matlab圖像處理實例練習(xí)2-資料下載頁
2025-06-25 07:10本頁面
【正文】 的灰度直方圖通常在低灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細(xì)節(jié)看不清楚。采用直方圖修整可使原圖像灰度集中的區(qū)域拉開或使灰度分布均勻，從而增大反差，使圖像的細(xì)節(jié)清晰，達(dá)到增強(qiáng)目的。直方圖均衡化可用histeq0函數(shù)實現(xiàn)。l histeq功能：用柱狀圖均等化增強(qiáng)對比。語法：J = histeq(I,hgram)J = histeq(I,n)[J,T] = histeq(I,...)舉例I = imread(39。c:\39。)。w= rgb2gray(I)。J = histeq(w)。imshow(I)imshow(w)figure, imshow(J)imhist(w,64)figure。 imhist(J,64)2．3．2 灰度變換法照片或電子方法得到的圖像，常表現(xiàn)出低對比度(即整個圖像偏亮或偏暗)，為此需要對圖像中的每一像素的灰度級進(jìn)行灰度變換，擴(kuò)大圖像灰度范圍，以達(dá)到改善圖像質(zhì)量的目的。這一灰度調(diào)整過程可用imadjust0函數(shù)實現(xiàn)l imadjust功能：調(diào)整圖像灰度值或顏色映像表。語法：J = imadjust(I,[low high],[bottom top],gamma)newmap = imadjust(map,[low high],[bottom top],gamma)RGB2 = imadjust(RGB1,...)舉例J = imadjust(w,[ ],[])。imshow(w)figure, imshow(J)l lily=imread(39。c:\39。)。colormapimshow(lily)j=imadjust(lily,[0 1],[1 0],)figuresubimage(j)。2．3．3 平滑與銳化濾波平滑技術(shù)用于平滑圖像中的噪聲，基本采用在空間域上的求平均值或中值，或在頻域上采取低通濾波。在灰度連續(xù)變化的圖像中，通常認(rèn)為與相鄰像素灰度相差很大的突變點為噪聲?；叶韧蛔兇砹艘环N高頻分量，低通濾波則可以削弱圖像的高頻成分，平滑了圖像信號，但也可能使圖像目標(biāo)區(qū)域的邊界變得模糊。而銳化技術(shù)采用的是頻域上的高通濾波方法，通過增強(qiáng)高頻成分減少圖像中的模糊，特別是模糊的邊緣部分得到了增強(qiáng)，但同時也放大了圖像的噪聲。在MATLAB中，各種濾波方法都是在空間域中通過不同的卷積模板(即濾波算子)實現(xiàn)，可用fspecial 0函數(shù)創(chuàng)建預(yù)定義的濾波算子，然后用filter 0或conv2 0函數(shù)在實現(xiàn)卷積運算的基礎(chǔ)上進(jìn)行濾波。l wiener2功能：進(jìn)行二維適應(yīng)性去噪過濾處理。語法：J = wiener2(I,[m n],noise)[J,noise] = wiener2(I,[m n])舉例I = imread(39。c:\39。)。J = imnoise(w,39。gaussian39。,0,)。K = wiener2(J,[5 5])。imshow(J)figure, imshow(K)l 數(shù)字濾波器 語法：y = filter2(b,x,39。shape39。)使用filter2濾波器，將一幅影像轉(zhuǎn)換成一幅平面浮雕的影像。 clearI=imread(39。c:\39。)。I2=rgb2gray(I)。J=filter2([10 20。10 20],I2,39。valid39。)。imshow(I2)。figure,imshow(J,[])在彩色圖像處理中，選擇合適的彩色模式是很重要的。為在屏幕上顯示彩色團(tuán)一定要借用RGB模型，但HIS模型在許多處理中有其獨特的優(yōu)點。第一，在HIS模型中，亮度分量與色度分量是分不開的。第二，在HIS模型中，色調(diào)與飽和度的概念與人的感知是緊密相連的。下面調(diào)用imfilter函數(shù)對一幅真彩色圖像使用二維濾波器進(jìn)行濾波，相當(dāng)與使用同一個二維濾波器對數(shù)據(jù)的每一個平面單獨進(jìn)行濾波。rgb=imread(39。c:\39。)。h=ones(5,5)/25。rgb2=imfilter(rgb,h)。figure(1)imshow(rgb)figure(2)imshow(rgb2)2．4 邊緣檢測和圖像分割功能邊緣檢測是一種重要的區(qū)域處理方法。邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來。邊緣檢測是利用物體和背景在某種圖像特性上的差異來實現(xiàn)的，這些差異包括灰度、顏色或者紋理特征。實際上，就是檢測圖像特性發(fā)生變化的位置。邊緣檢測包括兩個基本內(nèi)容：一是抽取出反映灰度變化的邊緣點；二是剔除某些邊界點或填補(bǔ)邊界間斷點，并將這些邊緣連接成完整的線。如果一個像素落在邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級變化地帶。對這種變化最有用的兩個特征是灰度的變化率和方向。邊緣檢測算子可以檢查每個像素的鄰域，并對灰度變化率進(jìn)行量化，也包括對方向的確定，其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。MATLAB工具箱提供的edge()函數(shù)可針對sobel算子、prewitt算子、RobertS算子、LoG算子和canny算子實現(xiàn)檢測邊緣的功能。基于灰度的圖像分割方法也可以用簡單的MATLAB代碼實現(xiàn)。l 圖像的邊緣化處理：I=imread(39。c:\39。)。w=rgb2gray(I)。imshow(w) h=edge(w,39。canny39。)。imshow(h)除以上介紹的一些基本的圖像處理功能外，還有許多基于數(shù)學(xué)形態(tài)學(xué)與二值圖像的操作函數(shù)，如二值圖像的膨脹運算dilate0函數(shù)、腐蝕運算erode 0函數(shù)、種子填充功能bwfill()函數(shù)等。3 總結(jié)： l 采用MATLAB實現(xiàn)圖像處理和分析，通過幾條簡單的MATLAB命令就可完成一大串高級計算機(jī)語言才能完成的任務(wù)，簡潔明快。l 大多數(shù)圖像處理模型是可以通過使用MATLAB的基本函數(shù)通過編程實現(xiàn)的。l 在圖像分析處理中，注意調(diào)用MATLAB工具箱與函數(shù)的時機(jī)、參數(shù)、格式、和技
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1