当前位置：文档之家 › matlab图像分割算法源码

matlab图像分割算法源码

  • 格式：doc
  • 大小：49.50 KB
  • 文档页数：14

matlab 图像分割算法源码 1.图像反转 MATLAB程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H);

2.灰度线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]); axis on; %显示坐标系 J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1] subplot(2,2,3),imshow(J); title('线性变换图像[0.1 0.5]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1] subplot(2,2,4),imshow(K); title('线性变换图像[0.3 0.7]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 3.非线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); I1=rgb2gray(I); subplot(1,2,1),imshow(I1); title('灰度图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 J=double(I1); J=40*(log(J+1)); H=uint8(J); subplot(1,2,2),imshow(H); title('对数变换图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系

4.直方图均衡化 MATLAB程序实现如下： I=imread('xian.bmp'); I=rgb2gray(I); figure; subplot(2,2,1); imshow(I); subplot(2,2,2); imhist(I); I1=histeq(I); figure; subplot(2,2,1); imshow(I1); subplot(2,2,2); imhist(I1);

5.线性平滑滤波器 用MATLAB实现领域平均法抑制噪声程序： I=imread('xian.bmp'); subplot(231) imshow(I) title('原始图像') I=rgb2gray(I); I1=imnoise(I,'salt & pepper',0.02); subplot(232) imshow(I1) title('添加椒盐噪声的图像') k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波 k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波 k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波 subplot(233),imshow(k1);title('3*3模板平滑滤波'); subplot(234),imshow(k2);title('5*5模板平滑滤波'); subplot(235),imshow(k3);title('7*7模板平滑滤波'); subplot(236),imshow(k4);title('9*9模板平滑滤波');

6.中值滤波器 用MATLAB实现中值滤波程序如下： I=imread('xian.bmp'); I=rgb2gray(I); J=imnoise(I,'salt&pepper',0.02); subplot(231),imshow(I);title('原图像'); subplot(232),imshow(J);title('添加椒盐噪声图像'); k1=medfilt2(J); %进行3*3模板中值滤波 k2=medfilt2(J,[5,5]); %进行5*5模板中值滤波 k3=medfilt2(J,[7,7]); %进行7*7模板中值滤波 k4=medfilt2(J,[9,9]); %进行9*9模板中值滤波 subplot(233),imshow(k1);title('3*3模板中值滤波'); subplot(234),imshow(k2);title('5*5模板中值滤波'); subplot(235),imshow(k3);title('7*7模板中值滤波'); subplot(236),imshow(k4);title('9*9模板中值滤波');

7.用Sobel算子和拉普拉斯对图像锐化： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 I1=im2bw(I); subplot(2,2,2),imshow(I1); title('二值图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 H=fspecial('sobel'); %选择sobel算子 J=filter2(H,I1); %卷积运算 subplot(2,2,3),imshow(J); title('sobel算子锐化图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯算子 J1=conv2(I1,h,'same'); %卷积运算 subplot(2,2,4),imshow(J1); title('拉普拉斯算子锐化图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系

8.梯度算子检测边缘 用MATLAB实现如下： I=imread('xian.bmp'); subplot(2,3,1); imshow(I); title('原始图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 I1=im2bw(I); subplot(2,3,2); imshow(I1); title('二值图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 I2=edge(I1,'roberts'); figure; subplot(2,3,3); imshow(I2); title('roberts算子分割结果'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 I3=edge(I1,'sobel'); subplot(2,3,4); imshow(I3); title('sobel算子分割结果'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 I4=edge(I1,'Prewitt'); subplot(2,3,5); imshow(I4); title('Prewitt算子分割结果'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系

9.LOG算子检测边缘 用MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1); imshow(I); title('原始图像'); I1=rgb2gray(I); subplot(2,2,2); imshow(I1); title('灰度图像'); I2=edge(I1,'log'); subplot(2,2,3); imshow(I2); title('log算子分割结果');

10.Canny算子检测边缘 用MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1); imshow(I); title('原始图像') I1=rgb2gray(I); subplot(2,2,2); imshow(I1); title('灰度图像'); I2=edge(I1,'canny'); subplot(2,2,3); imshow(I2); title('canny算子分割结果');

11.边界跟踪（bwtraceboundary函数） clc clear all I=imread('xian.bmp'); figure imshow(I); title('原始图像'); I1=rgb2gray(I); %将彩色图像转化灰度图像 threshold=graythresh(I1); %计算将灰度图像转化为二值图像所需的门限 BW=im2bw(I1, threshold); %将灰度图像转化为二值图像 figure imshow(BW); title('二值图像');

合集下载

基于Matlab的数字图像处理系统设计_毕业论文设计 精品推荐

基于Matlab的数字图像处理系统设计_毕业论文设计 精品推荐

论文（设计）题目：基于MATLAB的数字图像处理系统设计基于MATLAB的数字图像处理系统设计摘要MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。

笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。

上述功能均是在MA TLAB 语言的基础上，编写代码实现的。

这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。

关键词：MATLAB 数字图像处理图像处理工具箱图像变换第一章绪论1.1 研究目的及意义图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。

MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。

MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。

它编写简单、编程效率高并且通俗易懂。

1.2 国内外研究现状1.2.1 国内研究现状国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。

matlab中imsegkmeans函数

matlab中imsegkmeans函数

在MATLAB中，imsegkmeans函数是图像分割中常用的函数之一。

它是基于K均值聚类算法的图像分割工具，可以帮助用户有效地将图像分割成不同的区域，并对图像中的目标进行定位和识别。

在本文中，我们将深入探讨imsegkmeans函数的原理、用法和应用，并共享我们对这一主题的个人观点和理解。

1. 原理：在介绍imsegkmeans函数的用法之前，首先需要了解K均值聚类算法的原理。

K均值聚类是一种无监督学习方法，它通过将数据点分成K个簇，使得同一簇内的数据点相似度较高，不同簇之间的数据点相似度较低。

而imsegkmeans函数正是基于这一算法来实现图像分割的。

2. 用法：在MATLAB中使用imsegkmeans函数进行图像分割非常简单。

用户只需将待分割的图像作为输入参数传入函数中，并指定簇的个数K，函数将会自动将图像分割成K个区域。

用户还可以指定其他参数，如迭代次数和初始值等，以进一步优化分割效果。

3. 应用：imsegkmeans函数在图像处理、计算机视觉和模式识别等领域都有着广泛的应用。

在医学影像分析中，可以利用该函数对医学图像中的器官进行分割和提取；在无人驾驶领域，可以利用该函数对道路和交通标识进行识别和分割。

imsegkmeans函数为图像分割提供了一种简单而有效的工具，为用户的图像处理任务提供了便利。

4. 个人观点和理解：从个人角度来看，imsegkmeans函数作为图像分割工具，具有很强的实用性和灵活性。

它可以帮助用户快速实现图像分割的任务，同时也允许用户根据实际需求对参数进行调整，以获得更好的分割效果。

另外，作为MATLAB中的一个函数，imsegkmeans还与其他图像处理和分析工具具有良好的兼容性，为用户提供了更多的可能性。

总结回顾：通过本文的介绍，我们了解了imsegkmeans函数在MATLAB中的原理、用法和应用，并共享了个人的观点和理解。

希望本文能够帮助读者更好地理解和应用imsegkmeans函数，同时也能够激发读者对图像分割领域的兴趣和思考。

基于matlab的彩色图像皮肤区域分割及人脸检测

基于matlab的彩色图像皮肤区域分割及人脸检测

基于matlab的彩色图像皮肤区域分割及人脸检测目录第一章引言 (1)第二章算法理论与实现原理 (1)2.1肤色分割理论 (1)2.2常见肤色模型比较 (2)2.2.1 区域模型 (2)2.2.2简单高斯模型 (2)2.2.3 混合高斯模型 (2)2.2.4 直方图模型 (3)2.3常见色彩空间比较 (3)2.3.1RGB .........................................................32.3.2HSV...........................................................42.3.3YcbCr........................................................4 第三章系统设计 (7)3.1建立肤色模型 (7)3.2肤色分割步骤 (8)第四章参考文献 (12)第五章心得体会 (12)第一章引言近年来,随着人工智能的快速发展，人脸识别技术逐渐成为模式识别与计算机视觉领域的一个研究热点，可用于身份认证、人员监视、图像数据库检索以及目标跟踪等场合。

第 1 页共 16 页人脸识别(Face Recognition)是将输入的人脸图像与系统已知人脸库中的模型进行比较,以确定是否存在相匹配的人脸，而人脸检测( Face Detection) 是指在输入图像中确定所存在的人脸的位置与大小，所以快速有效的人脸检测则显得至关重要，是实现人脸识别的前提和基础。

人脸检测系统要求实现对输入的可能包含人脸的图像进行处理,并输出图像中是否存在人脸以及人脸的数目、位置、尺度、位姿等参数信息。

传统的人脸检测方法大多是在亮度空间内进行,利用灰度的变化做多尺度空间的全搜索,计算量非常大、效率极低,而在人脸区域中,肤色一定是占主导地位的像素色彩值，虽然肤色因人而异,但经过研究可以发现肤色在色彩空间中的一定范围内是呈聚类特性的,特别是在排除了光照亮度和在经过变换的色彩空间中，利用肤色这一特征可以排除掉在灰度图像中的非皮肤区域，这对人脸检测起到了积极的作用。

小波 matlab 代码

小波 matlab 代码

小波matlab 代码[x,map]=imread('MUCS_新建文件夹_32603.ptl_208.bmp');subplot(1,2,1);imshow(x);[c,s]=wavedec2(x,3,'sym4');Csize=size(c);for i=1:Csize(2)if(c(i)>100) %低频分量----s中第一维的长度c(i)=1*c(i);elsec(i)=0.9*c(i); %高频分量endendx1=waverec2(c,s,'sym4');im=uint8(x1);subplot(1,2,2);imshow(im);[c,s]=wavedec2(X,2,'bior3.7');%对图像用小波进行层分解cal=appcoef2(c,s,'bior3.7',1);%提取小波分解结构中的一层的低频系数和高频系数ch1=detcoef2('h',c,s,1);%水平方向cv1=detcoef2('v',c,s,1);%垂直方向cd1=detcoef2('d',c,s,1);%斜线方向a1=wrcoef2('a',c,s,'bior3.7',1);%各频率成份重构[c,s]=wavedec2(X,1,'sym4');a1=appcoef2(c,s,'sym4',1);%小波分解结构中的一层的低频系数，下面是3个高频系数a1=2*a1;h1=detcoef2('h',c,s,1);v1=detcoef2('v',c,s,1);d1=detcoef2('d',c,s,1);h1=0.5*h1;v1=0.5*v1;d1=0.5*d1;y=idwt2(a1,h1,v1,d1,'sym4');load wbarb;X1=X;map1=map;subplot(2,2,1);image(X1);colormap(map1);title('图像wbarb');load woman;X2=X;map2=map;subplot(2,2,2);image(X2);colormap(map2);title('图像woman');%===================================== %对上述二图像进行分解[c1,l1]=wavedec2(X1,2,'sym4');[c2,l2]=wavedec2(X2,2,'sym4');%对分解系数进行融合c=c1+c2;%===================================== %应用融合系数进行图像重构并显示XX=waverec2(c,l1,'sym4');subplot(2,2,3);image(XX);title('融合图像1');Csize1=size(c1);%=====================================%对图像进行增强处理for i=1:Csize1(2)c1(i)=1.2*c1(i);endCsize2=size(c2);for j=1:Csize2(2)c2(j)=0.8*c2(j);end%===================================== %通过减小融合系数以减小图像的亮度c=0.5*(c1+c2);%===================================== %对融合系数进行图像重构XXX=waverec2(c,l2,'sym4');%===================================== %显示重构结果subplot(2,2,4);image(XXX);title('融合图像2');%本程序实现下述功能：首先读入原始图像，并对它使用db3小波进行2层分解，%然后对分解系数进行处理突出所需，弱化不需要的部分%装载并显示原始图像clear all;clc;load flujet;subplot(1,2,1);image(X);colormap(map);title('原始图像');%=====================================%对图像X用小波db3进行2层分解[c,l]=wavedec2(X,2,'db3');Csize=size(c);%=====================================%对分解系数作处理以突出所需部分并弱化不需要部分for i=1:Csize(2)if(c(i)>300) %低频分量c(i)=2*c(i);elsec(i)=0.5*c(i); %高频分量endend%===================================== %重构图像并显示X1=waverec2(c,l,'db3');subplot(1,2,2);image(X1);colormap(map);title('增强图像');[c,s]=wavedec2(x,2,'sym4');Csize=size(c);for i=1:Csize(2)if(c(i)>169) %低频分量----s中第一维的长度c(i)=2*c(i);elsec(i)=0.3*c(i); %高频分量endendx1=waverec2(c,s,'sym4');im=uint8(x1);imshow(im);二维小波变换的Matlab 实现y j v z w %o u n\ { K*Y二维小波变换的函数a r T Q3Y r -------------------------------------------------5B Y0x!Z9a9] 函数名函数功能h$H9q ` \ ---------------------------------------------------'d3d t Be'x6gdwt2 二维离散小波变换!t2B!I9L5S;q:r X wavedec2 二维信号的多层小波分解!D o4B @2U Y,o!H#M l idwt2 二维离散小波反变换o l!R H N_ G4M waverec2 二维信号的多层小波重构z H!f6~)}-P _wrcoef2 由多层小波分解重构某一层的分解信号0E,\ |.o | D T2@2b2K$Uupcoef2 由多层小波分解重构近似分量或细节分量*^ Y4? T3R x(k3v detcoef2 提取二维信号小波分解的细节分量2~ U W L8V appcoef2 提取二维信号小波分解的近似分量0q l N7p a @ i Y C ] c b upwlev2 二维小波分解的单层重构2y W_ ] h-i~ m(~ dwtpet2 二维周期小波变换4Y/aN&G q ] E B"H)Widwtper2 二维周期小波反变换7h"| Iv e -------------------------------------------------------------9O d7D ` b y&lX { I g u s I `(1) wcodemat 函数` T f ?-[ c*e$M c d 功能：对数据矩阵进行伪彩色编码|4X C i5R$x6g 格式：Y=wcodemat(X,NB,OPT,ABSOL)'k#e C a I%HY=wcodemat(X,NB,OPT) i)E)p _!O-k j J ^Y=wcodemat(X,NB)A2z,q D'u'z*_.~/U Y=wcodemat(X)Z5D"^ e5i |L'^4` 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；@ N6C Y p Y E OPT 指定了编码的方式（缺省值为'mat'），即：r(o ? L j(y e f NOPT＝'row' ，按行编码-y q i H { o5e OPT＝'col' ，按列编码8X N*\.Z/c @ OPT＝'mat' ，按整个矩阵编码e j!l W b L ABSOL 是函数的控制参数（缺省值为'1'），即：i x"^:| ~5{ABSOL＝0 时，返回编码矩阵2z x;^ l$q | _ Z ABSOL＝1 时，返回数据矩阵的绝对值ABS(X)V l U1e r g3x'O%I9z&c,A ]!T%y d s \.s (2) dwt2 函数D J ~0D/m S:O S"I 功能：二维离散小波变换 B c t _)h O X I格式：[cA,cH,cV,cD]=dwt2(X,'wname')3A N _ W F[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D)m(E j"[ _ @ 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.g(R @ E E Y'n 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j4F2} ~ Q e W 解信号X 。