常用的一些图像处理Matlab源代码
来源:互联网 发布:易语言网络游戏源码 编辑:程序博客网 时间:2024/06/05 09:40
常用的一些图像处理Matlab源代码
#2:二维离散余弦变换的图像压缩
#3:采用灰度变换的方法增强图像的对比度
#4:直方图均匀化
#5:模拟图像受高斯白噪声和椒盐噪声的影响
#6:采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波
#7:采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波
#8:图像的自适应魏纳滤波
#9:运用5种不同的梯度增强法进行图像锐化
#10:图像的高通滤波和掩模处理
#11:利用巴特沃斯(Butterworth)低通滤波器对受噪声干扰的图像进行平滑处理
#12:利用巴特沃斯(Butterworth)高通滤波器对受噪声干扰的图像进行平滑处理
1.数字图像矩阵数据的显示及其傅立叶变换
f=zeros(30,30);
f(5:24,13:17)=1;
imshow(f, 'notruesize');
F=fft2(f,256,256); % 快速傅立叶变换算法只能处矩阵维数为2的幂次,f矩阵不
F2=fftshift(F);
figure,imshow(log(abs(F2)),[-1 5],'notruesize');
2
I=imread('cameraman.tif');
imshow(I);
clear;close all
I=imread('cameraman.tif');
imshow(I);
I=im2double(I);
T=dctmtx(8);
B=blkproc(I,[8 8], 'P1*x*P2',T,T');
Mask=[1 1 1 1 0 0 0 0
B2=blkproc(B,[8 8],'P1.*x',Mask);
I2=blkproc(B2,[8 8], 'P1*x*P2',T',T);
figure,imshow(I2);
3.采用灰度变换的方法增强图像的对比度
I=imread('rice.tif');
imshow(I);
figure,imhist(I);
J=imadjust(I,[0.15 0.9], [0 1]);
figure,imshow(J);
figure,imhist(J);
4直方图均匀化
I=imread('pout.tif');
imshow(I);
figure,imhist(I);
[J,T]=histeq(I,64);
figure,imshow(J);
figure,imhist(J);
figure,plot((0:255)/255,T); % 转移函数的变换曲线
J=histeq(I,32);
figure,imshow(J);
figure,imhist(J);
5模拟图像受高斯白噪声和椒盐噪声的影响
I=imread('eight.tif');
imshow(I) ;
J1=imnoise(I,'gaussian',0,0.02); % 叠加均值为0,方差为0.02的高斯噪声,可以用
J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声。
figure,imshow(J2);
6采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像
I=imread('eight.tif');
imshow(I) ;
J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声。
figure,imshow(J2);
I_Filter1=medfilt2(J2,[3 3]);
figure,imshow(I_Filter1);
I_Filter2=medfilt2(J2,[5 5]);
figure,imshow(I_Filter2);
I_Filter3=medfilt2(J2,[7 7]);
figure,imshow(I_Filter3);
7采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波
[I,map]=imread('eight.tif');
figure,imshow(I);title('original')
J1=imnoise(I,'gaussian',0,0.02); % 受高斯噪声干扰
M4=[0 1 0; 1 0 1; 0 1 0];
M4=M4/4;
I_filter1=filter2(M4,J1);
figure,imshow(I_filter1,map);
M8=[1 1 1; 1 0 1; 1 1 1];
M8=M8/8;
I_filter2=filter2(M8,J1);
figure,imshow(I_filter2,map);
8图像的自适应魏纳滤波
[I,map]=imread('eight.tif');
figure,imshow(I);title('original')
J1=imnoise(I,'gaussian',0,0.02); % 受高斯噪声干扰
[K noise]=wiener2(J1, [5 5]);
figure,imshow(K);
9运用5种不同的梯度增强法进行图像锐化
[I,map]=imread('3-22.jpg');
imshow(I,map);
I=double(I);
[Gx,Gy]=gradient(I);
G=sqrt(Gx.*Gx+Gy.*Gy);
J1=G;
figure,imshow(J1,map);
J2=I;
K=find(G>=7);
J2(K)=G(K);
figure,imshow(J2,map);
J3=I;
K=find(G>=7);
J3(K)=255;
figure,imshow(J3,map);
J4=I;
K=find(G<=7);
J4(K)=255;
figure,imshow(J4,map);
J5=I;
K=find(G<=7);
J5(K)=0;
Q=find(G>=7);
J5(Q)=255;
figure,imshow(J5,map);
10图像的高通滤波和掩模处理
[I,map]=imread('blood1.tif');
imshow(I,map);
H2=[-1 -1 -1;-1 -9 -1;-1 -1 -1];
J1=filter2(H2,I);
figure,imshow(J1,map);
I=double(I);
M=[1 1 1;1 1 1;1 1 1]/9;
J2=filter2(M,I);
J3=I-J2;
figure,imshow(J3,map);
11利用巴特沃斯(Butterworth)低通滤波器对受噪声干扰的图像进行平滑处理
I=imread('Saturn.tif');
imshow(I);
J1=imnoise(I,'salt & pepper');
figure,imshow(J1);
f=double(J1);
g=fft2(f);
g=fftshift(g);
[M,N]=size(g);
nn=2;
d0=50;
m=fix(M/2); n=fix(N/2);
for i=1:M
end
result=ifftshift(result);
J2=ifft2(result);
J3=uint8(real(J2));
figure,imshow(J3);
12利用巴特沃斯(Butterworth)高通滤波器对受噪声干扰的图像进行平滑处理
I=imread('blood1.tif');
imshow(I);
f=double(I);
g=fft2(f);
g=fftshift(g);
[M,N]=size(g);
nn=2;
d0=5;
m=fix(M/2);
n=fix(N/2);
for i=1:M
result(i,j)=h*g(i,j);
end
end
result=ifftshift(result);
J2=ifft2(result);
J3=uint8(real(J2));
figure,imshow(J3);
- 常用的一些图像处理Matlab源代码
- 常用的一些图像处理Matlab源代码
- 常用的一些图像处理Matlab源代码
- 常用的一些图像处理Matlab源代码
- MATLAB一些简单的图像处理程序
- MATLAB图像处理实用源代码
- Matlab 常用的图像处理函数
- 图像处理和图像识别中常用的matlab函数
- 图像处理和图像识别中常用的matlab函数
- 一些OpenCV里常用的图像处理
- 收集一些常用的图像处理网站
- 图像处理一些常用的网站
- 图像处理一些常用的网站
- 一些常用的图像处理网站
- Matlab图像处理常用函数
- 关于matlab做图像处理的一些小tips
- matlab图像处理一些小知识
- MATLAB 图像处理一些实用函数整理
- windows安装配置Vue运行环境
- Python 9*9乘法表
- Spring RedisTemplate操作-全注解操作
- FPGA IN 金融领域
- MySQL删除表的时候忽略外键约束
- 常用的一些图像处理Matlab源代码
- Java集合框架大纲
- vue-router的全局钩子beforeEach
- 硬货 | 一文了解深度学习在NLP中的最佳实践经验和技巧
- Web-Scale Training for Face Identification
- 【OpenCV3.3】编译源码并搭建VS2017+Windows开发环境
- 计算机网络学习入门
- PopWindow封装
- luogu P2890 便宜的回文