matlab图像处理算法源码

1、matlab 图像处理算法源码12020 年 4 月 19 日文档仅供参考matlab 图像分割算法源码1. 图像反转MATLAB程序实现如下：J=double(I);J=-J+(256-1);%图像反转线性变换H=uint8(J);subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(H);2. 灰度线性变换MATLAB程序实现如下：I=imread(xian.bmp);subplot(2,2,1),imshow(I);title(原始图像 );axis(0,250,0,200);axis on;%显示坐标系I1=rgb2gray(I);subplot

2、(2,2,2),imshow(I1);title(灰度图像 );axis(0,250,0,200);22020 年 4 月 19 日文档仅供参考axis on;%显示坐标系J=imadjust(I1,0.1 0.5,); %局部拉伸，把0.1 0.5内的灰度拉伸为0 1subplot(2,2,3),imshow(J);title(线性变换图像 0.1 0.5);axis(0,250,0,200);grid on;%显示网格线axis on;%显示坐标系K=imadjust(I1,0.3 0.7,); %局部拉伸，把0.3 0.7内的灰度拉伸为0 1subplot(2,2,4),imshow(K

3、);title(线性变换图像 0.3 0.7);axis(0,250,0,200);grid on;axis on;%显示网格线显示坐标系3. 非线性变换（对数变换图像）%图像的对数变换原理就是将源图像的像素点的像素值经过对数函数映射到目标空间，然后%用目标值来代替原来像素点的像素值。那么它的作用就是对于一些视频采集设备，它们采%集的图像会有一个指数的失真，用对数变换后就抵消掉了原来的32020 年 4 月 19 日文档仅供参考指数失真得到原来的图%像，还有对于灰度值偏低的图像来说它是有一个锐化的效果的。MATLAB程序实现如下：I=imread(xian.bmp);I1=rgb2gray(I

4、);subplot(1,2,1),imshow(I1);title(灰度图像 );axis(0,250,0,200);grid on;axis on;%显示网格线显示坐标系J=double(I1);J=40*(log(J+1);H=uint8(J);subplot(1,2,2),imshow(H);title(对数变换图像 );axis(0,250,0,200);grid on;axis on;%显示网格线显示坐标系4. 直方图均衡化% 直方图均衡化 解释网址：MATLAB程序实现如下：42020 年 4 月 19 日文档仅供参考I=imread(xian.bmp);I=rgb2gray(I)

5、;figure;subplot(2,2,1);imshow(I);subplot(2,2,2);imhist(I);%获取图像数据直方图I1=histeq(I);%直方图均衡化figure;subplot(2,2,1);imshow(I1);subplot(2,2,2);imhist(I1);5. 线性平滑滤波器%空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。用 MATLAB实现领域平均法抑制噪声程序：I=imread(xi

6、an.bmp);52020 年 4 月 19 日文档仅供参考subplot(2,3,1)imshow(I)title(原始图像 )I=rgb2gray(I);I1=imnoise(I,salt & pepper,0.02);%subplot(2,3,2)imshow(I1)title(添加椒盐噪声的图像)k1=filter2(fspecial(average,3),I1)/255;%进行3*3模板平滑滤波k2=filter2(fspecial(average,5),I1)/255;%进行5*5模板平滑滤波k3=filter2(fspecial(average,7),I1)/255;%进行7*7模板平滑滤波k4=filter2(fspecial(average,9),I1)/255;%进行9*9模板平滑滤波subplot(2,3,3),imshow(k1),title(3*3模板平滑滤波 );subplot(2,3,4),imshow(k2),title(5*5模板平滑滤波 );sub