Matlab圖像處理郭磐

guopan@內容提要Matlab基本操作圖像處理基本函數(shù)作業(yè)參考程序作業(yè)問題匯總基本圖像操作函數(shù)（命令）讀入圖像pic=imread('cameraman.bmp')對于RGB圖像gray_pic=rgb2gray(pic);

對于索引圖像[s,map]=imread('in.gif');[m,n]=size(s);s=ind2gray(s,map);

基本圖像操作函數(shù)（命令）獲取圖像大小size()獲取圖像信息info=imfinfo('cameraman.bmp')顯示圖像imshow(pic,[]);figuresubplot

基本圖像操作函數(shù)（命令）顯示圖像直方圖imhist(I)直方圖均衡化histeq(I)基本圖像操作函數(shù)（命令）如何添加噪聲采用函數(shù)imnoise來使用噪聲污染一幅圖像，該函數(shù)的基本語法為：g=imnoise(f,type,parameters)f為是輸入圖像。基本圖像操作函數(shù)（命令）g=imnoise(f,'gaussian',m,var)將均值M,方差為var的高斯噪聲加到圖像f上，默認值為均值是0，方差是0.01的噪聲。g=imnoise(f,'localvar',V)將均值為0，局部方差為V的高斯噪聲添加到圖像f上，其中V是與f大小相同的一個矩陣，它包含了每一個點的理想方差值?；緢D像操作函數(shù)（命令）g=imnoise(f,'localvar',image_intensity,var)將均值為0的高斯噪聲添加到圖像f中，其中噪聲的局部方差var是圖像f的亮度值的函數(shù)。參量image_intensity和var是大小相同的向量，plot(image_intensity,var)繪制出噪聲方差和圖像亮度的函數(shù)關系。向量image_intensity必須包含范圍在[0,1]內的歸一化亮度值?；緢D像操作函數(shù)（命令）g=imnoise(f,'salt&pepper',d)用椒鹽噪聲污染圖像f，其中d是噪聲密度（即包括噪聲值的圖像區(qū)域的百分比）。因此，大約有d*numel（f）個像素受到影響。默認的噪聲密度為0.005。g=imnoise(f,'speckle',var)用方程g=f+n*f)將乘性噪聲添加到圖像f上，其中n是均值為0，方差為var的均勻分布的隨機噪聲，var的默認值是0.04?；緢D像操作函數(shù)（命令）g=imnoise(f,'poisson')從數(shù)據(jù)中生成泊松噪聲，而不是將人工的噪聲添加到數(shù)據(jù)中，為了遵守泊松統(tǒng)計，unit8和unit16類圖像的亮度必須和光子的數(shù)量相符合。當每個像素的光子數(shù)量大于65535時，就要使用雙精度圖像。亮度值在0到1之間變化，并且對應于光子的數(shù)量除以10e12?；緢D像操作函數(shù)（命令）nargin函數(shù)輸入的參數(shù)個數(shù)。nargout函數(shù)輸出的參數(shù)個數(shù)。基本圖像操作函數(shù)（命令）matlab的數(shù)據(jù)類型numeric：數(shù)值

double:雙精度uint8:8位無符號整型char：字符

logical：邏輯

cell：單元、細胞、元胞

struct：結構基本圖像操作函數(shù)（命令）matlab的數(shù)據(jù)類型基本圖像操作函數(shù)（命令）生成全1陣：ones

(n)建立一個n×n的1矩陣。ones

(m,n,...,p)建立一個m×n×...×p的1矩陣。ones

(size

(A

))建立一個和矩陣A同樣大小的1矩陣。生成全0陣：zeros(n)zeros(m,n,...,p)建立一個m×n×...×p的0矩陣。zeros(size(A))建立一個和矩陣A同樣大小的0矩陣。作業(yè)參考程序（1）pic=

imread('cameraman.bmp');pic(50,130)pic(5,100:130)

作業(yè)中參考程序作業(yè)中的問題function[out,T]=hanshu(a,cm,hgram)clearall;……函數(shù)名要有意義，函數(shù)名與文件名要一致。函數(shù)的返回值要在函數(shù)體內明確賦值，不需要返回值的可以不返回。函數(shù)第一行進行clear，會把輸入參數(shù)全部清除，完全沒有必要，而且是錯誤的。clearall;經常用在用在腳本文件的第1行；有時還可以加入：closeall;作業(yè)中的GoodCode%繪制直方圖

[m,n]=size(pic);%測量圖像尺寸參數(shù)

G=zeros(1,256);%預創(chuàng)建存放灰度出現(xiàn)概率的向量

%計算每級灰度出現(xiàn)的概率，將其存入G中相應位置

fork=0:255G(k+1)=length(find(pic==k))/(m*n);end

作業(yè)中的GoodCode[dim1,dim2,dim3]=size(f);ifdim3==3f=rgb2gray(f);end作業(yè)中的GoodCode獲取圖像矩陣pic的最大值L=0;for

I

=1:imLength

for

j

=1:imWidth

if(pic(i,j)>L)L=pic(i,j);

end

endend

獲取圖像矩陣pic的最大值L=max(max(pic));或者L=max(pic(:));%統(tǒng)計源圖像灰度等級出現(xiàn)的概率L=max(max(pic));p=zeros(1,L+1);fori=1:imLengthforj=1:imWidth

p(pic(i,j)+1)=p(pic(i,j)+1)+1;endendp=p/(imLength*imWidth);%繪制直方圖[m,n]=size(pic);%測量圖像尺寸參數(shù)G=zeros(1,256);%預創(chuàng)建存放灰度出現(xiàn)概率的向量%計算每級灰度出現(xiàn)的概率，將其存入G中相應位置fork=0:255

G(k+1)=length(find(pic==k))/(m*n);endMa