MATLAB06:数字图像处理

目录

图像的读取和展示

图像在MATLAB中的存储格式

读取和展示图像

图像的运算

图像的点运算

图像的四则运算

像素的统计分布

图像的二值化

图像的几何变换

使用MATLAB分析图像:目标计数

图像预处理

目标计数:标记连通区域

分析检测结果

---

学习一门技术最好的方式就是阅读官方文档,可以查看MATLAB官方文档

图像的读取和展示

图像在MATLAB中的存储格式

MATLAB能够处理的数字图像分为三种:二值图像,灰度图像,彩色图像.

• 二值图像在MATLAB中以一个矩阵存储,矩阵中元素的取值为0(表示白)或1(表示黑).

                                              

• 灰度图像在MATLAB中以一个矩阵存储,矩阵中元素的取值介于0~255之间,表示灰度.

                                              

• 彩色图像在MATLAB中以三个矩阵存储,每个矩阵中元素的取值介于0~255之间,分别表示颜色R,G,B分量的浓度

                                          

读取和展示图像

使用imread()函数将图像读取到内存中,使用imshow()函数展示图像,使用imwrite()函数将内存中的图像写进硬盘.

clear, close all
I = imread('pout.tif'); 	% 将MATLAB自带图像'pout.tif'读取到内存中
imshow(I); 					% 在图形窗口展示该图像 
imwrite(I,'myimage.png');	% 将该图像存为png格式的文件

                                                            

使用imageinfo()函数查看图片文件的详细信息.

imageinfo('pout.tif')

                                                             

使用imtool()函数可以打开图像处理工具.

 imtool('pout.tif')

                                                 

图像的运算

图像的点运算

图像在内存中以矩阵的形式存储,因此我们可以像遍历矩阵那样遍历并编辑图片上的像素点.MATLAB也内置了一些函数用于进行图像运算.

图像的四则运算

要对两个图像进行四则运算,要求这两个图像的尺寸相同.下面是常用的图像四则运算函数,具体细节请参考官方文档.

函数	作用
imabsdiff()	两个图像求差值
imadd()	一个图像加上另一个图像或常数
imsubtract()	一个图像减去另一个图像或常数
immultiply()	一个图像乘以另一个图像或常数
imdivide()	一个图像除以另一个图像或常数
imcomplement()	对图像取反

I=imread('rice.png');
subplot(1,2,1); imshow(I);
J=immultiply(I, 1.5);
subplot(1,2,2); imshow(J);

                                        

I=imread('rice.png'); J=imread('cameraman.tif'); 
K=imadd(I,J);
subplot(1,3,1); imshow(I);
subplot(1,3,2); imshow(K);
subplot(1,3,3); imshow(J); 

                         

可以看到,进行加法操作后,得到的图像比原本的两个都亮,这是因为图像矩阵的数值整体上增加了.

像素的统计分布

使用imhist()函数可以分析像素值的统计分布.

I = imread('pout.tif');
imhist(I)

                                   

使用histeq()可以增大图像的对比度,这本质上做了直方图的均衡化(Histogram Equalization)操作.

I = imread('pout.tif'); I2 = histeq(I);
subplot(1,4,1); imhist(I);
subplot(1,4,2); imshow(I);
subplot(1,4,3); imshow(I2);
subplot(1,4,4); imhist(I2);

                    

图像的二值化

将灰度图像变为二值图像的过程被称为二值化,MATLAB内置了两个与二值化相关的函数.

• graythresh()函数用于计算二值化变换过程中的最优阈值(threshold).灰度图像上超过该阈值的点将被赋值为1,低于该阈值的点将被赋值为0.
• im2bw()用于进行二值化变换.

I = imread('rice.png'); 
level=graythresh(I); bw=im2bw(I, level); 
subplot(1,2,1); imshow(I);
subplot (1,2,2); imshow(bw)

                                   

图像的几何变换

图像的几何变换本质上就是将图像乘以一个矩阵得到新图像的过程.

变换形式	图形示意	数学变换	MATLA命令
位移(Translation)			imtranslate()
缩放(Scale)			imresize()
错切(Shear)
旋转(Rotate)			imrotate()

I = imread('rice.png'); J = imrotate(I, 35, 'bilinear');
subplot(1,2,1);	imshow(I); 
subplot(1,2,2); imshow(J);
size(I)	% 得到 [256, 256]
size(J)	% 得到 [357, 357]

                                           

可以看到,进行旋转变换后,图像的尺寸增加了.

使用MATLAB分析图像:目标计数

我们想要通过MATLAB分析rice.png图片中米粒的个数.

                                                          

图像预处理

要分析图像中的米粒个数,我们需要对图像进行两步预处理:

1. 去除图像的背景:

   I = imread('rice.png');
   subplot(1,3,1); imshow(I);
   BG = imopen(I, strel('disk', 15));
   subplot(1,3,2); imshow(BG);
   I2 = imsubtract(I, BG);
   subplot(1,3,3); imshow(I2);
   

                               

2. 对图像进行二值化:

   I2 = imsubtract(I, BG); level=graythresh(I2);
   bw2 = im2bw(I2, level); 
   

下面代码展示了是否去除背景对图像二值化结果的影响:

% 直接对图像进行二值化
I = imread('rice.png'); 
level=graythresh(I); bw = im2bw(I, level);
subplot (1,2,1); imshow(bw); title('直接进行二值化');

% 去除背景后对图像进行二值化
BG = imopen(I, strel('disk', 15)); I2 = imsubtract(I, BG); 
level=graythresh(I2); bw2 = im2bw(I2, level);
subplot(1,2,2); imshow(bw2); title('去除背景后进行二值化');

                                          

目标计数:标记连通区域

识别米粒个数的关键在于识别连通区域.

                                                   

在这里,我们使用MATLAB自带的bwlabel()函数计算连通区域,该函数使用了连通区域标记算法,将每个连通区域内的像素点赋值为同一个值.

                                              

I=imread('rice.png');
BG=imopen(I, strel('disk', 15));
I2=imsubtract(I, BG); level=graythresh(I2);
BW=im2bw(I2, level);
[labeled, numObjects]=bwlabel(BW, 8);

得到labeled为标记好的矩阵,其尺寸与原图片相同,每个连通区域都被赋值为一个相同的整数,其他区域被赋值为0.numObjects为计算出的连通区域个数,为99.

使用label2rgb()函数可以将标记结果以彩色图片的形式展示

RGB_label=label2rgb(labeled); 
imshow(RGB_label);

                                                               

分析检测结果

使用regionprops()函数可以将检测结果封装成结构体数组.

graindata = regionprops(labeled, 'basic');
graindata(51)

       Area: 155
   Centroid: [112.4258 245.8645]
BoundingBox: [108.5000 234.5000 8 22]

使用bwselect()函数可以交互式选择连通区域

ObjI = bwselect(BW); 
imshow(ObjI);