最常用的matlab图像处理的源代码.docx

最常用的一些图像处理Matlab源代码#1：数字图像矩阵数据的显示及其傅立叶变换#2：二维离散余弦变换的图像压缩#3：采用灰度变换的方法增强图像的对比度#4：直方图均匀化#5：模拟图像受高斯白噪声和椒盐噪声的影响#6：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波#7：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波#8：图像的自适应魏纳滤波#9：运用5种不同的梯度增强法进行图像锐化#10：图像的高通滤波和掩模处理#11：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理#12：利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理1.数字图像矩阵数据的显示及其傅立叶变换f=zeros(30,30);f(5:24,13:17)=1;imshow(f, notruesize);F=fft2(f,256,256); % 快速傅立叶变换算法只能处矩阵维数为2的幂次，f矩阵不 % 是，通过对f矩阵进行零填充来调整 F2=fftshift(F); % 一般在计算图形函数的傅立叶变换时，坐标原点在 % 函数图形的中心位置处，而计算机在对图像执行傅立叶变换 % 时是以图像的左上角为坐标原点。所以使用函数fftshift进 %行修正，使变换后的直流分量位于图形的中心；figure,imshow(log(abs(F2),-1 5,notruesize);2 二维离散余弦变换的图像压缩I=imread(cameraman.tif); % MATLAB自带的图像imshow(I);clear;close allI=imread(cameraman.tif);imshow(I);I=im2double(I);T=dctmtx(8);B=blkproc(I,8 8, P1*x*P2,T,T);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); % 此处为点乘(.*)I2=blkproc(B2,8 8, P1*x*P2,T,T);figure,imshow(I2); % 重建后的图像3.采用灰度变换的方法增强图像的对比度I=imread(rice.tif);imshow(I);figure,imhist(I);J=imadjust(I,0.15 0.9, 0 1);figure,imshow(J);figure,imhist(J);4直方图均匀化I=imread(pout.tif);% 读取MATLAB自带的potu.tif图像imshow(I);figure,imhist(I); J,T=histeq(I,64); % 图像灰度扩展到0255，但是只有64个灰度级figure,imshow(J);figure,imhist(J);figure,plot(0:255)/255,T); % 转移函数的变换曲线J=histeq(I,32);figure,imshow(J); % 图像灰度扩展到0255，但是只有32个灰度级figure,imhist(J);5模拟图像受高斯白噪声和椒盐噪声的影响I=imread(eight.tif);imshow(I) ;J1=imnoise(I,gaussian,0,0.02); % 叠加均值为0，方差为0.02的高斯噪声，可以用 % localvar代替figure,imshow(J1);J2=imnoise(I,salt & pepper,0.04); % 叠加密度为0.04的椒盐噪声。 figure,imshow(J2);6采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像I=imread(eight.tif);imshow(I) ;J2=imnoise(I,salt & pepper,0.04); % 叠加密度为0.04的椒盐噪声。 figure,imshow(J2);I_Filter1=medfilt2(J2,3 3);%窗口大小为33figure,imshow(I_Filter1);I_Filter2=medfilt2(J2,5 5);%窗口大小为55figure,imshow(I_Filter2);I_Filter3=medfilt2(J2,7 7);%窗口大小为77figure,imshow(I_Filter3); 7采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波I,map=imread(eight.tif);figure,imshow(I);title(original)J1=imnoise(I,gaussian,0,0.02); % 受高斯噪声干扰M4=0 1 0; 1 0 1; 0 1 0;M4=M4/4; % 4邻域平均滤波I_filter1=filter2(M4,J1);figure,imshow(I_filter1,map);M8=1 1 1; 1 0 1; 1 1 1; % 8邻域平均滤波M8=M8/8;I_filter2=filter2(M8,J1);figure,imshow(I_filter2,map);8图像的自适应魏纳滤波I,map=imread(eight.tif);figure,imshow(I);title(original)J1=imnoise(I,gaussian,0,0.02); % 受高斯噪声干扰K noise=wiener2(J1, 5 5);figure,imshow(K);9运用5种不同的梯度增强法进行图像锐化I,map=imread(3-22.jpg);imshow(I,map);I=double(I);Gx,Gy=gradient(I); % 计算梯度G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘J1=G;figure,imshow(J1,map); % 第一种图像增强J2=I; % 第二种图像增强K=find(G=7);J2(K)=G(K);figure,imshow(J2,map);J3=I; % 第三种图像增强K=find(G=7);J3(K)=255;figure,imshow(J3,map);J4=I; % 第四种图像增强K=find(G=7);J4(K)=255;figure,imshow(J4,map);J5=I; % 第五种图像增强K=find(G=7);J5(Q)=255;figure,imshow(J5,map);10图像的高通滤波和掩模处理I,map=imread(blood1.tif);imshow(I,map);H2=-1 -1 -1;-1 -9 -1;-1 -1 -1;J1=filter2(H2,I); % 高通滤波figure,imshow(J1,map);I=double(I);M=1 1 1;1 1 1;1 1 1/9;J2=filter2(M,I);J3=I-J2; % 掩模figure,imshow(J3,map);11利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理I=imread(Saturn.tif);imshow(I);J1=imnoise(I,salt & pepper); % 叠加椒盐噪声figure,imshow(J1);f=double(J1); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵M,N=size(g);nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2); n=fix(N/2);for i=1:M for j=1:N d=sqrt(i-m)2+(j-n)2); h=1/(1+0.414*(d/d0)(2*nn);% 计算低通滤波器传递函数 result(i,j)=h*g(i,j); endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2);figure,imshow(J3); % 显示滤波处理后的图像12利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理I=imread(blood1.tif);imshow(I);f=double(I); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵M,N=size(g);nn=2; % 二阶巴特沃斯(Butterworth)高通滤波器d0=5;m=fix(M/2);n=fix(N/2);for i=1:M for j=