图像处理（matlab）

1.基本函数:

iread('文件路径');

idisp();

2.一元操作：

imd=idouble(im);  //将像素从unit8(范围在0-255的整数像素)到范围在[0,1]的双精度值

grey=imono(im);    //将彩色图像转变成灰度图像。

ihist（）；//显示每一个像素值出现的次数

im=igamma(im,1/0.45); //伽马编码，一种非线性一元操作

3.二元操作：

isamesize(image1,image2);  //将2缩放并裁剪到跟1相同的大小

........

4.空间操作

 

4.1互相关 , K是互相关核，对于每一个输出像素，对应输入图像中的像素窗口w要逐个元素地与互相关核K相乘。

在工具箱中，互相关使用函数iconv表示。iconv(image,K);

 

4.1.1平滑处理（光滑化、模糊化或者散焦）

K=ones(21,21)/21^2; //每一个输出像素都是输入图像中与之相对应的21x21相领像素的平均值  ->平均值滤波

  二维高斯函数（关于原点对称，曲线下方体积为1）的扩展由标准差参数控制。 ->高斯滤波

K=kguass(5); //指定标准差为5像素

 

4.1.2边界检测：
 lena=iread('C:\Users\Administrator\Desktop\matlab实验照片\2.jpeg','double','grey');

 p=lena(60,:);  //在v=60处图像中的一条水平线

沿着这个横截面的一阶倒数是,一阶倒数可以用diff函数计算。->亮度变化的倒数

在v点处的导数也可以写成对称的一阶差分：

它等同于和下面的一维互相关核求互相关运算：

                                                                 

将图像与这个核求互相关：

K=[-0.5 0 0.5]；

idsip（iconv(lena,K),'invsigned'）    ->图片具有高水平梯度的竖直边缘清晰可见。效果如下所示（上面为原图）：

  

利用索伯互相关核计算水平梯度，利用三行水平梯度的加权值。

Du=ksobel,上图为原图，下面为处理之后的

坎尼算子：

算法大致流程：

1、求图像与高斯平滑滤波器卷积:

2、使用一阶有限差分计算偏导数的两个阵列P与Q：

3、幅值和方位角:

4、非极大值抑制（NMS ） ：细化幅值图像中的屋脊带，即只保留幅值局部变化最大的点。

将梯度角的变化范围减小到圆周的四个扇区之一，方向角和幅值分别为：

非极大值抑制通过抑制梯度线上所有非屋脊峰值的幅值来细化M[i,j],中的梯度幅值屋脊．这一算法首先将梯度角θ[i,j]的变化范围减小到圆周的四个扇区之一

edges=icanny(lena,2);效果如下所示：

4.2模板匹配

函数s(T,W)是一个标量测度，用来描述两幅相同大小的图像T和W之间的相似性。

常用方法有：绝对差值（SAD），差值平方和（SSD）以及互相关（NCC）