Matlab图像处理 第3章 图像代数运算与逻辑运算_第1页
Matlab图像处理 第3章 图像代数运算与逻辑运算_第2页
Matlab图像处理 第3章 图像代数运算与逻辑运算_第3页
Matlab图像处理 第3章 图像代数运算与逻辑运算_第4页
Matlab图像处理 第3章 图像代数运算与逻辑运算_第5页
已阅读5页,还剩31页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、l3.1图像的加减乘除运算图像的加减乘除运算l3.2图像的特征值与奇异值图像的特征值与奇异值 l3.3图像逻辑运算图像逻辑运算 l图像的加减运算实质上就是两个矩阵或者三维数组进行加减运算。图像的加减运算实质上就是两个矩阵或者三维数组进行加减运算。l【例】利用矩阵的加减运算为图像添加背景【例】利用矩阵的加减运算为图像添加背景bImg = imread(bingshan.jpg); fImg = imread(shizi.bmp); mb = size(bImg,1); nb = size(bImg,2);mf = size(fImg,1); nf = size(fImg,2);index = f

2、ind(fImg=255);fImg(index) = zeros(size(index); h = 150;fImg = padarray(fImg,floor(mb-mf)/2)+h floor(nb-nf)/2),pre);fImg = padarray(fImg,ceil(mb-mf)/2)-h ceil(nb-nf)/2),post);nImg = bImg + fImg;figure(1), imshow(bImg)figure(2), imshow(fImg)figure(3), imshow(nImg) l图像的乘除运算主要指图像的乘除运算主要指图像矩阵与常数进行乘除运算:图像

3、矩阵与常数进行乘除运算:l相当于把矩阵所有元素都扩大或缩小一定的倍数。当矩阵相当于把矩阵所有元素都扩大或缩小一定的倍数。当矩阵(元素)乘以大于(元素)乘以大于1 1的数时,图像亮度增加;乘以小于的数时,图像亮度增加;乘以小于1 1的的数时,图像变暗。数时,图像变暗。图像矩阵与图像矩阵对应元素进行乘除运算:图像矩阵与图像矩阵对应元素进行乘除运算:l在在MatlabMatlab中,两个数组进行逐元素对应相乘使用语句中,两个数组进行逐元素对应相乘使用语句A.A.* *B B,即在前一个数组的右下角加上一个点。这种乘法要求即在前一个数组的右下角加上一个点。这种乘法要求A A与与B B两个数组维数相同,

4、运算完后得到相同维数的数组。两个数组维数相同,运算完后得到相同维数的数组。图像矩阵与图像矩阵进行矩阵乘法运算:图像矩阵与图像矩阵进行矩阵乘法运算:l两个图像矩阵按照数学上定义的乘法进行运算以后,得到两个图像矩阵按照数学上定义的乘法进行运算以后,得到的新图像已经完全失去了原图像的形状,得到的新图像往的新图像已经完全失去了原图像的形状,得到的新图像往往是不可思议的。往是不可思议的。l【例】观察分析图像矩阵乘以或除以常数后图像亮度的改变【例】观察分析图像矩阵乘以或除以常数后图像亮度的改变I = double(imread(bingshan.jpg); nI1 = I*1.5;nI2 = I/1.5;

5、figure(1), imshow(uint8(I)figure(2), imshow(uint8(nI1)figure(3), imshow(uint8(nI2)l【例】利用矩阵对应元素相乘把两个图像合成在一起例】利用矩阵对应元素相乘把两个图像合成在一起bImg = imread(bingshan.jpg); fImg = imread(shizi.bmp); mb = size(bImg,1); nb = size(bImg,2);mf = size(fImg,1); nf = size(fImg,2);index = find(fImg=255);fImg(index) = ones(s

6、ize(index); h = 150;fImg = padarray(fImg,floor(mb-mf)/2)+h floor(nb-nf)/2),1,pre);fImg = padarray(fImg,ceil(mb-mf)/2)-h ceil(nb-nf)/2),1,post);nImg = bImg.*fImg;scale = 255/max(max(max(nImg);nImg = nImg*scale;figure(1), imshow(bImg)figure(2), imshow(fImg)figure(3), imshow(uint8(nImg) l【例】利用矩阵乘法计算并且比

7、较手写数字图像乘积的特征【例】利用矩阵乘法计算并且比较手写数字图像乘积的特征clear nImg;bImg = double(imread(00.jpg); fImg = double(imread(11.jpg); temp = fImg(:,:,1); nImg(:,:,1)=(bImg(:,:,1)*temp);temp = fImg(:,:,2); nImg(:,:,2)=(bImg(:,:,2)*temp);temp = fImg(:,:,3); nImg(:,:,3)=(bImg(:,:,3)*temp);scale = 255/max(max(max(nImg);nImg = n

8、Img*scale;figure(1), imshow(uint8(bImg)figure(2), imshow(uint8(fImg)figure(3), imshow(uint8(nImg) l图像矩阵的特征值和奇异值是图像中的两个比较重要的特征,在图像识别研究中有着广泛的应用。l图像矩阵特征值的定义图像矩阵特征值的定义设设A是是n n方阵,如果数方阵,如果数与与n维非零向量维非零向量X满足方程满足方程则称数则称数为矩阵为矩阵A的特征值,称非零向量的特征值,称非零向量X为为矩阵矩阵A的特的特征向量。征向量。l由于一个方矩阵的特征值个数等于该矩阵的阶数,由于一个方矩阵的特征值个数等于该矩阵的

9、阶数,因此因此 n n 矩阵的特征值有矩阵的特征值有n个,特征向量也有个,特征向量也有n个。个。lMatlabMatlab提供了求取特征值和特征向量的函数提供了求取特征值和特征向量的函数G T = G T = eig(Aeig(A) )l其中其中A A是需要计算特征值的矩阵,是需要计算特征值的矩阵,G G是特征向量是特征向量,T,T是特征值。是特征值。xAxl【例】比较相近图像的特征值。【例】比较相近图像的特征值。%假定读入的图像依次是假定读入的图像依次是0.bmp、00.bmp、1.bmp、11.bmpfor i=1:4 filename = input(请输入文件名请输入文件名:); im

10、g = imread(filename); if length(size(img)2 img =rgb2gray(imread(filename); end img = double(img); s = size(img); img = imresize(img,s(2) s(2); T = eig(img); T = abs(T); subplot(2,2,i), plot(T) title(filename)endl【例】求图像矩阵的特征向量。【例】求图像矩阵的特征向量。filename = input(请输入文件名请输入文件名:);img = imread(filename);if le

11、ngth(size(img)2 img =rgb2gray(imread(filename);endimg = double(img);s = size(img);img = imresize(img,s(2) s(2);G T = eig(img);imshow(G)l图像矩阵特征值的定义图像矩阵特征值的定义设设mn矩阵矩阵A的秩为的秩为r,则必存在一个则必存在一个mm阶正交矩阶正交矩阵阵Qm和一个和一个nn阶正交矩阵阶正交矩阵Qn, 使使 QmTAQn=S 右端矩阵右端矩阵S为为nn阶对角矩阵。称阶对角矩阵。称S的主对角元为的主对角元为A的奇异的奇异值。矩阵的奇异值都是实数,并且矩阵不必须

12、是方阵。值。矩阵的奇异值都是实数,并且矩阵不必须是方阵。lMatlabMatlab提供了求取奇异值的函数提供了求取奇异值的函数U S V = U S V = svd(Asvd(A) )l其中其中A A是需要计算特征值的矩阵,是需要计算特征值的矩阵,U,VU,V是正交矩是正交矩阵阵,S,S则是由奇异值构成的向量。则是由奇异值构成的向量。l【例】计算人脸图像的奇异值。设计如下程序,目的是给出一个人脸图例】计算人脸图像的奇异值。设计如下程序,目的是给出一个人脸图像的像的5种变化,然后求这种变化,然后求这5个图像的奇异值,观察奇异值的变化情况。个图像的奇异值,观察奇异值的变化情况。l【数据准备数据准备

13、】A = imread(facesample0.bmp); A1=double(A);A2=imrotate(A,2);A3=imadjust(A,0 0.5,0.5 1); A3=uint8(A3);A4=A1*1.8; A4=uint8(A4);A5=imnoise(A); imwrite(A1,facesample1.bmp);imwrite(A2,facesample2.bmp);imwrite(A3,facesample3.bmp);imwrite(A4,facesample4.bmp);subplot(1,5,1); imshow(A);subplot(1,5,2); imshow

14、(A2); subplot(1,5,3); imshow(A3);subplot(1,5,4); imshow(A4); subplot(1,5,5); imshow(A5) l【计算奇异值计算奇异值】A = imread(facesample0.bmp); for i=1:5 k = int2str(i-1); filename = strcat(facesample,k,.bmp); img = double(imread(filename); T=svd(img); figure(1),subplot(2,3,i) plot(T,+), xmin = 0; xmax = 30; ymin

15、 = 0; ymax = 2500; axis(xmin xmax ymin ymax)endl图像处理领域有一个重要的研究分支就是数学图像处理领域有一个重要的研究分支就是数学形态学。形态学。l数学形态学中有两种基本的运算:数学形态学中有两种基本的运算:l膨胀膨胀l腐蚀腐蚀二者都可以看作是图像基于逻辑的运算方法。二者都可以看作是图像基于逻辑的运算方法。l图像的逻辑运算往往是针对二值图像进行的。图像的逻辑运算往往是针对二值图像进行的。l【例】对二值图像进行与、或、非、异或运算【例】对二值图像进行与、或、非、异或运算I0 = imread(0.bmp); I00 = imread(00.bmp);

16、I1 = imread(1.bmp); I11 = imread(11.bmp); J0=im2bw(I0); J00=im2bw(I00); J1=im2bw(I1); J11=im2bw(I11);C1=J0&J1; C2=J00|J11; C3=J0; C4=xor(J1,J11);subplot(2,4,1),imshow(J0),title(J0)subplot(2,4,2),imshow(J00),title(J00)subplot(2,4,3),imshow(J1),title(J1)subplot(2,4,4),imshow(J11),title(J11)subplot

17、(2,4,5),imshow(C1),title(J0&J1)subplot(2,4,6),imshow(C2),title(J00|J11)subplot(2,4,7),imshow(C3),title(J0)subplot(2,4,8),imshow(C4),title(xor(J1,J11)l一般来说对于二值图像,一般来说对于二值图像,膨胀运算后图像中物体膨胀运算后图像中物体“加长加长”或或“变粗变粗”;腐蚀运算后图像中物体腐蚀运算后图像中物体“收缩收缩”或或“细化细化”。l下面先通过一些例题观察分析膨胀与腐下面先通过一些例题观察分析膨胀与腐蚀后的效果,总结二值图像膨胀与腐蚀蚀后

18、的效果,总结二值图像膨胀与腐蚀运算的方法与原则,最后给出二值图像运算的方法与原则,最后给出二值图像膨胀与腐蚀运算的准确描述以及简单的膨胀与腐蚀运算的准确描述以及简单的应用。应用。l【例】对二值图像实施膨胀运算【例】对二值图像实施膨胀运算A = imread(bc.bmp); B=A;M=1;1;1; C1=imdilate(B,M);N=1 1 0; C2=imdilate(B,N);P=0 0 1;0 1 0;0 0 0; C3=imdilate(B,P);Q=0 0 1;0 0 0;1 0 0; C4=imdilate(B,Q);subplot(1,5,1), imshow(B)subpl

19、ot(1,5,2), imshow(C1)subplot(1,5,3), imshow(C2)subplot(1,5,4), imshow(C3)subplot(1,5,5), imshow(C4) 程序中读入的图像程序中读入的图像bc.bmp是白色背景黑色字体,使用语句是白色背景黑色字体,使用语句B=A把图像把图像bc.bmp变为黑色背景白色字体。该图像是二值图变为黑色背景白色字体。该图像是二值图像,所有数据显示在下图中。字体像,所有数据显示在下图中。字体b与与c所在范围用灰色标出。所在范围用灰色标出。 二值图像bc.bmp的颜色数据示意图 为了节省篇幅,这里只研究字母为了节省篇幅,这里只研

20、究字母b被膨胀后的变化情况。被膨胀后的变化情况。下图中的下图中的4个图像都是字母个图像都是字母b的变化情况。的变化情况。 (a) 使用使用M膨胀后的结膨胀后的结果果 (b) 使用使用N膨胀后的结果膨胀后的结果 (c) 使用使用P膨胀后的结果膨胀后的结果 (d) 使用使用Q膨胀后的结膨胀后的结果果 C1(:,1:10)C2(:,1:10)C3(:,1:10)C4(:,1:10)l程序中,程序中,M是一个列向量,是一个列向量,N是一个行向量,是一个行向量,P、Q都都是是3 3矩阵。矩阵。 lM、N、P、Q是是4个算子。每个算子都由个算子。每个算子都由0、1构成,有构成,有1的位置用来定义算子覆盖区

21、域的邻域。这里的(算子的位置用来定义算子覆盖区域的邻域。这里的(算子覆盖)邻域概念很重要,算子覆盖时,算子上有覆盖)邻域概念很重要,算子覆盖时,算子上有1的地的地方称为中心点处的邻域。方称为中心点处的邻域。l在对二值图像进行膨胀运算时,也使用算子在图像上在对二值图像进行膨胀运算时,也使用算子在图像上滑动。如果图像的算子覆盖邻域内有滑动。如果图像的算子覆盖邻域内有1,那么覆盖区域,那么覆盖区域中心的输出值就为中心的输出值就为1,也就是新图像在覆盖区域中心的,也就是新图像在覆盖区域中心的值为值为1。否则为。否则为0。(a) 截取截取有字母有字母b的一部分图像数据,并标记的一部分图像数据,并标记3

22、3个与算子个与算子Q Q尺寸相同的图像块尺寸相同的图像块例如,对于算子例如,对于算子只要覆盖区域的左下角与右上角至少有一个为只要覆盖区域的左下角与右上角至少有一个为1 1(两个为(两个为1 1也可以),那么在覆盖区域的中心位置的返回值就是也可以),那么在覆盖区域的中心位置的返回值就是1 1。所。所以,当算子移动到标号为以,当算子移动到标号为“1 1”的图像块时,因为右上角处的图像块时,因为右上角处颜色值为颜色值为1 1,所以在覆盖区域中心(,所以在覆盖区域中心(5, 35, 3)处将输出颜色值)处将输出颜色值为为1 1,如下图中标号为,如下图中标号为 “ “1 1”的区域所示。的区域所示。当算

23、子移动到标号为当算子移动到标号为“2”2”的图像块时,因为右上角处颜色的图像块时,因为右上角处颜色值为值为1 1(其他处为(其他处为1 1不起作用),所以在覆盖区域中心(不起作用),所以在覆盖区域中心(8, 8, 7 7)处将输出颜色值为)处将输出颜色值为1 1,如下图中标号为,如下图中标号为 “1” “1”的区域所的区域所示。示。当算子移动到标号为当算子移动到标号为“3”3”的图像块时,因为左下角与右上的图像块时,因为左下角与右上角处颜色值都不为角处颜色值都不为1 1,所以在覆盖区域中心(,所以在覆盖区域中心(12, 912, 9)处将)处将输出颜色值为输出颜色值为0 0,如下图中标号为,如

24、下图中标号为 “ “3”3”的区域所示。的区域所示。 001000100Q(b) 图图(a)使用使用Q膨胀后的部分结果。膨胀后的部分结果。 其它算子的运算规则都与上面所述相同。运算结果与原其它算子的运算规则都与上面所述相同。运算结果与原图像有关,算子形状与图像的邻域情况决定了运算结果。图像有关,算子形状与图像的邻域情况决定了运算结果。 另外,从上面描述情况看,二值图像膨胀运算本质上是另外,从上面描述情况看,二值图像膨胀运算本质上是逻辑运算。逻辑运算。 数学上,二值图像膨胀运算可以用集合定义如下:数学上,二值图像膨胀运算可以用集合定义如下:ABzBAz)( |其中,其中,A为原图像,为原图像,B

25、为算子。为算子。 就是上面描述的移动覆盖操作,就是上面描述的移动覆盖操作, 是空集,是空集, 是计算后的输出值。是计算后的输出值。 zABz)(l利用算子利用算子B,对,对A进行膨胀的整个过程如下:进行膨胀的整个过程如下: 用算子用算子B,扫描图像,扫描图像A中的每一个像素,要求该像中的每一个像素,要求该像素恰好落在算子素恰好落在算子B的中心位置处。的中心位置处。 用算子用算子B,与其覆盖的二值图像块中对应元素做,与其覆盖的二值图像块中对应元素做“与与”操作。操作。 如果在算子的覆盖领域范围内,结果都为如果在算子的覆盖领域范围内,结果都为0,图像,图像块中心位置处的像素值为块中心位置处的像素值

26、为0;否则为;否则为1 。 二值图像腐蚀运算本质上也是逻辑运算,可以用如二值图像腐蚀运算本质上也是逻辑运算,可以用如下数学定义描述二值图像腐蚀运算:下数学定义描述二值图像腐蚀运算: AczABzB)( |其中,其中,A为原图像,为原图像,B为算子。为算子。Ac是是A的补集。的补集。 是移动覆盖操作,是移动覆盖操作, 是空集,是空集, 是计算后的输出值。是计算后的输出值。 在进行腐蚀运算时,算子移动一下,输出一个新值在进行腐蚀运算时,算子移动一下,输出一个新值赋给算子覆盖处的中心位置。计算输出值的方法是:如赋给算子覆盖处的中心位置。计算输出值的方法是:如果算子覆盖邻域内图像像素值有为果算子覆盖邻

27、域内图像像素值有为0 0的,那么中心位置的的,那么中心位置的输出值为输出值为0 0,否则为,否则为1 1。 zczAB)(l利用算子利用算子B,对,对A进行腐蚀的整个过程如下:进行腐蚀的整个过程如下: 用算子用算子B,扫描图像,扫描图像A中的每一个像素,要求该像中的每一个像素,要求该像素恰好落在算子素恰好落在算子B的中心位置处。的中心位置处。 用算子用算子B,与其覆盖的二值图像块中对应元素做,与其覆盖的二值图像块中对应元素做“与与”操作。操作。 如果在算子的覆盖领域范围内,结果都为如果在算子的覆盖领域范围内,结果都为1,则图,则图像块中心位置处的像素值为像块中心位置处的像素值为1;否则为;否则

28、为0 。l【例】对二值图像实施腐蚀运算【例】对二值图像实施腐蚀运算A = imread(bc.bmp); B=A;M=1;1;1; C1 = imerode(B,M);N=1 1 0; C2 = imerode(B,N);P=0 0 1;0 1 0;0 0 0; C3 = imerode(B,P);Q=0 0 1;0 0 0;1 0 0; C4 = imerode(B,Q);subplot(1,5,1), imshow(B)subplot(1,5,2), imshow(C1)subplot(1,5,3), imshow(C2)subplot(1,5,4), imshow(C3)subplot(

29、1,5,5), imshow(C4)l【例】对二值图像实施腐蚀运算,并且与膨胀运算进行比较【例】对二值图像实施腐蚀运算,并且与膨胀运算进行比较A = imread(005.bmp); B=A;M=strel(diamond,3);C1=imerode(B,M);C2=imdilate(B,M);subplot(1,3,1), imshow(B)subplot(1,3,2), imshow(C1)subplot(1,3,3), imshow(C2)l其中,函数其中,函数strel是专门用来生成形态学算子模板的。是专门用来生成形态学算子模板的。lstrel(diamond,3)生成的算子模板为:生

30、成的算子模板为:0 0 0 1 0 0 00 0 1 1 1 0 00 1 1 1 1 1 01 1 1 1 1 1 10 1 1 1 1 1 00 0 1 1 1 0 00 0 0 1 0 0 0l函数函数strel还可以生成还可以生成square、line、disk、periodicline、 pair、octagon等模板。等模板。l灰度图像膨胀腐蚀定义分平坦与非平坦两种,关于灰度图灰度图像膨胀腐蚀定义分平坦与非平坦两种,关于灰度图像非平坦膨胀腐蚀定义,可以参考其他资料。这里提到灰像非平坦膨胀腐蚀定义,可以参考其他资料。这里提到灰度图像膨胀腐蚀都是指平坦的灰度图像膨胀腐蚀。度图像膨胀腐蚀都是指平坦的灰度图像膨胀腐蚀。l灰度图像膨胀腐蚀的定义与二值图像膨胀腐蚀的定义有些灰度图像膨胀腐蚀的定义与二值图像膨胀腐蚀的定义有些区别:区别:一般定义灰度图像膨胀为一般定义灰度图像膨胀为定义灰度图像腐蚀为定义灰度图像腐蚀为l灰度图像膨胀实质上是求邻域内最大值作为输出;灰度图灰度图像膨胀实质上是求邻域内最大值作为输出;灰度图像腐蚀是求邻域内最小值作为输出。邻域仍然是由各种算像腐蚀是求邻域内最小值作为输出。邻域仍然是由各种算子模板来定义的。子模板来定义的。bDyxyyxxfyxbf),( | ),

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论