matlable在图像处理中的应用.pptVIP

matlable在图像处理中的应用 * * 一.图像的灰度直方图 图像的灰度直方图（H是图像a.bmp的数据矩阵） imhist(H)：显示a的直方图 histeq(H):将图像a进行直方图均衡化 adapthisteq(H):将图像a进行直方图均衡化 imhist函数只能处理二维图像，因此处理RGB图像，需先转化成灰度图像，显示灰度直方图 H=rgb2gray(imread(kang.jpg)); subplot(3,2,1); imshow(H); title(原图); subplot(3,2,2); imhist(H); title(原图直方图); subplot(3,2,3); H1=adapthisteq(H); imshow(H1); title(adapthisteq均衡后图); * * subplot(3,2,4); imhist(H1); title(adapthisteq均衡后直方图); subplot(3,2,5); H2=histeq(H); imshow(H2); title(histeq均衡后图); subplot(3,2,6); imhist(H1); title(histeq均衡后直方图) * * 函数imadjust用于对灰度级图像进行灰度变换。该函数的一般语法格式为： g=imadjust(f,[low-in high-in],[low-out high-out],gamma) 该函数将图像f中的灰度值映射为图像g中的新值，即将low-in至high-in之间的值映射到low-out至high-out之间的值，若gamma值小于1，则映射被加权值较高（较亮）的输出值，若gamma值小于1，则映射被加权值较低（较暗）的输出值。若函数参量缺省，则gamma默认为1（线性映射）。 例：直方图的对应变化和图像对比度的变化 * * 二.频率域滤波 平滑滤波器 K=filter2(fspecial(average,3),I)/255; fspecial(average,3):用来创建3*3的均值滤波器 Fspecial(h,I):滤波函数 I：原图像矩阵 中值滤波器 K=medfilt2(I,[3,3]); Medfilt2:中值滤波器 I：原图像矩阵 [3,3]：窗宽 imfilter是多维滤波，而filter2只能二维图像滤波。 * * * * 例一：利用低通邻域平均模板进行平滑 * * 例二：中值滤波和平均滤波 * * 三.图像复原与重建 加噪与去噪 使用函数imnoise对图像添加噪声 基本语法形式如下： g=imnoise(f,type,parameters) 其中，f是输入图像 g=imnoise(f,gaussian,m,var)将均值为m,方差为var的高斯噪声添加到图像f上。 默认值是均值是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是大小与f相同的一个数组，它在每个点包含了期望的方差值。 g=imnoise(f,localvar,image-intensity,var)将均值为0的高斯噪声添加到图像f上，其中噪声的局部方差var是图像f的灰度值的函数，自变量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灰度间的函数关系。向量image-intensity必须是包含在范围[0,1]内的归一化灰度值。 g=imnoise(f,saltpepper,d)用椒盐噪声污染图像f,其中d是噪声密度，默认的噪声密度是0.05。 * * 例：对一幅图像加噪并去噪 * * 一.傅里叶变换 MATLAB函数fft,fft2,fftn实现了傅里叶变换算法,分别计算一维，二维DFT和n维DFT。函数ifft,ifft2和ifftn计算逆DFT。 使用傅里叶变换滤波时，需要对输入数据进行零填充。此时，语法变为F=fft2(f,p,q) 使用这一语法，fft2会对输入图像填充所需数目的0,以便结果函数的大小为p*q。 傅里叶谱可以使用函数abs获得：s=abs(F) 可以使用函数fftshift将变换的原点移动到频率矩形的中心。语法为Fc=fftshift(F) 与中心处亮