matlab中图像处理函数有哪些? Matlab常用图像处理函数汇总
LPY。
MathWorks Matlab R2020a v9.8.0 中文永久授权版(附序列号+激活补丁+教程) Win64位
- 类型:编程其它
- 大小:20.8GB
- 语言:简体中文
- 时间:2021-05-11
一、图像的读取
A=imread(‘1.bmp’); %读入图像
二、图像的写入
mwrite(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’);%正45°梯度 G2=imfilter(I,w2,‘corr’,‘replicate’);%负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圆形结构元素 |
‘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);
以上就是Matlab常用图像处理函数汇总,希望大家喜欢,请继续关注脚本之家。
相关推荐: