基于Matlab基本图像处理程序

图像读入从图形文件中读入图像imreadSyntax:A=imread(filename,fmt)filename：指定的灰度或彩色图像文件的完整路径和文件名。fmt:指定图形文件的格式所对应的标准扩展名。如果imread没有找到filename所制定的文件,会尝试查找一个名为filename.fmt的文件。A：包含图像矩阵的矩阵。对于灰度图像,它是一个M行N列的矩阵。如果文件包含RGB真彩图像,则是m*n*3的矩阵。对于索引图像，格式[X,map]=imread(filename,fmt)X：图像数据矩阵。MAP：颜色索引表图像的显示imshow函数：显示工作区或图像文件中的图像Syntax：imshow(I)%I是要现实的灰度图像矩阵imshow(I,[lowhigh]，param1,val1,param2,val2,...)%I是要现实的灰度图像矩阵，指定要显示的灰度范围，后面的参数指定显示图像的特定参数imshow(RGB)imshow(BW)imshow(X,map)%map颜色索引表imshow(filename)himage=imshow(...)操作：读取并显示图像I=imread('C:\Users\fanjinfei\Desktop\baby.bmp');%读取图像数据imshow(I);%显示原图像图像增强一．图像的全局描述直方图（Histogram）：是一种对数据分布情况的图形表示，是一种\o"二维"二维\o"统计图表"统计图表，它的两个坐标分别是\o"统计样本（页面不存在）"统计样本和该样本对应的某个属性的度量。图像直方图（ImageHistogram）：是表示\o"数字图像"数字图像中亮度分布的直方图，用来描述图象灰度值，标绘了图像中每个亮度值的\o"像素"像素数。灰度直方图：是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。描述了一幅图像的灰度级统计信息。是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。归一化直方图：直接反应不同灰度级出现的比率。纵坐标表示具有各个灰度级别的像素在图像中出现的概率。图像的灰度直方图：是一个离散函数，表示图像每一灰度级与该灰度级出现概率的对应关系。图像的灰度直方图运算：

imhist()函数，其横坐标表示像素的灰度级别，纵坐标为像素点的个数。Imhist函数=Displayhistogramofimagedata显示灰度直方图的函数Syntax：imhist(I)%I为要计算的灰度直方图图像imhist(I,n)%n指定的灰度级的数目，表示所有灰度级均匀分布在n个小区间内。imhist(X,map)[counts,x]=imhist(...)%counts直方图数据向量。counts(i)第i个灰度区间中的像素数目。x是保存了对应的灰度小区间的向量。注意：若调用时不接受这个函数的返回值，则直接显示直方图；在得这些返回数据之后，也可以使用stem(x,counts)手绘直方图。例1：显示某一图像的灰度直方图%noise_sig_truth=20;%sigma_nusedinthepaper.Thisparameterisadjustedbytheuser.noise_mu=0;noise=randn(size(I)).*theta_noise+noise_mu;Inoise=double(I)+noise;figure;imshow(Inoise,[]);%显示带噪图像%小波滤波器选择这个是调用滤波器函数，但是仿真出错qmf=MakeONFilter('Daubechies',8);%Daubechies8小波(可设为其他小波)-----------------L=5;%分解层数=log2(n)-L[InoiseNorm,coef]=NormNoise2(Inoise,qmf);%归一化,这个一直出现问题是怎么回事?wc=FWT2_PO(InoiseNorm,L,qmf);%这个也没有%--------------------------VisuShrink方法-----------------------------------------%wc=MultiVisu2(wc,L);%---------------------------------------------------------------------------------%--------------------------SUREShrink方法-----------------------------------------wc=MultiSURE2(wc,L);图像去噪canny边缘检测I=imread('lena.bmp');%读灰度图lena.bmp%Cannyedgedetectorth=[0.050.2];E=edge(I,'canny',th);E=uint8(255*(1-double(E)));figure('name','canny'),imshow(uint8(E),'truesize');sobel边缘检测I=imread('lena.bmp');%读灰度图lena.bmp%sobeledgedetectorE=edge(I,'sobel',0.08);E=uint8(255*(1-double(E)));figure('name','canny'),imshow(uint8(E),'truesize');练习：%读取原始图像I=imread('C:\Users\fanjinfei\Desktop\picture.png');%读取图像数据n=length(I);figure;imshow(I),title('原图')%显示原图像%缩小图像J=imresize(I,0.5);%将图像缩小至0.5倍figure;imshow(J),title('0.5倍图')%显示缩小后的图像%显示尺寸[mrows,mcols]=size(I)%查看原始的尺寸大小[mrows,mcols]=size(J)%查看缩放图像的尺寸大小%放大图像K=imresize(I,1.5);%将图像放大1.5倍figure;imshow(K),title('1.5倍图')%显示放大后的图像%设置尺寸M=imresize(I,[250,600]);%设置图像的尺寸大小figure;imshow(M),title('250*600图')%逆时针旋转图像I45=imrotate(I,45);%对图像逆时针旋转45度figure;imshow(I45),title('逆时针45度')%显示逆时针旋转后的图像%逆时针旋转图像I45=imrotate(I,-45);figure;imshow(I45),title('顺时针45度')%对图像逆时针旋转180度，即反转IR=imrotate(i,180);figure;imshow(iR),title('反转')%裁剪图像，读入图像文件，然后调用命令，进入裁剪阶段。【没完成】I=imread('C:\Users\fanjinfei\Desktop\picture.png');%读取图像数据n=length(I);figure;imshow(I),title('原图')%显示原图像I_crop=imcrop(I)%会显示进入裁剪界面Imshow(I_crop),title('裁剪后')%显示裁剪的图像图像的灰度变换I=imread('C:\Users\fanjinfei\Desktop\picture.png');%读取图像数据figure;imshow(I),title('原图')%显示原图像imhist(I)图像去雾closeall

clc

rgb=imread('imageprocessing\fog\fog.jpg');

%对饱和度与亮度进行histeq处理

hsv=rgb2hsv(rgb);

h=hsv(:,:,1);

s=hsv(:,:,2);

v=hsv(:,:,3);

S=histeq(s);

V=histeq(v);

result_hsv=hsv2rgb(h,S,V);

%对RGB每个通道进行histeq处理

r=rgb(:,:,1);

g=rgb(:,:,2);

b=rgb(:,:,3);

R=histeq(r);

G=histeq(g);

B=histeq(b);

result_rgb=cat(3,R,G,B);

%对YCbCr的亮度进行histeq处理

ycbcr=rgb2ycbcr(rgb);

y=ycbcr(:,:,1);

cb=ycbcr(:,:,2);

cr=ycbcr(:,:,3);

Y=histeq(y);

result_ycbcr=ycbcr2rgb(cat(3,Y,cb