matlab图像处理基础「建议收藏」

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用
1、MATLAB中图象数据的读取
A、 imread

    imread函数用于读入各种图象文件，其一般的用法为

           [X，MAP]=imread(‘filename’,‘fmt’)

其中，X，MAP分别为读出的图象数据和颜色表数据，fmt为图象的格式，filename为读取的图象文件（可

以加上文件的路径）。
例：[X，MAP]=imread（’flowers.tif’,’tif’）;
B、 imwrite
imwrite函数用于输出图象，其语法格式为：
imwrite(X,map,filename,fmt)按照fmt指定的格式将图象数据矩阵X和调色板map写入文件filename。
C、 imfinfo
imfinfo函数用于读取图象文件的有关信息，其语法格式为
imfinfo(filename,fmt)
imfinfo函数返回一个结构info，它反映了该图象的各方面信息，其主要数据包括：文件名（路径）、文

件格式、文件格式版本号、文件的修改时间、文件的大小、文件的长度、文件的宽度、每个像素的位数

、图象的类型等。
例：
imfinfo(‘rice.tif’)
ans =
　　　　　　　　　　 Filename: ‘C:\MATLAB6p5\toolbox\images\imdemos\rice.tif’
　　　　　　　　 FileModDate: ’26-Oct-1996 06:11:58′
　　　　　　　　　 FileSize: 65966
　　　　　　　　　　　 Format: ‘tif’
　　　　　　　 FormatVersion: []
　　　　　　　　　　　 Width: 256
　　　　　　　　　　　 Height: 256
　　　　　　　　　　 BitDepth: 8
　　　　　　　　　 ColorType: ‘grayscale’
　　　　　　 FormatSignature: [73 73 42 0]
　　　　　　　　　 ByteOrder: ‘little-endian’
　　　　　　　 NewSubfileType: 0
　　　　　　　 BitsPerSample: 8
　　　　　　　　 Compression: ‘Uncompressed’
　　PhotometricInterpretation: ‘BlackIsZero’
　　　　　　　　 StripOffsets: [8×1 double]
　　　　　　 SamplesPerPixel: 1
　　　　　　　　 RowsPerStrip: 32
　　　　　　 StripByteCounts: [8×1 double]
　　　　　　　　 XResolution: 72
　　　　　　　　 YResolution: 72
　　　　　　　 ResolutionUnit: ‘Inch’
　　　　　　　　　　 Colormap: []
　　　　 PlanarConfiguration: ‘Chunky’
　　　　　　　　　 TileWidth: []
　　　　　　　　　 TileLength: []
　　　　　　　　 TileOffsets: []
　　　　　　　 TileByteCounts: []
　　　　　　　　 Orientation: 1
　　　　　　　　　 FillOrder: 1
　　　　　　GrayResponseUnit: 0.0100
　　　　　　　 MaxSamplev　alue: 255
　　　　　　　 MinSamplev　alue: 0
　　　　　　　　 Thresholding: 1
ImageDescription: [1×166 char]
2、 MATLAB中图象文件的显示
imshow
imshow函数是最常用的显示各种图象的函数，其语法如下：
imshow(X,map)
其中X是图象数据矩阵，map是其对应的颜色矩阵，若进行图象处理后不知道图象数据的值域可以用[]代

替map。
需要显示多幅图象时，可以使用figure语句，它的功能就是重新打开一个图象显示窗口。
例：
I=imread(‘rice.tif’);
Imshow(I);
J=imread(‘flowers.tif’);
figure,imshow(J);
3、MATLAB中灰度直方图的显示
MATLAB图象处理工具箱提供了imhist函数来计算和显示图象的直方图，imhist函数的语法格式为：
imhist(I,n)
imhist(X,map)
其中imhist(I,n)计算和显示灰度图象I的直方图，n为指定的灰度级数目，默认值为256。imhist(X,map)

计算和显示索引色图象X的直方图，map为调色板。
例：
I = imread(‘rice.tif’);
imshow(I)
figure, imhist(I)
4、对比度增强
   如果原图象f(x,y)的灰度范围是[m，M]，我们希望调整后的图象g(x,y)的灰度范围是[n，N]，那么下

述变换，，就可以实现这一要求。
MATLAB图象处理工具箱中提供的imadjust函数，可以实现上述的线性变换对比度增强。Imadjust函数的

语法格式为：
J = imadjust(I,[low_in high_in],[low_out high_out])
J = imadjust(I,[low_in high_in],[low_out high_out])返回图象I经过直方图调整后的图象J，

[low_in high_in]为原图象中要变换的灰度范围，[low_out high_out]指定了变换后的灰度范围。
例：
I = imread(‘pout.tif’);
J = imadjust(I,[0.3 0.7],[]);
imshow(I), figure, imshow(J)
5、实验要求
copy两个图形文件girl1.bmp和girl2.bmp到MATLAB目录下work文件夹中。
1、 将MATLAB目录下work文件夹中的girl.bmp图象文件读出.用到imread，imfinfo等文件，观察一下图

象数据，了解一下数字图象在MATLAB中的处理就是处理一个矩阵。将这个图象显示出来（用imshow），

尝试修改map颜色矩阵的值，再将图象显示出来，观察图象颜色的变化。
2、 将MATLAB目录下work文件夹中的girl2.bmp图象文件读出，显示它的图象及灰度直方图，可以发现其

灰度值集中在一段区域，用imadjust函数将它的灰度值调整到[0，1]之间，并观察调整后的图象与原图

象的差别，调整后的灰度直方图与原灰度直方图的区别。

实验二 图像运算

    本实验是综合性实验，涵盖Matlab程序设计、图像点运算、代数运算、几何运算等多章基本知识及

其应用。需四个学时。
一、实验目的与要求
 理解图像点运算、代数运算、几何运算的基本定义和常见方法；
 掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法；
 掌握在MATLAB中进行插值的方法
 运用MATLAB语言进行图像的插值缩放和插值旋转
 进一步熟悉了解MATLAB语言的应用。
二、实验原理与功能
点运算是通过对图像中每个像素值进行计算,改善图像显示效果的操作,也称对比度增强,对比度拉伸,灰

度变换.可以表示为B(x,y)=f(A(x,y)).进行逐点运算,输入映射为输出,不改变图像像素的空间关系.
　　代数运算是指对两幅输入图像进行点对点的加、减、乘或除运算而得到输出图像的运算。对于相加

和相乘的情形，可能不止有两幅图像参加运算。在一般情况下，输入情况之一可能为常数。
　　四种图像处理代数运算的数学表达式如下：
C(x,y)=A(x,y)+B(x,y)
C(x,y)=A(x,y)-B(x,y)
C(x,y)=A(x,y)*B(x,y)
C(x,y)=A(x,y)/B(x,y)
　 其中A(x,y)和B(x,y)为输入图像，而C(x,y)为输出图像。还可以通过适当的组合形成涉及几幅图像的

复合代数运算方程。
   在MATLAB中，我们可以用函数简单的得到数字图像的图像数据矩阵（即A(x,y)和B(x,y)），有了这些

矩阵后我们只要适当的设计代数运算的形式并写出方程，就可以得到一个输出图像的矩阵（即C(x,y)）

图像相加的一个重要应用是对同一场景的多幅图像求平均值。这点被经常用来有效的降低加性随机噪声

的影响。在求平均值的过程中，图像的静止部分不会改变，而对每一幅图像，各不相同的噪声图案则过

累积很慢。对M幅图像进行平均，使图像中每一点的平方信噪比提高了M倍幅度信噪比是功率信噪比的平

方根，因此达到了提高信噪比降低噪声的作用。
   几何运算可改变图像中各物体之间的空间关系。这种运算可以被看成是将（各）物体在图像内移动。

一个几何运算需要两个独立的算法。首先，需要一个算法来定义空间变换本身，用它来描述每个像素如

何从其初始位置“移动”到终止位置，即每个像素的“运动”。同时，还需要一个用于灰度插值的算法

，这是因为，在一般情况下，输入图像的位置坐标(x,y)为整数，而输出图像的位置坐标为非整数，反过

来也如此。因此插值就是对变换之后的整数坐标位置的像素值进行估计。MATLAB提供了一些函数实现这

些功能。
   插值是常用的数学运算，通常是利用曲线拟合的方法，通过离散的采样点建立一个连续函数来逼近真

实的曲线，用这个重建的函数便可以求出任意位置的函数值。
   最近邻插值是最简便的插值，在这种算法中，每一个插值输出像素的值就是在输入图像中与其最临近

的采样点的值。最近邻插值是工具箱函数默认使用的插值方法，而且这种插值方法的运算量非常小。当

图像中包含像素之间灰度级变化的细微结构时，最近邻插值法会在图像中产生人工的痕迹。
   双线性插值法的输出像素值是它在输入图像中2×2领域采样点的平均值，它根据某像素周围4个像素

的灰度值在水平和垂直两个方向上对其插值。
   双三次插值的插值核为三次函数，其插值邻域的大小为4×4。它的插值效果比较好，但相应的计算量

也比较大。
   MATLAB图像处理工具箱中的函数imresize可以用上述的3种方法对图像进行插值缩放，如果不指定插

值方法，则默认为最邻近插值法。
Imresize函数的语法格式为：
B = imresize(A,m,method)
   参数method用于指定插值的方法，可选用的值为’nearest’（最邻近法），’bilinear’（双线性插值

），’bicubic’（双三次插值），默认为’nearest’。
B = imresize(A,m,method)返回原图A的m倍放大的图像（m小于1时效果是缩小）。
三 实验设计例子与调试
1． 完成人为的往一幅图像中加入噪声，并通过多次相加求平均的方法消除所加入的噪声。
在MATLAB中提供了给图像加入噪声的函数imnoise
imnoise的语法格式为
J = imnoise(I,type)
J = imnoise(I,type,parameters)
其中J = imnoise(I,type)返回对原始图像I添加典型噪声的有噪图像J。
参数type和parameters用于确定噪声的类型和相应的参数。
下面的命令是对图像eight.tif分别加入高斯噪声、椒盐噪声和乘性噪声，其结果如图所示：
例：
I=imread(‘eight.tif’);
J1=imnoise(I,’gaussian’,0,0.02);
J2=imnoise(I,’salt & pepper’,0.02);
J3=imnoise(I,’speckle’,0.02);
subplot(2,2,1),imshow(I),title(‘原图像’);
subplot(2,2,2),imshow(J1),title(‘加高斯噪声’);
subplot(2,2,3),imshow(J2),title(‘加椒盐噪声’);
subplot(2,2,4),imshow(J3),title(‘加乘性噪声’);
   在上面的例子中使用了一个函数subplot。其作用就是将多幅图像显示再同一幅图像显示对话框中。

其语法格式为：
subplot(m,n,p)
   其作用就是将一个图像显示对话框分成m行n列，并显示第p幅图像。
   在MATLAB程序语言中，分号的用处为不显示程序运算中的中间结果，这在一定程度上使系统运算的效

率增高，因此在不需知道中间结果的情况下，可以用分号作为一个句子的结尾，而不显示该句运算的中

间结果。
   代数运算中需要有若干幅带有随机噪声的图像数据，在这里我们运用MATLAB中的FOR循环语句来完成

产生多幅带有噪声的图像数据及将这些图像数据进行相加运算。MATLAB中FOR END循环的用法如下：
for end循环
这种循环允许一组命令以固定的和预定的次数重复，循环的一般形式为：
for variable = expression
　　statements
end
举例如下：
例：
%一个简单的for循环的例子。
for i=1:10;
　　y(i)=i;
end;
y　　　　　　 %显示y的结果
y =
　　 1　　 2　　 3　　 4　　 5　　 6　　 7　　 8　　 9　　10
   为了得到最大的速度，在for循环被执行之前，应预先分配数组。例如前面所考虑的第一种情况，在

for循环内每执行一次命令，向量y的维数增加1。这样就使得MATLAB每通过一次循环对y分配更多的内存

，这当然要花费一定的时间。为了可以不执行这个步骤，for循环的例子应重写为：
y=zeros(1,10);
for i=1:10;
　　y(i)=i;
end;
y
   在实际的对图像处理过程中，由于我们读出的图像是unit8型，而在MATLAB的矩阵运算中要求所有的

运算变量为double型（双精度型）。因此读出的图像数据不能直接进行相加求平均，因此必须使用一个

函数将图像数据转换成双精度型数据。MATLAB中提供了这样的函数：
   im2double函数，其语法格式为：
   I2 = im2double(I1)
   其中I1是输入的图像数据，它可能是unit8或unit16型数据，通过函数的变化输出I2为一个double型

数据，这样两图像数据就可以方便的进行相加等代数运算.
   作为一个示例，现将刚刚显示的加有噪声的图像进行相加求平均以消除图像的噪声。在图像中我们给

图像加的是均值为0，方差为0.02的高斯噪声，将图像相加了一百遍，再求其平均值。程序如下：
%例图像加噪声再通过多次相加求平均的方法祛除噪声
[I,M]=imread(‘eight.tif’);
J=imnoise(I,’gaussian’,0,0.02);
subplot(1,2,1),imshow(I,M),title(‘原图像’);
subplot(1,2,2),imshow(J,M),title(‘加噪声后图像’);
K=zeros(242,308);
for i=1:100
　　J=imnoise(I,’gaussian’,0,0.02);
　　J1=im2double(J);
　　K=K+J1;
end
K=K/100;　 %求图像的平均
figure;imshow(K),title(‘相加求平均后的图像’);
例子2
Imresize函数的语法格式为：
B = imresize(A,m,method)
这里参数method用于指定插值的方法，可选用的值为’nearest’（最邻近法），’bilinear’（双线性插值

），’bicubic’（双三次插值），默认为’nearest’。
B = imresize(A,m,method)返回原图A的m倍放大的图像（m小于1时效果是缩小）。
例：
I=imread(‘ic.tif’);
J = imresize(I,1.25);
imshow(I),title(‘原图像’)
figure,imshow(J),title(‘放大后的图像’)
   在工具箱中的函数imrotate可用上述三种方法对图像进行插值旋转，默认的插值方法也是最邻近插值

法。
   Imrotate的语法格式为：
       B = imrotate(A,angle,method
   函数imrotate对图像进行旋转，参数method用于指定插值的方法，，可选用的值为’nearest’（最邻

近法），’bilinear’（双线性插值），’bicubic’（双三次插值），默认为’nearest’。一般说来旋转后

的图像会比原图大，超出原图部分值为0。
例：
I=imread(‘rice.tif’);
J=imrotate(I,30,’bilinear’);
imshow(I);title(‘原图像’)
figure,imshow(J),title(‘旋转后的图像’)