Matlab 图像的邻域和块操作

来源:互联网 发布:数据挖掘预测模型 编辑:程序博客网 时间:2024/04/27 16:23

图像的邻域操作是指输出图像的像素点取值,由输入图像的某个像素点及其邻域内的像素,通常像素点的邻域是一个远小于图像本身尺寸、形状规则的像素块,如2×2,3×3正方形、2×3矩形等,或者近似圆形的多边形。在Matlab中,提供了几个实现邻域操作的函数:

  • 通用滑块邻域操作函数:nlfilter(),语法包括:

    • B = nlfilter(A, [m n], fun):输入灰度图像A,返回图像B,按照尺寸m× n滑动邻域,利用运算函数fun处理后得到结果。其中fun是一个传入m × n矩阵输出一个标量的函数,可以是meanmean2stdstd2minmax等Matlab自带的函数,或者使用inline自定义的函数。

    • B = nlfilter(A, 'indexed', ...):该函数中返回图像B,它是输入的索引图像A填充后的结果。如图像A的数据类型是浮点型,则用”1”填充;如果是逻辑型或者无符号整型,则用 “0”填充。

以lena图为例:



lena.jpg


clc; clear all; close all;A = imread('lena.jpg');A1 = im2double(A);B1 = nlfilter(A1, [4 4], 'std2');fun = @(x) max(x(:));B2 = nlfilter(A1, [3 3], fun);B3 = nlfilter(A1, [6 6], fun);figure(1);subplot(1, 3, 1), imshow(B1);subplot(1, 3, 2), imshow(B2);subplot(1, 3, 3), imshow(B3);


  • 分离邻域操作函数:blockproc(),语法包括:
    • B = blockproc(A, [m n], fun):该函数中对输入图像A,采用尺寸m×n分离块,利用运算函数fun处理,处理后的结果为输出图像B
    • B = blockproc(src_filename, [m n], fun):与上面函数的语法相似,但是同时读取和处理名为src_filename的图像,处理时将图像的一个分块读入内存,这个调用方式对于大图像非常有效,如果输出矩阵B过大,则可以使用参数Destination,将处理结果直接写入该文件中。
    • B = blockproc(adapter, [M N], fun):用于处理用户自己定义的图像格式,adapter是读写图像的接口函数。
    • blockproc(..., Name, Value, ...):该函数中按照Name-Value的方式对于像进行分离块处理,Name-Value取值可以查找Matlab的help文档。

其中关于块的一些定义如下:

变量 含义 block_struct.border 是一个两元素向量[V H],说明矩阵的垂直和水平结构 block_struct.blockSize 是一个两元向量[rows cols]说明块的尺寸 block_struct.data 是一个M × NM× N ×P的矩阵 block_struct.imageSize 是一个两元向量[row col]说明输入图像的尺寸 block_struct.location 是一个两元向量[row col]说明输入图像的块数据中第一像素的位置


I = imread('peppers.png');fun = @(block_struct) block_struct.data(:,:,[2 1 3]);blockproc(I, [64 64], fun, 'Destination', 'grb_peppers.tif');subplot(1, 2, 1), imshow(I);subplot(1, 2, 2), imshow('grb_peppers.tif');



peppers.png(图左),grb_peppers.tif(图右)


  • 列方向邻域操作函数:colfilt(),语法包括:
    • B = colfilt(A, [m n], block_type, fun):该函数中将输入图像A,按照尺寸m×n块重新组合成一个临时矩阵,利用fun函数对这个临时矩阵处理,如果需要填充,则使用“0”填充。其中block_type是个字符串,可以取distinctsliding,取distinct按照分离邻域的方式
    • B = colfilt(A, [m n], [mblock nblock], block_type, fun)
    • B = colfilt(A, 'indexed', ...)
1 0
原创粉丝点击