Matlab图像处理-高级应用

Matlab图像处理郭磐

guopan@内容提要Matlab基本操作图像处理基本函数作业参考程序作业问题汇总基本图像操作函数（命令）[filename,pathname]=uigetfile(...

{'*.jpg;*.tif;*.png;*.gif','AllImageFiles';...

'*.*','AllFiles'},...

'请选择要修改的图片（可多选）',...

'MultiSelect','on');基本图像操作函数（命令）读入图像pic=imread('cameraman.bmp')对于RGB图像gray_pic=rgb2gray(pic);

对于索引图像[s,map]=imread('in.gif');[m,n]=size(s);s=ind2gray(s,map);

基本图像操作函数（命令）获取图像大小size()获取图像信息info=imfinfo('cameraman.bmp')显示图像imshow(pic,[low,high]); imshow(pic,[]);figuresubplot

基本图像操作函数（命令）判断图像是否为彩色图像rgb=imread(file);%读入图像image_size=size(rgb);if

numel(image_size)>2

A=rgb2gray(rgb);%将彩色图像转换为灰度图像elseA=rgb;end基本图像操作函数（命令）显示图像直方图imhist(pic)直方图均衡化histeq(pic)基本图像操作函数（命令）如何添加噪声采用函数imnoise来使用噪声污染一幅图像，该函数的基本语法为：g=imnoise(f,type,parameters)f为是输入图像。基本图像操作函数（命令）g=imnoise(f,'gaussian',m,var)将均值M,方差为var的高斯噪声加到图像f上，默认值为均值是0，方差是0.01的噪声。g=imnoise(f,'localvar',V)将均值为0，局部方差为V的高斯噪声添加到图像f上，其中V是与f大小相同的一个矩阵，它包含了每一个点的理想方差值。基本图像操作函数（命令）g=imnoise(f,'localvar',image_intensity,var)将均值为0的高斯噪声添加到图像f中，其中噪声的局部方差var是图像f的亮度值的函数。参量image_intensity和var是大小相同的向量，plot(image_intensity,var)绘制出噪声方差和图像亮度的函数关系。向量image_intensity必须包含范围在[0,1]内的归一化亮度值。基本图像操作函数（命令）g=imnoise(f,'salt&pepper',d)用椒盐噪声污染图像f，其中d是噪声密度（即包括噪声值的图像区域的百分比）。因此，大约有d*numel（f）个像素受到影响。默认的噪声密度为0.005。g=imnoise(f,'speckle',var)用方程g=f+n*f)将乘性噪声添加到图像f上，其中n是均值为0，方差为var的均匀分布的随机噪声，var的默认值是0.04。基本图像操作函数（命令）g=imnoise(f,'poisson')从数据中生成泊松噪声，而不是将人工的噪声添加到数据中，为了遵守泊松统计，unit8和unit16类图像的亮度必须和光子的数量相符合。当每个像素的光子数量大于65535时，就要使用双精度图像。亮度值在0到1之间变化，并且对应于光子的数量除以10e12。基本图像操作函数（命令）nargin函数输入的参数个数。nargout函数输出的参数个数。基本图像操作函数（命令）matlab的数据类型numeric：数值

double:双精度uint8:8位无符号整型char：字符

logical：逻辑

cell：单元、细胞、元胞

struct：结构基本图像操作函数（命令）matlab的数据类型基本图像操作函数（命令）生成全1阵：ones

(n)建立一个n×n的1矩阵。ones

(m,n,...,p)建立一个m×n×...×p的1矩阵。ones

(size

(A

))建立一个和矩阵A同样大小的1矩阵。生成全0阵：zeros(n)zeros(m,n,...,p)建立一个m×n×...×p的0矩阵。zeros(size(A))建立一个和矩阵A同样大小的0矩阵。二值图像处理函数1、imdilateIM2=imdilate(IM,SE)dilatesthegrayscale,binary,orpackedbinaryimageIM,returningthedilatedimage,IM2.SEisastructuringelementobject,orarrayofstructuringelementobjects,returnedbytheSTRELfunction.二值图像处理函数2、imerodeoriginalBW=imread('text.png');

se=strel('line',11,90);erodedBW=imerode(originalBW,se);figure,imshow(originalBW)figure,imshow(erodedBW)二值图像处理函数3、bwmorphBW2=bwmorph(BW1,OPERATION)BW2=bwmorph(BW1,OPERATION,N)‘bothat’'branchpoints''bridge''clean''close''diag''dilate''endpoints''erode''fill''hbreak''majority''open''remove''shrink''skel''spur''thicken''thin''tophat'二值图像处理函数4、strelse1=strel('square',11)%11-by-11squarese2=strel('line',10,45)%line,length10,angle45degreesse3=strel('disk',15)%disk,radius15se4=strel('ball',15,5)%ball,radius15,height5二值图像处理函数4、bwhitmissbw2=bwhitmiss(bw,interval)

bw=[000000

001100

011110

011110

001100

001000]interval=[0-1-1

11-1

010];

二值图像处理函数6、bwlabel对连通对象进行标注，bwlabel主要对二维二值图像中各个分离部分进行标注（多维用bwlabeln，用法类似）。L=bwlabel(BW,n)[L,num]=bwlabel(BW,n)L=bwlabel(BW,n)表示返回和BW相同大小的数组L。L中包含了连通对象的标注。参数n为4或8，分别对应4邻域和8邻域，默认值为8。[L,num]=bwlabel(BW,n)返回连通数num。Matlab程序优化思路尽量减少循环，利用:索引一行、一列或一个子矩阵，学会整体赋值，用.+.-

.*

./整体计算。把循环向量化、矩阵化。预先定义矩阵需要的大小，在循环中不断扩充矩阵的大小，非常耗时。把计算量大的、循环多的代码，写到函数中，利用Matlab的预编译特性。Matlab程序优化思路profileon开启profileoff关闭profileclear清空数据profileviewer在profiler中看结果Matlab程序优化思路ticx=

0;

for

k=

2:1000000

x(k)

=x(k-1)

+

5;

end

tocElapsedtimeis0.301528seconds.ticx=zeros(1,

1000000);fork=

2:1000000

x(k)

=x(k-1)

+

5;

end

tocElapsedtimeis0.011938seconds.作业中的GoodCode%绘制直方图

[m,n]=size(pic);%测量图像尺寸参数

G=zeros(1,256);%预创建存放灰度出现概率的向量

%计算每级灰度出现的概率，将其存入G中相应位置

fork=0:255G(k+1)=length(find(pic==k))/(m*n);end

作业中的GoodCode[dim1,dim2,dim3]=size(f);ifdim3==3f=rgb2gray(f);end作业中的GoodCode获取图像矩阵pic的最大值L=0;for

I

=1:imLength

for

j

=1:imWidth

if(pic(i,j)>L)L=pic(i,j);

end

endend

获取图像矩阵pic的最大值L=max(max(pic));或者L=max(pic(:));%统计源图像灰度等级出现的概率L=max(max(pic));p=zeros(1,L+1);fori=1:imLengthforj=1:imWidth

p(pic(i,j)+1)=p(pic(i,j)+1)+1;endendp=p/(imLength*imWidth);%绘制直方图[m,n]=size(pic);%测量图像尺寸参数G=zeros(1,256);%预创建存放灰度出现概率的向量%计算每级灰度出现的概率，将其存入G中相应位置fork=0:255

G(k+1)=length(find(pic==k))/(m*n);endGUI界面设计变量传递