【導讀】課件之家精心整理資料--歡迎你的欣賞。題目基于MATLAB的圖像處理的基本運算

　　

【正文】 采用 rgb2gray 函數(shù)進行真彩色圖像與灰階 強度圖像的轉變其格式調(diào)用如下： A=rgb2gry(‘’)。 得到的圖像可以進行統(tǒng)計與處理。程序源代碼如下： I=rgb2gray(RGB)。 %I：灰階圖像 figure imshow(I) title(39?；译A圖像 39。) 程序運行結果如下圖 所示 ： 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 灰階圖像 圖 灰階圖片 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 5 圖像處理及代碼程序 圖像亮度對比度調(diào)整 函數(shù)說明及參數(shù)選擇 對比度和亮度調(diào)節(jié)采用的是 imadjust 函數(shù)，其調(diào)用格式如下： RGB2 = imadjust(RGB1,...) 源程序及運行結果 源程序如下： RGB1=imadjust(RGB,[.2 .3 0。.6 .7 1],[])。 figure imshow(RGB1) title(39。彩圖對比度亮度調(diào)整 39。) 運行結果如圖 所示： 彩圖對比度亮度調(diào)整 圖 對比度和亮度調(diào)節(jié) 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 圖像放大和縮小 函數(shù)說明及參數(shù)選擇 采用 imresize 函數(shù)，其調(diào)用格式如下： B = imresize(A,[mrows ncols], method ) 對于參數(shù)的選擇， mrows ncols 是選擇放大或縮小的倍數(shù)， method 是選擇才用最鄰近插入法還是雙三次插入法，參數(shù)分別為： nearest 、 bilinear 源程序及運行結果 源程序如下所示： X=imresize(RGB,39。nearest39。)。 figure imshow(X) title(39。最鄰近插入法 39。) Y=imresize(RGB,2,39。bilinear39。)。 figure imshow(Y) title(39。雙三次插入法 39。) 程序運行結果如圖 、 所示： 最鄰近插入法 最鄰近插入法 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 雙三次插入法 雙三次插入法 39。 圖像任意角度的旋轉 函數(shù)說明及參數(shù)旋轉 函數(shù)使用的是 imrotate 函數(shù)，其調(diào)用格式如下所示： B = imrotate(A,angle,method,bbox) 期中參數(shù) method 是選擇才用最鄰近插入法還是雙三次插入法，參數(shù)分別為：nearest 、 bilinear 旋轉后的圖像重新保存為一個圖像文件，使用 imwrite 函數(shù)，其調(diào)用格式如下：imwrite(BW,39。39。) 源程序及運行結果 源程序如下： B=imrotate(RGB,90,39。nearest39。,39。crop39。)。 figure imshow(B) 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 title(39。圖像角度旋轉 39。) imwrite（ B， ’’ ） 程序的運行結果下圖 所示： 圖像角度旋轉 圖 圖像的任意角度旋轉 圖像直方圖統(tǒng)計和均衡 函數(shù)說明及參數(shù)選擇 由于圖像的直方圖統(tǒng)計只能處理灰階圖像，因此，要使用之前要先轉換成灰階圖像進行處理，使用 imhist 函數(shù)畫直方圖，使用 histeq 函數(shù)進行直方圖的均衡，再顯示各個圖像。函數(shù)調(diào)用形式如下 ： imhist(I) H=histeq(I)。 imhist(H) 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 源程序及運行結果 figure imhist(I) title(39。直方圖 39。) figure H=histeq(I)。 imshow(H) title(39。直方圖均衡處理圖片 39。) figure imhist(H) title(39。直方圖均衡 39。) 運行結果如下圖 、 .、 、 所示： 0 50 100 150 200 2500500100015002020250030003500400045005000直方圖 圖 原始圖像直方圖 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 直方圖均衡處理圖片 圖 經(jīng)過直方圖均衡后的圖像 0 50 100 150 200 2500100020203000400050006000700080009000直方圖均衡 圖 均衡后的直方圖 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 圖像加入噪聲 函數(shù)說明及參數(shù)選擇 函數(shù)使用 imnoise 函數(shù)進行圖片的噪聲加入，其調(diào)用格式如下： J = imnoise(I,type,parameters) 期中， type 是噪聲的類型，由高斯噪聲，椒鹽噪聲，乘性噪聲。類型名分別是：gaussian、 salt amp。 pepper、 speckle。 源程序及運行結果 %第六步 加入噪聲 E=imnoise(RGB,39。gaussian39。,0,)。 figure imshow(E) title(39。加高斯噪聲 39。) F=imnoise(RGB,39。salt amp。 pepper39。,)。 figure imshow(F) title(39。加椒鹽噪聲 39。) G=imnoise(RGB,39。speckle39。,)。 figure imshow(G) title(39。加乘性噪聲 39。) 程序結果如下圖 、 、 、所示： 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 加高斯噪聲 圖 加高斯噪聲 加椒鹽噪聲 圖 加椒鹽噪聲 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 加乘性噪聲 圖 加乘性噪聲 6 圖像處理結果比較分析 調(diào)整對比度和亮度后圖像比較 在函數(shù) imadjust 中，調(diào)節(jié)“ RGB1=imadjust(RGB,[.2 .3 0。.6 .7 1],[])。”中的 []中的值可以改變對比度。當使范圍變化時，可以得到如下圖像。 其源程序如下： RGB=imread(39。D:\39。)。 X=imresize(RGB,39。nearest39。)。 subplot(1,2,1)。 imshow(X) title(39。原始圖像 39。) RGB1=imadjust(RGB,[.2 .3 0。.6 .7 1],[])。 Y=imresize(RGB1,39。nearest39。)。 subplot(1,2,2)。 imshow(Y) title(39。彩圖對比度亮度調(diào)整 39。) 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 運行結果為 ： 原始圖像 彩圖對比度亮度調(diào)整 圖 原始圖像與對比度變化后比較 對比原始圖像與經(jīng)過彩圖對比度亮度調(diào)整后的圖像對比，可以看到圖像顏色變深了，變暗了，顏色對比度變大了。 圖像放大縮小及旋轉后比較 使用雙線性插值法和最鄰近插值法，分別對圖像進行放大縮小，源程序如下： RGB=imread(39。D:\39。)。 subplot(2,2,1)。 imshow(RGB) title(39。原始圖像 39。) X=imresize(RGB,39。nearest39。)。 subplot(2,2,2)。 imshow(X) title(39。最鄰近插入法 39。) Y=imresize(RGB,39。bilinear39。)。 subplot(2,2,3)。 imshow(Y) 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 title(39。雙三次插入法 39。39。) RGB1=imrotate(RGB,90,39。nearest39。,39。crop39。)。 subplot(2,2,4)。 imshow(RGB1) title(39。角度旋轉 39。) 對比結果如下圖 ： 原始圖像 最鄰近插入法雙三次插入法 角度旋轉 圖 圖像的放大縮小和旋轉 對比上面的圖片，可以看到最鄰近插入法比較接近原始圖像，其對比度和亮度都與原始圖像比較接近；而雙三次插入法處理后，其對比度降低了。 進行直方圖均衡后圖像比較 直方圖均衡后的效果比較，其 源程序如下： I=rgb2gray(RGB)。 subplot(211) imhist(I) title(39。直方圖 39。) H=histeq(I)。 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 subplot(212) imhist(H) title(39。直方圖均衡 39。) 對原始圖片的直方圖和直方圖均衡后的結果進行比較，如下圖 所示： 0 50 100 150 200 250020204000直方圖0 50 100 150 200 25002020400060008000直方圖均衡 圖 原始圖像直方圖和直方圖均衡后結果 原始圖片與直方圖均衡后的圖片效果比較，源程序如下： subplot(221) imshow(RGB) title(39。原始圖像 39。) I=rgb2gray(RGB)。 subplot(222) imshow(I) title(39?；译A圖像 39。) H=histeq(I)。 subplot(224) imshow(H) title(39。直方圖均衡處理圖片 39。) 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 觀察原始圖片與直方圖均衡后的結果如下圖 所示： 原始圖像 灰階圖像直方圖均衡處理圖片 圖 直方圖均衡圖片和原始圖片比較 仔細觀察上 面的圖像，對比灰階圖像和經(jīng)過直方圖均衡處理后的圖片，可以看到圖像的對比度增加了。 加入各種噪聲后圖像比較 為各種圖片加入噪聲，其源程序如下： RGB=imread(39。D:\39。)。 subplot(221)。 imshow(RGB) title(39。原始圖像 39。) E=imnoise(RGB,39。gaussian39。,0,)。 subplot(222)。 imshow(E) title(39。加高斯噪聲 39。) F=imnoise(RGB,39。salt amp。 pepper39。,)。 subplot(223)。 imshow(F) 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 title(39。 加椒鹽噪聲 39。) G=imnoise(RGB,39。speckle39。,)。 subplot(224)。 imshow(G) title(39。加乘性噪聲 39。) 和原始圖片進行比較如下圖 所示： 原始圖像 加高斯噪聲加椒鹽噪聲 加乘性噪聲 圖 加入各種 噪聲和原始圖片比較 通過對比上面幾幅圖，可以看到加入高斯噪聲后對圖像的影響最大，密密麻麻基本把圖片都給蓋住了；而椒鹽噪聲的陰影點比較大，但是總的來說不是很密集；再看乘性噪聲，看上去跟高斯噪聲的影響差不多，但是 我們可以看到其影響比不上高斯噪聲，圖片可以看得清楚一點。 武漢理工大學《 Matlab 課程設計》說明書 課件之家精心整 理資料 歡迎你的欣賞 7 源程序代碼 全部源程序代碼： %matlab 課程設計 %第一步，獲取圖像，并顯示各種基本信息 clear。 close all。 RGB=imread(39。39。)。% RGB:原始圖像，真彩色； Info=imfinfo(39。39。) figure imshow(RGB) title(39。原始圖像 39。) %第二步 將真彩色圖轉換為灰階圖，進行直方圖繪制 I=rgb2gray(RGB)。 %I：灰階圖像