matlab图像处理程序大集合

### MATLAB图像处理程序知识点解析 #### 一、图像反转 **定义：** 图像反转是一种基本的图像增强技术，主要用于改善图像对比度或突出特定特征。它通过将图像中的每个像素值映射到其互补值来实现，即对于一个8位灰度图像（范围0-255），像素值\( p \)的反转值为\( 255 - p \)。 **MATLAB程序实现：** ```matlab I = imread('xian.bmp'); % 读取图像 J = double(I); % 将图像转换为double类型 J = -J + (256 - 1); % 执行反转操作 H = uint8(J); % 将结果转换回uint8类型 subplot(1,2,1), imshow(I); % 显示原图 subplot(1,2,2), imshow(H); % 显示反转后的图像 ``` **解释：** 1. `imread`函数用于读取图像。 2. 使用`double`函数将图像数据类型从默认的uint8转换为double，以便进行数学运算。 3. 反转公式\( J = -J + (256 - 1) \)实现了像素值的反转。 4. 最后使用`uint8`函数将结果转换回uint8格式，因为图像通常使用这种格式存储。 5. `subplot`和`imshow`函数用于在多个子图中显示图像。 #### 二、灰度线性变换 **定义：** 灰度线性变换是一种通过调整图像的灰度级来改变图像对比度的技术。这可以通过拉伸或压缩图像的灰度范围来实现。 **MATLAB程序实现：** ```matlab I = imread('xian.bmp'); % 读取图像 subplot(2,2,1), imshow(I); % 显示原始图像 I1 = rgb2gray(I); % 转换为灰度图像 subplot(2,2,2), imshow(I1); % 显示灰度图像 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); % 显示线性变换后的图像 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); % 显示线性变换后的图像 ``` **解释：** 1. 使用`rgb2gray`函数将RGB图像转换为灰度图像。 2. `imadjust`函数用于进行灰度线性变换，可以指定需要拉伸的灰度范围。 3. 通过不同的参数设置，可以实现不同效果的线性变换，例如将灰度范围从[0.1, 0.5]拉伸到[0, 1]或从[0.3, 0.7]拉伸到[0, 1]。 #### 三、非线性变换——对数变换 **定义：** 对数变换是一种非线性变换技术，它可以有效地扩展图像中的暗区域，同时压缩亮区域，从而提高图像的整体可见度。 **MATLAB程序实现：** ```matlab I = imread('xian.bmp'); % 读取图像 I1 = rgb2gray(I); % 转换为灰度图像 subplot(1,2,1), imshow(I1); % 显示灰度图像 J = double(I1); % 转换为double类型 J = 40 * (log(J + 1)); % 对数变换 H = uint8(J); % 转换回uint8类型 subplot(1,2,2), imshow(H); % 显示对数变换后的图像 ``` **解释：** 1. 对数变换公式\( J = 40 \times \log(J + 1) \)扩展了暗区域并压缩了亮区域。 2. 这种变换有助于增加图像中暗部分的细节，同时保持高亮度区域的细节不受过度放大。 #### 四、直方图均衡化 **定义：** 直方图均衡化是一种通过重新分配图像像素值来增强图像对比度的技术。它通过对图像直方图进行操作来改善图像的整体亮度分布。 **MATLAB程序实现：** ```matlab I = imread('xian.bmp'); % 读取图像 I = rgb2gray(I); % 转换为灰度图像 figure; % 创建新的图形窗口 subplot(2,2,1); % 创建子图 imshow(I); % 显示原始图像 subplot(2,2,2); % 创建子图 imhist(I); % 显示原始图像的直方图 I1 = histeq(I); % 直方图均衡化 figure; % 创建新的图形窗口 subplot(2,2,1); % 创建子图 imshow(I1); % 显示均衡化后的图像 subplot(2,2,2); % 创建子图 imhist(I1); % 显示均衡化后的图像的直方图 ``` **解释：** 1. 使用`rgb2gray`将图像转换为灰度图像。 2. `histeq`函数用于执行直方图均衡化操作。 3. 均衡化后的图像通常具有更均匀的像素值分布，从而提高了图像的整体对比度。 #### 五、线性平滑滤波器 **定义：** 线性平滑滤波器是一种用于减少图像噪声的技术，它通过在图像上应用一个低通滤波器来实现。常见的平滑滤波器包括领域平均法。 **MATLAB程序实现：** ```matlab I = imread('xian.bmp'); % 读取图像 subplot(2,3,1) % 创建子图 imshow(I) % 显示原始图像 title('原始图像') % 添加标题 I = rgb2gray(I); % 转换为灰度图像 I1 = imnoise(I, 'salt&pepper', 0.02); % 添加椒盐噪声 subplot(2,3,2) % 创建子图 imshow(I1) % 显示添加椒盐噪声的图像 title('添加椒盐噪声的图像') % 添加标题 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(2,3,3), imshow(k1); title('3×3模板平滑滤波'); subplot(2,3,4), imshow(k2); title('5×5模板平滑滤波'); subplot(2,3,5), imshow(k3); title('7×7模板平滑滤波'); subplot(2,3,6), imshow(k4); title('9×9模板平滑滤波'); ``` **解释：** 1. 使用`imnoise`函数向图像添加椒盐噪声。 2. `fspecial('average', n)`生成一个\( n \times n \)的均值滤波器。 3. `filter2`函数用于应用滤波器，减少图像噪声。 4. 不同大小的滤波器会得到不同程度的平滑效果。 #### 六、中值滤波器 **定义：** 中值滤波器是一种非线性的平滑滤波器，它通过替换中心像素值为其邻域像素值的中值来去除噪声，特别适用于去除椒盐噪声。 **MATLAB程序实现：** ```matlab I = imread('xian.bmp'); % 读取图像 I = rgb2gray(I); % 转换为灰度图像 J = imnoise(I, 'salt&pepper', 0.02); % 添加椒盐噪声 subplot(2,3,1), imshow(I); title('原图像'); subplot(2,3,2), 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 subplot(2,3,3), imshow(k1); title('3×3模板中值滤波'); subplot(2,3,4), imshow(k2); title('5×5模板中值滤波'); subplot(2,3,5), imshow(k3); title('7×7模板中值滤波'); ``` **解释：** 1. 使用`medfilt2`函数进行中值滤波。 2. 通过指定不同大小的模板，可以实现不同程度的噪声抑制。 3. 中值滤波器能够有效去除椒盐噪声，同时保留图像的主要特征。