图像类型的转换

图像文件读写

视频文件读写

数字图像的运算

图像的几何变换

图像类型的转换

RGB图像转为灰度图像：X=rgb2gray(I) %I为RGB图像，X为转换后的图像

RGB图像转换为索引图像：

[X,map]=rgb2ind(I,tol) %toll的范围是0.0到1.0,map包含至少（floor（1/tool）+1)^3个颜色

[X,map]=rgb2ind(I,N)%map包含至少N个颜色

X=rgb2inb(I,map) %【x,map】对应的是索引图像,colorcube(M)返回包含colorcube的M × 3矩阵。M = 256, colorcube返回完全一样的颜色。当M < 8时，长度为M的灰色斜坡返回。

灰度图像转换为索引图像：

[X,map]=gray2ind（I,n）%该函数是将灰度图像转为索引图像，灰度级为n

[X,map]=gray2ind(BW,n)%该函数是将二值图像BW转换为索引图像

map中对于的颜色值为颜色图gray(n)中的颜色值,gray(M)返回一个包含灰度色图的M × 3矩阵

I=grayslice(G,n)%该函数是将灰度图像中的像素灰度均匀化为n个等级转换为索引色图像，然后imshow(I,jet(n)),jet()函数生成颜色映射表，给图像I对于像素点加上颜色

索引图像转换为灰度图像：

I=ind2gray(X,map)%该函数将具有颜色映射表map的索引图像转化为灰度图像,[X,map]=imread();

索引图像转为RGB图像：

RGB=ind2rgb(X,map)%索引图像中的map表直接赋给RGB中对应像素的颜色值，肉眼下两图一样

灰度图像，RGB转换为二值图像：

BW=im2bw(I,level)%level为设置的阈值参数，取值范围在[0,1],输出图像BW用白色替换输入图像中亮度大于level*255的所有像素,用黑色替换其他,像如果没有指定level, im2bw将使用值0.5。

数值矩阵转换为灰度图像：

I=mat2gray(X,[xmin,xmax])%1指白色，0指黑色，数据矩阵小于0取xmin,大于1取xmax。

图像文件读写

文件信息的读取：imfinfo('文件名件.类型')%可以查看图像的图像类型，大小等。

图像文件的读取：

I=imread('文件名件.类型')%灰度图像M*N二维，真彩色图像M*N*3的三维数组。

[X,map]=imread('文件名件.类型')%索引图像，map用于存储与索引图像相关的颜色映射表。

[X,map]=imread('文件名件.GIF',idx)%idx读取第几帧图像。

图像文件的保存：

imwrite(I,'文件名件','类型')将图像I保存。

imwrite(X,map,'文件名件','类型')用于保存索引图像。

图像显示函数：

imshow(I) imshow('文件') imshow(X,map)%图像视窗

imtool(I)%图像工具浏览器

image(I) image([1,2],[3,4],I)%X轴1到2，y轴4到3，个人理解类似于A([1 2],[2 3])这种。

image有坐标轴区别于前面两个函数

彩色条：

colorbar%在图像上形成一个彩色条，默认在右侧

imshow(I),colorbar；

colobar('off') 、colobar('hide')和colobar('delete')删除当前轴所有的相关彩色条。

视频文件读写

v = VideoReader(filename)%读取视频

v.NumberOfFrames%获取视频帧数（我用的是matlab2016a,V结构里面没有总帧数所以加上了）

read(v,[1 10])%读取视频中的1:10帧

read(v,[1 Inf])%从第 1 帧开始读取到视频结束。

VideoReader.getFileFormats()%查看在你的matlab上 VideoReader支持的文件格式列表

数字图像的运算

图像的加法：imadd(X,Y)%其中X，Y为大小相等的图像矩阵，Y如果是数字则表示在原图像X上每个像素值加30，这里不能用索引图像。

附加噪声：imnosie(I,type,parameters)%type为噪声类型:gaussian(高斯噪声)，localvar(零均值的高斯噪声)，poisson（泊松噪声），salt & pepper(椒盐噪声)

J = imnoise(I,'gaussian',M,V)，M-均值，V-方差

J = imnoise(I,'localvar',V)

J = imnoise(I,'poisson')

J = imnoise(I,'salt & pepper',d)，其中d为噪声密度。这将影响大约d*numel(I)像素，d的默认值是0.05

图像的减法：imsubtract(X,Y),这里Y可以是常熟类似于上面的加法---获取两个图像之间的差异

图像的乘法：immulitply(X,Y)——实现图像局部显示

Y--常数，大于1起亮度增强的作用

图像的几何变换

impixel(I,C,R)%输出像素的颜色

图像的缩放[B,newmap]=imresize(A,map,m)%m为缩放比例

B=imresize(A,m) B=imresize(A,[行,列])%缩放后的行列

图像的旋转imrotate(A,angle)

图像的修剪imcrop(X,行,列),imcrop(I)--截选好图像，然后双击

图像的平移： $x_{1}=x_{0}+\Delta x$ $y_{1}=y_{0}+\Delta y$

J(i+a,j+b,:)=I(i,j,:)

将图像的数据类型转换为双精度--目的是提高精度im2double(I)

图像的转置： $x_{1}=y_{0}$ $y_{1}=x_{0}$

图像的空间变换：B=imtransform（A,TFORM）;A是图像矩阵，TFORM通过maketform（）返回

maketform('affine',D)%平移，缩放，旋转

返回二维的参数结构体，输入D应该是（2+1）*（2+1）或者（2+1）*2的矩阵

如果是3*3的矩阵，最后一列应该为（zeros(2,1);1）

	$a_{0}$	$a_{1}$	$a_{2}$	$b_{0}$	$b_{1}$	$b_{2}$
平移	1	0	$\Delta x$	0	1	$\Delta y$
缩放	$s_{x}$	0	0	0	$s_{y}$	0
旋转(逆时针a)	cosa	sina	0	-sina	cosa	0

eg:

$D=\begin{bmatrix} 1&0 & 0\\ 0& 1& 0\\ \Delta x& \Delta y&1 \end{bmatrix}$

灰度变换增强

灰度图像的直方图可以通过imhist()获取，或通过编程 k=I(i,j);N(k+1)=N(k+1)+1

imadjust(I,[0.2,0.5],[0,1])%小于255*0.2的灰度值设为0。

灰度图像的亮度改变brighten(n)，通常放在imshow()的后面%n>0&&n<1,图像变亮， $n\subseteq [-1,1]$ 。

最佳输入区间:stretchlim(I)%获取最佳区间。

灰度反转：imcomplement()%0变为255，将灰度值为X的像素值转换为255-X。

RGB图像也可以求直方图（分解R，G，B） imhist(I(:,:,1))%计算R分量的直方图。

直方图均衡化：histeq()%直方图是近似均匀的。

图像的统计特性

图像的均值：mean2()计算矩阵的均值，对于RGB图像mean（I（：，：，1））先弄成2维矩阵。

图像的标准差std2()

图像的相关系数:两个大小相等的二维矩阵，可以计算相关系数，corr2(A,B)。

图像的等高线：imcontour(I,n)%n为设置等高线的条数，不指定函数会自动选取n,好玩。

空域滤波

空域滤波是对图像中每一个像素为中心的领域进行的一系列的运算

线性空域滤波：线性平均滤波是一种常用的线性空域滤波，它是一种低通滤波，信号低频部分通过，阻止高频部分通过。由于图像的边缘处于高频部分，因此线性平均滤波后，会造成图像边缘的模糊。

eg:常用的模版大小为3X3，如下所示：

$T=\frac{1}{5}\begin{bmatrix} 0&1 &0 \\ 1& 1& 1\\ 0&1 &0 \end{bmatrix}$

对图像进行平滑: imfilter(I,T),

通过卷积进行滤波C = conv2(A,B,'___')---锐化滤波后得到的图像，图像的边缘部分得到了加强

same——返回与A大小相同的卷积的中心部分。B是模版

full——返回完整的二维卷积，默认的

conv2%把图像的轮廓描绘出来，K=原图-卷积后的图%边缘部分会加强。

非线性空域滤波：

中值滤波：是一种保护边缘的非线性图像平滑方法——medfilt2(I)进行图像的二维中值滤波，中指滤波非常适合去除椒盐噪声，取得非常好的滤波效果。

wiener2()根据图像的噪声进行自适应滤波，该函数根据图像的局部方差来调整滤波器的输出，当局部方差大时，滤波器的平滑效果较弱；当局部方差小时，滤波器的平滑效果较强。

J = wiener2(I，[m n])使用像素方向自适应Wiener滤波对图像I进行滤波，使用大小为m × n的邻域来估计局部图像的均值和标准差。

排序滤波：ordfilt（）还不会，这就很难受，书上的代码看不懂

频域滤波：

通过傅里叶变换将图像从空间域转换为频率域，然后在频率域内对图像进行处理，最后通过傅里叶反变换转换到空间域。

低通滤波：作用是过滤掉包含在高频中的噪声，同时也抑制了图像边缘

对于大小为M*N的图像，频率点（u,v）与频率中心的距离为D(u,v)其表达式为：

$D(u,v)=\sqrt{[(u-M/2)^2+(v-N/2)^2]}$

1.理想低通滤波器：Do为理想低通滤波器的截止频率，在半径为Do的范围内，所有频率都可以没有衰减的通过滤波器，在半径之外的全部衰减为0。理想低滤波器具有平滑图像的作用，但是有很严重的振铃现象（振铃效应，是由于在图像复原中选取了不适当的图像模型造成的，振铃效应产生的直接原因是图像退化过程中信息量的丢失，尤其是高频信息的丢失，其严重降低了复原图像的质量，并且使得难于对复原图像进行后续处理）

$H(u,v)=\begin{cases} 1&, \text{ if } D(u,v)\leqslant Do\\ 0& \text{ if } D(u,v)\>>Do \end{cases}$

matlab图像处理（笔记）相关推荐

【matlab图像处理笔记5】【图像变换】（四）图像的正交变换
文章目录推荐阅读前言图像正交变换简介离散傅里叶变换对图像进行离散傅里叶变换的作用二维离散傅里叶变换频谱图示例离散余弦变换简介基本原理示例推荐阅读本系列其他文章 [matla ...
【matlab图像处理笔记4】【图像变换】（三）图像的霍夫变换
文章目录推荐阅读前言霍夫变换概述霍夫变换直线检测原理从笛卡尔坐标系到霍夫空间两点一线的霍夫空间形式寻找共线的点直角坐标系存在的问题极坐标参数空间下的霍夫变换 matlab霍夫变换直线 ...
Matlab图像处理笔记--图像修复
大多数的修图软件都是通过借用相邻像素内容来对照片进行处理,这其中比较有代表性的就要数Adobe的修图软件了,但这这种方式也有一定的缺陷,就是当你的图像变成这个样子时,那么这张照片就彻底没救了,如下图所 ...
B站台湾大学郭彦甫｜MATLAB 学习笔记｜08 图像处理I Image Processing
MATLAB学习笔记(08 图像处理I Image Processing) 如果想获得更好浏览体验的朋友可以转到下面链接 08 1. 基本操作读取图像 imread() 展示图像 imshow() ...
数字图像处理MATLAB学习笔记（五）
数字图像处理MATLAB学习笔记(五) Color Image Processing 1 Color Image Representation in MATLAB 这里不多说了,彩色图片在计算机中以R ...
matlab bwmorph spur,matlab图像处理学习笔记-数学形态与二值图像操作
matlab图像处理学习笔记-数学形态与二值图像操作数学形态学主要处理的是二值图像,因为二值图像的处理操作比较简单. 9.1 数学形态学图像处理基本思想:利用一个称作结构元素(structurin ...
B站台湾大学郭彦甫｜MATLAB 学习笔记｜09 图像处理II Image Processing
MATLAB学习笔记(09 图像处理II Image Processing) 如果想获得更好浏览体验的朋友可以转到下面链接 09 1. 提出问题题目:如何找出图片中的米粒,并且确定他们的大小? 老师 ...
Matlab学习笔记(3)—GUI程序设计与图像处理基本操作
Matlab学习笔记(3)-GUI程序设计与图像处理基本操作一.GUI程序设计如果想要开始使用Matlab进行GUI编程,首先需要进入Matlab的GUI界面对GUI有一个基本的认识. 1.gui ...
数字图像处理MATLAB学习笔记（一）
数字图像处理MATLAB学习笔记(一) 灰度转换与空间滤波本节主要使用Matlab语言进行灰度转换与空间滤波的使用并对相关数学原理进行总结 1. Intensity Transformer Fun ...
MATLAB学习笔记2：MATLAB基础知识（下）
阅读前请注意: 1. 该学习笔记是华中师范大学HelloWorld程序设计协会2021年寒假MATLAB培训的学习记录,是基于培训课堂内容的总结归纳.拓展阅读.博客内容由 @K2SO4钾撰写.编辑, ...

matlab图像处理（笔记）

图像类型的转换

图像文件读写

视频文件读写

数字图像的运算

图像的几何变换

灰度变换增强

图像的统计特性

空域滤波

matlab图像处理（笔记）相关推荐

最新文章

热门文章