有用的matlab图像处理函数.doc

有用的matlab图像处理函数1、图像的读取MATLAB中从图像文件中读取数据用函数imread()，这个函数的作用就是将图像文件的数据读入矩阵中，此外还可以用imfinfo()函数查看图像文件的信息（见例1）%例1：图像数据及图像信息的读取imfinfo c:lilizongboat.bmp%读取图像信息A,M=imread(c:lilizongboat.bmp); %图像数据的读取，将图像数据放入矩阵A中，颜色数据放入矩阵M中imshow(A,M);title(原图像);M(:,1)=0;%将颜色数据矩阵的一列置零figureimshow(A,M);title(改变颜色后的图像)MATLAB还提供了将数据写入一个文件的函数imwrite以及不同类型文件相互转换的函数，可以参考MATLAB 的帮助文件。2、灰度直方图及直方图均衡化灰度直方图用于显示图像的灰度值分布情况，是数字图像处理中最简单和最实用的工具。MATLAB中提供了专门绘制直方图的函数imhist()。用它可以很简单的绘制出一幅图像的灰度直方图（见例2）。%例2：直方图的显示imshow(c:lilizongboat.bmp);title(原图像)%显示原图像A=imread(e:matlabworktuxiangGirl.bmp,bmp);figure;imhist(A),title(对应直方图)在图像处理中，点运算是简单而又重要的一种技术，其中最常用的一种应用就是直方图的均衡化（见例3）。%例3：直方图均衡化imshow(c:lilizongboat1.bmp);title(原图像)I=imread(c:lilizongboat1.bmp);figure;imhist(I),title(对应直方图)%从得到的直方图可以看出，图像的对比度很低，灰度级集中在70-160范围内，如果只取%这个范围内的灰度，并扩展到0,255，则会明显增强图像对比度J=imadjust(I,70/255 160/255,);figure;imshow(J),title(经灰度级调整后的图)figure;imhist(J),title(灰度级调整后的直方图)%MATLAB还提供了histeq函数（自动直方图均衡化）K=histeq(I);figure;imshow(K),title(经直方图均衡化后的图)figure;imhist(K),title(直方图均衡化后的直方图)3、图像的代数运算代数运算是指对两幅输入图像进行点对点的加、减、乘和除计算而得到输出图像的运算。对于相加和相乘的情形，可能不止有两幅图像参加运算。图像相加的一个重要应用是对同一场景的多幅图像求平均值。这点被经常用来有效地降低加性（additive）随机噪声的影响（见例4）%例4：图象加噪声再通过多次相加求平均的方法祛除噪声I,M=imread(c:boat.png);J=imnoise(I,salt & pepper,0.005);subplot(1,2,1),imshow(I,M),title(原图象);subplot(1,2,2),imshow(J,M),title(加噪声后图象);K=zeros(256);for i=1:100 J=imnoise(I,salt & pepper,0.005); J1=im2double(J);% K=K+J1;K=K+J1;endK=K/100;figure,imshow(K),title(相加求平均后的图象); 4、图像滤波处理在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除噪声的工作。最常用的祛除噪声的方法是用滤波器进行滤波处理。MATLAB的图像处理工具箱里也设计了许多的滤波器。如均值滤波器、中值滤波器、维纳滤波器等。用户可以很方便的运用一些函数完成数字滤波工作。（见例5）。%例5：用滤波器祛除图象噪声（分别用均值滤波，中值滤波，及维纳滤波器祛除加入高斯噪声的图象）I=imread(C:boat.png);J=imnoise(I,gaussian,0,0.002); %加入高斯噪声%进行均值滤波h=fspecial(average,3); %fspecial函数用于产生预定义滤波器I2=uint8(round(filter2(h,I); %filter2函数用于图像滤波,此处h是滤波参数（均值），I是要处理的图像%进行中值滤波I3=medfilt2(J,3,3); %medfilt2函数用于图像的中值滤波%进行维纳滤波I4=wiener2(J,3,3);%进行一次维纳滤波I5=wiener2(I4,3,3);%进行二次维纳滤波subplot(2,3,1),imshow(I),title(原图象)subplot(2,3,2),imshow(J),title(加噪声图象)subplot(2,3,3),imshow(I2),title(均值滤波后图象)subplot(2,3,4),imshow(I3),title(中值滤波后图象)subplot(2,3,5),imshow(I4),title(维纳滤波后图象)subplot(2,3,6),imshow(I5),title(两次维纳滤波后图象)5、傅立叶变换傅立叶变换是线性系统分析的一个有力的工具。它在图像处理，特别是在图像增强、复原和压缩中，扮演着非常重要的作用。实际中一般采用一种叫做快速傅立叶变换（FFT）的方法，MATLAB中的fft2指令用于得到二维FFT的结果，ifft2指令用于得到二维FFT逆变换的结果。（见例6）%例6：近似冲击函数的二维快速傅立叶变换（FFT）x=1:99;y=1:99;X,Y=meshgrid(x,y);A=zeros(99,99);A(49:51,49:51)=1;B=fft2(A);subplot(1,2,1),imshow(A),xlabel(空域图象);subplot(1,2,2),imshow(B),xlabel(时域图象);figuresubplot(1,2,1),mesh(X,Y,A),xlabel(空域),grid on;subplot(1,2,2),mesh(X,Y,abs(B),xlabel(时域),grid on; 6、图像压缩在图像的变换和压缩中，常常用到离散余弦变换（DCT）。DCT具有能使图像的最重要的信息集中在DCT的几个系数上的性能。正是基于此，DCT通常应用于图像的压缩。（见例7）JPEG图像压缩算法：输入图像被分成8*8或16*16的小块，然后对每一小块进行二维DCT（离散余弦变换）变换，变换后的系数量化、编码并传输；JPEG文件解码量化了的DCT系数，对每一块计算二维逆DCT变换，最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。%例7：DCT变换用于图象的压缩实例I=imread(d:lilizongtest.jpg);%该图片在安装matlab的目录中找，原图为灰度图象I=im2double(I);%图像存储类型转换T=dctmtx(8);%离散余弦变换矩阵B=blkproc(I,8 8,P1*x*P2,T,T);%对原图像进行DCT变换mask=1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;B2=blkproc(B,8 8,P1.*x,mask);%数据压缩，丢弃右下角高频数据I2=blkproc(B2,8 8,P1*x*P2,T,T);%进行DCT反变换，得到压缩后的图像imshow(I)title(原始图像)figure;imshow(I2)title(压缩后的图像)应用到的函数：I=imread(图像文件名) :读取图像数据,保存在矩阵I中；imshow(I) :显示灰度图像I，其他用法见matlab帮助；I2=im2double(I1) :把图像数组I1转换成double精度类型；D=dctmtx(n) :二维离散余弦变换函数，返回n*n离散余弦变换矩阵。一个n*n的变换矩阵T被定义成：Tpq=1/sqrt(n) ,当p=0,0=q=M-1；Tpq=sqrt(2/n)*cospi*(2q+1)*p/2n ,当1=p=M-1,0=q=M-1。B=