【Matlab 常用图像处理函数 汇总】

Matlab 常用图像处理函数 汇总

  • 一、图像的读取
  • 二、图像的写入
  • 三、图像的显示
  • 四、创建窗口
  • 五、图像的格式转换
  • 六、灰度直方图
  • 七、伽马变换
  • 八、图像二值化
  • 九、阈值变换
  • 十、直方图均衡化
  • 十一、图像平移
  • 十二、图像镜像
  • 十三、图像转置
  • 十四、图像中心旋转
  • 十五、添加噪声
  • 十六、图像滤波
  • 十七、滤波器设计
  • 十八、中值滤波
  • 十九、图像锐化
    • 1、Robert交叉梯度
    • 2、高斯-拉普拉斯锐化
  • 二十、傅里叶变换
  • 二十一、图像腐蚀
  • 二十二、图像膨胀
  • 二十二、开闭运算
  • 二十三、连通分量提取
  • 二十四、形态学处理
  • 二十五、图像分割
    • 1、基于梯度算子的边缘检测
    • 2、基于高斯-拉普拉斯算子的边缘检测
    • 3、基于Canny算子的边缘检测
  • 二十六、霍夫变换
    • 1、霍夫变换(针对二值图像)
    • 2、寻找峰值—houghpeaks
    • 3、提取直线段—houghlines

一、图像的读取

A=imread(‘1.bmp’); %读入图像

二、图像的写入

imwrite(A,‘test.bmp’);

三、图像的显示

imshow(I,[low high]);
I为要显示的图像矩阵。[low high]为指定显示灰度图像的灰度范围。 高于high的像素被显示成白色;低于low的像素被显示成黑色;介于 High和low之间的像素被按比例拉伸后显示为各种等级的灰色。

四、创建窗口

figure;%创建一个新的窗口
subplot(m,n,p); 打开一个有m行n列图像位置的窗口,并将焦点位于第p个位置上。

五、图像的格式转换

A=im2bw(I,LEVEL); //阈值法从灰度图、RGB图创建二值图。LEVEL为指定的阈值(0,1)。
A=rgb2gray(I);从RGB图创建灰度图
A=im2uint8(I);将图像转换成uint8类型
A=im2double(I); 将图像转换成double类型

六、灰度直方图

imhist(I);

[M,N]=size(I); %计算图像大小
[counts,x]=imhist(I,32);%计算有32个小区间的灰度直方图 
counts=counts/M/N;%计算归一化灰度直方图各区间的值 
stem(x,counts);%绘制归一化直方图

七、伽马变换

J=imadjust(I,[low_in high_in],[low_out high_out],gamma)

I=imread('1.bmp'); 
I = rgb2gray(I);
I = imadjust(I,[],[],0.5);
figure;imshow(I); %gamma=0.5 
title('Gamma 0.5');


八、图像二值化

BW=im2bw(I,level);%level为人工设定阈值范围为[0 ,1]

九、阈值变换

thresh=graythresh(I);%自动设定所需的最优化阈值

十、直方图均衡化

[J,T]=histeq(I); %J为输出图像,T为变换矩阵

十一、图像平移

strel(); //创建形态学结构元素
translate(SE,[y x])%原结构元素SE上y和x方向平移
imdilate%形态学膨胀

I=imread(1.bmp'); 
se=translate(strel(1),[180 190]); 
B=imdilate(I,se); 
figure;
subplot(1,2,1);
subimage(I);
title('原图像');
subplot(1,2,2);
subimage(B);
title('平移后图像');

十二、图像镜像

B=imtransform(A,tform,method);
tform=makeform(transformtype,matrix);%空间变换结构

Method合法值 含义
‘bicubic’ 双三次插值
‘bilinear’ 双线性插值
‘nearest’ 最近邻插值

参数transformtype指定了变换的类型,常见的’affine’为二维或 多维仿射变换,包括平移、旋转、比例、拉伸和错切等。 matrix为相应的仿射变换矩阵。

A=imread(1.bmp'); 
[height,width,dim]=size(A); 
tform=maketform('affine',[-1 0 0;0 1 0;width 0 1]); 
B=imtransform(A,tform,'nearest'); 
tform2=maketform('affine',[1 0 0;0 -1 0;0 height 1]); 
C=imtransform(A,tform2,'nearest'); 
figure;imshow(B); //水平镜像
figure;imshow(C); //垂直镜像

十三、图像转置

A=imread(1.bmp'); 
tform=maketform('affine',[0 1 0;1 0 0;0 0 1]); 
B=imtransform(A,tform,'nearest'); 
figure;imshow(B);

十四、图像中心旋转

B=imrotate(A,angle,method,’crop’);
angle为旋转角度,正值为逆时针旋转。可选参数method为imrotate函数指定 插值方法。‘crop’选项会裁减旋转后增大的图像,保持和原图像同样大小

A=imread('nir.bmp'); 
B=imrotate(A,30,'nearest','crop'); 
figure;imshow(B); //逆时针旋转30°

十五、添加噪声

h=imnoise(I,type,parameters);

type合法值 含义
‘gaussian’ 高斯白噪声
‘salt&pepper’ 椒盐噪声

十六、图像滤波

B=imfilter(f,w,option1,option2,…);
f 为要进行滤波操作的图像。
w为滤波操作使用的模板,为一个二维数组,可自己定义。
option1……是可选项,包括:
1、边界选项(’symmetric’、’replicate’、’circular’)
2、尺寸选项(’same’、’full’)
3、模式选项(’corr’、’conv’)

十七、滤波器设计

h=fspecial(type,parameters)
parameters为可选项,是和所选定的滤波器类型type相关的 配置参数,如尺寸和标准差等。 type为滤波器的类型。其合法值如下:

type合法值 含义
‘average’ 平均模板
‘disk’ 圆形领域的平均模板
‘gaussian’ 高斯模板
‘laplacian’ 拉普拉斯模板
‘log’ 高斯-拉普拉斯模板
‘prewitt’ Prewitt水平边缘检测算子
‘sobel’ Sobel水平边缘检测算子

十八、中值滤波

I=medfilt2(I1,[m,n]);
m和n为中值滤波处理的模板大小,默认3*3

十九、图像锐化

1、Robert交叉梯度

I=imread(1.bmp'); 
I=double(I);%双精度化 
w1=[-1 0;0 1]; 
w2=[0 -1;1 0]; 
G1=imfilter(I,w1,‘corr’,‘replicate’);%45°梯度 
G2=imfilter(I,w2,‘corr’,‘replicate’);%45°梯度 
G=abs(G1)+abs(G2);%计算Robert梯度 
figure;imshow(G,[]); 
figure;imshow(abs(G1),[]); 
figure;imshow(abs(G2),[]);

2、高斯-拉普拉斯锐化

I=imread('1.bmp'); 
J=double(I);%双精度化 
h1=fspecial('log',5,0.5);%大小为5,sigma=0.5的LOG算子 
I1=imfilter(J,h1,'corr','replicate'); 
figure;imshow(uint8(abs(I1)),[]); 
h2=fspecial('log',5,2);%大小为5,sigma=2的LOG算子 
I2=imfilter(J,h2,'corr','replicate'); 
figure;imshow(uint8(abs(I2)),[]);

二十、傅里叶变换

I=fft2(x);%快速傅里叶变换
I=fft2(x,m,n); x为输入图像;
m和n分别用于将x的第一和第二维规整到指定的长度。

I1=abs(I);%计算I的幅度谱
I2=angle(I);%计算I的相位谱
Y=fftshift(I);%频谱平移

I=ifft2(x);%快速傅里叶逆变换
I=ifft2(x,m,n);

二十一、图像腐蚀

I2=imerode(I,SE);
SE=strel(shape,parameters);
I为原始图像,可以是二值或者灰度图像。
shape指定了结构元素的形状。
parameters是和输入shape有关的参数。

shape合法值 含义
‘arbitrary’或为空 任意自定义结构元素
‘disk’ 圆形结构元素
‘square’ 正方形结构元素
‘rectangle’ 矩形结构元素
‘line’ 线性结构元素
‘pair’ 包含2个点的结构元素
‘diamond’ 菱形的结构元素

二十二、图像膨胀

J=imdilate(I,SE);
SE=strel(shape,parameters);
I为原始图像,可以是二值或者灰度图像。
shape指定了结构元素的形状。
parameters是和输入shape有关的参数

二十二、开闭运算

SE=strel(shape,parameters);
I2=imopen(I,SE);%开运算
I3=imclose(I,SE);%闭运算

二十三、连通分量提取

[L num]=bwlabel(Ibw,conn);
Ibw为一幅输入二值图像。
conn为可选参数,指明提取连通分量是4连通还是8连通。默认为8。
L为连通分量标注图像。
num为二值图像Ibw中连通分量个数。

二十四、形态学处理

I=bwmorph(I,operation,n)

operation合法值 含义
‘bridge’ 桥接有单个像素缝隙分割的前景像素
‘diag’ 围绕对角线相连的前景像素进行填充
‘clean’ 清楚孤立的前景像素
‘fill’ 填充单个像素的孔洞
‘hbreak’ 去掉前景中的H形连接
‘majority’ 如果点P的8领域中一半以上像素为前景像素,则 P为前景像素,否则为背景。

二十五、图像分割

1、基于梯度算子的边缘检测

BW=edge(I,type,thresh,direction,’nothinning’) ;

type合法值 含义
‘sobel’ sobel算子
‘prewitt’ prewitt算子
‘rebert’ rebert算子

thresh是敏感度阈值参数,任何灰度值低于此阈值的边缘将不 会被检测到。默认值为空矩阵[],此时算法自动计算阈值。
direction指定了我们感兴趣的边缘方向,edge函数将只检测direction中指定方 向的边缘,其合法值如下:

direction合法值 边缘方向
‘horizontal’ 水平方向
‘vertical’ 竖直 方向
‘both’ 所有方向

可选参数’nothinning’,指定时可以通过跳过边缘细化算法来加快算法 运行的速度。默认是’thinning’,即进行边缘细化。

2、基于高斯-拉普拉斯算子的边缘检测

BW=edge(I,’log’,thresh,sigma) ;
sigma指定生成高斯滤波器所使用的标准差。默认时,标准差为2。

3、基于Canny算子的边缘检测

BW=edge(I,’canny’,thresh,sigma) ;
thresh是敏感度阈值参数,默认值为空矩阵[]。此处为一列向量,为算法指 定阈值的上下限。第一个元素为阈值下限,第二个元素为阈值上限。如果 只指定一个阈值元素,则默认此元素为阈值上限,其0.4倍的值作为阈值下 限。如阈值参数没有指定,则算法自行确定敏感度阈值上下限。

a=imread(1.bmp'); 
c=fspecial('gaussian',5,0.8); 
b=imfilter(a,c); 
bw1=edge(b,‘sobel’);%sobel算子 
bw2=edge(b,‘prewitt’);%prewitt算子 
bw3=edge(b,‘roberts’);%roberts算子 
bw4=edge(b,‘log’); %log算子 
bw5=edge(b,‘canny’);%canny算子 
figure;imshow(bw1);imwrite(bw1,'bwsobel.bmp'); figure;imshow(bw2);imwrite(bw2,'bwprewitt.bmp'); figure;imshow(bw3);imwrite(bw3,'bwroberts.bmp'); figure;imshow(bw4);imwrite(bw4,'bwlog.bmp'); figure;imshow(bw5);imwrite(bw5,'bwcanny.bmp');

二十六、霍夫变换

1、霍夫变换(针对二值图像)

[H,theta,rho]=hough(BW,param1,val1,param2,val2);

2、寻找峰值—houghpeaks

peaks=houghpeaks(H,numpeaks,param1,val1,param2,val2);

3、提取直线段—houghlines

lines=houghlines(BW,theta,rho,peaks,param1,val1,param2,val2);

————————————————————————————————

你可能感兴趣的:(图像处理,matlab,计算机视觉)