没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
第 3 章 MATLAB 数字图像处理工具箱
3.1 MATLAB 图像预处理
3.1.1 图像处理的基本操作
1. 读入并显示一幅图像
clear %清除所有的工作平台变量
close all %关闭已打开的图形窗口
I=imread ('picname.jpg'); %读取图像
%存储在一个名为 I 的数组中
imshow(I) %显示图像 I
2. 检查内存中的图像
whos %查看图像数据 I 是如何存储在内存中的。
3. 实现直方图均衡化
figure %生成一个新的图形窗口,避免后面的图像覆盖前面图像的显示
imhist(I) %创建描述图像 I 灰度分布的直方图
I2=histeq(I); %将图像的灰度值扩展到整个灰度范围,从而提高图像数组 I 的对比度。
figure,imshow(I2) %显示修改过的图像 I2
figure,imhist(I2) %显示拓展后的灰度值的分布情况
4. 保存图像
imwrite(I2,'pout.png'); %将图像 I2 以 PNG 图像文件格式保存到磁盘
5. 检查新生成文件的内容
imfinfo('pout2.png') %观察保存的图像文件信息
3.1.2 图像处理的高级应用
主要对一幅灰度图像 rice.tif 进行一些较为高级的操作为例说明整个过程。
1. 读取和显示图像
clear %清除所有的工作平台变量
close all %关闭已打开的图形窗口
I=imread('rice.png'); %读取图像 rice.png (该图像是图像处理工具箱自带的图像)
imshow(I) %显示图像
2. 估计图像背景
background=imopen(I,strel('disk',15)); %对图像 I 进行形态学开操作,删除那些不完全包括
%在半径为 15 的圆盘中的对象,实现对背景亮度的估计
figure,imshow(background)
figure,surf(double(background(1:8:end,1:8:end))),zlim([0 255]); %以表面形式显示背景
3. 从原始图像中减去背景图像
I2=imsubtract(I,background); %将背景图像 background 从原始图像 I 中减去
figure,imshow(I2)
4. 调节图像对比度
I3=imadjust(I2,stretchlim(I2),[0 1]); %调节图像的对比度
figure,imshow(I3);
5. 使用阈值操作将图像转换为二进制图像
level=graythresh(I3);
bw=im2bw(I3,level);
figure,imshow(bw)
6. 检查图像中的对象个数
[labeled,numObjects]=bwlabel(bw,4); %确定图像中的米粒个数
numObjects
101
7. 检查标记矩阵
grain=imcrop(labeled) %选择并显示已标记的对象和部分背景内的像素
RGB_label=label2rgb(labeled,@spring,'C','shuffle');
%将标记矩阵显示为一副伪彩色的索引图像,在伪彩色的彩色图像中,
%标记矩阵中的每一个对象都将被映射为相关调色板中的不同颜色
imshow(RGB_label);
8.计算图像中对象的统计属性
graindata=regionprops(labeled,'basic')
%测量图像或者区域的属性,并返回一个结构数组。当用于一个标记图像时,
%它还为每一个标记分量创建一个结构元素。
graindata(51).Area %显示第 51 个元素的属性
graindata(51).BoundingBox,graindata(51).Centroid %寻找最近的边缘和中心
allgrains=[graindata.Area]; %创建一个新的向量 allgrains,其包含每个米粒的范围
allgrains(51) %查看第 51 个元素的范围
max(allgrains) %获取最大的米粒大小
biggrain=find(allgrains==404) %返回最大米粒的标记号
mean(allgrains) %获取米粒的平均大小
hist(allgrains,20) %绘制包含 20 个柱的直方图
3.2 MATLAB 图像处理工具箱简介
3.2.1 常用图像格式
图像格式:是存储图像采用的文件格式。不同的操作系统、不同的图像处理软件,所支持的
图像格式都有可能不同。
在实际应用中经常会遇到的图像格式有:BMP、GIF、TIFF、PCX、JPEG、PSD、PCD、
WMF 等。
*(1) BMP(Bitmap)文件
*(2)GIF 文件
*(3)TIF 文件
*(4)JPEG 文件
3.2.2 MATLAB 图像类型
图像类型:是指数组数值与像素颜色之间定义的关系,它与图像格式概念有所不同。
在 MATLAB 图像处理工具箱中,有五种类型的图像:
(1) 二进制图像
在一幅二进制图像中,每一个像素将取两个离散数值(0 或 1)中的一个,从本质上说,这
两个数值分别代表状态“开”(on)或“关”(off)。
二进制图像仅使用 unit8 或双精度类型的数组来存储。
在图像处理工具箱中,任何返回一幅二进制图像的数组均使用 unit8 逻辑数组存储该图
像,并且使用一个逻辑标志来指示 unit8 逻辑数组的数据范围。
若逻辑状态为“开”(on),数组范围为[0,1];若为“关”(off),则数组范围为[0,255]。
(2) 索引图像
索引图像:是一种把像素值直接作为 RGB 调色板下标的图像。
在 MATLAB 中,索引图像包含有一个数据矩阵 X 和一个颜色映射(调色板)矩阵
map。数据矩阵:可以是 unit8、unit16、双精度类型的;
颜色映射矩阵 map:是一个 m×3 的数据矩阵,其中每个元素的值均为[0,1]之间的双精度浮
点型数据,map 矩阵的每一行分别表示红色、绿色和蓝色的颜色值。
索引图像可把像素值直接映射为调色板数值,每一个像素的颜色通过使用 X 的数值作为
map 的下标来获得,如值 1 指向矩阵 map 中的第一行,值 2 指向第二行,依此类推。
颜色映射通常与索引图像存储在一起,当装载图像时,MATLAB 自动将颜色映射表与
图像同时装载。
图像矩阵与颜色映射表之间的关系依赖于图像数据矩阵的类型。
如果图像数据矩阵是双精度类型,则数据 1 指向矩阵 map 中的第一行,数据值 2 将指向
map 中的第二行,依此类推;
如果图像矩阵是 unit8 或 unit16 类型时,将产生一个偏移,即数值 0 表示矩阵 map 中的
第一行,数据值 1 将指向 map 中的第二行,依此类推。
(3) 灰度图像
灰度图像通常由一个 unit8、unit16、双精度类型的数组来描述,其实质是一个数据矩阵
I,该矩阵中的数据均代表了在一定范围内的灰度级,每一个元素对应于图像的一个像素点,
通常 0 代表黑色,1、255、65 535(针对不同存储类型)代表白色。
(4) 多帧图像
多帧图像是一种包含多幅图像或帧的图像文件,又称为多页图像或图像序列。
在 MATLAB 中,它是一个四维数组,其中第四维用来指定帧的序号。
在一个多帧图像数组中,每一幅图像必须有相同的大小和颜色分量,每一幅图像还要使
用相同的调色板。另外,图像处理工具箱中的许多函数(如:imshow)只能对多幅图像矩
阵的前两维或三维进行操作,也可以对四维数组使用这些函数,但是必须单独处理每一帧。
如果将一个数组传递给一个函数,并且数组的维数超过该函数设计的超作维数,那么得到的
结果是不可预知的。
(5) RGB 图像
RGB 图像又称为真彩色图像,它是利用 R、G、B 三个分量表示一个像素的颜色,
R、G、B 分别代表红、绿、篮 3 种不同的颜色,通过三基色可以合成出任意颜色。所以对一
个尺寸为 n×m 的彩色图像来说,在 MATLAB 中则存储为一个 n×m×3 的多维数据数组,其
中数组中的元素定义了图像中的每一个像素的红、绿、篮颜色值。图形文件格式把 RGB 图
像存储为 24 位的图像,红、绿、篮分量分别占用 8 位。
MATLAB 的 RGB 数组可以是双精度的浮点型、8 位或 16 位无符号的整数类型。在一个
双精度类型的 RGB 数组中,每一个颜色分量都是一个[0,1]范围内的数值。如:颜色分量为
(0,0,0)的像素将显示为黑色;颜色分量为(1,1,1)的像素将显示为白色。每一个像素的三个颜
色分量都存储在数组的第三维中。如:像素(10,5)的红、绿、篮颜色值分别保存在元素
RGB(10,5,1)、RGB(10,5,2)、RGB(10,5,3)中。
例:创建一个简单的 RGB 图像,该图像包含某一范围内不中断的红、绿、篮颜色分量,另
外,
针对每一个颜色分量各创建一幅图像来加以对比:
RGB=reshape(ones(64,1)*reshape(jet(64),1,192),[64,64,3]);
R=RGB(:,:,1);
G=RGB(:,:,2);
B=RGB(:,:,3);
subplot(2,2,1);imshow(R);
subplot(2,2,2);imshow(G);
subplot(2,2,3);imshow(B);
subplot(2,2,4);imshow(RGB);
3.2.3 MATLAB 图像类型转换
(1)图像颜色浓淡处理(图像抖动)
X=dither(RGB,map) %通过抖动算法将真彩色图像 RGB 按指定的颜色(调色板)map 转换
成索引色图像 X
X=dither(RGB,map,Qm,Qe)
%利用给定的参数 Qm,Qe 从真彩色图像 RGB 中产生索引色图像 X。
%Qm 表示沿每个颜色轴反转颜色图的量化(即对于补色各颜色轴)的位数,
%Qe 表示颜色空间计算误差的量化误差。
%如果 Qe<Qm,则不进行抖动操作。Qm 的默认值是 5,Qe 的默认值是 8。
BW=dither(I) %通过抖动算法将矩阵 I 中的灰度图像转换为二进制图像。
注意:
输入图像可以是双精度类型或 8 位无符号类型,其他参数必须是双精度类型。
如果输出的图像是二值图像或颜色种类少于 256 的索引图像时,为 uint8 类型,否则为 doule
型。
例:由 RGB 图像产生一个索引图像
使用索引图像 chess.met 的颜色图 map ,通过抖动 map 中的颜色,产生 RGB 图像
autumn.tif 的近似索引图像。
load chess;
RGB=imread('autumn.tif');
subplot(1,2,1);imshow(RGB);
Y=dither(RGB,map)
subplot(1,2,2);imshow(Y,map);
(2)灰度图像转换为索引图像
[X,map]=gray2ind(I,n) %按指定的灰度级数 n 和颜色图 map,将灰度图像 I 转换成索引色
%图像 X,n 的默认值为 64。
例:将灰度图像 pout.tif 转化成索引图像 X,颜色图分别为 gray(128)和 gray(16)。
I=imread('pout.tif');
[I1,map1]=gray2ind(I,128);
[I2,map2]=gray2ind(I,16);
subplot(1,3,1);imshow(I1,map1);
subplot(1,3,2);imshow(I2,map2);
subplot(1,3,3);imshow(I);
(3)索引图像转换为灰度图像
I=ind2gray(X,map) %将具有颜色图 map 的索引色图像 X 转换成灰度图像 I,去掉了图像的
%色度和饱和度,仅保留了图像的亮度信息。
%输入图像可以是 double 或 unit8 类型。
例:将一幅索引图像 trees.mat 转换成灰度图像。
load trees
I=ind2gray(X,map);
subplot(1,2,1);imshow(X,map);
subplot(1,2,2);imshow(I);
(4)RGB 图像转换为灰度图像
I=rgb2gray(RGB) %将真彩色图像 RGB 转换成灰度图像 I。
Newmap=rgb2gray(map) %将颜色图 map 转换成灰度级颜色图。
注意:如果输入的是真彩色图像,则图像可以是 8 位无符号类型或双精度类型,输出图像 I
与输入图像类型相同。
如果输入的是颜色图,则输入和输出的图像均为双精度类型。
*例:将 RGB 图像 flowers.tif 转换为灰度图像。
RGB=imread('flowers.tif');
figure(1);imshow(RGB)
figure(2);Y=rgb2gray(RGB);imshow(Y)
(5)RGB 图像转换为索引图像
[X,map]=rgb2ind(RGB) %直接将 RGB 图像转换为具有颜色图 map 的矩阵 X.
[X,map]=rgb2ind(RGB,tol) %用均匀量化的方法将 RGB 图像转换为索引图像 X.
[X,map]=rgb2ind(RGB,n) %使用最小方差量化的方法将 RGB 图像转换为索引图像,
%map 中包括至少 n 个颜色。
X=rgb2ind(RGB,map) %通过将 RGB 中的颜色与颜色图 map 中最相近的颜色匹配,
%将 RGB 图像转换为具有 map 颜色图的索引图像。
剩余30页未读,继续阅读
资源评论
- baidu_171739492014-07-02不错,挺实用的
baiding1123
- 粉丝: 79
- 资源: 12
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功