前言

給一個(gè)算法如何寫程序https://blog.csdn.net/baidu_38205880/article/details/80241655先在網(wǎng)上找一些參考再寫

算法的一般步驟自頂向下，考慮輸入輸出，有點(diǎn)像信號(hào)中的響應(yīng)的思想，還要考慮數(shù)據(jù)結(jié)構(gòu)，特殊輸入，增加程序的健壯性，

下面是數(shù)字圖像處理matlb方面的知識(shí)，看例子是很快理解知識(shí)點(diǎn)的一種方案，具體都要實(shí)現(xiàn)什么功能，可以做分解，然后每一步都用流程圖實(shí)現(xiàn)，最后編寫代碼

使用說(shuō)明

本文參照的圖書MATLAB圖像處理實(shí)例詳解，鏈接地址：https://pan.baidu.com/s/1uUBqJNdWpzTZ21xLZnFMRg
提取碼：3hpc，本文是做圖像處理很好輔助博文，具體使用方法是先用ctrl+F來(lái)搜索需要處理的函數(shù)名稱，找到之后再M(fèi)ATLAB中輸入函數(shù)按F1鍵獲得函數(shù)幫助，就可以使用函數(shù)了。

目錄

前言

使用說(shuō)明

一，MATLAB基礎(chǔ)

1.1矩陣的算術(shù)運(yùn)算

1.2判斷循環(huán)

1.3MATLAB繪圖

1.3.1二維圖形繪制

二，MATLAB圖像處理基礎(chǔ)

2.1圖像類型的轉(zhuǎn)換

2.2文件信息的讀取保存

三，數(shù)字圖像的點(diǎn)運(yùn)算

3.1圖像點(diǎn)運(yùn)算

3.2圖像的領(lǐng)域操作

四，圖像增強(qiáng)

4.1空域?yàn)V波

4.2頻域?yàn)V波

五，圖像復(fù)原技術(shù)

5.1空域?yàn)V波復(fù)原

5.2圖像復(fù)原

六，圖像分割

六，圖像變換技術(shù)

七，彩色圖像坐標(biāo)變換

八，圖像壓縮編碼

九，圖像特征分析

十，圖像形狀特征

10.1形狀特征描述

10.2形態(tài)學(xué)數(shù)字圖像處理

十一，小波變換

十二，Simulink數(shù)字圖像處理

---

一，MATLAB基礎(chǔ)

按下Tab命令可以出現(xiàn)提示，

二進(jìn)制圖像函數(shù)，im2bw();單精度表示式single,雙精度是double,查看變量的字節(jié)空間大小whos命令，注意普通數(shù)組[],細(xì)胞數(shù)組{},函數(shù)句柄是一個(gè)可調(diào)用的MATLAB函數(shù)的關(guān)聯(lián)，通過(guò)句柄可以調(diào)用任意函數(shù)用@fhandle創(chuàng)建句柄>> fhandle=@sin，>> y1=fhandle(2*pi)，y3=sin(2*pi)；利用struct()函數(shù)創(chuàng)建結(jié)構(gòu)體

>> student=struct('name',{'liming','nnn'},'number',{'2012','200'})，也可以stu(2).name='mm';
stu(2).number='11'來(lái)建立結(jié)構(gòu)體

細(xì)胞數(shù)字作為MATLAB特有的一種數(shù)據(jù)類型，組成它的元素是細(xì)胞，細(xì)胞用來(lái)存儲(chǔ)不同類型數(shù)據(jù)單元，細(xì)胞數(shù)組的建立可以用直接賦值法和cell()函數(shù)，語(yǔ)句后面有冒號(hào)就是先不執(zhí)行，沒(méi)有冒號(hào)就是直接執(zhí)行cellplot(student)顯示細(xì)胞數(shù)組的結(jié)構(gòu)，

1.1矩陣的算術(shù)運(yùn)算

對(duì)角矩陣eye(3),魔方矩陣magic(3),點(diǎn)乘.*，乘*，矩陣比較大小本質(zhì)上也是一個(gè)一個(gè)的比返回的結(jié)構(gòu)也是矩陣，就是對(duì)應(yīng)元素是0，表示假，1表示真

>> A=[1 2 3;2 5 6];
>> B=[2 2 3;27 8 8];
>> cl=A<B

cl =

? 2×3 logical 數(shù)組

? ?1 ? 0 ? 0
? ?1 ? 1 ? 1

邏輯運(yùn)算異或xor(A,B)需要維數(shù)相同，運(yùn)算符的優(yōu)先級(jí)，括號(hào)運(yùn)算最高，非運(yùn)算的優(yōu)先級(jí)也比較高，點(diǎn)乘高于乘，邏輯的其它運(yùn)算優(yōu)先級(jí)最低

矩陣：創(chuàng)建一個(gè)行矩陣可以有逗號(hào)或者空格來(lái)分隔每一個(gè)元素，行與行之間是用“；”，行列之間是用逗號(hào)，創(chuàng)建多行矩陣，行與行之間用分號(hào)來(lái)分隔，常用的特殊矩陣函數(shù)比如ones(n),n是維度，見(jiàn)書的49頁(yè)

>> a=[1 2 3];
>> b=[1,2,3]

矩陣的操作[A B]表示矩陣橫向合并，[A;B]表示縱向合并，用([x],[y])；來(lái)表示提取矩陣（[1 3],[2 3]），冒號(hào)在提取這部分的作用

[1:3]表示1到3，[:]表示省略，不提取，det()求矩陣行列式的值，transpose()求轉(zhuǎn)置矩陣，求逆矩陣inv(),滿秩的方陣才有逆矩陣，在MATLAB中非滿秩的方陣也可以求逆矩陣，叫偽逆矩陣pinv(),求矩陣的秩可以用rank()函數(shù)，秩就是矩陣中非零元素階次的最大值，ans是默認(rèn)的一個(gè)變量；

MATLAB控制語(yǔ)句for,while,if,for 變量=初始：增量：終值，增量省略是默認(rèn)是1，比如for a=1:6,每一層for循環(huán)都以for開始end結(jié)束，給矩陣賦值要現(xiàn)有矩陣，比如可以用特殊的值創(chuàng)建矩陣，之后在改變，和我們之前c的不同if在于沒(méi)有括號(hào)，需要加end結(jié)束循環(huán)，while(循環(huán)條件)? ?end

>> clear
>> for a=1:5
x=a+a;
end
>>?

1.2判斷循環(huán)

選擇結(jié)構(gòu)if,swich,try,選擇結(jié)構(gòu)的作用是根據(jù)指點(diǎn)的條件是否可以滿足，決定程序的流向，向if,try,for這樣的關(guān)鍵字后都不用加";"

if 表達(dá)式

語(yǔ)句1;

else

語(yǔ)句二；

end

swich 表達(dá)式

case? 表達(dá)式1

語(yǔ)句1

case 表達(dá)式2

語(yǔ)句2

otherwise

語(yǔ)句3

end

try是一個(gè)錯(cuò)誤捕捉語(yǔ)句，程序先執(zhí)行語(yǔ)句一沒(méi)有錯(cuò)誤就跳出try,有錯(cuò)誤就執(zhí)行語(yǔ)句二，

try?

語(yǔ)句1

catch

語(yǔ)句2

end

A=imread('D:\logi\IMG20160402201058','jpg');
catch
A=imread('D:\logi\IMG20160402201059','jpg');
end
>> imshow(A)

影響程序流程走向的程序，稱為流程控制語(yǔ)句，break,continue,return,break是終止的是循環(huán)體，而continue結(jié)束的是一次循環(huán)，break可以跳出本次循環(huán)，執(zhí)行語(yǔ)句end的下一條語(yǔ)句，continue語(yǔ)句可以結(jié)束本次循環(huán)，跳過(guò)其后的循環(huán)，執(zhí)行下一次循環(huán)，pause語(yǔ)句:其調(diào)用格式為pause,則暫停程序運(yùn)行，按任意鍵繼續(xù)，還有一種調(diào)用格式為pause（n），就是程序暫停n秒后執(zhí)行，調(diào)用格式為pause on /off,就是允許或禁止之后的程序執(zhí)行，

M文件就是 編寫函數(shù)的，編寫好之后可以在命令窗口調(diào)用函數(shù)，M文件就是一系列命令的集合，M文件分為腳本文件和函數(shù)文件腳本文件不接受參數(shù)輸入，也不返回輸出參數(shù)，文件執(zhí)行過(guò)程中產(chǎn)生的所有變量都存儲(chǔ)在工作空間中，函數(shù)文件可以接受參數(shù)輸入，也有返回值，程序執(zhí)行完局部變量就會(huì)釋放不會(huì)存儲(chǔ)在工作空間中，從新建的地方建立腳本或函數(shù)文件，只有輸入?yún)?shù)和輸出參數(shù)會(huì)存儲(chǔ)在工作空間，而腳本文件只要m文件中變量在工作空間中都可以查到。

M文件的調(diào)試，在有疑問(wèn)的地方添加變量輸出就，查看是否有錯(cuò)，還可以查詢工作空間中的變量，可以利用工具的Debug,在matlab中用%號(hào)來(lái)表示注釋，腳本文件的每一行結(jié)尾都要有“;”,

function y%輸出參數(shù)%=average%函數(shù)名%(x%輸入?yún)?shù)%)
y=sum(x)/length(x);
end

1.3MATLAB繪圖

MATLAB繪圖步驟：

1）數(shù)據(jù)準(zhǔn)備 確定變量的函數(shù)關(guān)系及取值范圍，明確橫坐標(biāo)變量和縱坐標(biāo)變量，計(jì)算出變量數(shù)據(jù)，

2）設(shè)置圖形窗口位置在指定的位置創(chuàng)建新的繪圖窗口，缺省是打開figureN01

3)繪制圖形，生產(chǎn)圖形文件：創(chuàng)建坐標(biāo)軸，調(diào)用繪圖函數(shù)，設(shè)置圖形中線型，色彩，數(shù)據(jù)點(diǎn)形等屬性

4）圖形的修飾：為了突出圖形顯示結(jié)果，可對(duì)生成的圖形文件做進(jìn)一步調(diào)整如設(shè)置坐標(biāo)軸的范圍和刻度，圖形注釋（圖名，坐標(biāo)名文字說(shuō)明等

5）保存和導(dǎo)出圖形，按指定文件格式保存圖形導(dǎo)出圖形，以方便后續(xù)使用

1.3.1二維圖形繪制

使用函數(shù)plot(),用subplot()來(lái)分割函數(shù)，圖形的修飾可以在plot()函數(shù)中加參數(shù)，具體可以參考68頁(yè)，plot(x,y,‘b’),t圖形的坐標(biāo)軸限制函數(shù)anxis([xmin xmax ymin ymax]),對(duì)橫軸坐標(biāo)的標(biāo)注xlable('string'),標(biāo)題使用title（‘string’）利用gtext('sting')來(lái)用鼠標(biāo)給函數(shù)曲線命名，也就是說(shuō)用gtext（'string'）,產(chǎn)生文字用鼠標(biāo)拖拽在曲線上，用grid函數(shù)給圖像加?xùn)鸥?/p>

>> clear
>> x=0:0.02:2*pi;
>> y=sin(x);
>> plot(x,y);
>> plot(x,y,'b')
>> plot(x,y,'g')
>> gtext('sinx')
>> grid
1.3.2直方圖繪制

使用函數(shù)hist(y,n)將Y的值等分為n段，平均的分在x軸上，然后統(tǒng)計(jì)每一段出現(xiàn)的頻率，柱狀圖用bar（x,y）來(lái)畫，

matlab中有幾種獲取幫助的途徑

第一種,也是最有效的就是選中函數(shù)名,按F1直接查看該函數(shù)的幫助文檔;

?第二種,就是通過(guò)命令窗口中(help 函數(shù)名)來(lái)獲取該函數(shù)的幫助文檔;

?第三種,就是通過(guò)工具欄中的幫助菜單來(lái)輸入函數(shù)名,獲取該函數(shù)的幫助文檔;

?第四種,就是去matlab官網(wǎng)MathWorks查找函數(shù)的幫助文檔

取值是通過(guò)函數(shù)來(lái)實(shí)現(xiàn)，具體可以看28頁(yè)，在matlab中A既可以是變量，也可以是矩陣，一般習(xí)慣用小寫表示變量，大寫表示矩陣，

二，MATLAB圖像處理基礎(chǔ)

1）主要介紹matlab圖像處理工具箱可以從help--圖形處理工具箱，還可以從左下角start打開；

2.1圖像類型的轉(zhuǎn)換

圖像類型的轉(zhuǎn)換，可以用對(duì)應(yīng)的函數(shù)來(lái)完成，圖像的轉(zhuǎn)換如下圖3.11所示RGB轉(zhuǎn)為灰度函數(shù)RGB2gray(),其他函數(shù)可以參照P80頁(yè)灰度圖像轉(zhuǎn)為索引圖像，灰度圖像是一個(gè)二維數(shù)組矩陣，而索引圖像不僅包括一個(gè)二維的數(shù)組矩陣，還包括一個(gè)Mx3的顏色映射表，所以要將灰度圖像轉(zhuǎn)換為索引圖像，則必須生產(chǎn)對(duì)應(yīng)的顏色映射表，調(diào)用函數(shù)格式為[x,map]=gray2ind（I,n）就是將灰度圖像I轉(zhuǎn)為索引圖像，n是灰度級(jí)數(shù)默認(rèn)64，[x,map]對(duì)應(yīng)轉(zhuǎn)換后的索引圖像，map中對(duì)應(yīng)的顏色值為顏色圖gray(n)中的顏色值，索引圖像中有顏色，飽和度，亮度信息，灰度圖像只保留了亮度信息，將索引圖像轉(zhuǎn)為RGB圖像，[x,map]指向索引圖像，將RGB指向轉(zhuǎn)換過(guò)程中形成一份三維數(shù)組，然后將索引圖像的顏色映射表中的顏色值賦值給三維數(shù)組，，二值圖像的轉(zhuǎn)換，如果圖像轉(zhuǎn)換前不是灰度圖像，要先轉(zhuǎn)為灰度圖像，然后再通過(guò)閾值法把灰度圖像轉(zhuǎn)化為二值圖像;一個(gè)數(shù)據(jù)矩陣就相當(dāng)于一幅數(shù)字圖像，只是在數(shù)字圖像中對(duì)應(yīng)的數(shù)組元素必須在一定的取值范圍內(nèi)可以調(diào)用mat2gray()進(jìn)行轉(zhuǎn)化，格式為I=mat2gray(X,[xmin,xmax]),xmin對(duì)應(yīng)灰度值0，即黑色，xmax對(duì)應(yīng)灰度值為1，即白色，具體可看P84，索引圖像和RGB圖像的構(gòu)成比較類似，索引圖像是一個(gè)數(shù)組和一個(gè)映射表先找到數(shù)組中的值，數(shù)組中的值對(duì)應(yīng)一個(gè)map值，map值中有顏色信息，而RGB是三個(gè)分量的顏色合成色彩信息

?
>> map=colorcube(128);%指定顏色的數(shù)目
>> x=rgb2ind(RGB,map);

>> imshow(x,map)%顯示索引圖像的

2.2文件信息的讀取保存

文件信息的讀取，用imfinfo()來(lái)讀取文件信息，調(diào)用格式為INFO=imfinfo('filename','fmt'),或INFO=imfinfo('filename.fmt')filename是文件名，fmt是文件類型名;圖像文件的讀取用imread(),彩色圖像和灰度圖像調(diào)用格式為I=imread('filename','fmt')或I=imread('filename.fmt')，索引圖像[X,map]=imread('filename','fmt'),還有網(wǎng)絡(luò)圖片的讀取，具體參照p93;特殊文件格式的讀寫，比如GIF[...]=imread(...,'frames',idx)，idx是圖像的編號(hào)，

>> [I,map]=imread('D:\logi\GIF1.gif',2);
>> imshow(I,map)

圖像文件的保存，用函數(shù)imwrite(),大體使用方法和imread()類似，調(diào)用格式為imwrite(I,'filename','fmt'),索引圖像的保存為imwrite(X,map,filename','fmt')

圖像文件的顯示imtool()工具箱圖像瀏覽器或imshow()通用的常用的；像素信息的顯示函數(shù)impixel()可以返回選中像素或像素集數(shù)據(jù)，可以直接將像素坐標(biāo)作為該函數(shù)的輸入?yún)?shù)；函數(shù)impixelinfo（），>> pixels1=impixel(I)用鼠標(biāo)選定圖像上的點(diǎn)然后顯示該點(diǎn)的值，選完之后按Enter結(jié)束，impixel()還可以用來(lái)顯示特定的像素值不用鼠標(biāo)impixel(I,100,400),100,400分別為橫縱坐標(biāo)；函數(shù)impixelinfo（）就是用這個(gè)函數(shù)寫完之后顯示了圖像，你就可以在上面用鼠標(biāo)點(diǎn)，點(diǎn)了之后就會(huì)執(zhí)行在圖像的上方或者下方直接顯示該點(diǎn)的像素值

視頻文件的讀取，主要函數(shù)有aviinfo()和函數(shù)aviread()來(lái)讀取視頻文件信息及視頻流，新出現(xiàn)的讀取函數(shù)有mfileinfo(),mmreader()和函數(shù)read();視頻文件的播放用函數(shù)movie()，movie(M)，播放M一次,M是一個(gè)結(jié)構(gòu)體包含cData和Colormap,movie(M,N)就是播放視頻M，N次，movie(M,N,FPS),FPS是幀速率，默認(rèn)是12幀/秒

三，數(shù)字圖像的點(diǎn)運(yùn)算

3.1圖像點(diǎn)運(yùn)算

圖像點(diǎn)運(yùn)算，點(diǎn)運(yùn)算又稱對(duì)比度增強(qiáng)，對(duì)比度拉伸或灰度變換，是對(duì)通過(guò)圖像中一個(gè)像素值，進(jìn)行運(yùn)算的圖像處理方式B（x,y）=f(A(x,y))，J = imadjust(I,[low_in; high_in],[low_out; high_out],gamma)

將圖像 I 中的亮度值映射到 J 中的新值，其中 gamma指定描述值I和值J關(guān)系的曲線形狀。如果gamma小于1，此映射偏重更高數(shù)值（明亮）輸出，如果gamma大于1，此映射偏重更低數(shù)值（灰暗）輸出，如果省略此參數(shù)，默認(rèn)為(線性映射)。? [M,N]=size(J); ? ? ? ? ?%獲得灰度圖像數(shù)據(jù)J的行列數(shù)M，N，用imadjust()直接就對(duì)RGB圖像進(jìn)行操作，而利用分段線性處理和對(duì)數(shù)函數(shù)處理，都要先把RGB圖像轉(zhuǎn)為灰度圖像，分段的時(shí)候是對(duì)坐標(biāo)分段，也可以根據(jù)灰度值進(jìn)行分段 圖像的空間變換，在MATLAB中圖像處理工具箱提供一個(gè)專門的函數(shù)intransform(),用戶可以定義參數(shù)實(shí)現(xiàn)多種類型的空間變換，包括放射變換（如平移，縮放，旋轉(zhuǎn)，剪切），還有醫(yī)學(xué)上常用的投影變換，B=imtransform(A,TFORM),TFORM是函數(shù)maketform()返回的一個(gè)結(jié)構(gòu)體，調(diào)用格式如下圖一，custom可以實(shí)現(xiàn)投影變換和放射變換，放射性變換中原圖像中某個(gè)像素點(diǎn)坐標(biāo)（x,y）和變換后該像素點(diǎn)坐標(biāo)（x',y'），關(guān)系如下圖二，其實(shí)這種變換就是矩陣中的坐標(biāo)變換，變換前的坐標(biāo)乘上一個(gè)矩陣得到變換后的坐標(biāo)（x',y'） 圖一? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 圖二? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?圖三 主要步驟就是生產(chǎn)結(jié)構(gòu)體，調(diào)用結(jié)構(gòu)體imtransform（），需要maketform（）函數(shù)的配合，size(1,2)可以得到函數(shù)的列數(shù)，技術(shù)數(shù)組的大小，xData,YData就是對(duì)X,Y的數(shù)據(jù)范圍進(jìn)行限制，size(I,2)表示取出I中列數(shù)，size(I,1)取出I中的行數(shù)，fillvalue是對(duì)矩陣的填充 >> Ia=maketform('affine',[cosd(30) -sind(30) 0;sind(30) cosd(30) 0;0 0 1]);
>> Ib=imtransform(I,Ia); 平移后的溢出J=ones(M,N,G); 就是不考慮，J=ones(M+abs(a),N+abs(b),G); ?%初始化新圖像矩陣全為1，大小根據(jù)考慮x軸和y軸的平移范圍，也就是說(shuō)平移后的圖形如果不對(duì)矩陣進(jìn)行擴(kuò)大，圖像是不能完全顯示的

3.2圖像的領(lǐng)域操作

圖像的領(lǐng)域操作，在MATLAB中提供了幾個(gè)實(shí)現(xiàn)領(lǐng)域操作的函數(shù)，用戶可以直接調(diào)用這些函數(shù)，實(shí)現(xiàn)各種操作，通用滑動(dòng)領(lǐng)域操作函數(shù)nlfiler（），列方向領(lǐng)域操作函數(shù)colfilt(),分離領(lǐng)域操作函數(shù)blockproc()，@符號(hào)主要使用于匿名函數(shù)，充當(dāng)函數(shù)句柄，如下圖所示：比如沒(méi)有In函數(shù)但是有l(wèi)og函數(shù)我們可以使用ln=@(x)log(x)就可以調(diào)用log了有點(diǎn)像給函數(shù)重新命名，X是參數(shù)，blockproc()就是 把函數(shù) 分為一小塊一小塊的，調(diào)用格式為blockproc(A,[M,N],fun),加入fun這個(gè)句柄就是說(shuō)在分離的同時(shí)可以再做旋轉(zhuǎn)等，

圖像的區(qū)域選取，可以找到我們感興趣的區(qū)域進(jìn)行相關(guān)操作，MATLAB也提供了一些圖像區(qū)域選擇和操作函數(shù)，如多邊形區(qū)域選擇函數(shù)roipoly(),是基于區(qū)域，roipoly(I,c,r)坐標(biāo)選擇灰度ROI區(qū)域選擇函數(shù)roicolor(),roicolor(I,low,high);根據(jù)灰度的范圍進(jìn)行選取，區(qū)域填充函數(shù)roifill()，就是選擇出來(lái)的區(qū)域，涂上一種顏色,區(qū)域?yàn)V波函數(shù)roifilt2(),介紹一個(gè)掩模的概念：就是用一個(gè)有洞的紙張擋住圖像所看到的部分，h = fspecial(type)，是濾波函數(shù)

四，圖像增強(qiáng)

圖像增強(qiáng)空間域也叫對(duì)比度增強(qiáng)，灰度增強(qiáng)只改變像素點(diǎn)的灰度值，并逐點(diǎn)進(jìn)行，和周圍的其他像素點(diǎn)無(wú)關(guān)，為了進(jìn)行灰度變化首先要獲得灰度直方圖在MATLAB中可以使用imhist(I)函數(shù)來(lái)獲得，彩色圖像也可以做直方圖，只不過(guò)是對(duì)三個(gè)分量RGB分別做灰度直方圖，直方圖均衡化用的是histeq(I)，直方圖均衡化使得圖像的色彩分布更加的均勻，不會(huì)出現(xiàn)過(guò)明或者是過(guò)暗的情況，圖像的標(biāo)準(zhǔn)差，可以采用std2()計(jì)算矩陣的標(biāo)準(zhǔn)差，std()計(jì)算向量的標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)差越大，圖像的對(duì)比度越大，mean()平均值函數(shù)，中值濾波函數(shù)medfilt2(I),計(jì)算兩幅大小相同的圖像的相關(guān)系數(shù)用，corr2(I,J);灰度圖像的等高線就是灰度相同的點(diǎn)連接成的，利用imcontour(I,n)，n是繪制的等高線的數(shù)量，

4.1空域?yàn)V波

空域?yàn)V波：線性平均濾波是一種最常用的線性空域?yàn)V波，圖像的邊緣屬于高頻成分，常用的模板有3x3的，K=imfilter(J, h)，表示J卷積H的意思，可以用這個(gè)函數(shù)或者conv2(J,H)也可以，加噪聲的函數(shù)imnoise(I, 'salt & pepper', 0.02);順序統(tǒng)計(jì)濾波函數(shù)ordfilt2(I, 1, true(5));就是有點(diǎn)像領(lǐng)域?yàn)V波的感覺(jué)就是用領(lǐng)域內(nèi)的第一個(gè)像素代替目標(biāo)像素，true(5)表示用5*5的模板，維納自適應(yīng)濾波函數(shù)是wiener2(J, [5 5]);

4.2頻域?yàn)V波

頻域?yàn)V波圖像增強(qiáng)首先是通過(guò)傅里葉變換將圖像從空間域變換到頻率域，然后反變換回去，頻域內(nèi)的圖像增強(qiáng)有低通濾波，高通濾波和同態(tài)濾波；低通去除噪聲，但是也會(huì)使得邊緣模糊，matlab里面的字母是分大小寫的，Y = fftshift(X);平移零頻分量，然后繪制以零為中心的功率，也就是零點(diǎn)跑到中間去了，Y = fft2(X,m,n) 將截?cái)?X 或用尾隨零填充 X，以便在計(jì)算變換之前形成 m×n 矩陣。Y 是 m×n 矩陣。如果 X 是一個(gè)多維數(shù)組，fft2 將根據(jù) m 和 n 決定 X 的前兩個(gè)維度的形狀；[X,Y] =?meshgrid(x,y)：輸出X的每一行的數(shù)值都是復(fù)制的x的值；輸出Y的每一列的數(shù)值都是復(fù)制的y的值，meshgrid就是產(chǎn)生這樣兩個(gè)矩陣，時(shí)域卷積頻域乘積K=J.*H;，c=b(1:size(b,1),1:size(b,2))表示取出b的這些行和列上的元素，賦值給c，最后一個(gè)值不超過(guò)size(b,1)的一個(gè)向量，size(b,1)是b矩陣的行數(shù)，表示求距離函數(shù)D=sqrt(U.^2+V.^2);濾波器的類型分為巴特沃斯濾波器和高斯濾波器，帶阻濾波器是用來(lái)抑制距離頻率中心一定距離的一個(gè)圓形區(qū)域的頻率，可以用來(lái)消除一定頻率范圍內(nèi)的噪聲，同態(tài)濾波是一種特殊的濾波技術(shù)，可用于壓縮圖像動(dòng)態(tài)范圍，且增強(qiáng)對(duì)比度，濾波窗口越大圖像邊緣越模糊，圖像去燥效果越好

五，圖像復(fù)原技術(shù)

5.1空域?yàn)V波復(fù)原

圖像復(fù)原技術(shù)，可以通過(guò)imnoise()給圖像添加噪聲，調(diào)用格式為imnoise(I,type,parameters),parameters不同噪聲的參數(shù)不同，如果是椒鹽噪聲則表示，椒鹽噪聲的密度大小，高斯噪聲則表示均值和方差，空域?yàn)V波方法，首先是均值濾波包括算術(shù)均值濾波和幾何均值濾波，順序統(tǒng)計(jì)濾波包括中值濾波，中值濾波能夠很好的保留圖像的邊緣，非常適合去除椒鹽噪聲，效果優(yōu)于均值濾波，順序統(tǒng)計(jì)濾波還包括最大值，最小值濾波，最大值濾波能夠去除椒鹽噪聲，但是會(huì)從黑色物體的邊緣去除一些黑色像素，最小值濾波類似，會(huì)從白色物體的邊緣去除一些白色像素，J=medfilt2(I, [m, n]);二維中值濾波，采用的窗口大小是mxn的，B=ordfilt2(A,order,domain)，domain=[0 1 1 0; 1 1 1 1; 1 1 1 1; 0 1 1 0];J=ordfilt2(I, 6, domain);domain是一個(gè)模板，order是去除domain中的第6個(gè)像素值作為該點(diǎn)像素值；自適應(yīng)濾波wiener2()可以根據(jù)圖像中的噪聲進(jìn)行濾波，還可以對(duì)噪聲進(jìn)行估計(jì)，該函數(shù)根據(jù)圖像的局部方差來(lái)調(diào)整濾波器的輸出，調(diào)用格式為J=wiener2(i,[m,n],noise),采用的窗口為mxn，如果不指定窗口大小，默認(rèn)是3x3的，輸入噪聲noise為噪聲的能量，返還的是圖像J,K=imcrop(I, [100, 100, 1024, 1024])是裁剪圖像的函數(shù)，意思就是從（100,100）的起始坐標(biāo)開始，裁剪出1024x1024的圖像，[K, noise]=wiener2(J, [5, 5]);采用維納自適應(yīng)濾波，返回圖像K和圖像的噪聲估計(jì)。

5.2圖像復(fù)原

圖像復(fù)原：1，逆濾波復(fù)原，通過(guò)傅里葉變換實(shí)現(xiàn)，最后用傅里葉反變換，2，自適應(yīng)濾波優(yōu)點(diǎn)是復(fù)原效果好，計(jì)算量較低,PSF=fspecial('motion', LEN, THETA);該函數(shù)就是產(chǎn)生濾波模板的，比如產(chǎn)生拉普拉斯算子模板，K=deconvwnr(J, PSF, NSR);這是維納自適應(yīng)濾波函數(shù)，NSR是信噪比3，約束最小二乘法復(fù)原，采用函數(shù)deconcreg()進(jìn)行圖像的約束最小二乘法復(fù)原，調(diào)用格式是J=deconvreg(I,PSF)，lucy復(fù)原，K=deconvlucy(J, PSF, 5);5是迭代次數(shù)，迭代次數(shù)越多，復(fù)原效果越好；前面的復(fù)原方法都需要預(yù)先知道退化圖像的PSF，但在實(shí)際應(yīng)用中，經(jīng)常是不知道PSF的情況下對(duì)圖像進(jìn)行復(fù)原，下面介紹盲解卷積復(fù)原，對(duì)PSF進(jìn)行估計(jì)，[K, PSF2]=deconvblind(J, INITPSF, 30); INITPSF為輸入的PSF估計(jì)值，PSF2為真實(shí)的PSF的一個(gè)估計(jì)值，fspecial函數(shù)用于創(chuàng)建預(yù)定義的濾波算子，可以用來(lái)產(chǎn)生噪聲模板，或者使用imnoise來(lái)直接添加噪聲,會(huì)與imfilter搭配使用,g = imfilter(f, w, filtering_mode, boundary_options, size_options)其中，f為輸入圖像，w為濾波掩模，g為濾波后圖像。filtering_mode用于指定在濾波過(guò)程中是使用“相關(guān)”還是“卷積”。boundary_options用于處理邊界充零問(wèn)題，邊界的大小由濾波器的大小確定。具體參數(shù)選項(xiàng)見(jiàn)下表：

????????????????????????? 圖一?????????????????????????????????????????????????????????????????????????????????????????????????????????? 圖二

從定義式中可以看到,互相關(guān)函數(shù)和卷積運(yùn)算類似,也是兩個(gè)序列滑動(dòng)相乘,但是區(qū)別在于:互相關(guān)的兩個(gè)序列都不翻轉(zhuǎn),直接滑動(dòng)相乘,求和;卷積的其中一個(gè)序列需要先翻轉(zhuǎn),然后滑動(dòng)相乘,求和，如果使用算子來(lái)模糊圖像，需要算子和圖像混合后，再使用濾波函數(shù)

六，圖像分割

圖像分割主要包括邊緣分割技術(shù)，閾值分割技術(shù)和區(qū)域分割技術(shù)，邊緣分割和我們之前的邊緣檢測(cè)有些類似，常用的有微分算子sobel算子，Roberts算子等，對(duì)于圖像中的間斷點(diǎn)，常用的檢測(cè)模板為如圖二所示，線段的檢測(cè)用的模板也如上圖二所示其中第一個(gè)是用來(lái)檢測(cè)0度的直線，第二個(gè)模板是用來(lái)檢測(cè)45度的直線，Roberts算子J=edge(I, 'roberts');表示采用roberts算子進(jìn)行邊緣檢測(cè)，[J, thresh]=edge(I, 'roberts', 35/255);35/255表示所使用的閾值，thresh表示返回的圖像分割閾值，這個(gè)閾值表示的是圖像歸一化以后的閾值，其它的算子類似都是直接在后面改相應(yīng)的名稱，[J, thresh]=edge(I, 'prewitt', [], 'both');'both'表示水平和垂直都檢測(cè)，采用edge()進(jìn)行邊緣提取得到的圖像為二值圖像，只有黑白兩種顏色 []表示占位符，canny算子用來(lái)抑制虛假邊緣，因?yàn)樗灰蕾囘吘壏较?#xff0c;canny算子的調(diào)用也是通過(guò)edge()函數(shù)來(lái)實(shí)現(xiàn)，調(diào)用格式和soble算子一致；LOG算子就是拉普拉斯算子，是一種不依賴邊緣方向的二階微分算子，先利用高斯函數(shù)進(jìn)行平滑，然后再利用二階導(dǎo)數(shù)過(guò)零點(diǎn)的性質(zhì)，去檢測(cè)邊緣，拉普拉斯算子就是一個(gè)兩個(gè)方向的二階偏導(dǎo)數(shù)之和，都是采用edge函數(shù)；閾值分割技術(shù)通過(guò)圖像的直方圖來(lái)選取合適的閾值，利用if,else來(lái)實(shí)現(xiàn)，全局閾值通常都選取波谷的值imhist（i，n）n為指定灰度級(jí)顯示直方圖，[width, height]=size(I);得到圖像的行和列，也可以使用im2bw（I）來(lái)進(jìn)行分割，也就是灰度圖像轉(zhuǎn)為二值圖像，OTSU閾值分割，它的基本原理就是選取一個(gè)最佳的閾值將圖像分割為兩部分，使兩部分的方差最大，具有最大的分離性，最佳閾值獲取函數(shù)是J=graythresh(I),下面也是可以使用if,else來(lái)實(shí)現(xiàn)或者通過(guò)BW?= im2bw(I,level)，level就是閾值，迭代式閾值分割，獲取圖像中像素的最大，最小值min(I(:))，max(I(:));區(qū)域生長(zhǎng)法是一種將具有相似性質(zhì)的像素集合起來(lái)構(gòu)成區(qū)域，區(qū)域增長(zhǎng)法根據(jù)區(qū)域內(nèi)像素的相似性質(zhì)來(lái)聚集像素點(diǎn)的方法，區(qū)域內(nèi)像素的相似度量可以包括平均灰度值，紋理，顏色等信息，從初始區(qū)域開始，將相鄰的具有同樣性質(zhì)的像素或其它區(qū)域歸并到目前的區(qū)域中，從而逐步增長(zhǎng)區(qū)域，直至沒(méi)有合并的為止；還有另外一種分水嶺，J=watershed(I, 8);參數(shù)里面的8代表8連通，在灰度直方圖中的山脊稱為分水嶺,I=im2double(I) %圖像灰度值歸一化到[0,1]之間

六，圖像變換技術(shù)

圖像變換技術(shù)時(shí)間域就是空間域：圖像Radon變換，在matlab中采用函數(shù)radon()進(jìn)行圖像的Radon變換，函數(shù)調(diào)用格式為R=radon(I,theta);thera為角度，R為圖像I在theta方向上的變換值，[R, xp]=radon(I, [0, 45]);xp為對(duì)應(yīng)的坐標(biāo)值，表示在0度和45度方向進(jìn)行radon變換，x=xp(row)，這表示獲取位置，angel=theta(column)這表示獲取角度，radon變換可以用來(lái)檢測(cè)直線，就是radon變換中的最大值就對(duì)應(yīng)的圖像中最明顯的直線，用函數(shù)iradon()來(lái)計(jì)算radon的反變換k=iradon(R,thera),R為radon變換矩陣，thera為角度；傅里葉變換通過(guò)函數(shù)fft()進(jìn)行一維離散傅里葉變換，通過(guò)函數(shù)ifft()進(jìn)行一維離散傅里葉反變換，二維的采用的是fft2(),函數(shù)的調(diào)用格式為Y=fft(X),或者Y=fft2(x,m,n)采用快速傅里葉算法，計(jì)算矩陣大小為二維離散傅里葉變換，傅里葉變換的一個(gè)意義，在頻譜上是亮暗不一的亮點(diǎn)，如果頻譜中暗的點(diǎn)數(shù)更多，那么實(shí)際圖像是比較柔和的，如果亮點(diǎn)比較多，說(shuō)明圖像比價(jià)尖銳，通過(guò)函數(shù)fft2()得到的頻譜圖，坐標(biāo)原點(diǎn)位于圖像的左上角，可以通過(guò)函數(shù)fftshift(X),把坐標(biāo)原點(diǎn)移至圖像的中央，坐標(biāo)原點(diǎn)是低頻，向外是高頻，可以對(duì)圖像在頻域進(jìn)行濾波和增強(qiáng)，real(L)是復(fù)數(shù)的實(shí)部，J=fftshift(fft2(I));?L1=ifft2(ifftshift(K1));正變換的時(shí)候是先變換再平移，而反變換的時(shí)候是先平移后變換；圖像離散余弦變換，實(shí)際上是傅里葉變換的實(shí)數(shù)部分，離散余弦變換DCT，有一個(gè)重要性質(zhì)就是大部分可視化的信息都集中在少數(shù)的變換系數(shù)上，因此離散余弦變換經(jīng)常用于圖像壓縮，例如國(guó)際壓縮標(biāo)準(zhǔn)JPEG格式就采用了離散余弦變換，在傅里葉變換的過(guò)程中，如果被展開的函數(shù)是實(shí)偶函數(shù)，那么其傅里葉變換中只包含余弦項(xiàng)，基于傅里葉變換的這一特點(diǎn)，人們提出了離散余弦變換，DCT變換先將圖像函數(shù)變換成偶函數(shù)的形式，再對(duì)其進(jìn)行二維離散傅里葉變換，DCT變換可以看做一種簡(jiǎn)化的傅里葉變換，采用dct()進(jìn)行一維離散余弦變換，采用idct()進(jìn)行一維離散余弦反變換，二維的使用dct2(A),還可以用B=dct2(A,[m,n])該函數(shù)計(jì)算圖像矩陣A的二維離散余弦變換，返回值為B，通過(guò)對(duì)A補(bǔ)0或裁剪，使得B的大小為m行n列，P=dctmtx(M);這就是離散余弦變換矩陣，離散余弦變換，變換得到的是離散余弦變換系數(shù)，離散余弦變換的一個(gè)重要用途就是用于圖像的數(shù)據(jù)壓縮，介紹圖像數(shù)據(jù)壓縮之前，首先介紹圖像的塊操作函數(shù)blkproc(),調(diào)用格式如下B=blkproc(A,[m,n],fun),表示對(duì)矩陣A進(jìn)行塊操作，對(duì)塊的操作函數(shù)為fun，返回值的大小A和B相同，colormap gray;表示圖像顯示的顏色，T'是T 的轉(zhuǎn)置，B=blkproc(I,[8,8],'P1*x*P2',T,T');% x就是每一個(gè)分成的8*8大小的塊，P1*x*P2相當(dāng)于像素塊的處理函數(shù)，p1=T p2=T’,也就是fun=p1*x*p2'=T*x*T'的功能是進(jìn)行離散余弦變換，B2 = blkproc(B,[8 8],'P1.*x',mask); %舍棄每個(gè)塊中的高頻系數(shù)，達(dá)到圖像壓縮的目的，I2=blkproc(B2,[8,8],'P1*x*P2',T',T); ?%進(jìn)行反余弦變換，得到壓縮后的圖象，正變換還是反變換關(guān)鍵是看T'是在前還是在后，在前反變換；hadamard變換沒(méi)有直接的變換函數(shù)但是可以用hadamard(n),n是階數(shù)產(chǎn)生hadamard變換矩陣，也可以對(duì)圖像進(jìn)行hadamard變換H1=hadamard(h1);H2=hadamard(h2);J=H1*I*H2；hough變換用于檢測(cè)幾何形狀，[H, Theta, Rho]=hough(BW, 'RhoResolution', 0.5, 'ThetaResolution', 0.5);H為返回的hough變換矩陣，Theta為變換角度，rho為變換半徑，'RhoResolution', 0.5'RhoResolution'為名字，0.5是值，此外hough還有houghpeaks(),還有houghline（）；lines = houghlines(BW,theta,rho,peaks)表示在hough變換的基礎(chǔ)上檢測(cè)出線，y（：，1）中逗bai號(hào)前是行，逗號(hào)后du是列，冒號(hào)表示從幾到幾。所以y（：，1）表示第一列的所有元素,radon變換的顯示函數(shù)是imagesc(J);不是imshow（），如果要顯示fft2()的圖像，最好把圖像進(jìn)行一下類型轉(zhuǎn)換double型轉(zhuǎn)為uint8()型,使用了ifft2()如果要顯示必須imshow(real(L2))，MATLAB圖像處理工具箱實(shí)現(xiàn)離散余弦變換有兩種方法：dct2和dctmtx（1）使用函數(shù)dct2，該函數(shù)用一個(gè)基于FFT的算法來(lái)提高當(dāng)輸入較大的方陣時(shí)的計(jì)算速度。（2）使用由dctmtx函數(shù)返回的DCT變換矩陣，這種方法較適合于較小的輸入方陣（例如8×8或16×16）,imshow(A,[ ])
inshow(A,[ ])相當(dāng)于imshow(A,[min(A),max(A)])自動(dòng)調(diào)整數(shù)據(jù)范圍以方便顯示

七，彩色圖像坐標(biāo)變換

彩色圖像坐標(biāo)變換，一種是面向硬件設(shè)備的彩色模型RGB，另外一種是面向視覺(jué)感知的彩色圖像模型例如HSV模型，HSV模型是通過(guò)色調(diào)、飽和度、亮度來(lái)描述彩色圖像，RGB是由紅、綠、藍(lán)三原色混合而成，不同模型之間可以進(jìn)行轉(zhuǎn)化，RGB空間轉(zhuǎn)換到HSV空間，調(diào)用函數(shù)A=rgb2hsv(M),矩陣M的列分別表示紅色、綠色、藍(lán)色的強(qiáng)度，A的列分別表示色調(diào)、飽和度、亮度，H=HSV(:,:,1);%提取H矩陣，reshape(A,[2,3])?將?A?重構(gòu)為一個(gè) 2×3 矩陣,維度可以改變但是元素的個(gè)數(shù)是需要保持不變的，c = jet(m)?返回包含?m?種顏色的顏色圖，反過(guò)來(lái)也是一樣的hsv2rgb(H),RGB空間到y(tǒng)cbcr空間，調(diào)用函數(shù)K=rgb2ycbcr(RGB),RGB必須是一個(gè)mxnx3的矩陣，當(dāng)然也可以K=ycbcr2rgb(ycbcr)

八，圖像壓縮編碼

圖像壓縮編碼，編碼效率用編碼參數(shù)來(lái)衡量數(shù)字圖像的熵，圖像的平均碼長(zhǎng)，編碼效率，每秒所需的傳輸比特?cái)?shù)為bps=mxnxR/兩幀時(shí)間間隔，霍夫曼編碼是一種把概率大的信息符號(hào)以短字長(zhǎng)編碼，概率小的以長(zhǎng)字編碼，這種編碼形式的平均碼子長(zhǎng)度最短，具體的方法另外一篇文章中有仔細(xì)的說(shuō)明，sort()是排序函數(shù)，Y = floor(X)四舍五入函數(shù)，看函數(shù)都是從最核心的部分開始看代碼，因?yàn)槠渌淖兞?#xff0c;或者循環(huán)之類都是為，最核心代碼服務(wù)的，[dict,avglen] = huffmandict(symbols,p);%產(chǎn)生霍夫曼編碼詞典，返回編碼詞典dict和平均碼長(zhǎng)avglen，編碼詞典就是說(shuō)比如16編碼為001,15編碼為100，以后在數(shù)據(jù)中出現(xiàn)直接來(lái)字典里面找，huffmanenco(actualsig,dict); %利用dict對(duì)actuals來(lái)編碼，其結(jié)果存放在compress中，matlab的數(shù)據(jù)類型比如uint8直接決定了數(shù)據(jù)的范圍2^8，可以直接在屏幕上disp('hello'),打印輸出，

九，圖像特征分析

圖像特征分析：顏色矩通常直接在RGB空間來(lái)計(jì)算，顏色分布信息主要集中在低階矩，一階矩就是均值，反映了每個(gè)顏色分量的平均強(qiáng)度用函數(shù)mean2(R)，二階矩就是方差，即不均勻性std(std(R));???，三階矩是偏度，三階矩用定義,可用這些信息來(lái)辨識(shí)物體；許多圖像識(shí)別系統(tǒng)都采用顏色直方圖作為圖像的顏色特征，它所描述的是不同色彩在整幅圖像中所占的比例，不關(guān)心圖像顏色分布的統(tǒng)計(jì)特性，常用的顏色空間有RGB顏色空間和HSV空間，imhist(I(:,:,1))%顯示紅色分辨率下的直方圖，灰度直方圖的分布，如果都在左邊說(shuō)明該分量主要在較暗的地方出現(xiàn)，如果在最右邊說(shuō)明，該分量主要集中在亮處，h = hsv(:, :, 1);%為色調(diào)h賦值，這個(gè)模型中顏色的參數(shù)分別是：色調(diào)（H）大概可以理解為圖像上有幾種顏色，飽和度（S）圖像的鮮艷程度，明度（V）圖像是亮還是暗，這些特征可以用來(lái)做圖像分割，比如分離花和葉子；紋理特征反映物品的質(zhì)地，比如粗糙度、光滑度、顆粒度，隨機(jī)性和規(guī)范性，衛(wèi)星遙感地表圖像的分析常采用紋理分析，這是因?yàn)榈乇淼纳矫}、河流、森林、城市建筑等表現(xiàn)出不同的紋理，下面介紹幾種紋理特征的提取方法比如灰度差分統(tǒng)計(jì)，自相關(guān)函數(shù)，灰度共生矩陣，還有就是基于頻譜特征的分析系，常用的紋理特征有平均值、對(duì)比度、熵、能量，灰度直方圖不能直接進(jìn)行紋理分析，熵值越大圖形紋理越粗糙，平均值反映圖像的光滑度；自相關(guān)函數(shù)是用來(lái)描述圖像的粗糙度，小數(shù)值的紋理測(cè)度表示細(xì)紋理，大數(shù)值的紋理測(cè)度表示粗紋理，通常采用自相關(guān)函數(shù)作為紋理測(cè)度，mesh()函數(shù)用來(lái)畫三維圖像，光滑的自相關(guān)函數(shù)變化較小，粗糙的自相關(guān)函數(shù)變化較快，灰度共生矩陣是有函數(shù)的glcms = graycomatrix(I,Name,Value,...),glcm = graycomatrix(I,'Offset',[0 2]);? %圖像I的灰度共生矩陣，2表示當(dāng)前像素與鄰居的距離為2，offset為[0 2]表示角度為0為水平方向,要快速的看懂matlab函數(shù)就是描述前后注意，還要看例子的參數(shù)說(shuō)明，灰度共生矩陣不直觀，常常需要二階統(tǒng)計(jì)量，matlab用stats = graycoprops(glcm,{'contrast','homogeneity'})，'contrast表示對(duì)比度，homogeneity同質(zhì)性，也就是說(shuō)是對(duì)角線的緊密程度，里面的參數(shù)還可以是Correlation，Energy一個(gè)表示相關(guān)，一個(gè)表示能量stats是一個(gè)結(jié)構(gòu)體，contrast是一個(gè)成員變量，具體參考p323；頻譜分析法用來(lái)在傅里葉變換處獲得空間不容易 獲得的紋理特征如周期，功率譜等，實(shí)際應(yīng)用中將頻譜轉(zhuǎn)換到極坐標(biāo)簡(jiǎn)化為S(r,),確定r則S（）是一維函數(shù)可以確定以原點(diǎn)為中心的圓上行為特征，給定可以得到從原點(diǎn)某方向上的放射行為，在數(shù)字圖像處理中通常把周期的變?yōu)榉侵芷谔幚?#xff0c;頻譜分析方法還有加伯變換Gabor(gabor)和小波變換具體可以參照P328。

十，圖像形狀特征

10.1形狀特征描述

形狀特征描述一般是在物體從圖像中分割出來(lái)以后進(jìn)行分析，主要包括圖像的輪廓提取和區(qū)域劃分：先對(duì)輪廓進(jìn)行描述在對(duì)邊界特征進(jìn)行描述，鏈碼表示方法就是定好起點(diǎn)后，用4方向或者8方向來(lái)描述圖形，多變形近似，有三種方法1，基于最小周長(zhǎng)的多邊形法即把線段拉直，還有兩種基于最小均方誤差的方法，直接坐標(biāo)轉(zhuǎn)為極坐標(biāo)[cita,r]=cart2pol(xp1,yp1);%直角坐標(biāo)轉(zhuǎn)換成極坐標(biāo)，polar(cita,r);%畫出極坐標(biāo)下的輪廓圖，邊緣提取使用edge()函數(shù)，區(qū)域特征描述，1區(qū)域面積描述法，用stats = regionprops(L,properties)來(lái)統(tǒng)計(jì)區(qū)域內(nèi)的像素點(diǎn)的個(gè)數(shù)，2四叉樹描述法S = qtdecomp(I,threshold)該函數(shù)實(shí)現(xiàn)對(duì)四叉樹的分解，I為灰度圖像，threshold為閾值，S為分解后的圖像，blocks = repmat(uint8(0),size(S));%矩陣擴(kuò)充為S的大小3拓?fù)潢P(guān)系，就是孔數(shù)和歐拉數(shù)，使用函數(shù)eul = bweuler(I,n)，eul為歐拉數(shù)，I為圖像，I為二值圖像如果不是需要使用im2bw(),n=4或8表示4連通和8連通，Image2=fliplr(I);%對(duì)圖像做鏡像變換---鏡像變換 ，log（）函數(shù)用于縮小圖像，還有一種方法矩描述

10.2形態(tài)學(xué)數(shù)字圖像處理

形態(tài)學(xué)數(shù)字圖像處理，數(shù)字形態(tài)學(xué)是建立在微分幾何以及隨機(jī)論基礎(chǔ)上的，集合論是數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)，腐蝕運(yùn)算和膨脹運(yùn)算是數(shù)學(xué)形態(tài)學(xué)的兩個(gè)基本變換，參與運(yùn)算就是兩個(gè)對(duì)象，，圖像A感興趣的目標(biāo)，圖像B結(jié)構(gòu)元素，結(jié)構(gòu)元素通常是個(gè)圓盤，但是它可以是任何元素，結(jié)構(gòu)元素是腐蝕和膨脹最基本的組成部分，在matlab中結(jié)構(gòu)體元素生產(chǎn)函數(shù)strel()創(chuàng)建任意大小和形狀的結(jié)構(gòu)元素對(duì)象，膨脹是將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界向外部擴(kuò)張的過(guò)程，通過(guò)膨脹可以填充圖像中的小孔，A+B，腐蝕是消除 邊界點(diǎn)，使邊界向內(nèi)部收縮過(guò)程，可以消除小且無(wú)意義的物體，集合被結(jié)構(gòu)元素腐蝕，記為A-B，采用bw2=imdilate(I, se)，I是圖像se是結(jié)構(gòu)元素，imerode()可以進(jìn)行腐蝕操作，開運(yùn)算即先采用結(jié)構(gòu)元素做腐蝕運(yùn)算，然后再做膨脹運(yùn)算，使用相同的結(jié)構(gòu)元素，計(jì)為(A-B)+B函數(shù)J=imopen(I, se)通過(guò)開運(yùn)算去除了圖像中比較小的點(diǎn),閉運(yùn)算(A+B)-B，通過(guò)函數(shù)J=imclose(I, se)有利于把區(qū)域連接為一塊;高帽濾波是A-開運(yùn)算，高帽濾波可以增強(qiáng)圖像的對(duì)比度，調(diào)用形式J=imtophat(I, se);，圖像的低帽濾波A-閉運(yùn)算，低帽濾波可以增強(qiáng)圖像的邊緣，調(diào)用形式K=imbothat(I, se);imadd(I, J)圖像相加，imsubtract（I,J）兩個(gè)圖像相減；圖像的填充通過(guò)函數(shù)imfill（），J=imfill(I, 'holes')通過(guò)holes填充圖像中的空洞，返回局部極大值，局部極大值不是最大值，調(diào)用如下bw=imregionalmax(I)，此函數(shù)返回的最大值對(duì)應(yīng)1，其它是0，同樣的局部最小值bw=imregionalmin(I);圖像邊界的測(cè)定，通過(guò)膨脹腐蝕獲取圖像邊界，膨脹的結(jié)果減去腐蝕的結(jié)果就是圖像的邊界，還可以通過(guò)函數(shù)bwperim(I,n)獲取二值圖像的邊緣,n在二維圖像中是4或者8連通，二值圖像的形態(tài)學(xué)操作，可以通過(guò)bwmorph()進(jìn)行二值圖像的大量形態(tài)學(xué)操作，例如圖像的骨架化，圖像的細(xì)化，以及開操作和閉操作，函數(shù)功能比較強(qiáng)大，J=bwmorph(I, 'thin');BW2 = bwmorph(BW,operation,n)對(duì)二值圖像進(jìn)行n次指定的形態(tài)學(xué)處理n=Inf表示無(wú)窮大，移除圖像的內(nèi)部點(diǎn)保留邊界也是用的此函數(shù)，不過(guò)調(diào)用的參數(shù)為remove，腐蝕膨脹是最基本的形態(tài)學(xué)操作，下面還有一些二值圖像的其他形態(tài)學(xué)操作，包括極限腐蝕，查表操作，圖像的標(biāo)記，對(duì)象的選擇，圖像的面積和歐拉數(shù)等，采用函數(shù)bwulterode()進(jìn)行極限腐蝕，每個(gè)對(duì)象最后變?yōu)橐粋€(gè)像素點(diǎn)為止；查表操作，用函數(shù)makelut()用于建立表單，函數(shù)applylut()用于查表操作，函數(shù)調(diào)用格式為lut=makelut(fun,n),其中fun為判斷條件的函數(shù)，n為領(lǐng)域大小可以去2或者3，查表調(diào)用格式為applylut(BW,LUT)該函數(shù)采用查表的方式來(lái)對(duì)二值圖像的領(lǐng)域進(jìn)行操作，LUT為建立的表單，二值圖像的標(biāo)記，對(duì)于不同的連通區(qū)域分配不同的編號(hào)，采用函數(shù)bwlabel()只支持二維的二值圖像和bwlabeln()支持任意維度的二值圖像，函數(shù)L=bwlabel(bw,n)n為連通類型為4或者8連通，L標(biāo)記矩陣和原來(lái)的二值圖像具有相同的大小，還可以是[L, num]=bwlabel(BW, 8)，num為連通區(qū)域的數(shù)目，二值圖像的對(duì)象選擇使用J=bwselect(I, c, r, 4);c為橫坐標(biāo)數(shù)組，r為坐標(biāo)數(shù)組，4是4連通的意思，函數(shù)的意思就是從I中把這幾個(gè)坐標(biāo)的像素值取出來(lái)；二值圖像的面積，面積是二值圖像中像素值為1的像素個(gè)數(shù)，采用函數(shù)bwarea()計(jì)算二值圖像的面積，total=bwarea(BW)；

十一，小波變換

小波變換家族Waveletfamilies,或者是Waveletfamilies（‘n’），waveinfo('fk')看具體的信息，小波是一種快速衰減的波，震蕩有零值，不像正弦波，縮放，拉伸和縮放，移動(dòng)，就是讓小波從左到右在信號(hào)上走，信號(hào)在時(shí)間刻度進(jìn)行縮放，小波有一個(gè)帶通的性質(zhì)，相同頻率的比率因子變化導(dǎo)致拉伸小波，對(duì)應(yīng)較低的頻率，較小的比率導(dǎo)致壓縮小波，高頻拉伸小波有助于捕捉緩慢的變化，縮小小波有助于捕獲突然的變化，轉(zhuǎn)移小波變換，離散小波的運(yùn)用是去燥和壓縮，連續(xù)小波變換的輸出是系數(shù)，傅里葉變換是一個(gè)全時(shí)域的變換，全時(shí)域也就是說(shuō)是負(fù)無(wú)窮到正無(wú)窮，為了解決傅里葉變換無(wú)限大的問(wèn)題，我們提出了時(shí)窗，即Gabor變換也叫短時(shí)傅里葉變化，但是缺點(diǎn)是分辨率單一，因?yàn)樵跁r(shí)域的窗口小，頻率的就會(huì)寬，一旦寬了之后分辨率就會(huì)降低，一旦時(shí)域確定頻域就會(huì)確定，不太自由，之后就提出了小波變換wavelet transtorm (WT)，一元積分相當(dāng)于在某個(gè)方向上的投影，小波這里就去尋找一個(gè)最佳的投影函數(shù)（a,b,t）a是時(shí)窗的中心頻率，b是頻率的量W，壓縮降噪就是把頻率特別小或者特別大的地方去掉，小波變換的其他具體知識(shí)之后再補(bǔ)充，此處介紹小波的MATLAB實(shí)現(xiàn)，stem()是柱形的畫圖函數(shù)，小波函數(shù)和尺度函數(shù)wavefun2()只適合正交小波,具體參照P387，

小波變換的壓縮是基于人眼對(duì)高頻信息不敏感的特性，低頻部分的分量全部或部分保留，去掉高頻的部分，系數(shù)編碼時(shí)小波變換用于圖像壓縮的核心，壓縮的實(shí)質(zhì)是對(duì)系數(shù)的量化壓縮，Y=wcodemat(X,nbc);%對(duì)圖像的數(shù)值矩陣進(jìn)行偽彩色編碼，wcodemat還有 解壓的能力，[C,S]=wavedec2(X,2,'db4'); %對(duì)圖像小波分解，image（）從數(shù)組顯示圖像，下圖a,b分別是壓縮和解壓縮的圖

十二，Simulink數(shù)字圖像處理

Simulink是matlab的圖像化編程工具，video and image processing blockset,此處介紹基于simulink的視頻及數(shù)字圖像處理，在下面這個(gè)地方啟動(dòng)，computer vision system toolbox需要先建立simulink，然后在里面的tool里面library找，輸入在sources中設(shè)置圖像路徑，在sinks中的view觀看結(jié)果，直接用鼠標(biāo)把模塊拖到simulink的工作空間或者右鍵直接add進(jìn)來(lái)，用鼠標(biāo)即可連線，類型轉(zhuǎn)換是在convertion中，圖像幾何變換,雙擊模塊可以修改里面的參數(shù)，其實(shí)一個(gè)模塊就對(duì)應(yīng)著一些matlab的語(yǔ)句，

???????????????????? Analysis&Enhancement?????????????????????????????????????????????????????????????????? Convertions

???????????????????????? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? Filtering?????????????????????????????????????????????????????????????????????????

??????????????????????????????????????????

?????? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? 形態(tài)學(xué)操作（? Morephological Operations）

總結(jié)

以上是生活随笔為你收集整理的MATLAB数字图像处理详细总结的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。