基于Matlab基本图像处理程序.docVIP

图像读入 从图形文件中读入图像 imread Syntax: 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,[low high]，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，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。）是表示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像素数。‘replicate’：填充虚拟边界的内容总是重复与它最近的边缘像素。 尺寸选项：由于滤波中填充了边界，有必要指定输出图像g的大小。 模式选项：滤波过程是相关还是卷积。 ‘corr’：相关 ‘conv’：卷积】 线性滤波过程 f=imread(C:\Users\fanjinfei\Desktop\baby.bmp);%读入图像 figure; imshow(f); w=[1 1 1 ;1 1 1;1 1 1;1 1 1]/9 g=imfilter(f,w,corr,replicate);%l滤波 figure; figure,imshow(g); 2.函数fspecial：为我们创建一些预定义的2维滤波器，直接供函数imfilter使用。 调用格式：h=fspecial(type,parameters) 参数： type：指定滤波器类型。如’average’：平均模版 parameters：可选项。 返回值：h为特定滤波器。 举例： h=fspecial(‘average’,hsize) %返回一个大小为hsize的平均模板滤波器。 h=fspecial(‘disk’,radius) %返回一个大小为半径为radius的圆形平均模板。 h=fspecial(‘gaussian’,hsize,sigma) %返回一个大小为hsize,标准差sigma的高斯低通滤波器。 h=fspecial(‘sobel’) %返回一个加强水平边缘竖直梯度算子。 subplot=Create axes in tiled positions建立坐标轴 Syntax：subplot(m,n,p) im2double=Convert image to double precision将图像转换成双精度 Syntax： I2 = im2double(I) RGB2 = im2double(RGB) I = im2double(BW) X2 = im2double(X,indexed) 注意： I=imread(C:\Users\fanjinfei\Desktop\picture.png);%读取图像数据 n=length(I); figure; imshow(I);%显示原图像 %产生噪声图像 theta_noise=15;%噪声方差(可设为其他值)------------------------------------------- %noise_sig_truth = 20; % sigma_n used in the paper. This parameter is adjusted by the user. noise_mu = 0; noise=randn(size(I)) .* theta_noise + noise_mu; Inoise=double(I) + noise; figure; imshow(Inoise,[]);%显示带噪图像