第五讲M A T L A B可视化(三)
图像显示
M a t l a b进行图像处理的步骤如下：
【目录】
一、图像文件格式 (2)
1、调色板 (2)
2、图像类型 (2)
3、图像文件格式 (3)
二、读图像和图像信息 (3)
1、读取图像 (3)
2、读取图像信息 (4)
三、图像类别与数据格式 (5)
四、图像显示 (7)
1、i m s h o w(I,n) (7)
2、i m s h o w(I,[l o w,h i g h]) (8)
3、i m s h o w(B W) (9)
4、i m s h o w(X,M A P) (12)
5、i m s h o w(R G B) (13)
6、i m s h o w f i l e n a m e (14)
7、s u b i m a g e (14)
五、保存图像 (15)
1、i m w r i t e函数 (15)
六、图像数据格式转换 (16)
1、索引图像 (16)
2、灰度图像 (16)
3、真彩色图像 (16)
4、二值图像 (17)
【正文】
一、图像文件格式
1、调色板
调色板是包含不同颜色的颜色表，每种颜色以红、绿、蓝三种颜色的组合来表示，图像的每一个像素对应一个数字，而该数字对应调色板中的一种颜色。
调色板的单元个数是与图像的颜色数相对应的，256色图像的调色板就有256个单元。
真彩图像的每个像素直接用R、G、B三个字节来表示颜色，因此不需要调色板。
2、图像类型
3、图像文件格式
二、读图像和图像信息
1、读取图像
函数i m r e a d可以从任何M a t l a b支持的图像文件格式中，以任意位深度读取一幅图像。格式为：
[X,M A P]=i m r e a d(F I L E N A M E,'F M T')，其中：
F I L E N A M E－为需要读入的图像文件名称，F M T－为图像格式。【例】图像读取演示
[X1,M A P1]=i m r e a d('演示图像－1位黑白.t i f');
[X2,M A P2]=i m r e a d('演示图像－8位灰度.t i f');
[X3,M A P3]=i m r e a d('演示图像－256色.t i f');
[X4,M A P4]=i m r e a d('演示图像－16位灰度.t i f');
[X5,M A P5]=i m r e a d('演示图像－24位色.t i f');
[X6,M A P6]=i m r e a d('演示图像－48位色.t i f');
w h o s
N a m e S i z e B y t e s C l a s s
M A P10x00d o u b l e a r r a y
M A P20x00d o u b l e a r r a y
M A P3256x36144d o u b l e a r r a y
M A P40x00d o u b l e a r r a y
M A P50x00d o u b l e a r r a y
M A P60x00d o u b l e a r r a y
X1427x427182329l o g i c a l a r r a y
X2427x427182329u i n t8a r r a y
X3427x427182329u i n t8a r r a y
X4427x427364658u i n t16a r r a y
X5427x427x3546987u i n t8a r r a y
X6427x427x31093974u i n t16a r r a y
G r a n d t o t a l i s1824058e l e m e n t s u s i n g2558750b y t e s
2、读取图像信息
可以通过调用i m f i n f o函数获得与图像文件有关的信息，格式如下：
I N F O=i m f i n f o(F I L E N A M E,'F M T')其中：
返回的I N F O是M a t l a b的一个结构体。
【例】查看图像信息
I N F O=i m f i n f o('演示图像－48位色.t i f')
I N F O=
F i l e n a m e:[1x36c h a r]
F i l e M o d D a t e:'23-M a y-200422:14:23'
F i l e S i z e:1107548
F o r m a t:'t i f'
F o r m a t V e r s i o n:[]
W i d t h:427
H e i g h t:427
B i t D e p t h:48
C o l o r T y p e:'t r u e c o l o r'
F o r m a t S i g n a t u r e:[7373420]
B y t e O r d e r:'l i t t l e-e n d i a n'
N e w S u b f i l e T y p e:0
B i t s P e r S a m p l e:[161616]
C o m p r e s s i o n:'U n c o m p r e s s e d'
P h o t o m e t r i c I n t e r p r e t a t i o n:'R G B'
S t r i p O f f s e t s:13528
S a m p l e s P e r P i x e l:3
R o w s P e r S t r i p:427
S t r i p B y t e C o u n t s:1093974
X R e s o l u t i o n:2.7115
Y R e s o l u t i o n:2.7115
R e s o l u t i o n U n i t:'I n c h'
C o l o r m a p:[]
P l a n a r C o n f i g u r a t i o n:'C h u n k y'
T i l e W i d t h:[]
T i l e L e n g t h:[]
T i l e O f f s e t s:[]
T i l e B y t e C o u n t s:[]
O r i e n t a t i o n:1
F i l l O r d e r:1
G r a y R e s p o n s e U n i t:0.0100
M a x S a m p l e V a l u e:[655356553565535]
M i n S a m p l e V a l u e:0
T h r e s h o l d i n g:1
N e w S u b F i l e T y p e:0
S o f t w a r e:'A d o b e P h o t o s h o p7.0'
D a t e T i m e:'2004:05:2322:14:23'
三、图像类别与数据格式
[0,65535
四、图像显示
M a t l a b 的图像显示函数主要有i m s h o w 、c o l o r b a r 和s u b i m a g e 三个。
1、i m s h o w (I ,n )
显示灰度
级为n 的图像，n 缺省为256。
【例】按256灰度级显示
I =i m r e a d ('m o o n .t i f '); i m s h o w (I ,256)
250
200
150
100
50
度级显示
I=i m r e a d('m o o n.t i f');
)
(I,[l o w,h i g h])
以灰度范围[l o w,h i g h]显示图像，如果不知道灰度范围，可以用i m s h o w(I,[])显示。
【例】按最大灰度范围显示
I=i m r e a d('m o o n.t i f');
i m s h o w(I,[])
c o l o r b a r
250
200
150
100
50
灰度范围显示
I=i m r e a d('m o o n.t i f');
64,128])
120
110
100
90
80
70
(B W)
显示二值图像。
【例】双精度灰度图像
b w1=z e r o s(100,100);
b w1(2:2:98,2:2:98)=1;
i m s h o w(b w1);
w h o s b w1
N a m e S i z e B y t e s C l a s s
b w1100x10080000d o u b l e a r r a y
G r a n d t o t a l i s 10000 e l e m e n t s u s i n g 80000 b y t e s
【例】8位的灰度图像
b w 1=z e r o s (100,100); b w 1(2:2:98,2:2:98)=1; b w 2=u i n t 8(b w 1); i m s h o w (b w 2,[]);
c o l o r b a r w h o s b w 2
N a m e S i z e B y t e s C l a s s
0.10.20.30.40.50.60.70.80.91二值图像
b w 1=z e r o s (100,100); b w 1(2:2:98,2:2:98)=1;
b w2=u i n t8(b w1);
b w3=b w2~=0;
i m s h o w(b w3);
w h o s b w3
N a m e S i z e B y t e s C l a s s
b w3100x10010000l o g i
c a l a r r a y
G r a n d t o t a l i s10000e l e m e n t s u s i n g10000b y t e s
【例】显示二值图像
B W=i m r e a d('c i r c l e s.t i f');
i m s h o w(B W);
【例】取反显示二值图像
B W=i m r e a d('c i r c l e s.t i f');
i m s h o w(~B W);
【例】显示二值图像
c l f
B W=i m r e a d('c i r c l e s.t i f');
i m s h o w(B W,[100;001]);
4、i m s h o w(X,M A P)
显示索引图像，X为数据图像矩阵，M A P为调色板。【例】显示索引图像
[X,M A P]=i m r e a d('c a n o e.t i f');
i m s h o w(X,M A P);
c o l o r b a r
250
200
150
100
50
】显示伪彩色图像
I=i m r e a d('m o o n.t i f');
h o w(I,j e t(256))
250
200
150
100
50
(R G B)
显示真彩色图像。
【例】
r g b=i m r e a d('f l o w e r s.t i f');
i m s h o w(r g b);
6、i m s h o w f i l e n a m e
直接显示图像。
【例】直接显示图像
i m s h o w('m o o n.t i f');
I=g e t i m a g e;
w h o s I
N a m e S i z e B y t e s C l a s s
I537x358192246u i n t8a r r a y
G r a n d t o t a l i s192246e l e m e n t s u s i n g192246b y t e s
moon.tif
7、s u b i m a g e
多图显示多个调色板的图像。
【例】
l o a d t r e e s ;
[x 2,m a p 2]=i m r e a d ('f o r e s t .t i f ');
s u b p l o t (2,1,1),s u b i m a g e (X ,m a p );c o l o r b a r
50
100
150
200
250
300
350
50100150200250
50
100150200250
50
100
150
200
250
300
350
400
50100
150200250300
50100150
200
250
函数显示多图
l o a d t r e e s ;
[x 2,m a p 2]=i m r e a d ('f o r e s t .t i f ');
s u b p l o t (2,1,1),i m s h o w (x 2,m a p 2);c o l o r b a r 1、i m w r i t e 函数
i m w r i t e (I ,'文件名','文件格式')－保存无调色板的图像
i m w r i t e(X,M A P,'文件名','文件格式')－保存有调色板的图像
i m w r i t e(...,'文件名')－文件名中含格式
i m w r i t e(...,'参数','值')－指定保存参数
文件格式：b m p、j p g、p c x、t i f。
【例】将t i f图像保存为j p g图像
[x,m a p]=i m r e a d('c a n o e.t i f');
i m w r i t e(x,m a p,'c a n o e.j p g','J P G','Q u a l i t y',75)
六、图像数据格式转换
1、索引图像
假设：X8－表示8位的索引图像，X16－表示16位的索引图像，X64－表示双精度的索引图像，则有：
X64=d o u b l e(X8)+1－u i n t8格式转d o u b l e格式
X64=d o u b l e(X16)+1－u i n t16格式转d o u b l e格式
X8=u i n t8(X64-1)－d o u b l e格式转u i n t8格式
X16=u i n t16(X64-1)－d o u b l e格式转u i n t16格式
X8=u i n t8(X16)－u i n t16格式转u i n t8格式
X16=u i n t16(X8)－u i n t8格式转u i n t16格式
2、灰度图像
假设：I8－表示8位的灰度图像，I16－表示16位的灰度图像，I64－表示双精度的灰度图像，则有：
I64=d o u b l e(I8/255)－u i n t8格式转d o u b l e格式I64=d o u b l e(I16/65535)－u i n t16格式转d o u b l e格式I8=u i n t8(r o u n d(I64*255))－d o u b l e格式转u i n t8格式I16=u i n t16(r o u n d(I64*65535))－d o u b l e格式转u i n t16格式I8=u i n t8(r o u n d(I16/257))－u i n t16格式转u i n t8格式I16=u i n t16(r o u n d(I8*257))－u i n t8格式转u i n t16格式
3、真彩色图像
假设：R G B8－表示8位的真彩图像，R G B16－表示16位的真彩图像，
R G B64－表示双精度的真彩图像，则有：
R G B64=d o u b l e(R G B8/255)－u i n t8格式转d o u b l e 格式
R G B64=d o u b l e(R G B16/65535)－u i n t16格式转d o u b l e 格式
R G B8=u i n t8(r o u n d(R G B64*255))－d o u b l e格式转u i n t8格式
R G B16=u i n t16(r o u n d(R G B64*65535))－d o u b l e格式转u i n t16格式
R G B8=u i n t8(r o u n d(R G B16/257))－u i n t16格式转u i n t8格式
R G B16=u i n t16(r o u n d(R G B8*257))－u i n t8格式转u i n t16格式
4、二值图像
假设B W8表示8位二值图像，B W64表示双精度二值图像，则有：
B W64=d o u b l e(B W8)u i n t8格式转d o u b l e格式
B W8=u i n t8(B W64)~=0d o u b l e格式转u i n t8格式
p l o t3(X,Y,Z,'b o')
图像读入 ●从图形文件中读入图像 imread Syntax: A = imread(filename, fmt) filename：指定的灰度或彩色图像文件的完整路径和文件名。 fmt:指定图形文件的格式所对应的标准扩展名。如果imread没有找到filename所制定的文件,会尝试查找一个名为filename.fmt的文件。 A：包含图像矩阵的矩阵。对于灰度图像,它是一个M行N列的矩阵。如果文件包含 RGB真彩图像,则是m*n*3的矩阵。 ●对于索引图像，格式[X, map] = imread(filename, fmt) X：图像数据矩阵。 MAP：颜色索引表 图像的显示 ●imshow函数：显示工作区或图像文件中的图像 ●Syntax： imshow(I) %I是要现实的灰度图像矩阵 imshow(I,[low high]，param1, val1, param2, val2,...) %I是要现实的灰度图像矩阵，指定要显示的灰度范围，后面的参数指定显示图像的特定参数 imshow(RGB) imshow(BW) imshow(X,map) %map颜色索引表 imshow(filename) himage = imshow(...) ●操作：读取并显示图像 I=imread('C:\Users\fanjinfei\Desktop\baby.bmp');%读取图像数据 imshow(I);%显示原图像 图像增强 一．图像的全局描述 直方图（Histogram）：是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。 图像直方图（Image Histogram）：是表示数字图像中亮度分布的直方图，用来描述图象灰度值，标绘了图像中每个亮度值的像素数。 灰度直方图：是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图 像中某种灰度出现的频率。描述了一幅图像的灰度级统计信息。是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。 归一化直方图：直接反应不同灰度级出现的比率。纵坐标表示具有各个灰度级别的像
基于MATLAB的图像复原 摘要 随着信息技术的发展，数字图像像已经充斥着人们身边的任意一个角落。由于图像的传送、转换，或者其他原因，可能会造成图像的降质、模糊、变形、质量下降、失真或者其他情况的图像的受损。本设计就针对“图像受损”的问题，在MATLAB环境中实现了利用几何失真校正方法来恢复被损坏的图像。几何失真校正要处理的则是在处理的过程，由于成像系统的非线性，成像后的图像与原图像相比，会产生比例失调，甚至扭曲的图像。 图像复原从理论到实际的操作的实现，不仅能改善图片的视觉效果和保真程度，还有利于后续的图片处理，这对医疗摄像、文物复原、视频监控等领域都具有很重要的意义。 关键字：图像复原；MATLAB；几何失真校正
目录 摘要 (1) 1 MATLAB 6.x 信号处理 (1) 2 图像复原的方法及其应用 (13) 2.1 图像复原的方法 (13) 2.2 图像复原的应用 (14) 3 几何失真校正实现 (15) 3.1 空间变换 (15) 3.1.1 已知()y x r,和()y x s,条件下的几何校正 (16) 3.1.2 ()y x r,和()y x s,未知条件下的几何失真 (16) 3.2 灰度插值 (17) 3.3 结果分析 (19) 参考文献 (20) 附录 (21)
1 MATLAB 6.x信号处理 （1）对MATLAB 6 进行了简介，包括程序设计环境、基本操作、绘图功能、M文件以及MATLAB 6 的稀疏矩阵这五个部分。MATLAB的工作环境有命令窗口、启动平台、工作空间、命令历史记录与当前路径窗口这四部分。M文件的编辑调试环境有四个部分的设置，分别是：Editor/Debugger的参数设置，字体与颜色的设置，显示方式的设置，键盘与缩进的设置。MATLAB采用路径搜索的方法来查找文件系统的M文件，常用的命令文件组在MATLAB文件夹中，其他M文件组在各种工具箱中。基本操作主要是对一些常用的基本常识、矩阵运算及分解、数据分析与统计这三方面进行阐述。MATLAB的基本操作对象时矩阵，所以对于矩阵的输入、复数与复数矩阵、固定变量、获取工作空间信息、函数、帮助命令进行了具体的描述。矩阵运算是MATLAB的基础，所有参与运算的数都被看做为矩阵。MATLAB中共有四大矩阵分解函数：三角分解、正交分解、奇异值分解以及特征值分解。数据分析与统计包括面向列的数据分析、数据预处理、协方差矩阵与相关系数矩阵、曲线拟合这四部分。MATLAB 中含有丰富的图形绘制寒素，包括二维图形绘制、三维图像绘制以及通用绘图工具函数等，同时还包括一些专业绘图函数，因此其具有很强大的绘图功能。简单的二维曲线可以用函数plot来绘制，而简单的三维曲线图则用plot3来绘制。在绘制图形时，MATLAB自动选择坐标轴表示的数值范围，并用一定的数据间隔标记做标注的数据，当然自己也可以指定坐标轴的范围与数据间隔。专业的绘图函数有绘梯度图制条形图、饼图、三维饼图、箭头图、星点图、阶梯图以及等高线。M文件时用户自己通过文本编辑器或字处理器生成的，且其之间可以相互调用，用户可以根据自己的需要，自我编写M文件。M文件从功能上可以分为底稿文件与函数文件两类，其中底稿文件是由一系列MATLAB语句组成的，而函数文件的第一行必须包含关键字“function”，二者的区别在于函数文件可以接受输入参数，并可返回输出参数，而底稿文件不具备参数传递的功能；在函数文件中定义及使用的变量大都是局部变量，只在本函数的工作区内有效，一旦退出该函数，即为无效变量，而底稿文件中定义或使用的变量都是全局变量，在退出文件后仍为有效变量。稀疏矩阵是一种特殊类型的矩阵，
第 5 章图像平滑滤波在MATLAB上的实现 本课程设计在MATLAB上实现的程序和结果 I=imread('b.bmp'); v=0.5*ones(size(I)); I1=imnoise(I,'localvar',v); I2=imnoise(I,'salt & pepper',0.02); I3=imnoise(I,'speckle',0.02); figure; subplot(221); hold on; title('原图像'); imshow(I); hold off; subplot(222); hold on; title('受高斯噪声污染的图像'); imshow(I1); hold off; subplot(223); hold on; title('受椒盐噪声污染的图像'); imshow(I2); hold off; subplot(224); hold on; title('受乘性噪声污染的图像'); imshow(I3); hold off;
原图像受高斯噪声污染的图像 受椒盐噪声污染的图像受乘性噪声污染的图像 h=ones(3,3)/9; J1=imfilter(I1,h); J2=imfilter(I2,h); J3=imfilter(I3,h); figure; subplot(221); hold on; title('原图像'); imshow(I); hold off; subplot(222); hold on; title('对有高斯噪声的3*3邻域平均后的图像'); imshow(J1); hold off; subplot(223); hold on; title('对有椒盐噪声的3*3邻域平均后的图像'); imshow(J2); hold off; subplot(224); hold on; title('对有乘性噪声的3*3邻域平均后的图像'); imshow(J3);
基于matlab的图像识别与匹配 摘要 图像的识别与匹配是立体视觉的一个重要分支，该项技术被广泛应用在航空测绘，星球探测机器人导航以及三维重建等领域。 本文意在熟练运用图像的识别与匹配的方法，为此本文使用一个包装袋并对上面的数字进行识别与匹配。首先在包装袋上提取出来要用的数字，然后提取出该数字与包装袋上的特征点，用SIFT方法对两幅图进行识别与匹配，最终得到对应匹配数字的匹配点。仿真结果表明，该方法能够把给定数字与包装袋上的相同数字进行识别与匹配，得到了良好的实验结果，基本完成了识别与匹配的任务。
1 研究内容 图像识别中的模式识别是一种从大量信息和数据出发，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。 图形辨别是图像识别技术的一个重要分支，图形辨别指通过对图形的图像采用特定算法，从而辨别图形或者数字，通过特征点检测，精确定位特征点，通过将模板与图形或数字匹配，根据匹配结果进行辨别。 2 研究意义 数字图像处理在各个领域都有着非常重要的应用，随着数字时代的到来，视频领域的数字化也必将到来，视频图像处理技术也将会发生日新月异的变化。在多媒体技术的各个领域中，视频处理技术占有非常重要的地位，被广泛的使用于农业，智能交通，汽车电子，网络多媒体通信，实时监控系统等诸多方面。因此，现今对技术领域的研究已日趋活跃和繁荣。而图像识别也同样有着更重要的作用。 3 设计原理 3.1 算法选择 Harris 角点检测器对于图像尺度变化非常敏感，这在很大程度上限制了它的应用范围。对于仅存在平移、旋转以及很小尺度变换的图像，基于Harris 特征点的方法都可以得到准确的配准结果，但是对于存在大尺度变换的图像，这一类方法将无法保证正确的配准和拼接。后来，研究人员相继提出了具有尺度不变性的特征点检测方法，具有仿射不变性的特征点检测方法，局部不变性的特征检测方法等大量的基于不变量技术的特征检测方法。 David.Lowe 于2004年在上述算法的基础上，总结了现有的基于不变量技术的特征检测方法，正式提出了一种基于尺度空间的，对图像平移、旋转、缩放、甚至仿射变换保持不变性的图像局部特征，以及基于该特征的描述符。并将这种方法命名为尺度不变特征变换（Scale Invariant Feature Transform），以下简称SIFT 算法。SIFT 算法首先在尺度空间进行特征检测，并确定特征点的位置和特征点所处的尺度，然后使用特征点邻域梯度的主方向作为该特征点的方向特征，以实现算子对尺度和方向的无关性。利用SIFT 算法从图像中提取出的特征可用于同一个物体或场景的可靠匹配，对图像尺度和旋转具有不变性，对光照变化、
课程设计任务书 学生姓名：专业班级： 指导教师：工作单位：信息工程学院 题目:利用MATLAB仿真软件进行图像的输入、输出和格式变换 要求完成的主要任务: 读取、保存和显示不同格式的图像，并进行图像格式的相互变换如索引图像、灰度图像、RGB图像和二值图像的相互转换 课程设计的目的： 1．理论目的 课程设计的目的之一是为了巩固课堂理论学习，并能用所学理论知识正确分析信号处理的基本问题和解释信号处理的基本现象。 2．实践目的 课程设计的目的之二是通过设计具体的图像信号变换掌握图像和信号处理的方法和步骤。 课程设计的要求： 每个学生单独完成课程设计内容，并写出课程设计说明书、给出程序清单，最后通过课程设计答辩。 时间安排： 指导教师签名：年月日 系主任（或责任教师）签字：年月日
目录 摘要 ......................................................................................................................................... I Abstract ................................................................................................................................... II 1设计项目要求与说明 (1) 1.1设计项目要求 (1) 1.2Matlab简介及其在图像处理与分析的应用 (1) 1.2.1Matlab简介 (1) 1.2.2数字图像及其处理 (1) 1.2.3Matlab在图像处理与分析的应用 (3) 2软件流程分析 (6) 2.1图像的读取 (6) 2.2图像的显示 (6) 2.2.1以图像形式输出（图像的显示） (6) 2.2.2索引图像的显示 (7) 2.2.3灰度图像的显示 (7) 2.2.4二值图像的显示 (7) 2.2.5RGB图像的显示 (7) 2.2.6以图像文件的形式输出（图像文件形式之间的转换） (7) 2.3图像的保存 (8) 2.4图像类型的相互转换 (9) 2.4.1RGB图像→灰度图像 (9) 2.4.2RGB图像→索引图像 (9) 2.4.3RGB图像→二值图像 (9) 2.4.4索引图像→RGB图像 (9) 2.4.5索引图像→灰度图像 (10) 2.4.6灰度图像→索引图像 (10) 2.4.7灰度图像→二值图像 (10) 3调试分析 (11) 3.1图像读取 (11) 3.2图像显示 (12) 3.2.1索引图像显示 (12) 3.2.2灰度图像显示 (12) 3.2.3二值图像显示 (13) 3.2.4RGB图像显示 (13) 3.3图像类型的相互转换 (14)
目录 1 引言 (1) 2 基于MATLAB的FFT算法实现 (2) 2.1系统总体流程图 (2) 2.2 FFT运算规律及编程思想 (2) 2.2.1图像信号的采集 (2) 2.2.2 DIT-FFT算法的基本原理 (3) 2.2.3 FFT算法的运算规律及编程思想 (5) 3 Matlab程序实现 (7) 3.1程序运行结果 (7) 3.2对比结果分析 (8) 4 系统人机对话界面 (9) 4.1 GUI简介 (9) 4.2 界面设计 (9) 4.3 运行调试 (10) 5 Matlab软件简介 (11) 6 心得体会 (12) 参考文献 (13) 附录Ⅰ (14) 附录Ⅱ (18)
1 引言 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks 公司出品的商数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用MATLAB 函数集）扩展了MATLAB 环境，以解决这些应用领域内特定类型的问题。它以矩阵运算为基础，把计算、可视化、程序设计融合在一个简单易用的交互式工作环境中，是一款数据分析和处理功能都非常强大的工程适用软件。它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数据滤波、傅立叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱位语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便的完成语音信号的处理和分析以及信号的可视化。数字信号处理是MATLAB重要应用的领域之一。 对于有限长序列x(n),若要求其N点的傅里叶变换（DFT）需要经过2N次复数乘法运算和N*(N-1)次复数加法运算。随着N的增加，运算量将急剧增加，而在实际问题中，N往往是较大的，如当N=1024时，完成复数乘法和复数加法的次数分别为百万以上，无论是用通用计算机还是用DSP芯片，都需要消耗大量的时间和机器内存，不能满足实时的要求。因此，DFT的这种运算只能进行理论上的计算，不适合对实时处理要求高的场合。因此，研究作为DSP的快速算法的FFT是相当必要的，快速傅里叶变换（FFT）是为提高DFT运算速度而采用的一种算法，快速算法的种类很多，而且目前仍在改进和提高，它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。基于本学期所学的DIT-FFT的运算规律和编程思想以及Matlab的学习和使用，本课设要求在Matlab环境下编写基2 DIT-FFT算法实现对离散信号的快速傅里叶变换，再与Matlab软件自带的FFT函数实现对离散信号的傅里叶变换进行比较，如果得到的频谱相同，那么我们编写的程序就是正确的。本次课程设计是实现对选定图片进行FFT计算、还原（IFFT计算），并与系统FFT函数做对比，进行分析。如果有能力可以选做系统人机对话界面。用GUI界面完成人机交互方便使用的。本课程设计主要是对数字信号的分析。
用MATLAB实现频域平滑滤波以及图像去噪代码 悬赏分：50 - 解决时间：2008-11-8 14:21 是数字图象处理的实验，麻烦高人给个写好的代码，希望能在重要语句后面附上一定的说明，只要能在MATLAB上运行成功，必然给分。具体的实验指导书上的要求如下： 频域平滑滤波实验步骤 1. 打开Matlab 编程环境；
2. 利用’imread’函数读入图像数据； 3. 利用’imshow’显示所读入的图像数据； 4. 将图像数据由’uint8’格式转换为’double’格式，并将各点数据乘以 (-1)x+y 以便FFT 变换后的结果中低频数据处于图像中央； 5. 用’fft2’函数对图像数据进行二维FFT 变换，得到频率域图像数据； 6. 计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图 像； 7. 在频率图像上去除滤波半径以外的数据(置0)； 8. 计算频率域图像的幅值并进行对数变换，利用’imshow’显示处理过的 频域图像数据； 9. 用’ifft2’函数对图像数据进行二维FFT 逆变换，并用’real’函数取其实部，得到处理过的空间域图像数据； 10. 将图像数据各点数据乘以(-1)x+y； 11. 利用’imshow’显示处理结果图像数据； 12. 利用’imwrite’函数保存图像处理结果数据。 图像去噪实验步骤： 1. 打开Matlab 编程环境； 2. 利用’imread’函数读入包含噪声的原始图像数据； 3. 利用’imshow’显示所读入的图像数据； 4. 以3X3 大小为处理掩模，编写代码实现中值滤波算法，并对原始噪声 图像进行滤波处理； 5. 利用’imshow’显示处理结果图像数据； 6. 利用’imwrite’函数保存图像处理结果数据。 即使不是按这些步骤来的也没关系，只要是那个功能，能实现就OK，谢谢大家 %%%%%%%%spatial frequency (SF) filtering by low pass filter%%%%%%%% % the SF filter is unselective to orientation (doughnut-shaped in the SF % domain). [FileName,PathName,FilterIndex] = uigetfile ; filename = fullfile(PathName, FileName) ; [X map] = imread(filename, fmt); % read image L = double(X); % transform to double %%%%%%%%%%%%% need to add (-1)x+y to L % calculate the number of points for FFT (power of 2) fftsize = 2 .^ ceil(log2(size(L))); % 2d fft Y = fft2(X, fftsize(1), fftsize (2));
目录 摘要................................................................ I Abstract........................................................... II 1 图像文件格式及图像类型.. (1) 1．1 MATLAB支持的几种图像文件格式： (1) 1．2 matlab几种图像类型 (2) 2 图像的输入 (4) 3.图像的输入 (6) 3.1以图像形式输出（图像的显示） (6) 3.1.1索引图像的显示 (6) 3.1.2灰度图像的显示 (7) 3.1.3二值图像的显示 (8) 3.1.4 RGB图像的显示 (8) 3.2以图像文件的形式输出 (9) 4 图像的保存 (11) 5 图像类型转换 (13) 5.1 RGB转换成灰度图像 (13) 5.2 灰度图像转换为索引图像 (13) 5.3 灰度图像转化为二值图像 (14) 5.4 RGB图像转化为索引图像 (15) 6 课设总结 (16) 参考文献 (17) 附录 (18) 附录1：图像显示代码 (18) 附录2：图像转换代码 (19)
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB 本身就是功能强大的数据可视化工具，可以通过各种形式显示分析数据，例如灰度直方图、等高线、蒙太奇混合、像素分析、图层变换以及材质贴图等。利用可视化的图形，不仅能够评估图形图像的特性，还能够分析图像中的色彩分布等情况。 本次课程设计介就是Matlab环境下的一些最基本的图像处理操作，如读取、保存和显示不同格式的图像，并进行图像格式的相互变换如索引图像、灰度图像、RGB图像和二值图像的相互转换。 关键词：MATLAB ；图像处理；图像转换
第一部分数字图像处理
实验一图像的点运算 实验1.1 直方图 一．实验目的 1．熟悉matlab图像处理工具箱及直方图函数的使用； 2．理解和掌握直方图原理和方法； 二．实验设备 1.PC机一台； 2.软件matlab。 三．程序设计 在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。 I=imread('cameraman.tif');%读取图像 subplot(1,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(1,2,2),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题 四．实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像， 如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像； 3．浏览源程序并理解含义； 4．运行，观察显示结果； 5．结束运行，退出； 五．实验结果 观察图像matlab环境下的直方图分布。 (a)原始图像 (b)原始图像直方图 六．实验报告要求 1、给出实验原理过程及实现代码； 2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2 灰度均衡 一．实验目的 1．熟悉matlab图像处理工具箱中灰度均衡函数的使用； 2．理解和掌握灰度均衡原理和实现方法； 二．实验设备 1.PC机一台； 2.软件matlab； 三．程序设计 在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。 I=imread('cameraman.tif');%读取图像 subplot(2,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(2,2,3),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题 a=histeq(I,256); %直方图均衡化，灰度级为256 subplot(2,2,2),imshow(a) %输出均衡化后图像 title('均衡化后图像') %在均衡化后图像中加标题 subplot(2,2,4),imhist(a) %输出均衡化后直方图 title('均衡化后图像直方图') %在均衡化后直方图上加标题 四．实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像， 如:cameraman图像；再调用相应的灰度均衡函数，设置参数；最后输出处理后的图像； 3．浏览源程序并理解含义； 4．运行，观察显示结果； 5．结束运行，退出； 五．实验结果 观察matlab环境下图像灰度均衡结果及直方图分布。 (a)原始图像 (b)均衡化后图像
江苏科技大学 数字图像处理本科生课程论文 论文题目：图像平滑方法综述与MATLAB实现完成时间：11月20日 所在专业：信息与计算科学
图像平滑方法综述与MATLAB实现 摘要：在图像的生成、传输或变换的过程中，由于多种因素的影响，总要造成图像质量的下降，这就需要进行图像增强。随着图像处理领域的迅速发展，图像平滑作为图像增强的重要环节，也逐渐受到人们的关注。图像平滑的目的为了消除噪声。图像平滑可以在空间域进行，也可以在频率域进行。空间域常用的方法有领域平均法、中值滤波和多图像平均法；在频率域，因为噪声频谱多在高频段，因此可以采用各种形式的低通滤波方法进行平滑处理。 关键词：图像平滑；消除噪声；领域平均法；中值滤波；低通滤波法……… 1 研究背景 总所周知，实际获得的图像在形成、传输接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程中的量化噪声、传输过程中的误差以及人为因素等，均会使图像质量变差，需要进行图像的平滑处理。 图像平滑是一种实用的熟悉图像处理技术，一个较好的平滑处理方法应该既能消除图像噪声，又不使图像边缘轮廓和线条变模糊，这就是研究数字图形平滑处理要追求的目标。 2.主要理论概况 2.1 邻域平均法 邻域平均法就是对含噪声的原始图像的每一个像素点取一个邻域，计算中所有像素灰度级的平均值，作为邻域平均处理后的图像的像素值。即 式中， ），为邻域中像素的点数。
是预先设定的阈值，当某些点的灰度值与其邻域点灰度平均值之差不超过阈值式中， 时，仍保留这些点的灰度值。当某些点的灰度值与其邻点灰度的均值差别较大时，这些点必然是噪声，这时再取其邻域平均值作为这些点的灰度点。这样平滑后的图像比单纯的进行邻域平均后的图像要清晰一些，平滑效果仍然很好。 2.2 中值滤波 中值滤波是一种非线性处理技术，由于它在实际运算过程中并不需要知道图像的统计特性，所以比较方便。中值滤波最初是应用在一维信号处理技术中，后来被二维的图像处理技术所引用。在一定条件下，中值滤波可以克服线性滤波器所带来的图像细节模糊，而且对滤波除脉干扰及图像扫描噪声非常有效。但是对一些细节多，特别是点、线、尖顶较多的图像则不宜采用中值滤波的方法。中值滤波的目的是保护图像边缘的同时去除噪声。 2.2.1 中值滤波的主要原理 中值滤波实际上就是用一个含有奇数个像素的滑动窗口，将窗口正中点的灰度值用窗口内各点的中值代替。例如若窗口长度为5，窗口中像素的灰度值分别为80、90、200、110、120，则中值为110，于是原来窗口正中的200就由110代替。 设有一个一维序列，用窗口长度为m(m为奇数)的窗口对该序列进行中值 滤波，就是从序列中相继抽出m 个数其中为窗口中心值，，再将这m个点的值按其数值大小排列，取其序号为正中间的那个值作为滤波器的输出。用数学公式可表示为 对二维序列进行中值滤波时，滤波窗口也是二维的，只不过这种二维窗口可以有各种不同的形状，如线状、方形，圆形、十字形和圆环形等。二维数据的中值滤波可以表示为 A为窗口
核心方法：通过图像设置命令，直接指定图片的大小。 具体操作： (1) 完成画图及相关设置(字体大小、线宽、图例大小也是正常尺寸)， (2) 此时WindowStyle is 'docked'，要改为normal，有两种操作： 1)在Figure properties——more properties中找到 Windowstyle，然后用鼠标改为normal； 2)或者直接用命令： set (gcf,'windowstyle','normal') (3) 根据排版要求，确定图片的宽高，例如320*320 像素，然后使用命令 set (gcf,'Position',[500,300,320,320]) set(gcf,'Units','centimeters','Position',[100 100 98]); % figure的position中的[left bottom width height] 是指figure的可画图的部分的左下角的坐标以及宽度和高度。 (4) 使用copy figure将图片输出到Word 1.figure; 2.hold on; 3.set(gca, 'YTick', [0 : 0.2 : 1]); 4.box off; 5.set(gca, 'YTickLabel', {'matlab1', 'matlab2', 'matlab3',... 6. 'matlab4', 'matlab5', 'matlab6'}) 1.hold on 2.xL=xlim; 3.yL=ylim; 4.plot(xL,[yL(2),yL(2)],'k',[xL(2),xL(2)],[yL(1),yL(2)],'k') 5.box off 6.axis([xL yL])
程序实例 1旋转: x=imread('d:\MATLAB7\work\flower.jpg'); y=imrotate(x,200,'bilinear','crop'); subplot(1,2,1); imshow(x); subplot(1,2,2); imshow(y) 2.图像的rgb clear [x,map]=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shh1.jpg');y=x(90:95,90:95);imshow(y)R=x(90:95,90:95,1);G=x(90:95,90:95,2);B=x(90:95,90:95,3);R,G,B 3.加法运算clear I=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shh3.jpg');J=imnoise(I,'gaussian',0,0.02);%向图片加入高斯噪声subplot(1,2,1),imshow(I);%显示图片subplot(1,2,2),imshow(J);K=zeros(242,308);%产生全零的矩阵，大小与图片的大小一样for i=1:100%循环100加入噪声J=imnoise(I,'gaussian',0,0.02);J1=im2double(J);K=K+J1;end K=K/100; figure,imshow(K);save
4.减法 clear I=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shao.jpg'); J=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shao1.jpg'); K=imsubtract(I,J);%实现两幅图相减 K1=255-K;%将图片求反显示 figure;imshow(I); title('有噪声的图'); figure;imshow(J); title('原图'); figure;imshow(K1); title('提取的噪声'); save 5.图像的乘法 H=imread('D:\Program Files\MATLAB\R2012a\bin\shaohaihe\shao.jpg'); I=immultiply(H,1.2);将此图片乘以1.2 J=immultiply(H,2); subplot(1,3,1),imshow(H); title('原图'); subplot(1,3,2),imshow(I); title('·放大1.2'); subplot(1,3,3),imshow(J); title('放大2倍'); 6除法运算 moon=imread('moon.tif'); I=double(moon); J=I*0.43+90; K=I*0.1+90; L=I*0.01+90; moon2=uint8(J); moon3=uint8(K); moon4=uint8(L); J=imdivide(moon,moon2); K=imdivide(moon,moon3); L=imdivide(moon,moon4); subplot(2,2,1),imshow(moon); subplot(2,2,2),imshow(J,[]); subplot(2,2,3),imshow(K,[]); subplot(2,2,4),imshow(L,[]);
数字图像处理论文--图像的几何变换及其MATLAB实现 学院：理学院专业：信息与计算科学 班级：信计1012 姓名： 学号：任课老师： 集美大学理学院 二○一三年十一月二十八日
目录 摘要 (1) 一、何谓数字图像处理 (1) 二、数字图像几何变换简介 (1) 三、MATLAB图像处理工具介绍 (1) 四、图像几何变换的MATLAB实现 (2) 4.1图像几何变换的概述 (2) 4.2 图像的平移变换 (2) 4.3 图像的比例缩放 (4) 4.4 图像的镜像变换 (5) 4.5 图像的旋转变换 (7) 4.6 图像的剪取 (8) 五、图像几何变换的应用以及技术局限 (10) 参考文献 (10)
摘要：图像变换就是把图像从空间域转换到变换域（如频率域）的过程。图像变换可以使人们从另一角度来分析图像信号的特性，利用变换域中特有的性质，使图像处理过程更加简单、有效。图像变换是许多图像处理与分析技术的基础，而几何变换是图像变换中最基础也是应用最广泛的技术之一，本文基于MATLAB的图像处理工具，通过改变图像像素的空间位置或估算新空间位置上的像素值，从而实现图像的平移、缩放、旋转、镜像变换、图像插值等几何变换。 关键字：图像变换、几何变换、MATLAB 一、何谓数字图像处理 数字图像处理（Digital Image Processing），就是利用数字计算机或则其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。目前数字图像处理的应用越来越广泛，已经渗透到工业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥越来越大的作用。 二、数字图像几何变换简介[3] 今天数字技术时代，我们身边接触到很多的数字图像，而对数字图像的处理往往会遇到需要对图像进行几何变换的一些问题。图像几何变换是图像显示技术中的一个重要组成部分。在图像几何变换中主要包括图像的缩放、旋转、移动、剪取等内容。无论照片、图画、书报、还是医学X光和卫星遥感图像等领域都会用到这些技术。通过图像的几何变换技术，可以显著提高图像处理效率和质量，为更进一步的图像处理奠定基础。 三、MATLAB图像处理工具介绍[1] MATLAB全称是Matrix Laboratory（矩阵实验室），一开始它是一种专门用于矩阵数值
《图像处理中的数学方法》实验报告 学生姓名：赵芳舟 教师姓名：曾理 学院：数学与统计学院 专业：信息与计算科学 学号： 联系方式： 梯度和拉普拉斯算子在图像边缘检测中的应用
一、数学方法 边缘检测最通用的方法是检测灰度值的不连续性，这种不连续性用一阶和二阶导数来检测。 1.（1）一阶导数：一阶导数即为梯度，对于平面上的图像来说，我们只需用到二维函数 的梯度，即：,该向量的幅值： ,为简化计算，省略上式平方根，得到近似值；或通过取绝对值来近似，得到：。 （2）二阶导数：二阶导数通常用拉普拉斯算子来计算，由二阶微分构成： 2.边缘检测的基本思想： （1）寻找灰度的一阶导数的幅度大于某个指定阈值的位置； （2）寻找灰度的二阶导数有零交叉的位置。 3.几种方法简介 （1）Sobel边缘检测器：以差分来代替一阶导数。Sobel边缘检测器使用一个3×3邻域的行和列之间的离散差来计算梯度，其中，每行或每列的中心像素用2来 加权，以提供平滑效果。 -1-21 000 121 -101 -202 -101
（2）Prewitt边缘检测器:使用下图所示模板来数字化地近似一阶导数。与Sobel检测器相比，计算上简单一些，但产生的结果中噪声可能会稍微大一些。 -1-1-1 000 111 -101 -101 -101 （3）Roberts边缘检测器：使用下图所示模板来数字化地将一阶导数近似为相邻像素之间的差，它与前述检测器相比功能有限（非对称，且不能检测多种45°倍数的边缘）。 -10 01 0-1 10 （4）Laplace边缘检测器：二维函数的拉普拉斯是一个二阶的微分定义： 010 1-41 010
模板匹配MATLAB实现及算法优化 一、引言 现代社会已进入信息时代，随着计算机技术、通信技术和数学的发展，图像信息处理能力和水平也不断提高，相应的也得到和更多关注、研究和更加广泛的应用。图像匹配是图像处理的一项关键技术，可广泛用于目标识别与跟踪、立体视觉、变化检测、车场车牌识别、人脸识别、机器人导航、测绘、等领域，已成为一门新兴的分支学科。由于拍摄时间、拍摄角度、自然环境的变化、多种传感器的使用和传感器本身的缺陷，使拍摄的图像不仅受噪声的影响，而且存在严重的灰度失真和几何畸变。在这种条件下，如何有效地进行图像匹配一直是人们研究的热点和难点。 要研究模板匹配，首先必须明确模板匹配的定义：模板匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜
索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。简单的讲就是，要判读一幅大图像中是否存在某种已知的图案，则以一幅与该图案有着相同尺寸和方向的小图像为模板，通过一定的算法可以在图中找到目标，确定其坐标位置。 那么如何实现模板与原图像的匹配呢？下面将结合一个具体例子说明模板匹配的实现过程。 二、 问题描述及解决方法 1. 问题描述 现有模板如下图： 原图如下图： 问题：如何在原图中找到模板所处的位置，并把该位置标记出来。 2. 解决方法 首先必须建立判断模板与原图相应位置相似程度的准则。对于彩色图像，是基于图像的特征匹配；而灰度图像，则是基于相关函数。本实验的处理对象主要是灰度图片。 相关函数又分成两类： （1） 差值测度。计算公式如下： max |(,)(,)|f x y g x y ε=- |(,)(,)|D f x y g x y dxdy ε=-?? 22[(,)(,)]D f x y g x y dxdy ε=-??
MATLAB常用图像操作 一. 读写图像文件 1. imread imread函数用于读入各种图像文件，如：a=imread('e:\w01.tif') 注：计算机E盘上要有w01相应的.tif文件。 2. imwrite imwrite函数用于写入图像文件，如：imwrite(a,'e:\w02.tif',’tif’) 3. imfinfo imfinfo函数用于读取图像文件的有关信息，如：imfinfo('e:\w01.tif') 二. 图像的显示 1. image image函数是MATLAB提供的最原始的图像显示函数（主要彩色显示图象），如：a=[1,2,3,4;4,5,6,7;8,9,10,11,12]; image(a); 2. imshow imshow函数用于灰度图像文件的显示，如： i=imread('e:\w01.tif'); imshow(i); 3. colorbar colorbar函数用显示图像的颜色条。 通常，颜色映象进行过调节，把数据从最小扩展到最大，也就是说整个颜色映象都用于绘图。有时也许想改变颜色使用的方法。函数caxis代表颜色轴，因为颜
色增加了另一个维数，它允许对数据范围的一个子集使用整个颜色映象或者对数据的整个集合只使用当前颜色映象的一部分。 [cmin,cmax]=caxis返回映射到颜色映象中第一和最后输入项的最小和最大的数据。它们通常被设成数据的最小值和最大值。比如，函数mesh(peaks) 会画出函数peaks的网格图，并把颜色轴caxis设为[-6.5466，8.0752]，即Z的最小值和最大值。这些值之间的数据点，使用从颜色映象中经插值得到的颜色。如：i=imread('e:\w01.tif'); imshow(i); colorbar; 4 .figure figure函数用于设定图像显示窗口，如：figure(1)； /figure(2)； 5.imagesc(a); caxis([-3 8]) ; colorbar; 标尺标度从-3，到8 显示标度尺。 三. 图像的变换 1. fft2 fft2函数用于数字图像的二维傅立叶变换，如： i=imread('e:\w01.tif'); j=fft2(i); 2. ifft2 ifft2函数用于数字图像的二维傅立叶反变换，如： i=imread('e:\w01.tif'); j=fft2(i);
rice=imread(‘rice.png’); % 读入图像 I=double(rice); % 数据类型转换 J=I*0.43+60; % 像素点算术运算 rice2=uint8(J) % 数据类型转换subplot(1,2,1),imshow(rice); % 原图绘制subplot(1,2,2),imshow(rice2); % 计算后图像绘制
X = uint8([ 255 10 75; 44 225 100]); Y = uint8([ 50 20 50; 50 50 50 ]); Z = imdivide(X,Y)
I = imread('rice.png'); % 读入图像background = imopen(I,strel('disk',15)); % 图像开运算Ip = imdivide(I,background); % 图像除法运算imshow(Ip,[]) % 显示运算后的图像
I = imread('rice.png'); % 读入图像 J = imdivide(I,2); % 图像除以一个常数subplot(1,2,1), imshow(I) % 显示原始图像subplot(1,2,2), imshow(J) % 显示运算后的图像
I = imread('cameraman.tif'); % 读入图像J = imlincomb(2,I); % 灰度值放大imshow(J) % 显示运算后的图像
I = imread('cameraman.tif'); % 读入图像 J = uint8(filter2(fspecial('gaussian'), I)); % 图像滤波 K = imlincomb(1,I,-1,J,128); % K(r,c) = I(r,c) - J(r,c) + 128 % 图像相减后加上一个常数figure, imshow(K) % 显示运算后的图像