MATLAB图像处理实例

1、Matlab 图像处理基本操作文/天神 一、图像基本操作1.读取图像并显示：>> clear;close all         %清空Matlab工作平台所有变量（准备工作）>> I=imread('pout.tif');  % 该图像是Matlab图形工具箱中自带的图像(toolboximagesimdemos)>> imshow(I)2.检查内存（数组）中的图像：>> whosName   

2、60;  Size                    Bytes   Class  I       291x240                

3、   69840  uint8 arrayGrand total is 69840 elements using 69840 bytes表示该图像采用8位存储方式并占用了69840B的存储空间。3.实现图像直方图均衡化：>> figure,imhist(I)    % 在新图中显示图像I的直方图>> I2=histeq(I);  % 均衡化以后的图像存在I2数组中(图像灰度值扩展到整个灰度范围,对比度提高)>> figure,imshow(I2)  % 显示均衡化后的图像>

4、> figure,imhist(I2)   % 显示均衡后的灰度值分布情况8位图像取值范围：0,255，16位图像取值范围：0,655351，双精度图像取值范围：0,1 4.保存图像：>> imwrite(I2,'pout2.png');    % 将图像由原先的tif格式另存为png格式 5.检查新生成文件的信息：>> imfinfo('pout2.png')     % 观察保存图像的文件信息ans = 

5、60;                Filename: 'pout2.png'       % 文件名               FileModDate: '11-Apr-2009 21:55:35'&#

6、160;  % 文件修改日期                  FileSize: 36938       % 文件大小                    Forma

7、t: 'png'       % 文件格式             FormatVersion:           % 格式             &

8、#160;       Width: 240        % 文件宽度                    Height: 291        % 文件高度    

9、              BitDepth: 8          % 文件位深度                 ColorType: 'grayscale'  % 颜色类型 &#

10、160;                     二、图像处理Matlab的应用：实例：消除rice.png图像中亮度不一致的背景，并使用阈值将修改后的图像转换为二值图像，使用成员标记返回图像中对象的个数以及统计特性。按照如下步骤进行：1.读取和显示图像>> clear;close all>> I=imread('rice.png');>> im

11、show(I) 2.估计图像背景：图像中心位置背景亮度强于其他部分亮度，用imopen函数和一个半径为15的圆盘结构元素对输入的图像I进行形态学开操作，去掉那些不完全包括在圆盘中的对象，从而实现对背景亮度的估计。>> clear;close all>> I=imread('rice.png');>> imshow(I)>> background=imopen(I,strel('disk',15);>> imshow(background)>> figure,surf(double(

12、background(1:8:end,1:8:end),zlim(0,255);>> set(gca,'ydir','reverse');显示了背景图（左）和背景表面图（右） 3.从原始图像中减去背景图像（原始图像I减去背景图像得到背景较为一致的图像）：>> I2=imsubtract(I,background);>> figure,imshow(I2) 4.调节图像的对比度 (图像较暗，可用imadjust函数命令来调节图像的对比度)>> I3=imadjust(I2,stretchlim(I

13、2),0 1);>> figure,imshow(I3); 5.使用阈值操作将图像转换为二进制(二值)图像(bw),调用whos命令查看图像的存储信息.>> level=graythresh(I3);   % 图像灰度处理>> bw=im2bw(I3,level);     % 图像二值化处理>> figure,imshow(bw)       % 显示处理后的图片>> whos  Name

14、60;            Size                    Bytes  Class  I              256x256

15、                   65536  uint8 array  I2             256x256             &

16、#160;     65536  uint8 array  I3             256x256                   65536  uint8 array  background 

17、60;   256x256                   65536  uint8 array  bw             256x256         &#

18、160;         65536  logical array  level            1x1                       &#

19、160; 8  double arrayGrand total is 327681 elements using 327688 bytes 6.检查图像中对象个数（bwlabel函数表示了二值图像中的所有相关成分并返回在图像中找到的对象个数）>> labeled,numObjects=bwlabel(bw,4);>> numObjects  numObjects =   101表示图像中的米粒对象个数是101. 7.检查标记矩阵：（imcrop命令进行交互式操作，图像内拉出较小矩形并显示已标

20、记的对象和部分背景内的像素）>> grain=imcrop(labeled)grain =     0     0    42    42    42    42    42    42    42     0    

21、 0     0    42    42    42    42    42    42    42    42     0     0    42    42 

22、0;  42    42    42    42    42    42     0     0    42    42    42    42    42    42 

23、   42    42     0     0    42    42    42    42    42    42    42    42     0   

24、  0    42    42    42    42    42    42    42    42     0    42    42    42    42  &#

25、160; 42    42    42    42    42     0    42    42    42    42    42    42    42    42  

26、60; 428.观察标记矩阵（用label2rgb将其显示为一副伪彩色的索引图像）:>> RGB_label=label2rgb(labeled,spring,'c','shuffle');>> imshow(RGB_label); 9.测量图像对象或区域的属性（Regionprops，返回一个结构数据）>> graindata=regionprops(labeled,'basic')graindata =101x1 struct array with fields:   

27、; Area    Centroid    BoundingBox>> graindata(40).Area   % 显示矩阵中第40个元素的属性ans =   197>> graindata(40).BoundingBox,graindata(40).Centroid    % 寻找最近的边缘和中心点ans =   82.5000   59.5000   24.0000   20.0000ans =   95.4213   70.4924>> allgrains=graindata.Area;     % 创建一个新的向量allgrains,其包含每个米粒的范围>> whos allgr