《数字图像处理教程(matlab版).》由会员分享，可在线阅读，更多相关《数字图像处理教程(matlab版).（207页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理,浙江大学,/1、图像的读取和显示,/2、图像的点运算,/4、空间域图像增强,/5、频率域图像增强,/6、彩色图像处理,/7、形态学图像处理,/8、图像分割,/9、特征提取,内容安排,/3、图像的几何变换,/1、图像的读取和显示,一、图像的读取,A=imread(FILENAME,FMT),FILENAME 指定图像文件的完整路径和文件名。如果在work工作目录下 只需提供文件名。FMT为图像文件的格式对应的标准扩展名。 I_1=imread(D:10.06.08nirTTC10377.BMP);%读入图像,二、图像的写入,imwrite(A，FILENAME,FMT),FILEN
2、AME参数指定文件名。FMT为保存文件采用的格式。 imwrite(I6,nirdilatedisk2TTC10373.bmp);,/1、图像的读取和显示,三、图像的显示,imshow(I,low high),I为要显示的图像矩阵。low high为指定显示灰度图像的灰度范围。 高于high的像素被显示成白色；低于low的像素被显示成黑色；介于 High和low之间的像素被按比例拉伸后显示为各种等级的灰色。 figure；imshow(I6);title(The Main Pass Part of TTC10373);,figure；%创建一个新的窗口,figure；subplot（m,n,p
3、）；imshow（I）；,Subplot(m,n,p)含义为：打开一个有m行n列图像位置的窗口， 并将焦点位于第p个位置上。,/1、图像的读取和显示,四、图像的格式转换,im2bw(I,LEVEL);,rgb2gray;从RGB图创建灰度图，存储类型不变。,im2uint8 将图像转换成uint8类型,阈值法从灰度图、RGB图创建二值图。LEVEL为指定的阈值；（0,1）。,im2double 将图像转换成double类型,/2、图像的点运算,灰度直方图描述了一副图像的灰度级统计信息，主要应用于图像分 割和图像灰度变换等处理过程中。从数学角度来说，图像直方图描述图 像各个灰度级的统计特性，它是
4、图像灰度值的函数，统计一幅图像中各 个灰度级出现的次数或概率。归一化直方图可以直接反映不同灰度级出 现的比率。横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各 个灰度级别的像素在图像中出现的次数或概率。,imhist(I);%灰度直方图,I=imread(red.bmp);%读入图像 figure;%打开新窗口 M,N=size(I);%计算图像大小 counts,x=imhist(I,32);%计算有32个小区间的灰度直方图 counts=counts/M/N;%计算归一化灰度直方图各区间的值 stem(x,counts);%绘制归一化直方图,一、图像直方图,图像直方图归一化,/2、图像
5、的点运算,二、灰度的线性变换,Fa1时，输出图像的对比度将增大；Fa1时，输出图像对比度将减小。 Fa=1且Fb非零时，所有像素的灰度值上移或下移，使整个图像更暗或 更亮。Fa0，暗区变亮，亮区变暗。,/2、图像的点运算,三、灰度的对数变换,c为尺度比例常数，s为源灰度值，t为变换后的目标灰度值。k为常数。灰度的对数变换可以增强一幅图像中较暗部分的细节，可用来扩展被压缩的高值图像中的较暗像素。广泛应用于频谱图像的显示中。,Warning：log函数会对输入图像矩阵s中的每个元素进行 操作，但仅能处理double类型的矩阵。而从图像文件中得到的 图像矩阵大多是uint8类型的，故需先进行im2d
6、ouble数据类型 转换。,I=imread(nir.bmp);%读入图像 F=fft2(im2double(I);%FFT F=fftshift(F);%FFT频谱平移 F=abs(F); T=log(F+1);%频谱对数变换 figure;imshow(F,);title(未经变换的频谱); figure;imshow(T,);title(对数变换后);,/2、图像的点运算,三、灰度的Gamma变换,其中，x、y的取值范围为0,1。esp为补偿系数，r则为Gamma系数。 Gamma变换是根据r的不同取值选择性的增强低灰度区域的对比度 或者高灰度区域的对比度。,J=imadjust(I,l
7、ow_in high_in,low_out high_out,gamma),I=imread(nir.bmp); figure;imshow(imadjust(I,0.75); %gamma=0.5 title(Gamma 0.5);,原NIR图像,Gamma 0.5,四、灰度阈值变换及二值化,Gamma 1.5,T为指定阈值,BW=im2bw(I,level);%level为人工设定阈值范围为0 ,1,thresh=graythresh(I);%自动设定所需的最优化阈值,OTSU算法：最大类间方差法自动单阈值分割。,Kapur算法：一维直方图熵阈值算法,niblack算法：局部阈值分割 阈值
8、的计算公式是T = m + k*v，其中m为以该像素点为中心的区域的平均灰度值，v是该区域的标准差，k是一个系数。,kittlerMet : 表示kittler 最小分类错误(minimum error thresholding)全局二值化算法。,原图像,直接阈值分割 0.25,自动阈值分割,OTSU算法分割,KittlerMet算法,Niblack算法,Kapur算法,/2、图像的点运算,五、直方图均衡化,J,T=histeq(I);%J为输出图像，T为变换矩阵,图像易受光照、视角、方位、噪声等的影响。使得同一类图像的不同变形体之间的差距有时大于该类图像与另一类图像之间的差距，影响图像识别、
9、分类。图像归一化就是将图像转换到唯一的标准形式以抵抗各种变换，从而消除同类图像不同变形体之间的外观差异。也称为图像灰度归一化。,原图像及直方图,图像变亮后灰度均衡化,图像变暗后灰度均衡化,/3、图像的几何变换,一、图像平移,正变换,逆变换,strel %用来创建形态学结构元素 translate(SE,y x)%原结构元素SE上y和x方向平移 imdilate%形态学膨胀,/3、图像的几何变换,I=imread(nir.bmp); se=translate(strel(1),180 190); B=imdilate(I,se); figure;subplot(1,2,1),subimage(I
10、);title(原图像); subplot(1,2,2),subimage(B);title(平移后图像);,/3、图像的几何变换,二、图像镜像,B=imtransform(A,TFORM,method); TFORM=makeform(transformtype,Matrix);%空间变换结构,参数transformtype指定了变换的类型，常见的affine为二维或 多维仿射变换，包括平移、旋转、比例、拉伸和错切等。 Matrix为相应的仿射变换矩阵。,A=imread(nir.bmp); height,width,dim=size(A); tform=maketform(affine,-
11、1 0 0;0 1 0;width 0 1); B=imtransform(A,tform,nearest); tform2=maketform(affine,1 0 0;0 -1 0;0 height 1); C=imtransform(A,tform2,nearest); figure;imshow(A); figure;imshow(B);imwrite(B,nir水平镜像.bmp); figure;imshow(C);imwrite(B,nir垂直镜像.bmp);,原图像,水平镜像图像,垂直镜像图像,A=imread(nir.bmp); tform=maketform(affine,0
12、 1 0;1 0 0;0 0 1); B=imtransform(A,tform,nearest); figure;imshow(A); figure;imshow(B);imwrite(B,nir转置后图像.bmp);,/3、图像的几何变换,三、图像转置,/3、图像的几何变换,四、图像中心旋转,B=imrotate(A,angle,method,crop);,angle为旋转角度，正值为逆时针旋转。可选参数method为imrotate函数 指定插值方法。crop选项会裁减旋转后增大的图像，保持和原图像 同样大小。,A=imread(nir.bmp); B=imrotate(A,30,nea
13、rest,crop); figure;imshow(B);imwrite(B,逆时针中心旋转30度.bmp);,逆时针30度,/4、空间域图像增强,一、噪声添加,h=imnoise(I,type,parameters);,type为噪声类型，合法值如下：,添加高斯白噪声,添加椒盐噪声,/4、空间域图像增强,二、空间域滤波,滤波过程就是在图像f(x,y)中逐点移动模板，使模板中心和点(x,y)重合，滤波器 在每一点(x,y)的响应是根据模板的具体内容并通过预先定义的关系来计算的。,B=imfilter(f,w,option1,option2,);,f 为要进行滤波操作的图像。 w为滤波操作使用的
14、模板，为一个二维数组，可自己定义。 option1是可选项，包括： 1、边界选项（symmetric、replicate、circular） 2、尺寸选项（same、full） 3、模式选项（corr、conv）,原图像,滤波后图像,三、滤波器设计,/4、空间域图像增强,h=fspecial(type,parameters),parameters为可选项，是和所选定的滤波器类型type相关的 配置参数，如尺寸和标准差等。 type为滤波器的类型。其合法值如下：,/4、空间域图像增强,四、中值滤波,h=medfilt2(I1,m,n);,m和n为中值滤波处理的模板大小，默认3*3,中值滤波本质上
15、是一种统计排序滤波器。中值不同于均值，是指排序 队列中位于中间位置的元素的值。中值滤波并非线性滤波器。对于某 些类型的随机噪声具有非常理想的降噪能力。典型的应用就是消除椒 盐噪声。,/4、空间域图像增强,五、图像锐化,图像锐化主要用于增强图像的灰度跳变部分，主要通过运算导数（梯度）或有限差分来实现。主要方法有：Robert交叉梯度，Sobel梯度，拉普拉斯算子，高提升滤波，高斯-拉普拉斯变换。,Robert交叉梯度,w1对接近正45边缘有较强响应，w2对接近负45边缘有较强响应。,Sobel交叉梯度,对水平边缘有较大响应,对垂直边缘有较大响应,拉普拉斯算子,I=imread(nir.bmp);
16、 I=double(I);%双精度化 w1=-1 0;0 1; w2=0 -1;1 0; G1=imfilter(I,w1,corr,replicate);%正45梯度 G2=imfilter(I,w2,corr,replicate);%负45梯度 G=abs(G1)+abs(G2);%计算Robert梯度 figure;imshow(G,); figure;imshow(abs(G1),); figure;imshow(abs(G2),);,Robert交叉梯度,I=imread(nir.bmp); Id=double(I);%双精度化 h_1=fspecial(log,5,0.5);%大小为5，sigma=0.5的LOG算子 I_1=imfilter(Id,h_1,co
