【正文】 ile 循環(huán)結構 語法： while 邏輯表達式 循環(huán)體語句 end (3)ifelseend 分支結構 if 表達式 1 語句 1 else if 表達式 2(可選 ) 語句 2 else(可選 ) 語句 3 end end 說明： 結構是一個條件分支語句，若滿足表達式的條件，則往下執(zhí)行；若不滿足則跳出 if 結構。 ii． else if 表達式 2 與 else 為可選項，這兩條語句可依據(jù)具體情況取舍。 iii． 注意：每一個 if 都對應一個 end， 即有幾個 if，記就應有幾個 end。 三、實驗內(nèi)容（調(diào)試好的程序，實驗結果及分析） 圖像的打開與顯示。在 matlab 命令窗口執(zhí)行： 程序 。 f=imread(39。e:/imdata/39。)。 imshow(f)； 圖 11 圖像的信息查詢。在 matlab 命令窗口執(zhí)行： info = imfinfo(39。39。) 3 圖 12 圖像的存儲。在 matlab 命令窗口執(zhí)行： 圖 13 彩色圖像灰度化編程實驗。在 matlab 打開文本編輯器，編寫 文件： 程序代碼： clear all。close all。 clc f=imread(39。e:/imdata/39。)。 figure, subplot(1,2,1), imshow(f),title(39。原圖 39。)。 g=rgb2gray(f)。 subplot(1,2,2), imshow(g),title(39?；叶葓D像 39。) 。 4 圖 14 圖像數(shù)值算術運算編程實驗。在 matlab 打開文本編輯器，編寫 文件，實現(xiàn)：（ 1）將每個像素加上 50；（ 2） 255 減每個像素的值： 圖像邏輯運算編程實驗。在 matlab 用如下語句構造二幅“二值圖像”，自己打開文本編輯器，編寫 文件，實現(xiàn)：（ 1）統(tǒng)計圖像 A 與 B中非 0 像素的數(shù)量；（ 2）將圖像 A 與 B“相或”“相與”，得到新的一幅圖像 C；觀察比較運算結果 。 5 實驗 2： 圖像 空間 坐標變換 實驗 一、實驗目的 1. 掌握 Matlab 圖像文件的打開與顯示等基本方法； 2. 掌握圖像數(shù)據(jù)類型轉(zhuǎn)換及圖像類型轉(zhuǎn)換； 3. 熟悉圖像矩陣的基本操作。 二、實驗原理 圖像的幾何變換由兩個算法來實現(xiàn)：空間變換算法和圖像插值算法?？臻g變換算法采用數(shù)學函數(shù)形式描述輸入、輸出圖像對應像素間的空間關系。設原圖像的 (x,y)點變換后移動到新圖像的 (x1,y1)點， (x,y)和 (x1,y1)的空間變換關系可由下式描述： ? ? ? ?1,1,1,1 yxTyx ?? 其中， T 為 3*3 的變換矩陣。 圖像平移：初始坐標為 ? ?yx, 的點經(jīng)過平移 ? ?00,yx ，坐標變?yōu)?? ?39。,39。 yx ，兩點之間的關系為 ：??? ?? ??0039。39。 yyy xxx ，以矩陣形式表示為： ???????????????????????????????11001001139。39。00yxyxyx 圖像的鏡像變換：是以圖象垂直中軸線或水平中軸線交換圖像的變換，分為垂直鏡像變換和水平鏡像變換，兩者的矩陣形式分別為： ???????????????????????????????1100010001139。39。yxyx ???????????????????????????????1100010001139。39。yxyx 圖像縮小和放大（縮放）：變換矩陣相同： ???????????????????????????????11000000139。39。yxSSyxyx 當 1,1 ?? yx SS 時，圖像縮?。?1,1 ?? yx SS 時，圖像放大。 圖像旋轉(zhuǎn)：定義為以圖像中某一點為原點以逆時針或順時針方向旋轉(zhuǎn)一定角度。其變換矩陣為： ????????????????????????????????11000c o ss in0s inc o s139。39。yxyx???? 6 該變換矩陣是繞坐標軸原點進行的，如果是繞一個指定點（ a,b）旋轉(zhuǎn)，則現(xiàn)要將坐標系平移到該點，進行旋轉(zhuǎn)，然后再平移回到新的坐標原點。 三、 實驗內(nèi)容（調(diào)試好的程序，實驗結果及分析） 試用 Matab 自帶的 imresize（）函數(shù)，實現(xiàn)圖像縮放， imresize 函數(shù)常用的語法格式如下： (1) 用不同的插值方法實現(xiàn)圖像縮放 Im=imresize (I,m,method)。 參數(shù) I：待縮放的圖像，由 imread 函數(shù)讀入。參數(shù) m：圖像放大倍數(shù)， m1時，為圖像收縮。參數(shù) method：用于指定插值方法，可選值為 nearest（最近鄰法）、 bilinear（雙線性法）、 bicubic（雙立方法），其默認值為 nearest。 (2) 指定圖像大小的圖像縮放 Im=imresize (I,[mrows ncols],method)。 參數(shù) [mrows ncols]：指定縮放后的圖像大小為 mrows 行， ncols 列。 Im=imread(39。e:/imdata/39。)。 Im1=imresize(Im,39。nearest39。)。%第二個參數(shù)小于 1 為縮小 Im2=imresize(Im,39。bilinear39。)。 Im3=imresize(Im,39。bicubic39。)。 figure(1)。 subplot(2,2,1),imshow(Im),title(39。原圖像 39。)。 subplot(2,2,2),imshow(Im1)。title(39。最近鄰插值法 39。)。 subplot(2,2,3)。imshow(Im2)。title(39。雙線性插值法 39。)。 subplot(2,2,4)。imshow(Im3)。title(39。雙立方插值法 39。)。 Im4=imresize(Im,[200 200])。%用最近鄰插值把圖像變成 200*200 的大小 figure(2)。 imshow(Im4)。 title(39。200*20039。)。 圖 21 試用 Matab 自帶的 imrotate（）函數(shù)，實現(xiàn)圖像旋轉(zhuǎn)，常用的語法格式如下： (1) 用不同的插值方法實現(xiàn)圖像旋轉(zhuǎn)： Im=imrotate (I,angle,method)。 7 參數(shù) I：待旋轉(zhuǎn)的圖像，由 imread 函數(shù)讀入。 參數(shù) angle：圖像逆時針旋轉(zhuǎn)的角度。參數(shù) method：圖像的旋轉(zhuǎn)也涉及到圖像插值，該參數(shù)可選值為nearest（最近鄰法）、 bilinear（雙線性法）、 bicubic（雙立方法），其默認值為 nearest。用該方法實現(xiàn)圖像旋轉(zhuǎn)時，為了保持圖像底版大小不變，圖像本身進行了縮小。保持圖像大小的圖像旋轉(zhuǎn) . Im=imread(39。e:/imdata/39。)。 Im1=imrotate(Im,30,39。bilinear39。)。%用雙線性法逆時針旋轉(zhuǎn)圖像 30度 Im2=imrotate(Im,30,39。bilinear39。,39。crop39。)。 %不改變原圖大小，超出畫布的部分被剪切掉 subplot(1,3,1)。imshow(Im)。title(39。原圖像 39。)。 subplot(1,3,2)。imshow(Im1)。title(39。改變原圖大小的旋轉(zhuǎn) 39。)。 subplot(1,3,3)。imshow(Im2)。title(39。不改變原圖大小的旋轉(zhuǎn) 39。)。 圖 22 3：試用 Matab 自帶的 imcrop（）函數(shù)，實現(xiàn)圖像剪切 該函數(shù)用于剪切圖像中的一個矩形子圖，用戶可以通過參數(shù)指定矩形定起點的坐標和矩形的大小，也可以用鼠標指針選取這個矩形。 imcrop 函數(shù)常用的語法格式如下： (1) 通過參數(shù)指定剪切矩形的位置和大小： Im=imcrop(I,[xmin ymin width height])。 參數(shù) I：待剪切的圖像，由 imread 函數(shù)讀入。四元向量 [xmin ymin width height]： [xmin ymin]為剪切矩形左上角在圖像中的坐標，它限定了剪切矩形在原圖像中的位置； [width height]為該剪切矩 形的寬和高，它限定了剪切矩形的大小。 (2) 通過鼠標選擇矩形： Im=imcrop(I)；交互式的圖像剪切，剪切矩形由鼠標在函數(shù)彈出的原圖像中框定。 f=imread(39。e:/imdata/39。)。 Im1=imcrop(f,[110,6,100,50])。%按指定參數(shù)剪切圖像 8 subplot(1,2,1)。 imshow(f)。title(39。原圖像 39。)。 subplot(1,2,2)。imshow(Im1)。 title(39。剪切后的圖像 39。)。 圖 23 9 實驗 3：直方圖均衡化圖像增強 實驗 一、實驗目的 1. 掌握 Matlab 圖像文件的打開與顯示等基本方法； 2. 掌握圖像數(shù)據(jù)類型轉(zhuǎn)換及圖像類型轉(zhuǎn)換； 3. 熟悉圖像矩陣的基本操作。 二、實驗原理 灰度直方圖 概念：灰度直方圖 是關于灰度級分布的函數(shù)，是對圖像中灰度級分布的統(tǒng)計?；叶戎狈綀D是將數(shù)字圖像中的所有像素，按照灰度值的大小，統(tǒng)計其出現(xiàn)的頻率。 數(shù)學定義：假設一幅數(shù)字圖像的像素總數(shù)為 N，共有 L 個灰度級，其直方圖定義為如下離散函數(shù) : kk nrh ?)( 其中 ， kr 表示第 k 級灰度值， kn 是灰度級 kr 在圖像中出現(xiàn)的次數(shù)（頻數(shù)） 。 歸一化的 直方圖 通常，會用到歸一化直方圖，即用所有元素 ??krh 除以圖像中的像素總數(shù) N所得到的圖形： ? ? ? ? NnNrhrp kkk ?? ??krp 表示灰度級 kr 出現(xiàn)的概率。 直方圖均衡化原理 概念：直方圖均衡化也叫做直方圖均勻化，是將一已知灰度概率密度分布的圖像，經(jīng)過某種變換，變成一 幅具有均勻灰度概率密度分布的新圖像。 均衡化處理之后的圖像，因各灰度值出現(xiàn)的概率是相同的，則此時圖像的熵最大（等概率下則熵最大），圖像所包含的信息量最大，且擴展了像元取值的動態(tài)范圍，從而達到增強圖像整體對比度的效果。 原理： 尋找到一個變換函數(shù)（增強函數(shù)），把原圖像對應的直方圖變成均勻分布的形式。 增強函數(shù) ? ?fTg? 需要滿足 2 個條件： (1) ??fT 在范圍 1L0 ??? f 內(nèi)是一個單值單增函數(shù)； (2) 對 1L0 ??? f 有 ? ? 1LT0 ??? f ； 增強函數(shù)可用圖像 ? ?yxf , 的累積直方圖來構造： 00 ( ) 0 , 1 , , 1fffiiing p i f LN??? ? ? ??? 10 這里， N 表示圖像像素的總個數(shù)。 根據(jù)上式，可利用原圖像的直方圖直接計算出均衡化后圖像中各像素的灰度值。 直方圖均衡化編程步驟 : Step 1：列出原始圖像的灰度級 kn Step 2：統(tǒng)計各灰度級的像素數(shù)目 Step 3：計算原始圖像直方圖各灰度級的頻數(shù) Step 4：計算累計分布函數(shù) Step 5：依據(jù)累計分布函數(shù)計算灰度映射表 Step 6：用計算的映射關系修改原始圖像的灰度級，從而獲得直方圖近似為均勻分布的輸出圖像 ,程序結束。 三、 實驗內(nèi)容（調(diào)試好的程序，實驗 結果及分析） 圖像直方圖計算實驗。 方法：利用 MATLAB 圖像處理工具箱提供的 imhist()函數(shù)來計算和顯示圖像的方圖，其調(diào)用格式為： 語法一： imhist(I,b) 說明：其中 I 為輸入圖像 ， b 為指定的灰度級數(shù)目，默認值為 256。 語法二： [COUNTS, X] = imhist(I) 說明 :（ 1） [C