【数字图像处理】【Matlab】【作业六】几何变换(平移、缩放、旋转、镜像、转置等)
注意事项:
1.使用软件:Matlab2019a。
2.使用图像来自网络。
3.所以坐标系均采用竖直为x轴,水平为y轴(与matlab矩阵对应)。
4.初学者代码仅供参考,可自行简化或添加自己想要的部分。
5.祝大家码代码快乐!
图像的几何变换
- 1.图像平移
- 1.1. 原理
- 1.2. 算法
- 1.3. 代码
- 1.4. 结果截图
- 2.图像缩放
- 2.1. 原理
- 2.3. 代码
- 2.4. 结果截图
- 3.图像旋转
- 3.1. 原理
- 3.3. 代码
- 3.4. 结果截图
- 4.图像镜像
- 4.1. 原理
- 4.2. 算法
- 4.3. 代码
- 4.4. 结果截图
- 5.图像转置
- 5.1. 原理
- 5.2. 算法
- 5.3. 代码
- 5.4. 结果截图
- 6.图像剪切
- 7.图像的整体切变
1.图像平移
1.1. 原理
图像平移是将图像中所有的点都按照指定的平移量,进行水平、垂直移动。
设初始坐标为(x0,y0)(x0,y0)(x0,y0)的点经过平移(tx,ty)(tx,ty)(tx,ty)后坐标变为(x1,y1)(x1,y1)(x1,y1)
{x1=x0+txy1=y0+ty\begin{cases}x1=x0+tx\\y1=y0+ty\end{cases}{x1=x0+txy1=y0+ty
图1-1 图像平移原理
1.2. 算法
获取原图像的宽高。
输入偏移量move_x,move_y。
新建一个同样大小的图像空白矩阵。
对原图依次循环每个像素,每读入一个像素点(x0,y0),根据它的坐标,找到目标图像的位置(x1=x0-move_x,y1=y0-move_y) ,将像素( x0,y0) 处的灰度值值赋给新图中的(x1,y1)。
根据平移量正负,分为如下4种情况:
图1-2 图像平移算法
1.3. 代码
【mymove.m】
% 函数mymove:实现图像的上下左右平移
% 输入参数:I为原图像
% move_x,move_y为竖直,水平位移大小
% 输出参数:平移变换后的图像OUT
% 使用函数:double(I):增大精度,便于图像的计算
% size(J):求矩阵的宽高
% zeros():生成全零矩阵
% inf:无穷大(白色)
function OUT = mymove(I,move_x,move_y)
J=double(I);
HW=size(J);%获取原图像大小
OUT=zeros(HW);%新建新的图像矩阵
OUT(1:HW(1),1:HW(2))=inf;%初始为全白图像
if((move_x>=0) && (move_y>=0))OUT(move_x+1:HW(1),move_y+1:HW(2))=J(1:HW(1)-move_x,1:HW(2)-move_y);
elseif((move_x>0) && (move_y<0))OUT(move_x+1:HW(1),1:HW(2)+move_y)=J(1:HW(1)-move_x,1-move_y:HW(2));
elseif((move_x<0) && (move_y>0))OUT(1:HW(1)+move_x,move_y+1:HW(2))=J(1-move_x:HW(1),1:HW(2)-move_y);
elseif((move_x<0) && (move_y<0))OUT(1:HW(1)+move_x,1:HW(2)+move_y)=J(1-move_x:HW(1),1-move_y:HW(2));
end
OUT=uint8(OUT);
end
【main.m】
%主函数
close all;
clear all; %#ok<*CLALL>
clc;
%% RGB->灰度图像
RGB=imread('test.png'); %图像读入
I=rgb2gray(RGB); %把 RGB 图像转换成灰度图像
%% 图像的平移(Image translation)
move_x=100;%竖直位移(默认向下)
move_y=60;%水平位移(默认向右)
OUT_1_1=mymove(I,move_x,move_y);
move_x=100;move_y=-60;
OUT_1_2=mymove(I,move_x,move_y);
move_x=-100;move_y=60;
OUT_1_3=mymove(I,move_x,move_y);
move_x=-100;move_y=-60;
OUT_1_4=mymove(I,move_x,move_y);
move_x=1050;move_y=-60;%超出图像范围的情况
OUT_1_5=mymove(I,move_x,move_y);
figure,suptitle('【图像平移】');
subplot(2,3,1),imshow(I),axis on,title('原图像');
subplot(2,3,2),imshow(OUT_1_1),axis on,title('平移变换1');
subplot(2,3,3),imshow(OUT_1_2),axis on,title('平移变换2');
subplot(2,3,4),imshow(OUT_1_3),axis on,title('平移变换3');
subplot(2,3,5),imshow(OUT_1_4),axis on,title('平移变换4');
subplot(2,3,6),imshow(OUT_1_5),axis on,title('平移变换5(平移距离超出原图像坐标范围)');
1.4. 结果截图
图1-3 图像平移结果
2.图像缩放
2.1. 原理
假设图像X轴方向缩放比率是kxkxkx, Y轴方向缩放比率是kykyky,
{x1=x0∗kxy1=y0∗ky\begin{cases}x1=x0*kx\\y1=y0*ky\end{cases}{x1=x0∗kxy1=y0∗ky
当kx>1kx>1kx>1且ky>1ky>1ky>1时,原图像被放大。放大图像时, 产生了新的像素, 可通过插值算法来近似处理。
当kx<1kx<1kx<1且ky<1ky<1ky<1时,原图像被缩小。
当kx=kykx=kykx=ky时,图象被等比例放缩;当kx≠kykx≠kykx=ky时,图像被非比例放缩,图像会发生变形,且这种变形是不可逆转的。
2.2. 算法
获取原图像的宽高。
输入缩放比例:zoom_x,zoom_y。
得到新图像的宽度和高度。
每个目标点的坐标依次循环。计算该象素在原图像中的坐标,使用双线性插值算法,算出像素值赋给目标点。
最终输出放缩后的图像,无论是放大还是缩小,画布的大小都不变,这样更易观察图像的变换情况。
双线性插值算法具体步骤:
①先按要求缩放原图像,得出缩放后的坐标,再由缩放后的坐标(i,j)(i,j)(i,j)求出该坐标在原图像上的位置,即(x,y)=(izoomx,jzoomy)(x,y)=(\frac{i}{zoom_x},\frac{j}{zoom_y})(x,y)=(zoomxi,zoomyj),即为上图所示的M点([x]+u,[y]+v)([x]+u,[y]+v)([x]+u,[y]+v)。其中(u,v)(u,v)(u,v)表示小数部分的坐标。
②设原图像中有4个点,分别为 R1(a1,b1),R2(a1,b2),R3(a2,b1),R4(a2,b2)R1(a1,b1),R2(a1,b2),R3(a2,b1),R4(a2,b2)R1(a1,b1),R2(a1,b2),R3(a2,b1),R4(a2,b2),其中这四点为相邻点,即
a2−a1=1;b2−b1=1;a2-a1=1;b2-b1=1;a2−a1=1;b2−b1=1;
而图中M点([x]+u,[y]+v)为缩放图像所要插入的点。
③根据双线性插值的算法,先在x方向上进行线性插值,即有
{f(M1)=u∗f(R1)+(1−u)∗f(R2);f(M2)=u∗f(R3)+(1−u)∗f(R4);\begin{cases}f(M1)=u*f(R1)+(1-u)*f(R2);\\ f(M2)=u*f(R3)+(1-u)*f(R4);\end{cases}{f(M1)=u∗f(R1)+(1−u)∗f(R2);f(M2)=u∗f(R3)+(1−u)∗f(R4);
④再在y方向上进行线性插值,即有
f(M)=v∗f(M1)+(1−v)∗f(M2);f(M)=v*f(M1)+(1-v)*f(M2);f(M)=v∗f(M1)+(1−v)∗f(M2);
⑤综上,有:f(M)=uvf(R1)+(1−u)vf(R2)+u(1−v)f(R3)+(1−u)(1−v)f(R4);f(M)=uvf(R1)+(1-u)vf(R2)+u(1-v)f(R3)+(1-u)(1-v)f(R4);f(M)=uvf(R1)+(1−u)vf(R2)+u(1−v)f(R3)+(1−u)(1−v)f(R4);
图2-1 图像缩放双线性插值法
2.3. 代码
目前myimresize存在问题:对于图像像素大小为奇数的图像无法处理!!暂未修改
【myimresize.m】
% 函数myimresize:采用双线性插值法对图像进行缩放处理
% 输入参数:I为原图像
% zoom_x,zoom_y表示缩放的倍数
% 输出参数:平移变换后的图像OUT
% 使用函数:floor(x):向下取整
% ceil(x):向上取整
% round(x):取最接近的整数
function OUT=myimresize(I,zoom_x,zoom_y)
J=double(I); %二维矩阵转为双精度类型
HW=size(J);%获取原图像大小
OUT=zeros(HW);%新建新的图像矩阵
OUT(1:HW(1),1:HW(2))=inf;%初始为空白
rHW=[round(HW(1)*zoom_y),round(HW(2)*zoom_x)];%新的图像高宽
for i = 1 : rHW(1) %缩放后的图像的(i,j)位置对应原图的(x,y)for j = 1 : rHW(2)x = i / zoom_y ;y = j / zoom_x ;u = x - floor(x);v = y - floor(y); %得到小数部分坐标if x < 1 %图像的边界处理x = 1;endif y < 1y = 1;end%用原图的四个真实像素点来双线性插值获得“虚”像素的像素值OUT(i, j) = J(floor(x), floor(y)) * u * v + ...J(floor(x), ceil(y)) * (1-u) * v + ...J(ceil(x), floor(y)) * u * (1-v) + ...J(ceil(x), ceil(y)) *(1-u) * (1-v);end
end
OUT=uint8(OUT(1:HW(1),1:HW(2)));
end
【main.m】
%主函数
close all;
clear all; %#ok<*CLALL>
clc;
%% RGB->灰度图像
RGB=imread('test.png'); %图像读入
I=rgb2gray(RGB); %把 RGB 图像转换成灰度图像
%% 图像的缩放(Image scaling)
zoom_x=0.5;zoom_y=0.5;%等比缩小
OUT_2_1=myimresize(I,zoom_x,zoom_y);
zoom_x=2;zoom_y=2;%等比放大
OUT_2_2=myimresize(I,zoom_x,zoom_y);
zoom_x=0.5;zoom_y=0.8;%非比例缩小
OUT_2_3=myimresize(I,zoom_x,zoom_y);
zoom_x=1.8;zoom_y=1;%非比例放大
OUT_2_4=myimresize(I,zoom_x,zoom_y);
figure,suptitle('【图像缩放1】');
subplot(1,3,1),imshow(I),axis on,title('原图像')
subplot(1,3,2),imshow(OUT_2_1),axis on,title('等比缩小变换');
subplot(1,3,3),imshow(OUT_2_2),axis on,title('等比放大变换');
figure,suptitle('【图像缩放2】');
subplot(1,3,1),imshow(I),axis on,title('原图像')
subplot(1,3,2),imshow(OUT_2_3),axis on,title('非比例缩小变换');
subplot(1,3,3),imshow(OUT_2_4),axis on,title('非比例放大变换');
2.4. 结果截图
图2-2 图像等比例放缩
图2-3 图像非比例放缩
3.图像旋转
3.1. 原理
必须指明图像绕着什么旋转。 一般图像的旋转是以图像的中心为原点, 旋转一定的角度。
旋转后, 一般会改变图像的大小。
设原始图像的任意点A0(x0,y0)经逆时针旋转角度β以后到新的位置A(x,y),为表示方便,采用极坐标形式:
{x0=rcos(β)y0=rsin(β)\begin{cases}x0=rcos(β)\\y0=rsin(β)\end{cases}{x0=rcos(β)y0=rsin(β)
逆时针旋转变换后的坐标为:
{x1=x0cos(β)−y0sin(β)y1=x0sin(β)+y0cos(β)\begin{cases}x1=x0cos(β)-y0sin(β)\\y1=x0sin(β)+y0cos(β)\end{cases}{x1=x0cos(β)−y0sin(β)y1=x0sin(β)+y0cos(β)
变换如下图所示:
图3-1 图像旋转原理
3.2. 算法
获取原图像的宽高。
输入旋转角度:alphaalphaalpha,进行如下处理:
①将旋转角度转换到0~360之间计算;
②得到旋转弧度;
图3-2 图像旋转角度范围
由此可将旋转角度分为以上4个区间,每个区间对应的变换不同。
得到新图像的宽度和高度。
为了确保旋转后的图像都能够在画布内,不会被切点,初始化的画布设置为最大,所以用到了abs(x)abs(x)abs(x)取绝对值和ceil(x)ceil(x)ceil(x)向上取整两个函数。
nHW(1)=ceil(HW(1)*abs(cos(abs(alpha)))+HW(2)*abs(sin(abs(alpha))));
nHW(2)=ceil(HW(1)*abs(sin(abs(alpha)))+HW(2)*abs(cos(abs(alpha))));
- 每个目标点的坐标依次循环。
①计算该象素在原图像中的坐标:
这个地方尤其注意由于我们默认设置为逆时针变换,而计算时是由新图像的坐标点(i,j)(i,j)(i,j)换算出其在原图像所在的位置(x,y)(x,y)(x,y)所以转换矩阵应该反过来才对,即转换矩阵如下:
{x=icos(β)+jsin(β)y=−isin(β)+jcos(β)\begin{cases}x=icos(β)+jsin(β)\\y=-isin(β)+jcos(β)\end{cases}{x=icos(β)+jsin(β)y=−isin(β)+jcos(β)
为了使得到的图像都能显示在画布的正中心,根据角度alphaalphaalpha的四个区间分为4种情况,每种情况的位移量不同,由此得到不同的4个计算公式。
②然后使用双线性插值算法,(具体步骤和图像缩放时的一样)算出像素值赋给目标点。 - 最终输出放缩后的图像,无论是放大还是缩小,画布的大小都不变,这样更易观察图像的变换情况。
3.3. 代码
【myimrotate.m】
%函数myimrotate:采用双线性插值法实现图像旋转
%输入参数:I原图像
% alpha:旋转的角度(>0为逆时针)
%输出参数:OUT旋转变换后的图像
%使用函数:mod(m,n):对m/n取余
% abs(x):取绝对值
% ceil(x):向上取整
% pi:3.1415926......可直接使用
% floor(x):向下取整
function OUT=myimrotate(I,alpha)
J=double(I);
HW=size(J);%获取原图像大小
alpha=mod(alpha,360);%将旋转角度转换到0~360之间计算
alpha=alpha*pi/180;%得到旋转弧度
%确保旋转后的图片还在坐标系内
nHW(1)=ceil(HW(1)*abs(cos(abs(alpha)))+HW(2)*abs(sin(abs(alpha))));%新图像的高heighth
nHW(2)=ceil(HW(1)*abs(sin(abs(alpha)))+HW(2)*abs(cos(abs(alpha))));%新图像的宽width
OUT=zeros(nHW);%新建新的图像矩阵
OUT(1:nHW(1),1:nHW(2))=inf;%初始为空白
u0=HW(2)*sin(alpha);u2=HW(1)*cos(alpha);%竖直方向的相关平移量
u1=HW(1)*sin(alpha);u3=HW(2)*cos(alpha);%水平方向的相关平移量
T=[cos(alpha),sin(alpha);-sin(alpha),cos(alpha)];%变换矩阵
for i = 1:nHW(1)%(i,j)是新图像坐标,变换到原图像坐标(x,y)中。 for j=1:nHW(2)if(alpha>=0 && alpha<=pi/2)XY=T*([i;j]-[u0;0]);%保证输出在图像的中心elseif(alpha>pi/2 && alpha<=pi)XY=T*([i;j]-[u0-u2;-u3]);%保证输出在图像的中心 elseif(alpha>pi && alpha<=3*pi/2)XY=T*([i;j]-[-u2;-u3-u1]);%保证输出在图像的中心elseif(alpha>3*pi/2 && alpha<=2*pi)XY=T*([i;j]-[0;-u1]);%保证输出在图像的中心endx=XY(1);%变换得到的原坐标y=XY(2);if x>=1 && x<=HW(1) && y>=1 && y<=HW(2) %若变换出的x和y在原图像范围内 u = x - floor(x);v = y - floor(y); %得到小数部分坐标%用原图的四个真实像素点来双线性插值获得“虚”像素的像素值OUT(i, j) = J(floor(x), floor(y)) * u * v + ...J(floor(x), ceil(y)) * (1-u) * v + ...J(ceil(x), floor(y)) * u * (1-v) + ...J(ceil(x), ceil(y)) *(1-u) * (1-v);endend
end
OUT=uint8(OUT);
end
【main.m】
%主函数
close all;
clear all;
clc;
%% RGB->灰度图像
RGB=imread('test.png'); %图像读入
I=rgb2gray(RGB); %把 RGB 图像转换成灰度图像
%% 图像的旋转(Image rotation)
alpha=30;%默认>0为逆时针旋转
OUT_2_1=myimrotate(I,alpha);
alpha=120;
OUT_2_2=myimrotate(I,alpha);
alpha=-30;%默认<0为顺时针旋转
OUT_2_3=myimrotate(I,alpha);
alpha=-100;
OUT_2_4=myimrotate(I,alpha);
figure,suptitle('【图像逆时针旋转】');
subplot(1,3,1),imshow(I),axis on,title('原图像');
subplot(1,3,2),imshow(OUT_2_1),axis on,title('图像旋转1');
subplot(1,3,3),imshow(OUT_2_2),axis on,title('图像旋转2');
figure,suptitle('【图像顺时针旋转】');
subplot(1,3,1),imshow(I),axis on,title('原图像');
subplot(1,3,2),imshow(OUT_2_3),axis on,title('图像旋转3');
subplot(1,3,3),imshow(OUT_2_4),axis on,title('图像旋转4');
3.4. 结果截图
图3-3 图像逆时针旋转结果
图3-4 图像顺时针旋转结果
4.图像镜像
4.1. 原理
分为两种:一种是水平镜像,另一种是垂直镜像。
设图像高度为HeightHeightHeight, 宽度为WidthWidthWidth;
图像的水平镜像操作是以原图像的垂直中轴线为中心,将图像分为左右两部分进行对称变换;
{x1=x0y1=width+1−y0\begin{cases}x1=x0\\y1=width+1-y0\end{cases}{x1=x0y1=width+1−y0
图像的垂直镜像操作是以原图像的水平中轴线为中心,将图像分为上下两部分进行对称变换。
{x1=height+1−x0y1=y0\begin{cases}x1=height+1-x0\\y1=y0\end{cases}{x1=height+1−x0y1=y0
镜像变换后图的高和宽都不变。
4.2. 算法
- 获取原图像的宽高。
- 输入choice。
- 新建一个同样大小的图像空白矩阵。
- 根据choice选择是水平镜像还是垂直镜像。
4.3. 代码
【mymirror.m】
%函数mymirror:实现图像镜像
%输入参数:I原图像
% choice选择水平或垂直镜像
%输出参数:OUT镜像变换后的图像
%使用函数:strcmp(a,b):比较两个字符串是否相等
function OUT=mymirror(I,choice)
J=double(I);
HW=size(J);%获取原图像大小
OUT=zeros(HW);%新建新的图像矩阵
OUT(1:HW(1),1:HW(2))=inf;%初始为空白
for i = 1:HW(1)for j=1:HW(2)if strcmp(choice,'level')OUT(i, j) = J(i, HW(2)+1-j);elseif strcmp(choice,'vertical')OUT(i, j) = J(HW(1)+1-i, j);endend
end
OUT=uint8(OUT);
end
【main.m】
%主函数
close all;
clear all; %#ok<*CLALL>
clc;
%% RGB->灰度图像
RGB=imread('test.png'); %图像读入
I=rgb2gray(RGB); %把 RGB 图像转换成灰度图像
%% 4.图像的镜像变换(Image mirror transformation)
OUT_4_1=mymirror(I,'level');%选择参数'level'即为水平镜像
OUT_4_2=mymirror(I,'vertical');%选择参数'vertical'即为垂直镜像
figure,suptitle('【图像镜像变换】');
subplot(1,3,1),imshow(I),axis on,title('原图像');
subplot(1,3,2),imshow(OUT_4_1),axis on,title('水平镜像');
subplot(1,3,3),imshow(OUT_4_2),axis on,title('垂直镜像');
4.4. 结果截图
图4-1 图像镜像变换结果
5.图像转置
5.1. 原理
将图像像素的x坐标和y坐标互换。 将改变图像的高度和宽度,转置后图像的高度和宽度将互换。
{x1=y0y1=x0\begin{cases}x1=y0\\y1=x0\end{cases}{x1=y0y1=x0
5.2. 算法
- 获取原图像的宽高。
- 新建一个同样大小的图像空白矩阵。
- 将原图像转置后对应的点赋值给新图像的点。
5.3. 代码
【mytranspose.m】
%函数mytranspose:实现图像转置
%输入参数:I原图像
%输出参数:OUT转置变换后的图像
function OUT=mytranspose(I)
J=double(I);
HW=size(J);%获取原图像大小
OUT=zeros(HW(2),HW(1));%新建新的图像矩阵
OUT(1:HW(2),1:HW(1))=inf;%初始为空白
for i = 1:HW(2)for j=1:HW(1)OUT(i, j) = J(j,i);end
end
OUT=uint8(OUT);
end
【main.m】
%主函数
close all;
clear all; %#ok<*CLALL>
clc;
%% RGB->灰度图像
RGB=imread('test.png'); %图像读入
I=rgb2gray(RGB); %把 RGB 图像转换成灰度图像
%% 5.图像的转置(Image transpose)
OUT_5_1=mytranspose(I);
figure,suptitle('【图像转置变换】');
subplot(1,2,1),imshow(I),axis on,title('原图像');
subplot(1,2,2),imshow(OUT_5_1),axis on,title('转置变换');
5.4. 结果截图
图5-1 图像转置变换结果
6.图像剪切
很简单!
J=double(I);
OUT_6=J(500:1000,200:300);
OUT_6=uint8(OUT_6);
7.图像的整体切变
id=maketform('affine',[1 4 0;2 1 0;0 0 1]');%创建图像整体切变参数结构体
id=imtransform(i,id,'FillValues',255);%实现图像整体切变
(使用maketformmaketformmaketform也可以实现以上其他变换,大家可自行尝试)
好了,本次学习就到这里,嘻嘻~~码代码去了
【数字图像处理】【Matlab】【作业六】几何变换(平移、缩放、旋转、镜像、转置等)相关推荐
- 数字图像处理matlab作业,数字图像处理matlab大作业
<数字图像处理matlab大作业>由会员分享,可在线阅读,更多相关<数字图像处理matlab大作业(23页珍藏版)>请在人人文库网上搜索. 1.几个图像处理实例,matlab ...
- [Python从零到壹] 三十八.图像处理基础篇之图像几何变换(平移缩放旋转)
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- matlab d=sqrt((i-m)^2+(j-n)^2);,硕士研究生《数字图像处理》作业
硕士研究生<数字图像处理>作业 研究生<数字图像处理>考试 1. 编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较,得出结论. 图像频域降噪的实验原理与算法分析: ...
- 《数字图像处理 MATLAB版》学习笔记
学习教材:<数字图像处理 MATLAB版>(第二版) 冈萨雷斯 学习过程中的图片代码和及我收集的一些关于数字图像处理的其他学习资料,需要的可以评论留下邮箱(需要购买专栏),加油 文章目录 ...
- 数字图像处理——大作业 基于车道信息的违法车辆车牌识别
数字图像处理--大作业 基于车道信息的违法车辆车牌识别 一.车牌识别研究现状与分析 二.车牌识别算法原理 2.1 车牌定位 2.1.1 基于RGB阈值的车牌区域初定位 2.1.2 基于数学形态学的车牌 ...
- 【资源分享】数字图像处理MATLAB版冈萨雷斯+中文高清版+随书源码链接
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 目录 1.数字图像处理MATLAB版冈萨雷斯+中文高清版 2.数字图像处理MATLAB版冈萨雷斯随书源码 1.数字图像处 ...
- 【数字图像处理matlab】(HSI变换融合算法)
[数字图像处理matlab](HSI变换融合算法) 输入一张高分辨率的全色影像HR,一张低分辨率的多光谱影像MS,采用HSI变换融合算法实现影像融合,其中RGB与HSI影像的相互转换调用自定义函数RG ...
- 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 ...
- [数字图像处理Matlab]任选一幅灰度图,自行编写程序,完成直方图均衡化。鼠鼠的数字图像处理实验要求:不能用MATLAB自带的histeq函数实现直方图均衡化
数学理论前提:见数字图像处理(第三版) 李俊山等编著 p50-53 1.利用imhist函数统计像素点个数 Im = imread("C:\Users\鼠鼠\Desktop\数字图像处理m ...
- 图像处理----入门资料,Matlab r2019最新版,r2008a,《数字图像处理》冈萨雷斯 第三版 《数字图像处理 Matlab 版》
研究生想研究的方向是图像处理,现在离开学还有四个月,希望能稍微入门吧.同时也希望通过博客的形式记录一下学习的进度,学习的心情.目前学习两周,安装了基本的软件,收集书籍,学习了灰度变换,空间滤波,频率滤 ...
最新文章
- Rails字符集问题
- Java回调函数的理解
- x+2y+3z=n的非负整数解数
- Python3算法基础练习:编程100例( 21~ 25)
- 一阶电路暂态响应的结果分析。_反激式DCDC变换器的分析、计算与仿真精讲
- cocos2dx中使用iconv转码(win32,iOS,Android)
- Java 自定义HashSet
- 原生Js汉语拼音首字母匹配城市名
- 共享服务器文件溢出,文件共享锁定数溢出
- 2019年系统分析师考试总结
- Android以太网卡配置启动流程和双网卡同时支持的实现
- java批量pdf压缩代码_怎么批量压缩PDF文档?迅捷PDF转换器帮你解决难题!
- Ubuntu解决文件带锁问题
- 专注儿童编程,核桃编程招人啦~
- excel 链接sql server数据库,并使用sql语句导出自己想要的数据
- MyBatis-第三章 动态SQL
- 页码怎么设置从某一页位置开始,word文档如何设置开始页面
- 使用iterm2查看日志时屏幕持续滚动将老内容冲掉的设置
- 用MATLAB画圣诞树的源代码
- matlab zscore函数 数据的标准化处理
热门文章
- 如何使用html5的video标签,关于html5 video标签的使用方法
- Android 修改屏幕密度(开发者选项中的最小宽度)
- CISA Cert Prep: 5 Information Asset Protection for IS Auditors CISA证书准备:5 IS审计员的信息资产保护 Lynda课程中文字幕
- 9S12汇编指令【HCS12】
- 读《物理学的困惑》的思考
- Python自学教程5-字符串有哪些常用操作
- 没钱开发VS肆意挥霍,揭秘“穷项目”和“富项目”差距有多大?
- shell 删除simatic_请教Simatic net安装好后,硬盘目录下的Simatic shell是做什么的??...
- 幼儿园计算机知识竞赛,幼儿园知识竞赛方案
- 开一间快递驿站能挣多少钱?