Matlab图像处理简易入门教程.pptVIP

2021/3/27 * D=regionprops(L,properties); L为一个标记矩阵,通过连通1区域标注函数bwlabel得到。 Properties合法值 含义 ‘Area’ 区域内像素总数 ‘BoundingBox’ 包含区域的最小矩形 ‘Centroid’ 区域的质心 ‘ConvexHull’ 包含区域的最小凸多边形 ‘EquivDiameter’ 和区域有着相同面积的圆的直径 ‘EulerNumber’ 区域中的对象数减去这些对象的孔洞数 二、主成分分析（Principal Component Analysis,PCA） [COEFF,SCORE,latent]=pincomp(X); 2021/3/27 * X为原始样本组成n*d的矩阵,其每一行是一个样本特征向量,每一列表示样本特征向量的一维。 COEFF:主成分分量,也是样本协方差矩阵的本征向量。 SCORE:主成分,X的低维表示。 latent:一个包含着样本协方差矩阵本征值的向量。 X=[1,2;3,3;3,5;4,5;5,6;6,5;8,7;9,3;7,6]; X [COEFF,SCORE,latent]=princomp(X);%主成分分析 COEFF%主成分分量 SCORE%主成分 latent%X样本协方差矩阵的本征值 2021/3/27 * /4、空间域图像增强 五、图像锐化 图像锐化主要用于增强图像的灰度跳变部分,主要通过运算导数（梯度）或有限差分来实现。主要方法有:Robert交叉梯度,Sobel梯度,拉普拉斯算子,高提升滤波,高斯-拉普拉斯变换。 Robert交叉梯度 w1对接近正45°边缘有较强响应,w2对接近负45°边缘有较强响应。 2021/3/27 * Sobel交叉梯度 对水平边缘有较大响应 对垂直边缘有较大响应 拉普拉斯算子 2021/3/27 * I=imread(nir.bmp); I=double(I);%双精度化 w1=[-1 0;0 1]; w2=[0 -1;1 0]; G1=imfilter(I,w1,‘corr’,‘replicate’);%正45°梯度 G2=imfilter(I,w2,‘corr’,‘replicate’);%负45°梯度 G=abs(G1)+abs(G2);%计算Robert梯度 figure;imshow(G,[]); figure;imshow(abs(G1),[]); figure;imshow(abs(G2),[]); Robert交叉梯度 I=imread(nir.bmp); Id=double(I);%双精度化 h_1=fspecial(log,5,0.5);%大小为5,sigma=0.5的LOG算子 I_1=imfilter(Id,h_1,corr,replicate); figure;imshow(uint8(abs(I_1)),[]); h_2=fspecial(log,5,2);%大小为5,sigma=2的LOG算子 I_2=imfilter(Id,h_2,corr,replicate); figure;imshow(uint8(abs(I_2)),[]); 高斯-拉普拉斯锐化 2021/3/27 * /5、频率域图像增强 用傅里叶变换表示的函数特征可以完全通过傅里叶反变换进行重建而不丢失任何信息 吉布斯现象Gibbs phenomenon（又叫吉布斯效应）: 将具有不连续点的周期函数（如矩形脉冲)进行傅立叶级数展开后,选取有限项进行合成。当选取的项数越多,在所合成的波形中出现的峰起越靠近原信号的不连续点。当选取的项数很大时,该峰起值趋于一个常数,大约等于总跳变值的9%。这种现象称为吉布斯现象。 2021/3/27 * 幅度谱 相位谱 功率谱 2021/3/27 * 一、傅里叶变换 /5、频率域图像增强 I=fft2(x);%快速傅里叶变换 I=fft2(x,m,n); x为输入图像;m和n分别用于将x的第一和第二维规整到指定的长度。 当m和n均为2的整数次幂时算法的执行速度要比m和n均为素数时快。 I1=abs(I);%计算I的幅度谱 I2=angle(I);%计算I的相位谱 Y=fftshift(I);%频谱平移 I=ifft2(x);%快速傅里叶逆变换 I=ifft2(x,m,n); 2021/3/27 * 幅度谱 相位谱 平移后的相位谱 2021/3/27 * function out = imidealflpf(I,freq) %imidealflpf函数 构造高斯频域低通滤波器 [M,N] = size(I); out = ones(M,N); for i=1:M for j=1:N