、t为循环长度  
t=n+1-element;  
Length=element-1;               % Length和Radius的含义在循环中介绍  
Radius=Length/2;  
square=element*element;         % 两个结构单元中元素的总和,即 9 、25 、49…………

% 三,进行腐蚀操作  
for i=1:s  
for j=1:t  
Temp=Two(i:i+Length,j:j+Length);   % 从二值化图像中依次取出三阶或五阶方阵  
if sum(Temp(:))==square            % 判断方阵中元素总和为 9 或 25 时  
Output(i+Radius,j+Radius)=1;   %方阵中心元素在输出矩阵中相应位置上的值为1  
end  
end  
end

% 四,输出处理前后的图像  
figure,subplot(221),imshow(Input),title('原图像');  
subplot(222),imshow(Two),title('二值化后的图像');  
subplot(223),imshow(Output),title('腐蚀后的图像');  
%--------------------------------End Code--------------------------------

3. 拉普拉斯算子边缘检测

function PicOut=Lap_edge(PicInput,thresh)

% 本程序能够将BMP格式的黑白灰度图像用拉普拉斯算子进行边缘检测  
% 生物图像处理作业2  
% 格式为 a=Lap_edge(PicInput,thresh) 或者嵌套为 Lap_edge(imread('rice.tif'),15)  
% thresh参数可自选,对于rice.tif这张图来说最合适的值大约为14到18  
% 使用例子:PicInput=imread('rice.tif');  
%          a=Lap_edge(PicInput,15);  
% 作者: archiless lorder          
%---------------- BEGIN CODE ----------------
% 一,原图像预处理,读入黑白图片并确定长和宽  
[m,n]=size(PicInput);                            %确定图片的长和宽

% 二,拉普拉斯变换预处理,定义镜框矩阵和输出矩阵  
r=m+2;                                           %把图片的长和宽各加2  
c=n+2;  
PicFrame=zeros(r,c);                             %定义二维数组"PicFrame",长、宽比"Input"各多2,成为镜框的尺寸  
b=zeros(m,n);                                    %定义滤波后的数组

% 三,拉普拉斯运算的三个矩阵  
Temp=zeros(3);                                   %定义三阶方阵"Temp",为临时矩阵  
op=[0 -1 0;-1 4 -1;0 -1 0];                      %定义拉普拉斯算子  
Result=zeros(3);                                 %定义三阶方阵"Result",为运算结果矩阵

% 四,原图像矩阵处理,做一个"像框"                                     
PicFrame(2:m+1,2:n+1)=PicInput;  %把原图的矩阵放到新的矩阵"PicFrame"中心,它的第一行、最后一行、第一列、
%最后一列都是"0",即原图矩阵周围有一圈"0"的边缘,好像给图像加一个像框  
PicFrame(1,:)=PicFrame(2,:);     %把第二行的值赋给第一行  
PicFrame(r,:)=PicFrame(r-1,:);   %把倒数第二行的值赋给最后一行  
PicFrame(:,1)=PicFrame(:,2);     %把第二列的值赋给第一列  
PicFrame(:,c)=PicFrame(:,c-1);   %把倒数第二列的值赋给最后一列

% 五,用拉普拉斯算子进行滤波  
for i=1:m  
for j=1:n  
Temp=PicFrame(i:i+2,j:j+2);  %从"PicFrame"矩阵中依次取出三阶方阵,赋值给临时矩阵"Temp"  
Result=Temp.*op;             %临时矩阵与拉普拉斯算子"点乘",赋值给结果矩阵"Result"  
b(i,j)=sum(sum(Result));    
%结果矩阵中"十"字线上元素相加,赋值给输出矩阵中相应的位置,  
%即临时矩阵中心元素所对应的位  
end  
end

% 六,设定阈值,将图像二值化  
% thresh=1.618*mean2(abs(b))    可用黄金分割的比例选阈值优点是边缘清晰                                               
e=repmat(logical(uint8(0)),m,n);        %创建数组  
e(find(b>thresh))=1;                    %阈值判断二值化  
PicOut=e;                               %函数输出  
figure,subplot(1,2,1),imshow(PicInput); %显示原图片  
title('原图像');  
subplot(1,2,2),imshow(e);               %显示拉普拉斯边缘检测后的图片  
title('自编函数边缘检测后的图像');  
%----------------END OF CODE ----------------

4. 图像开操作

function open0207(I,thresh,element)

% 本程序能够对灰度图像先进行二值化,再进行开操作  
% 本程序先调用腐蚀函数,再调用膨胀函数,实现开操作
% 作者: archiless lorder          
% 一,调用腐蚀函数  
[C,B]=erode0207simple(I,thresh,element);

% 二,调用膨胀函数  
F=dilate0207simple(C,1,element);

% 三,输出图像  
figure,subplot(221),imshow(I),title('原图像');  
subplot(222),imshow(B),title('二值化后的图像');  
subplot(223),imshow(F),title('开操作后的图像');

5. 图像闭操作

function close0207(I,thresh,element)

% 本程序能够对灰度图像先进行二值化,再进行闭操作  
% 本程序先调用膨胀函数,再调用腐蚀函数,实现闭操作
% 作者: archiless lorder          
% 一,调用膨胀函数  
[F,E]=dilate0207simple(I,thresh,element);

% 二,调用腐蚀函数  
C=erode0207simple(F,1,element);

% 三,输出图像  
figure,subplot(221),imshow(I),title('原图像');  
subplot(222),imshow(E),title('二值化后的图像');  
subplot(223),imshow(C),title('闭操作后的图像');

相关推荐

Excel技巧:SHEETSNA函数一键提取所有工作表名称批量生产目录

首先介绍一下此函数:SHEETSNAME函数用于获取工作表的名称,有三个可选参数。语法:=SHEETSNAME([参照区域],[结果方向],[工作表范围])(参照区域,可选。给出参照,只返回参照单元格...

Excel HOUR函数:“小时”提取器_excel+hour函数提取器怎么用

一、函数概述HOUR函数是Excel中用于提取时间值小时部分的日期时间函数,返回0(12:00AM)到23(11:00PM)之间的整数。该函数在时间数据分析、考勤统计、日程安排等场景中应用广泛。语...

Filter+Search信息管理不再难|多条件|模糊查找|Excel函数应用

原创版权所有介绍一个信息管理系统,要求可以实现:多条件、模糊查找,手动输入的内容能去空格。先看效果,如下图动画演示这样的一个效果要怎样实现呢?本文所用函数有Filter和Search。先用filter...

FILTER函数介绍及经典用法12:FILTER+切片器的应用

EXCEL函数技巧:FILTER经典用法12。FILTER+切片器制作筛选按钮。FILTER的函数的经典用法12是用FILTER的函数和切片器制作一个筛选按钮。像左边的原始数据,右边想要制作一...

office办公应用网站推荐_office办公软件大全

以下是针对Office办公应用(Word/Excel/PPT等)的免费学习网站推荐,涵盖官方教程、综合平台及垂直领域资源,适合不同学习需求:一、官方权威资源1.微软Office官方培训...

WPS/Excel职场办公最常用的60个函数大全(含卡片),效率翻倍!

办公最常用的60个函数大全:从入门到精通,效率翻倍!在职场中,WPS/Excel几乎是每个人都离不开的工具,而函数则是其灵魂。掌握常用的函数,不仅能大幅提升工作效率,还能让你在数据处理、报表分析、自动...

收藏|查找神器Xlookup全集|一篇就够|Excel函数|图解教程

原创版权所有全程图解,方便阅读,内容比较多,请先收藏!Xlookup是Vlookup的升级函数,解决了Vlookup的所有缺点,可以完全取代Vlookup,学完本文后你将可以应对所有的查找难题,内容...

批量查询快递总耗时?用Excel这个公式,自动计算揽收到签收天数

批量查询快递总耗时?用Excel这个公式,自动计算揽收到签收天数在电商运营、物流对账等工作中,经常需要统计快递“揽收到签收”的耗时——比如判断某快递公司是否符合“3天内送达”的服务承...

Excel函数公式教程(490个实例详解)

Excel函数公式教程(490个实例详解)管理层的财务人员为什么那么厉害?就是因为他们精通excel技能!财务人员在日常工作中,经常会用到Excel财务函数公式,比如财务报表分析、工资核算、库存管理等...

Excel(WPS表格)Tocol函数应用技巧案例解读,建议收藏备用!

工作中,经常需要从多个单元格区域中提取唯一值,如体育赛事报名信息中提取唯一的参赛者信息等,此时如果复制粘贴然后去重,效率就会很低。如果能合理利用Tocol函数,将会极大地提高工作效率。一、功能及语法结...

Excel中的SCAN函数公式,把计算过程理清,你就会了

Excel新版本里面,除了出现非常好用的xlookup,Filter公式之外,还更新一批自定义函数,可以像写代码一样写公式其中SCAN函数公式,也非常强大,它是一个循环函数,今天来了解这个函数公式的计...

Excel(WPS表格)中多列去重就用Tocol+Unique组合函数,简单高效

在数据的分析和处理中,“去重”一直是绕不开的话题,如果单列去重,可以使用Unique函数完成,如果多列去重,如下图:从数据信息中可以看到,每位参赛者参加了多项运动,如果想知道去重后的参赛者有多少人,该...

Excel(WPS表格)函数Groupby,聚合统计,快速提高效率!

在前期的内容中,我们讲了很多的统计函数,如Sum系列、Average系列、Count系列、Rank系列等等……但如果用一个函数实现类似数据透视表的功能,就必须用Groupby函数,按指定字段进行聚合汇...

Excel新版本,IFS函数公式,太强大了!

我们举一个工作实例,现在需要计算业务员的奖励数据,右边是公司的奖励标准:在新版本的函数公式出来之前,我们需要使用IF函数公式来解决1、IF函数公式IF函数公式由三个参数组成,IF(判断条件,对的时候返...

Excel不用函数公式数据透视表,1秒完成多列项目汇总统计

如何将这里的多组数据进行汇总统计?每组数据当中一列是不同菜品,另一列就是该菜品的销售数量。如何进行汇总统计得到所有的菜品销售数量的求和、技术、平均、最大、最小值等数据?不用函数公式和数据透视表,一秒就...