如何解决matlab中图像修改问题

基于Matlab图像处理的鱼眼图像矫正

一、问题描述 通过鱼眼摄取图像，可以在相同的条件下获得更大的视野，但与此同时，所带来的负面影响就是图像的失真，直线变为曲线，平面变为曲面等等，为了获得更大的视野，有做到获

取更为真实的图像，需要对鱼眼图像进行矫正，通过与真实图像，和鱼眼图像的对应控制点

对比，推导出相应的几何关系，通过几何变换，获取更为真实的图像。

二、基本方法 基于matlab图像处理的鱼眼图像矫正主要包括：真实图像的载入与控制点的选择、鱼眼图像的读取与控制点的选择、控制点间几何变换关系推导、鱼眼图像的矫正四个关键环节。

基本流程如图所示：

三、参考文献 1. 《基于圆分割的鱼眼镜头图像畸变校正算法》 作者 张琨 王翠荣 东北大学学报：

自然科学版 2011,32（9） tp391.41

2.鱼眼图像矫正算法的matlab实现 提供者：林庆道

四、小组成员及初步分工 崔孝洋（102685）：控制点的选取，几何关系的推导

王文浩（102631）：图像矫正，算法判别及优化

读取原始图

像，并选取

控制点 读取经过鱼

眼镜头所成图像，并选取相应控制点 将相应的控制

点进行对比，并

推导出相应的

几何变换关系

根据所推导出的变

换关系，对待矫正

图像进行矫正 与原始图像进

行对比，判别算法优劣并优化

下面资料为赠送的地产广告语不需要的下载后可以编辑删除就

可以，谢谢选择，

祝您工作顺利，生活愉快！

地产广告语

1、让世界向往的故乡

2、某沿河楼盘：生活，在水岸停泊

3、一江春水一种人生 4、某钱塘江边楼盘：面对潮流 经典依旧

5、海景房：站在家里，海是美景；站在海上，家是美景

6、以山水为卖点的楼盘：山水是真正的不动产

7、某城区的山腰上的楼盘：凌驾尊贵 俯瞰繁华

8、某地势较高的楼盘：高人，只住有高度的房子 9、某学区房：不要让孩子输在起跑线上

10、尾盘：最后，最珍贵

11、回家就是度假的生活

数字图像处理

实验指导书

目录

实验一 MATLAB数字图像处理初步

实验二 图像的代数运算

实验三 图像增强-空间滤波

实验四 图像分割

3

实验一 MATLAB数字图像处理初步

一、实验目的与要求

1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。

5．图像间如何转化。

二、实验原理及知识点

1、数字图像的表示和类别

一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化

根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类：

➢ 亮度图像(Intensity images)

➢ 二值图像(Binary images)

➢ 索引图像(Indexed images)

➢ RGB图像(RGB images)

(1) 亮度图像

一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。若图像是double类，则像素取值就是浮点数。规定双精度型归一化亮度图像的取值范围是[0，1]

- 1 - matlab surf光滑处理

在使用matlab中的surf函数绘制三维图形时，往往会出现图像表面不光滑的情况。这是因为surf函数在绘制时是通过将数据点连接起来形成三角面片来实现的，而这些三角面片的大小和方向不一定能够完美地贴合数据点，从而导致表面不光滑。

为了解决这个问题，可以使用matlab中的smooth函数对数据进行平滑处理。在进行平滑处理前，需要将数据点按照一定的规律排列，以便于smooth函数对其进行处理。一般来说，可以使用meshgrid函数生成网格数据，并将其转换为列向量的形式，然后再将列向量和对应的数值向量作为输入参数传递给smooth函数。

在平滑处理完成后，可以再次使用surf函数将处理后的数据进行绘制。此时，表面将变得更加光滑，更符合实际情况。

需要注意的是，平滑处理可能会对数据造成一定程度的变形，因此需要根据实际需求来确定平滑处理的程度。如果平滑程度过高，可能会导致数据失真，从而影响后续的数据分析和处理。

图像边沿平滑处理的matlab实现

完成图像处理的算法：1、读⼊⽂件

通过matlab读取图像⽂件。

2、获取蒙版

对图像进⾏逐点扫描，当点的三个通道值⾄少有⼀个⼩于阈值时让这个点变为纯⿊⾊。如图，可见此时的蒙版中⼼有空缺，且边缘有噪声⽽且有粘连⼩块。为了消除这些噪声和⼩块，我们对图像的蒙版进⾏腐蚀和扩张操作。

3、对蒙版进⾏腐蚀

应⽤matlab的腐蚀函数，选择腐蚀的结构元素为11*11的全1矩阵，对图像进⾏腐蚀操作，腐蚀后，图像缩⼩，边缘变得平滑。腐蚀后效果如图：

4、对图像进⾏扩张操作

将图像复原到原始蒙版，该扩张或丢失边缘信息，正好删除掉噪声和多余的⼩块。进⾏扩张所⽤的结构元素和腐蚀所⽤的结构元素相同。可以明显看到边缘得到改善。扩张后效果如图：

5、⽤蒙版遮罩⽣成图像

利⽤蒙版的遮罩⽅式，通过原图⽣成新的图像。能明显看出边沿的噪声和多余⼩块被去除。产⽣的图像如下图：

6、调整图像⼤⼩

⾸先通过getFrame函数得到图像的边框，该函数的原理是从上下左右四个⽅向对图像进⾏逼近，记录四个边缘的位置，以便计算缩放的⼤⼩。原理如下图：

在获得了边框后，将框内的图像进⾏⼀个缩放，使该⼦图像的长或宽和原图⼀致，再⽤空⽩补齐另外⼀个⽅向。最后达到缩放后的图像如下：

附matlab程序：

附1：main.minputFilePrefix = 'datacache\\';

outFilePrefix = 'output\\';

fileNamePrefix = 'dst_';

picNum = 79;

pxmin = 10000000;

pdxmax = 0;

pymin = 10000000;

pdymax = 0;

for p = 0:picNum-1

if(p<10)fileName = sprintf('%s0%d.jpg',fileNamePrefix,p);

else fileName = sprintf('%s%d.jpg',fileNamePrefix,p);end;