matlab 一副图像的对比度值

读书僧 2017-11-04 10:59:30

用std 函数计算结果可以当成一副图像对比度值吗

下面是我根据这个公式自己写的对比度函数结果和std函数不一样

...全文

2331 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

color 2F 2019-12-18

打赏
举报

回复

二维要用std2吧

碧水幽幽泉 2017-11-09

打赏
举报

回复

没遇到过，帮忙顶下。

碧水幽幽泉 2017-11-09

打赏
举报

回复

一看到这种公式，我就晕菜了。

《图像处理与计算机视觉》课程简介本课程是计算机专业研究生教学的“图象处理与计算机视觉”专业选修课程的配套实验课程，是以计算机专业研究生为教学对象，强调理论和上机实践相结合的一门课程。重点培养学生的编程实践和动手能力。该课程将《图象处理与计算机视觉》课与VC++、Matlab等软件开发环境结合起来，实现图像处理的各种基本算法：图像变换、图像增强等。该课程的主要实践上机内容包括如下几大部分： 1、 Matlab工具箱的使用 2、 BMP文件结构分析与可视化编程 3、二维Fourier变换 4、灰度修正技术和锐化技术 5、图像抑制噪声技术实验目标将《数字图像处理课》与VC++、Matlab等软件开发环境结合起来，实现图像处理的各种基本算法：图像变换、图像增强等。实验一：Matlab工具箱的使用实验内容实验一(A)： Matlab图像处理工具箱的使用 1.A＝imread(filename,fmt) 读入图像文件； 2.imwrite(A,filename,fmt)输出图像； 3.imshow(I,n)图像显示；实验一(B)： BMP文件结构分析与可视化编程 1.文件的输入输出； 2.BMP文件结构； 3.基于MFC的图像可视化编程；实验二：二维Fourier变换实验内容 1. 选择一副图像，利用下列这3个模块分别对该图像进行卷积运算，将卷积运算获得的图像与原始图像进行比较，说明各模块的类型以及模块（b）（c）的区别和联系。 1/9 1/9 1/9 0 -1 0 0 –-1 0 1/9 1/9 1/9 -1 5 -1 -1 4 -1 1/9 1/9 1/9 0 -1 0 0 –-1 0 (a) (b) (c) 2.选择一幅图像，对其进行离散Fourier变换，分别利用其相位谱，振幅谱重构原图像，比较实验结果；选择两幅不同类型的图像，分别进行Fourier变换，交换二者的相位谱后求反变换，比较实验结果，说明图像Fourier相位谱的重要性。 3.演示二维离散Fourier变换的主要性质。二．实验目的： 1．掌握快速傅立叶变换方法。 2．熟练掌握频域滤波中常用的平滑和锐化滤波器； 3．Matlab中的函数： fft2; ifft2; fftshift; ifftshift; 三．实验要求：请将实验用图像及源程序代码在网络教学平台上提交。实验三：灰度修正技术和锐化技术一．实验内容： 1.灰度变换：选择一副对比度不足的图像，对该图像进行灰度变换，增强对比度，显示增强前、后的图像以及它们的灰度直方图。 2.直方图均衡：选择一副灰度直方图不均匀的图像，对该图像作直方图均衡处理，显示处理前后的图像以及他们的灰度直方图。 3.选择一副边缘较模糊的图像，利用高通滤波器（选择或自己设计）对此图像边缘增强，观察增强的效果。二．实验目的：对需要进行处理的图像分析，正确运用所学的知识，采用正确的步骤，对图像进行各类处理，以得到令人满意的图像效果。 1．掌握灰度直方图的概念及其计算方法； 2．熟练掌握直力图均衡化和直方图规定化的计算过程； 3．熟练掌握空域滤波中常用的平滑和锐化滤波器； 4．Matlab中的函数： imfilter；fspecial；imadjust；imadd；immultiply. Imhist；histeq；nlfilter；mean2；std2；fspecial；filter2；medfilt2；三．实验要求：请将实验用图像及源程序代码在网络教学平台上提交。实验四：图像抑制噪声技术一．实验内容 1.选择一副图像，并叠加零均值高斯噪声，分别利用低通滤波器，维纳滤波器和中值滤波器对该有噪图像进行滤波，显示滤波后的图像，比较各滤波器的滤波效果。 2.选择一副图像，并叠加椒盐噪声，分别用低通滤波器，中值滤波器对该图像进行滤波，比较滤波器的滤波效果。 3.设有一副叠加了零均值的高斯噪声的图像，设计一种处理方法，既能去噪声又能保持边缘清晰。二．实验目的： 1．Matlab中的函数： imnoise; imfilter；fspecial；三．实验要求：请将实验用图像及源程序代码在网络教学平台上提交。

1. 直方图均衡化的 Matlab 实现 1.1 imhist 函数功能：计算和显示图像的色彩直方图格式：imhist(I,n) imhist(X,map) 说明：imhist(I,n) 其中，n 为指定的灰度级数目，缺省值为256；imhist(X,map) 就算和显示索引色图像 X 的直方图，map 为调色板。用 stem(x,counts) 同样可以显示直方图。 1.2 imcontour 函数功能：显示图像的等灰度值图格式：imcontour(I,n),imcontour(I,v) 说明：n 为灰度级的个数，v 是有用户指定所选的等灰度级向量。 1.3 imadjust 函数功能：通过直方图变换调整对比度 格式：J=imadjust(I,[low high],[bottom top],gamma) newmap=imadjust(map,[low high],[bottom top],gamma) 说明：J=imadjust(I,[low high],[bottom top],gamma) 其中，gamma 为校正量r，[low high] 为原图像中要变换的灰度范围，[bottom top] 指定了变换后的灰度范围；newmap=imadjust(map,[low high],[bottom top],gamma) 调整索引色图像的调色板 map 。此时若 [low high] 和 [bottom top] 都为2×3的矩阵，则分别调整 R、G、B 3个分量。 1.4 histeq 函数功能：直方图均衡化格式：J=histeq(I,hgram) J=histeq(I,n) [J,T]=histeq(I,...) newmap=histeq(X,map,hgram) newmap=histeq(X,map) [new,T]=histeq(X,...) 说明：J=histeq(I,hgram) 实现了所谓“直方图规定化”，即将原是图象 I 的直方图变换成用户指定的向量 hgram 。hgram 中的每一个元素都在 [0,1] 中；J=histeq(I,n) 指定均衡化后的灰度级数 n ，缺省值为 64；[J,T]=histeq(I,...) 返回从能将图像 I 的灰度直方图变换成图像 J 的直方图的变换 T ；newmap=histeq(X,map) 和 [new,T]=histeq(X,...) 是针对索引色图像调色板的直方图均衡。 2. 噪声及其噪声的 Matlab 实现 imnoise 函数格式：J=imnoise(I,type) J=imnoise(I,type,parameter) 说明：J=imnoise(I,type) 返回对图像 I 添加典型噪声后的有噪图像 J ，参数 type 和 parameter 用于确定噪声的类型和相应的参数。 3. 图像滤波的 Matlab 实现 3.1 conv2 函数功能：计算二维卷积格式：C=conv2(A,B) C=conv2(Hcol,Hrow,A) C=conv2(...,'shape') 说明：对于 C=conv2(A,B) ，conv2 的算矩阵 A 和 B 的卷积，若 [Ma,Na]＝size(A), [Mb,Nb]=size(B), 则 size(C)=[Ma+Mb-1,Na+Nb-1]; C=conv2(Hcol,Hrow,A) 中，矩阵 A 分别与 Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积；C=conv2(...,'shape') 用来指定 conv2 返回二维卷积结果部分，参数 shape 可取值如下：》full 为缺省值，返回二维卷积的全部结果；》same 返回二维卷积结果中与 A 大小相同的中间部分； valid 返回在卷积过程中，未使用边缘补 0 部分进行计算的卷积结果部分，当 size(A)>size(B) 时，size(C)=[Ma-Mb+1,Na-Nb+1] 。 3.2 conv 函数功能：计算多维卷积格式：与 conv2 函数相同 3.3 filter2函数功能：计算二维线型数字滤波，它与函数 fspecial 连用格式：Y=filter2(B,X) Y=filter2(B,X,'shape') 说明：对于 Y=filter2(B,X) ，filter2 使用矩阵 B 中的二维 FIR 滤波器对数据 X 进行滤波，结果 Y 是通过二维互相关计算出来的，其大小与 X 一样；对于 Y=filter2(B,X,'shape') ，filter2 返回的 Y 是通过二维互相关计算出来的，其大小由参数 shape 确定，其取值如下：》full 返回二维相关的全部结果，size(Y)>size(X)；》same 返回二维互相关结果的中间部分，Y 与 X 大小相同；》valid 返回在二维互相关过程中，未使用边缘补 0 部分进行计算的结果部分，有 size(Y)值滤波器 H=fspecial('unsharp',alpha) 模糊对比增强滤波器说明：对于形式 H=fspecial(type) ，fspecial 函数产生一个由 type 指定的二维滤波器 H ，返回的 H 常与其它滤波器搭配使用。 4. 彩色增强的 Matlab 实现 4.1 imfilter函数功能：真彩色增强格式：B=imfilter(A,h) 说明：将原始图像 A 按指定的滤波器 h 进行滤波增强处理，增强后的图像 B 与 A 的尺寸和类型相同图像的变换 1. 离散傅立叶变换的 Matlab 实现 Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法；而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。这些函数的调用格式如下： A＝fft(X,N,DIM) 其中，X 表示输入图像；N 表示采样间隔点，如果 X 小于该数值，那么 Matlab 将会对 X 进行零填充，否则将进行截取，使之长度为 N ；DIM 表示要进行离散傅立叶变换。 A＝fft2(X,MROWS,NCOLS) 其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。 A＝fftn(X,SIZE) 其中，SIZE 是一个向量，它们每一个元素都将指定 X 相应维进行零填充后的长度。函数 ifft、ifft2 和 ifftn的调用格式于对应的离散傅立叶变换函数一致。例子：图像的二维傅立叶频谱 % 读入原始图像 I＝imread('lena.bmp'); imshow(I) % 求离散傅立叶频谱 J=fftshift(fft2(I)); figure; imshow(log(abs(J)),[8,10]) 2. 离散余弦变换的 Matlab 实现 2.1. dCT2 函数功能：二维 DCT 变换格式：B=dct2(A) B=dct2(A,m,n) B=dct2(A,[m,n]) 说明：B＝dct2(A) 计算 A 的 DCT 变换 B ，A 与 B 的大小相同；B＝dct2(A,m,n) 和 B=dct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B 的大小为 m×n。 2.2. dict2 函数功能：DCT 反变换格式：B=idct2(A) B=idct2(A,m,n) B=idct2(A,[m,n]) 说明：B＝idct2(A) 计算 A 的 DCT 反变换 B ，A 与 B 的大小相同；B＝idct2(A,m,n) 和 B=idct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B 的大小为 m×n。 2.3. dctmtx函数功能：计算 DCT 变换矩阵格式：D＝dctmtx(n) 说明：D＝dctmtx(n) 返回一个 n×n 的 DCT 变换矩阵，输出矩阵 D 为 double 类型。 3. 图像小波变换的 Matlab 实现 3.1 一维小波变换的 Matlab 实现 (1) dwt 函数功能：一维离散小波变换格式：[cA,cD]=dwt(X,'wname') [cA,cD]=dwt(X,Lo_D,Hi_D) 说明：[cA,cD]=dwt(X,'wname') 使用指定的小波基函数 'wname' 对信号 X 进行分解，cA、cD 分别为近似分量和细节分量；[cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。 (2) idwt 函数功能：一维离散小波反变换格式：X=idwt(cA,cD,'wname') X=idwt(cA,cD,Lo_R,Hi_R) X=idwt(cA,cD,'wname',L) X=idwt(cA,cD,Lo_R,Hi_R,L) 说明：X=idwt(cA,cD,'wname') 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。 'wname' 为所选的小波函数 X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。 X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。 3.2 二维小波变换的 Matlab 实现二维小波变换的函数 ------------------------------------------------- 函数名函数功能 --------------------------------------------------- dwt2 二维离散小波变换 wavedec2 二维信号的多层小波分解 idwt2 二维离散小波反变换 waverec2 二维信号的多层小波重构 wrcoef2 由多层小波分解重构某一层的分解信号 upcoef2 由多层小波分解重构近似分量或细节分量 detcoef2 提取二维信号小波分解的细节分量 appcoef2 提取二维信号小波分解的近似分量 upwlev2 二维小波分解的单层重构 dwtpet2 二维周期小波变换 idwtper2 二维周期小波反变换 ------------------------------------------------------------- (1) wcodemat 函数功能：对数据矩阵进行伪彩色编码格式：Y=wcodemat(X,NB,OPT,ABSOL) Y=wcodemat(X,NB,OPT) Y=wcodemat(X,NB) Y=wcodemat(X) 说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16； OPT 指定了编码的方式（缺省值为 'mat'），即： OPT＝'row' ，按行编码 OPT＝'col' ，按列编码 OPT＝'mat' ，按整个矩阵编码 ABSOL 是函数的控制参数（缺省值为 '1'），即： ABSOL＝0 时，返回编码矩阵 ABSOL＝1 时，返回数据矩阵的绝对值 ABS(X) (2) dwt2 函数功能：二维离散小波变换格式：[cA,cH,cV,cD]=dwt2(X,'wname') [cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 说明：[cA,cH,cV,cD]=dwt2(X,'wname')使用指定的小波基函数 'wname' 对二维信号 X 进行二维离散小波变幻；cA，cH,cV,cD 分别为近似分量、水平细节分量、垂直细节分量和对角细节分量；[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。 (3) wavedec2 函数功能：二维信号的多层小波分解格式：[C,S]=wavedec2(X,N,'wname') [C,S]=wavedec2(X,N,Lo_D,Hi_D) 说明：[C,S]=wavedec2(X,N,'wname') 使用小波基函数 'wname' 对二维信号 X 进行 N 层分解；[C,S]=wavedec2(X,N,Lo_D,Hi_D) 使用指定的分解低通和高通滤波器 Lo_D 和 Hi_D 分解信号 X 。 (4) idwt2 函数功能：二维离散小波反变换格式：X=idwt2(cA,cH,cV,cD,'wname') X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) X=idwt2(cA,cH,cV,cD,'wname',S) X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S) 说明：X=idwt2(cA,cH,cV,cD,'wname') 由信号小波分解的近似信号 cA 和细节信号 cH、cH、cV、cD 经小波反变换重构原信号 X ；X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R) 使用指定的重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号 X ；X=idwt2(cA,cH,cV,cD,'wname',S) 和 X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S) 返回中心附近的 S 个数据点。 (5) waverec2 函数说明：二维信号的多层小波重构格式：X=waverec2(C,S,'wname') X=waverec2(C,S,Lo_R,Hi_R) 说明：X=waverec2(C,S,'wname') 由多层二维小波分解的结果 C、S 重构原始信号 X ，'wname' 为使用的小波基函数；X=waverec2(C,S,Lo_R,Hi_R) 使用重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号。图像处理工具箱 1. 图像和图像数据缺省情况下，MATLAB将图像中的数据存储为双精度类型(double)，64位浮点数，所需存储量很大；MATLAB还支持另一种类型无符号整型(uint8)，即图像矩阵中每个数据占用1个字节。在使用MATLAB工具箱时，一定要注意函数所要求的参数类型。另外，uint8 与double两种类型数据的值域不同，编程需注意值域转换。从uint8到double的转换 --------------------------------------------- 图像类型 MATLAB语句 --------------------------------------------- 索引色 B=double(A)+1 索引色或真彩色 B=double(A)/255 二值图像 B=double(A) --------------------------------------------- 从double到uint8的转换 --------------------------------------------- 图像类型 MATLAB语句 --------------------------------------------- 索引色 B=uint8(round(A-1)) 索引色或真彩色 B=uint8(round(A*255)) 二值图像 B=logical(uint8(round(A))) --------------------------------------------- 2. 图像处理工具箱所支持的图像类型 2.1 真彩色图像 R、G、B三个分量表示一个像素的颜色。如果要读取图像中(100,50)处的像素值，可查看三元数据(100,50,1:3)。真彩色图像可用双精度存储，亮度值范围是[0,1]；比较符合习惯的存储方法是用无符号整型存储，亮度值范围[0,255] 2.2 索引色图像包含两个结构，一个是调色板，另一个是图像数据矩阵。调色板是一个有3列和若干行的色彩映象矩阵，矩阵每行代表一种颜色，3列分别代表红、绿、蓝色强度的双精度数。注意：MATLAB中调色板色彩强度[0,1]，0代表最暗，1代表最亮。常用颜色的RGB值 -------------------------------------------- 颜色 R G B 颜色 R G B -------------------------------------------- 黑 0 0 1 洋红 1 0 1 白 1 1 1 青蓝 0 1 1 红 1 0 0 天蓝 0.67 0 1 绿 0 1 0 橘黄 1 0.5 0 蓝 0 0 1 深红 0.5 0 0 黄 1 1 0 灰 0.5 0.5 0.5 -------------------------------------------- 产生标准调色板的函数 ------------------------------------------------- 函数名调色板 ------------------------------------------------- Hsv 色彩饱和度，以红色开始，并以红色结束 Hot 黑色－红色－黄色－白色 Cool 青蓝和洋红的色度 Pink 粉红的色度 Gray 线型灰度 Bone 带蓝色的灰度 Jet Hsv的一种变形，以蓝色开始，以蓝色结束 Copper 线型铜色度 Prim 三棱镜，交替为红、橘黄、黄、绿和天蓝 Flag 交替为红、白、蓝和黑 -------------------------------------------------- 缺省情况下，调用上述函数灰产生一个64×3的调色板，用户也可指定调色板大小。索引色图像数据也有double和uint8两种类型。当图像数据为double类型时，值1代表调色板中的第1行，值2代表第2行…… 如果图像数据为uint8类型，0代表调色板的第一行，，值1代表第2行…… 2.3 灰度图像存储灰度图像只需要一个数据矩阵。数据类型可以是double，[0，1]；也可以是uint8，[0,255] 2.4 二值图像二值图像只需一个数据矩阵，每个像素只有两个灰度值，可以采用uint8或double类型存储。 MATLAB工具箱中以二值图像作为返回结果的函数都使用uint8类型。 2.5 图像序列 MATLAB工具箱支持将多帧图像连接成图像序列。图像序列是一个4维数组，图像帧的序号在图像的长、宽、颜色深度之后构成第4维。分散的图像也可以合并成图像序列，前提是各图像尺寸必须相同，若是索引色图像，调色板也必须相同。可参考cat()函数 A＝cat(4,A1,A2,A3,A4,A5) 3. MATLAB图像类型转换图像类型转换函数 --------------------------------------------------------------------------- 函数名函数功能 --------------------------------------------------------------------------- dither 图像抖动，将灰度图变成二值图，或将真彩色图像抖动成索引色图像 gray2ind 将灰度图像转换成索引图像 grayslice 通过设定阈值将灰度图像转换成索引色图像 im2bw 通过设定亮度阈值将真彩色、索引色、灰度图转换成二值图 ind2gray 将索引色图像转换成灰度图像 ind2rgb 将索引色图像转换成真彩色图像 mat2gray 将一个数据矩阵转换成一副灰度图 rgb2gray 将一副真彩色图像转换成灰度图像 rgb2ind 将真彩色图像转换成索引色图像 ---------------------------------------------------------------------------- 4. 图像文件的读写和查询 4.1 图形图像文件的读取利用函数imread()可完成图形图像文件的读取，语法： A=imread(filename,fmt) [X,map]=imread(filename,fmt) [...]=imread(filename) [...]=imread(filename,idx) （只对TIF格式的文件） [...]=imread(filename,ref) （只对HDF格式的文件）通常，读取的大多数图像均为8bit，当这些图像加载到内存中时，Matlab就将其存放在类uint8中。此为Matlab还支持16bit的PNG和TIF图像，当读取这类文件时，Matlab就将其存贮在uint16中。注意：对于索引图像，即使图像阵列的本身为类uint8或类uint16，imread函数仍将颜色映象表读取并存贮到一个双精度的浮点类型的阵列中。 4.2 图形图像文件的写入使用imwrite函数，语法如下： imwrite(A,filename,fmt) imwrite(X,map,filename,fmt) imwrite(...,filename) imwrite(...,parameter,value) 当利用imwrite函数保存图像时，Matlab缺省的方式是将其简化道uint8的数据格式。 4.3 图形图像文件信息的查询 imfinfo()函数 5. 图像文件的显示 5.1 索引图像及其显示方法一： image(X) colormap(map) 方法二： imshow(X,map) 5.2 灰度图像及其显示 Matlab 7.0 中，要显示一副灰度图像，可以调用函数 imshow 或 imagesc （即 imagescale，图像缩放函数） (1) imshow 函数显示灰度图像使用 imshow(I) 或使用明确指定的灰度级书目：imshow(I,32) 由于Matlab自动对灰度图像进行标度以适合调色板的范围，因而可以使用自定义大小的调色板。其调用格式如下： imshow(I,[low,high]) 其中，low 和 high 分别为数据数组的最小值和最大值。 (2) imagesc 函数显示灰度图像下面的代码是具有两个输入参数的 imagesc 函数显示一副灰度图像 imagesc(1,[0,1]); colormap(gray); imagesc 函数中的第二个参数确定灰度范围。灰度范围中的第一个值（通常是0），对应于颜色映象表中的第一个值（颜色），第二个值（通常是1）则对应与颜色映象表中的最后一个值（颜色）。灰度范围中间的值则线型对应与颜色映象表中剩余的值（颜色）。在调用 imagesc 函数时，若只使用一个参数，可以用任意灰度范围显示图像。在该调用方式下，数据矩阵中的最小值对应于颜色映象表中的第一个颜色值，数据矩阵中的最大值对应于颜色映象表中的最后一个颜色值。 5.3 RGB 图像及其显示 (1) image(RGB) 不管RGB图像的类型是double浮点型，还是 uint8 或 uint16 无符号整数型，Matlab都能通过 image 函数将其正确显示出来。 RGB8 = uint8(round(RGB64×255)); ％将 double 浮点型转换为 uint8 无符号整型 RGB64 = double(RGB8)/255; ％将 uint8 无符号整型转换为 double 浮点型 RGB16 = uint16(round(RGB64×65535)); ％将 double 浮点型转换为 uint16 无符号整型 RGB64 = double(RGB16)/65535; ％将 uint16 无符号整型转换为 double 浮点型 (2) imshow(RGB) 参数是一个 m×n×3 的数组 5.4 二进制图像及其显示 (1) imshow(BW) 在 Matlab 7.0 中，二进制图像是一个逻辑类，仅包括 0 和 1 两个数值。像素 0 显示为黑色，像素 1 显示为白色。显示时，也可通过NOT(~)命令，对二进制图象进行取反，使数值 0 显示为白色；1 显示为黑色。例如： imshow(~BW) (2) 此外，还可以使用一个调色板显示一副二进制图像。如果图形是 uint8 数据类型，则数值 0 显示为调色板的第一个颜色，数值 1 显示为第二个颜色。例如： imshow(BW,[1 0 0;0 0 1]) 5.5 直接从磁盘显示图像可使用一下命令直接进行图像文件的显示： imshow filename 其中，filename 为要显示的图像文件的文件名。如果图像是多帧的，那么 imshow 将仅显示第一帧。但需注意，在使用这种方式时，图像数据没有保存在Matlab 7.0 工作平台。如果希望将图像装入工作台中，需使用 getimage 函数，从当前的句柄图形图像对象中获取图像数据，命令形式为： rgb ＝ getimage; bwlabel 功能：标注二进制图像中已连接的部分。 L = bwlabel(BW,n) [L,num] = bwlabel(BW,n) isbw 功能：判断是否为二进制图像。语法： flag = isbw(A) 相关命令： isind, isgray, isrgb 74．isgray 功能：判断是否为灰度图像。语法： flag = isgray(A) 相关命令： isbw, isind, isrgb 11．bwselect 功能：在二进制图像中选择对象。语法： BW2 = bwselect(BW1,c,r,n) BW2 = bwselect(BW1,n) [BW2,idx] = bwselect(...) 举例 BW1 = imread('text.tif'); c = [16 90 144]; r = [85 197 247]; BW2 = bwselect(BW1,c,r,4); imshow(BW1) figure, imshow(BW2) 47．im2bw 功能：转换图像为二进制图像。语法： BW = im2bw(I,level) BW = im2bw(X,map,level) BW = im2bw(RGB,level) 举例 load trees BW = im2bw(X,map,0.4); imshow(X,map)

红外图像具有图像灰度集中?对比度低等特点，因而红外图像增强是红外图像应用必不缺少的部分，随之而来的是图像噪声的放大，为了进一步提高红外图像质量，需对增强后图像去噪?现有众多去噪方法中，极少同时兼顾算法效果及可实现性?提出了一种基于信息冗余的小波去噪算法，此算法在离散小波变化(DWT)过程中分别以不同的下采样方式获取多组含有相似冗余信息的小波系数，再利用噪声估计对小波系数进行非线性变换，抑制高频噪声并保留细节，然后利用变换后小波系数重构(IDWT)多副图像，利用含相似冗余信息的多副图像加权进一步去除高频噪声

matlab 代码黄色水果识别摘要：本项目针对多种常见水果混合的图像，利用 Matlab 软件，对水果的识别进行研究。根据水果和背景的差别选取阈值，对去噪增强对比度后的图像进行二值化处理。再对图像进行边缘检测，选定连通区域，标记后再对不同种水果的颜色，形状，大小等特征进行快速识别水果，从而实现对水果的正确分拣。关键字：水果识别、MATLAB、数字图像处理一、设计方案在计算机中，图像由像素逐点描述，每个像素点都有一个明确的位置和色彩数值。使用 Matlab 软件读取图像，以矩阵形式存放图像数据，其扫描规则是从左向右，从上到下。对于一副水果图像为了处理方便，我们首先要把彩色图像转化为灰度图像。然后对图像进行二值化处理来获得每个水果的区域特征。在水果与背景接触处二值化会导致图像边缘部分有断裂，毛躁的部分。所以采用边缘提取以弥补断裂的边缘部分，然后基于数学形态算子对图像进行去除断边，图像填充等必要的后续处理。经过图像分割后，水果和背景很明显地被区分开来，然后需要对每种水果的特征进行提取。先对图像进行标签化，所谓图像的标签化是指对图像中互相连通的所有像素赋予同样的标号。经过标签

腐蚀 matlab 代码一、作业要求：采用MATLAB或opencv+C编程实现。每一题写明题目，给出试验程序代码，实验结果图片命名区分并作出效果比对，最后实验总结说明每一题蕴含的图像处理方法的效果以及应用场合等。采用MATLAB编程比采用opencv+C编程得分低；如果MATLAB或opencv+C只在读入图片时采用自带函数（算法核心部分自己独立编程）的，得分高。二、实验题目：把一幅灰度图像的垂直分辨率和水平分辨率都变为原来的一半，生成一副新的图像。把一幅灰度图像进行平移。把一幅灰度图像进行旋转。（选做）把一幅彩色图像的R、G、B分量单独显示。把一幅彩色图像的H、S、I分量单独显示。对一幅灰度图像进行离散傅里叶变换，用图像的形式显示其（中心化后的）频谱。改变频谱，在进行反变换，观察变换前后的区别对一幅灰度图像进行离散余弦变换，用图像的形式显示其变换系数。变换后去掉小于系数最大值60% 、80%、90%的系数，在进行反变换，观察变换前后图像区别。对一幅灰度图像进行灰度对数变换。观察变换前后高、低灰度位置的变化并解释原因。对一幅对比度差的图像进行灰度均衡化。

其他开发语言

3,423

社区成员

15,635

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章