MATLAB在图像处理中的应用.ppt

傅立叶变换的应用： 线性滤波器的频率响应 线性滤波器的脉冲响应的傅立叶变换给出该滤波器的频率响应。freqz2计算和显示滤波器的频率响应。 例：显示高斯滤波器的频率响应 h = fspecial(gaussian); freqz2(h) 傅立叶变换的应用： 快速卷积 两个空域函数卷积的傅立叶变换等于这两个函数傅立叶变换的乘积。 例：A = magic(3); B = ones(3); A(8,8) = 0; B(8,8) = 0; C = ifft2(fft2(A).*fft2(B)); C = C(1:5,1:5); C = real(C) 傅立叶变换的应用： 图像特征识别 例：在一幅包含文字的图像中查找字母a 1、 Read in the sample image bw = imread(text.png); 2、 Create a template for matching by extracting the letter a from the image a = bw(32:45,88:98); imshow(bw); figure, imshow(a); 7.5.3 图像的剪裁 B = imcrop(A) B = imcrop(X，map) 用户可以用鼠标选取区域，也可以在函数中定义图像的矩形区域参数 I = imread(circuit.tif); J = imcrop(I); figure,imshow(J) 上面剪切图像J也可以用：J = imcrop(I,[60 40 100 90]);其中位置矢量表示为： [xmin ymin width height]. 7.5.4 图像的一般几何变换 B = imtransform(A,TFORM,INTERP) 它根据变换结构（TFORM）变换二维图像A，变换结构TFORM是由maketform函数或cp2tform函数返回的，INTERP可以取’nearest’, ‘bilinear’(默认值)或’bicubic’ 7.5.4 图像的一般几何变换 B = imtransform(A,TFORM,INTERP) I = imread(cameraman.tif); tform = maketform(affine,[1 0 0;0.5 1 0;0 0 1]); J = imtransform(I,tform); imshow(J), figure, imshow(J) 7.6 图像的线性滤波 滤波是一种图像修正或增强技术。可以突出图像的某些特征，也可以删除另一些特征。 图像滤波的本质是一种邻域操作，输出图像的任一个像素值都是通过输入图像对应的像素邻域内的像素值利用一定的算法得到的。 图像的线性滤波就是输出图像任一个像素值都是通过输入图像对应的像素邻域内的像素值线性组合得到的。 图像的线性滤波是通过卷积来完成的。 7.6 图像的线性滤波 二维卷积函数 conv2 滤波函数 filter2 图像滤波 imfilter 预定义滤波器 fspecial 7.6.1 二维卷积函数 conv2 A =[ 17 24 1 8 15 23 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9] h = [8 1 6 3 5 7 4 9 2] C=conv2(A,h) 卷积步骤： 关于卷积核的中心，旋转卷积核180度。 滑动卷积核，将卷积核的中心位于图像矩阵的每一个元素。 将旋转后的卷积核作为权重，乘以对应的矩阵元素 求加权和 计算卷积输出(2,4) C=conv2(A,B) C=conv2(A,B，shape) A: 输入图像，B：卷积核，C：输出图像，若A大小为ma×na， B大小为mb×nb， 则C大小为（ma+mb-1）×（na+nb-1） shape指定卷积运算的范围： shape=‘full’ (the default),返回全部二维卷积结果 shape=‘same’, 返回与A同样大小的卷积中心部分 shape=‘valid’, 不考虑边界补零，返回C大小为（ma-mb+1）×（na-nb+1） 7.6.2 相关运算实现滤波：filter2 相关运算(correlation) 滑动相关核，将相关核的中心位于图像矩阵的每一个元素。 将相关核作为权重，乘以对应的矩阵元素 求加权和