位置: IT常识 - 正文
推荐整理分享matlab图像处理(matlab进行图像处理),希望有所帮助,仅作参考,欢迎阅读内容。
文章相关热门搜索词:MATLAB图像处理工具箱怎么打开,MATLAB图像处理工具箱怎么打开,MATLAB图像处理,MATLAB图像处理实例详解,matlab中图像处理,matlab 处理图像,MATLAB图像处理工具箱怎么打开,MATLAB图像处理实例详解,内容如对您有帮助,希望把文章链接给更多的朋友!
1.图片的读取(下左)
I=imread('可爱猫咪.jpg');%图像读取,这里''内为'路径\名称',如:'E:\examples\可爱猫咪.jpg'figure,imshow(I);%图像显示title('原图')
2.转为灰度图像(上右)
I_gray=rgb2gray(I);figure,imshow(I_gray);title('灰度图像')查看是否是灰度图像的一个方法:
disp('输出字符串')%输出字符串;
ndims()%输出矩阵维度,这里灰度图像或二值图像矩阵维度都为2,彩色图像为3。所以无法判断是灰度图像还是二值图像。之前matlab有函数isgray(),现在被移除了,就用如下办法将就吧。
imwrite(I,'I_gray.jpg')%将I保存为名为I_gray的.jpg图像.
if(ndims(I)==2) disp('是灰度图'); imwrite(I,'I_gray.jpg')else disp('不是灰度图') Ig=rgb2gray(I);%转为灰度图Ig imwrite(Ig,'I_gray.jpg')end3.线性扩展
a=0.6;b=1;c=0.5;d=0.8; J=imadjust(I,[a;b],[c;d]);subplot(1,2,1);%画布1行2列,放在第一个imshow(J);title('线性扩展');4.非线性扩展
C=1.5;K=C*log(1+((double(I))/255));%图像归一化处理subplot(1,2,2);%画布1行2列,放在第二个imshow(K);title('非线性扩展');5.二值化
N1=im2bw(I,0.4);N2=im2bw(I,0.7);subplot(1,2,1);imshow(N1);subplot(1,2,2);imshow(N2);6.缩放
a=imresize(I,1.5);%按比例放大到1.5倍b=imresize(I,[420,384]);%非比例c=imresize(I,0.7);%按比例缩小到0.7倍d=imresize(I,[150,80]);subplot(2,2,1);imshow(a);title('a');subplot(2,2,2);imshow(b);title('b');subplot(2,2,3);imshow(c);title('c');subplot(2,2,4);imshow(d);title('d');(噢,猫猫~)
7.旋转
K=imrotate(I,45);subplot(1,2,1);imshow(K);title('旋转45度');L=imrotate(I,180);subplot(1,2,2);imshow(L);title('旋转180度');8.线检测
此处代码为检测水平方向的线,可根据注释模板替换检测垂直等方向的线
I=im2bw(I,0.7);%此处应先将图像二值化或转为灰度图像w=[-1 -1 -1; 2 2 2; -1 -1 -1];%水平% w=[-1 -1 2; -1 2 -1; 2 -1 -1];%垂直% w=[-1 2 -1; -1 2 -1; -1 2 -1];%45度% w=[2 -1 -1; -1 2 -1; -1 -1 2];%-45度g=imfilter(double(I), w);figure,subplot(2,3,1);imshow(g,{}) % 滤波后图像title('水平-滤波')g=abs(g);subplot(2,3,2);imshow(g,{})title('g=abs(g)')T=max(g(:));g=g>=T;subplot(2,3,3);imshow(g)title('阈值为T')T=(1/3)*max(g(:));g=g>=T;subplot(2,3,4);imshow(g)title('阈值为1/3最大值')T=(2/3)*max(g(:));g=g>=T;subplot(2,3,5);imshow(g)title('阈值为2/3最大值')掩模例:
9.边缘检测
edge()函数
如:BW = edge(I,'prewitt',THRESH,DIRECTION) 表示对图像I,用prewitt方法;
THRESH:规定了普鲁伊特prewitt方法的灵敏度阈值。边缘忽略所有不强于THRESH的边缘。如果你没有指定THRESH,或者THRESH为空, edge 会自动选择这个值。
DIRECTION:寻找 "水平horizontal "或 "垂直 vertical"边缘,或 "两者"(默认)。
测试三种method,Canny,Prewitt,Sobel
I_gray=rgb2gray(I);%此处应先将图像二值化或转为灰度图像a=edge(I_gray,'Canny');b= edge(I_gray,'Prewitt');c=edge(I_gray,'Sobel');subplot(1,3,1);imshow(a);title('Canny');subplot(1,3,2);imshow(b);title('Prewitt');subplot(1,3,3);imshow(c);title('Sobel');测试不同方向和不同阈值:
A=edge(I_gray,'Prewitt',0.02,'horizontal');B=edge(I_gray,'Prewitt',0.15,'horizontal');C=edge(I_gray,'Prewitt',0.02,'vertical');D=edge(I_gray,'Prewitt',0.1,'vertical');subplot(2,2,1);imshow(A);subplot(2,2,2);imshow(B);subplot(2,2,3);imshow(C);subplot(2,2,4);imshow(D);10.归一化直方图和累积直方图
I=imread('可爱猫咪.jpg');set(gcf, 'Position', [20 70 900 600], 'color','y'); subplot(1,3,1),imshow(I),title('原图')N=50;Hist_image=imhist(img_gray,N); % 计算直方图Hist_image=Hist_image/sum(Hist_image); % 计算归一化直方图Hist_image_cumulation=cumsum(Hist_image); % 计算累计直方图subplot(1,3,2),stem(0:N-1,Hist_image),title('直方图')subplot(1,4,3),stem(0:N-1,Hist_image_cumulation),title('累计直方图')这里为二次编辑,将图片裁剪为方形了。
set(gcf, 'Position', [20 70 900 600], 'color','y');设置了figure位置:起始坐标为(20 ,70 ),宽度900,高度600像素。'color','y' 设置了图片背景为黄色 ,默认白色。('r'是红色,'b'是蓝色,'w'白色)
11. 直方图的均衡化
I=imread('可爱猫咪.jpg');I_gray=rgb2gray(I);subplot(2,4,1),imshow(I_gray),title('原始图像')subplot(2,4,5),imhist(I_gray),title('原图像直方图')N=30;g=histeq(I_gray,N); % histeq 均衡化函数subplot(2,4,2),imshow(g),title('直方图均衡后图像(N=30)')subplot(2,4,6),imhist(g),title('均衡化后直方图(N=30)')N=256;g=histeq(I_gray,N); % histeq 均衡化函数subplot(2,4,3),imshow(g),title('直方图均衡后图像(N=256)')subplot(2,4,7),imhist(g),title('均衡化后直方图(N=256)')N=2048;g=histeq(I_gray,N); % histeq 均衡化函数subplot(2,4,4),imshow(g),title('直方图均衡后图像(N=2048)')subplot(2,4,8),imhist(g),title('均衡化后直方图(N=2048)')12规定化直方图
I=imread('可爱猫咪.jpg');I_gray=rgb2gray(I);subplot(3,3,1),imshow(I_gray),title('原始图像')subplot(3,3,7),imhist(I_gray),title('原图像直方图')%幂函数变换直方图Index=0:N-1;Hist{1}=exp(-(Index-15).^2/8); % 4Hist{1}=Hist{1}/sum(Hist{1});Hist_cumulation{1}=cumsum(Hist{1});subplot(3,3,5),stem(0:N-1,Hist{1}),title('幂函数变换直方图')% log函数直方图Index=0:N-1;Hist{2}=log(Index+20)/60; % 15Hist{2}=Hist{2}/sum(Hist{2});Hist_cumulation{2}=cumsum(Hist{2});subplot(3,3,6),stem(0:N-1,Hist{2}),title('log函数变换直方图')% 规定化处理for m=1:2 Image=I_gray; for k=1:N Temp=abs(Hist_image_cumulation(k)-Hist_cumulation{m}); [Temp1, Project{m}(k)]=min(Temp); end % 变换后直方图 for k=1:N Temp=find(Project{m}==k); if isempty(Temp) Hist_result{m}(k)=0; else Hist_result{m}(k)=sum(Hist_image(Temp)); end end subplot(3,3,m+7),stem(0:N-1,Hist_result{m}),title('变换后直方图') % 结果图 Step=256/N; for k=1:N Index=find(I_gray>=Step*(k-1)&I_gray<Step*k); Image(Index)=Project{m}(k); end subplot(3,3,m+1),imshow(Image,[]),title('变换后图像')end持续更新......
上一篇:[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现(注意力机制加在什么位置)
下一篇:Openpcdet训练自己的数据集(opencv怎么训练)
友情链接: 武汉网站建设