MatLab代码大全.doc

第2章 图像获取2.3.2 二维连续傅里叶变换例2.2 figure(1); %建立图形窗口1u,v = meshgrid(-1:0.01:1); %生成二维频域网格F1 = abs(sinc(u.*pi); F2 = abs(sinc(v.*pi);F=F1.*F2; %计算幅度频谱F=|F(u,v)|surf(u,v,F); %显示幅度频谱，如图2.3(b)shading interp; %平滑三维曲面上的小格axis off; %关闭坐标系figure(2); %建立图形窗口2F1=histeq(F); %扩展F的对比度以增强视觉效果imshow(F1); %用图像来显示幅度频谱，如图2.3(c)第3章 图像变换3.4.4 二维FFT的MATLAB实现例3.2 简单图像及其傅里叶变换 MATLAB程序：%建立简单图像d并显示之d = zeros(32,32); %图像大小3232d(13:20,13:20) = 1; %中心白色方块大小为88figure(1); %建立图形窗口1imshow(d,notruesize)； %显示图像d如图3.5(a)所示%计算傅里叶变换并显示之D = fft2(d); %计算图像d的傅里叶变换，fft2(d) = fft(fft(d).).figure(2); %建立图形窗口2imshow(abs(D),-1 5,notruesize); %显示图像d的傅里叶变换谱如3.5(b)所示例3.3 MATLAB图像及其傅里叶变换谱 MATLAB程序：figure(1);load imdemos saturn2; %装入MATLAB图像saturn2imshow(saturn2); %显示图像saturn2如图3.6(a)所示figure(2);S= fftshift(fft2(saturn2); %计算傅里叶变换并移位imshow(log(abs(S), ); %显示傅里叶变换谱如3.6(b)所示例3.4 真彩图像及其傅里叶变换谱 MATLAB程序：figure(1);A=imread(image1.jpg); %装入真彩图像，见图1.1(b)B=rgb2gray(A); %将真彩图像转换为灰度图像imshow(B); %显示灰度图像如图3.7(a)所示C=fftshift(fft2(B); %计算傅里叶变换并移位figure(2);imshow(log(abs(C), ); %显示傅里叶变换谱如3.7(b)所示3.5.4 离散余弦变换的MATLAB实现例3.5 计算并显示真彩图像余弦变换的MATLAB程序如下：RGB=imread(image2.jpg); %装入真彩图像figure(1);imshow(RGB); %显示彩色图像GRAY=rgb2gray(RGB); %将真彩图像转换为灰度图像figure(2);imshow(GRAY); %显示灰度图像如图3.10(a)所示DCT=dct2(GRAY); %进行余弦变换figure(3);imshow(log(abs(DCT), ); %显示余弦变换如图3.10(b)所示。3.8.2 Radon变换的MATLAB实现例3.8真彩图像的Radon变换MATLAB程序如下：RGB=imread(image2.jpg); %装入真彩图像GRAY=rgb2gray(RGB); %将真彩图像转换为灰度图像figure(2);imshow(GRAY); %显示灰度图像如图3.16(a) R,xp = radon(GRAY,0 45); %计算变换角度为0和45的Radon变换figure; plot(xp,R(:,1); title(R_0o (xprime) %显示0方向上的Radon变换如图3.16(b)figure; plot(xp,R(:,2); title(R_45o (xprime) %显示45方向上的Radon变换如图3.16(c)例3.9连续角度的Radon变换对于一组连续角度的Radon变换通常用一幅图像来表示。本例先建立一幅简单图像，然后令变换角度从0 以1的增量变化到180时的Radon变换情况。其MATLAB程序如下：I = zeros(100,100); %建立简单图像如图3.17(a)I(25:75, 25:75) = 1;figure(1);imshow(I);theta = 0:180; %规定变换角度的范围R,xp = radon(I,theta); %计算Radon变换figure(2);imagesc(theta,xp,R); %以图像方式显示变换结果R，%其x轴和y轴分别为theta和xptitle(R_theta (Xprime); %显示图像标题xlabel(theta (degrees); %显示x坐标“”ylabel(Xprime); %显示y坐标“”set(gca,Xtick,0:20:180); %设置x坐标刻度colormap(hot); %设置调色板colorbar； %显示当前图像的调色板第4章 图像增强4.2.1 直接灰度变换Matlab程序实现图像求反：I = imread( cameraman.tif);imshow(I)I=double(I)I=256-1-II=uint8(I)figureimshow(I) 例4.1用Matlab程序实现线性灰度变换的图像增强： %读入并显示原始图像 I = imread(pout.tif); imshow(I);I=double(I);M,N=size(I);%进行线性灰度变换for i=1:M for j=1:N if I(i,j)=30 I(i,j)=I(i,j); elseif I(i,j)=150 I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30; else I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200; end endend 例4.2I=imread(lena.bmp);figure;imshow(I);I=double(I);I2=41*log(1+I);I2=uint8(I2);figure;imshow(I2); 例4.3灰度切割变换的Matlab的程序如下：I=imread(007.bmp);figure;imshow(I);I=double(I)M,N=size(I);for i=1:M for j=1:N if I(i,j)=50 I(i,j)=40; elseif I(i,j)=s1 & temps2; J(i,j)=255; break; end end end end J=uint8(J);figure;imshow(J);end4.2.2 直方图修正 例4.6直方图均衡化效果实例用Matlab中的histeq函数实现直方图均衡化的程序如下：I=imread(circuit.tif);figuresubplot(221);imshow(I);subplot(222);imhist(I)I1=histeq(I);figure;subplot(221);imshow(I1)subplot(222);imhist(I1)例4.8：直方图规定效果实例用matlab中的histeq函数实现直方图均衡化的程序如下：I=imread(circuit.tif);M,N=size(I);for i=1:8:257 counts(i)= i;endQ=imread(circuit.tif);N=histeq(Q,counts);figuresubplot(221);imshow(N);subplot(222);imhist(N);axis(0 260 0 5000);4.2.3 图像间运算例：用图像平均减少随机噪声I=imread(tire.tif);M,N=size(I);II1=zeros(M,N);for i=1:16 II(:,:,i)=imnoise(I,gaussian,0,0.01); II1=II1+double(II(:,:,i); if or(or(i=1,i=4),or(i=8,i=16); figure; imshow(uint8(II1/i); endend4.3 空域滤波增强Matlab实现的邻域平均法抑制噪声的程序：I=imread(eight.tif); J=imnoise(I,salt & pepper, 0.02);subplot(231),imshow(I);title(原图像);subplot(232),imshow(J);title(添加椒盐噪声图像)k1=filter2(fspecial(average,3),J); %进行33模板平滑滤波k2=filter2(fspecial(average,5),J); %进行55模板平滑滤波k3=filter2(fspecial(average,7),J); %进行77模板平滑滤波k4=filter2(fspecial(average,9),J); %进行99模板平滑滤波subplot(233),imshow(uint8(k1);title(33模板平滑滤波);subplot(234),imshow(uint8(k2);title(55模板平滑滤波);subplot(235),imshow(uint8(k3);title(77模板平滑滤波);subplot(236),imshow(uint8(k4);title(99模板平滑滤波)例4.10：使用中值滤波降低图像噪声 I=imread(eight.tif); J=imnoise(I,salt & pepper, 0.02);subplot(231),imshow(I);title(原图像);subplot(232),imshow(J);title(添加椒盐噪声图像)k1=medfilt2(J); %进行33模板中值滤波k2=medfilt2(J,5 5); %进行55模板中值滤波k3=medfilt2(J,7 7); %进行77模板中值滤波k4=medfilt2(J,9 9); %进行99模板中值滤波subplot(233),imshow(k1);title(33模板中值滤波)subplot(234),imshow(k2);title(55模板中值滤波)subplot(235),imshow(k3);title(77模板中值滤波)subplot(236),imshow(k4);title(99模板中值滤波)例4.11：梯度锐化实例I=imread(cameraman.tif);subplot(131),imshow(I)H=fspecial(Sobel); H=H; %Sobel垂直模板TH=filter2(H,I);subplot(132),imshow(TH,);H=H; %Sobel水平模板TH=filter2(H,I);subplot(133),imshow(TH,)4.4 图像频域增强例4.12：频域低通滤波所产生的模糊%理想低通过滤波器所产生的模糊和振铃现象J=imread(lena.bmp);subplot(331);imshow(J);J=double(J);%采用傅里叶变换f=fft2(J);%数据矩阵平衡g=fftshift(f);subplot(332);imshow(log(abs(g),),color(jet(64);M,N=size(f);n1=floor(M/2);n2=floor(N/2);% d0=5,15,45,65d0=5;for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d=d0 h1=1; h2=1+0.5; else h1=0; h2=0.5; end g1(i,j)=h1*g(i,j); g2(i,j)=h2*g(i,j); endendg1=ifftshift(g1);g1=uint8(real(ifft2(g1);subplot(221);imshow(g1); %显示理想高通滤波结果title(理想高通滤波结果);g2=ifftshift(g2);g2=uint8(real(ifft2(g2);subplot(222);imshow(g2); %显示理想高通加强滤波结果title(理想高通加强滤波结果);n=2;d0=20;for i=1:M %进行巴特沃斯高通滤波和巴特沃斯高通加强滤波 for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d=0 h1=0; h2=0.5; else h1=1/(1+(d0/d)(2*n); h2=1/(1+(d0/d)(2*n)+0.5; end gg1(i,j)=h1*g(i,j); gg2(i,j)=h2*g(i,j); endendgg1=ifftshift(gg1);gg1=uint8(real(ifft2(gg1);subplot(223);imshow(gg1); %显示巴特沃斯高通滤波结果title(巴特沃斯高通滤波结果)gg2=ifftshift(gg2);gg2=uint8(real(ifft2(gg2);subplot(224);imshow(gg2); %显示巴特沃斯高通加强滤波结果title(巴特沃斯高通加强滤波结果);例4.14：同态滤波的增强效果J=imread(eight.tif); %读入原图subplot(121);imshow(J);J=double(J);f=fft2(J); %采用傅里叶变换g=fftshift(f); %数据矩阵平衡 M,N=size(f);d0=10;rl=0.5;rh=2c=4；n1=floor(M/2);n2=floor(N/2);for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); h=(rh-rl)*(1-exp(-c*(d.2/d0.2)+rl; g(i,j)=h*g(i,j); endendg=ifftshift(g);g=uint8(real(ifft2(g);subplot(122);imshow(g); 第5章 图像复原例5.1C=imread(image3.jpg); %装入清晰图像subplot(1,2,1)； %将图形窗口分成两个矩形平面imshow(C); %在第一个矩形平面中显示装入的图像LEN=30; %设置运动位移为30个象素THETA=45; %设置运动角度为45oPSF=fspecial(motion,LEN,THETA); %建立二维仿真线性运动滤波器PSFMF=imfilter(C,PSF,circular,conv); %用PSF产生退化图像subplot(1,2,2),imshow(MFUZZY); %在第二个矩形平面中显示模糊后的图像imwrite(MF,image3-MF.jpg); %将运动模糊后的图像保存起来备用例5.2 消除图5.4(b)的运动模糊，其MATLAB程序如下：MF,map=imread(image3-MF.jpg); %装入运动模糊图像figure(1);imshow(MF); %显示模糊图像LEN=30; THETA=45; INITPSF=fspecial(motion,LEN,THETA); %建立复原点扩散函数J P= deconvblind(MF,INITPSF,30); %去卷积figure(2); imshow(J); %显示结果图像如图5.6(a)figure(3); imshow(P,notruesize); %显示复原点扩散函数如图5.6(b)例5.3逆滤波与维纳滤波的比较F = checkerboard(8); %生成原始图像Ffigure(1);imshow(F,); PSF = fspecial(motion,7,45); %生成运动模糊图像MFMF = imfilter(F,PSF,circular); noise = imnoise(zeros(size(F),gaussian,0,0.001); %生成高斯噪声MFN = MF + noise; %生成运动模糊+高斯噪声图像MFNfigure(2);imshow(MFN,);NSR = sum(noise(:).2)/sum(MFN(:).2); %计算噪信比 figure(3);imshow(deconvwnr(MFN,PSF),); %逆滤波复原figure(4);imshow(deconvwnr(MFN,PSF,NSR),); %维纳滤波复原例5.7顺序统计滤波器比较f=imread(image4g.jpg);figure(1); imshow(f);title(原始图像);g=imnoise(f,salt & pepper,0.2);figure(2); imshow(g);title(椒盐噪声污染的图像);g1=double(g)/255;j1=medfilt2(g1,symmetric);figure(3); imshow(j1);title(中值滤波图像);j2=ordfilt2(g1,median(1:3*3),ones(3,3),symmetric);figure(4); imshow(j2);title(中点滤波图像);j3=ordfilt2(g1,1,ones(3,3);figure(5); imshow(j3);title(最小值滤波图像);j4=ordfilt2(g1,9,ones(3,3);figure(6); imshow(j4);title(最大值滤波图像);例5.8 简单图像的affine变换MATLAB程序如下：f=checkerboard(24); % 建立原始图像，如图5.16(a)figure(1); imshow(f); s=0.7;theta=pi/6;T=s*cos(theta) s*sin(theta) 0 % 建立变换矩阵：旋转与尺度变换 -s*sin(theta) s*cos(theta) 0 0 0 1;tform=maketform(affine,T);g1=imtransform(f,tform,nearest); % 最近邻插值变换, 如图5.16(b)figure(2); imshow(g1);g2=imtransform(f,tform); % 双线性插值变换, 如图5.16(c)figure(3); imshow(g2);g3=imtransform(f,tform,FillValue,0.5); % 修改双线性插值变换的背景色为灰色figure(4); imshow(g3);例5.9 利用“连接点”实施图像配准复原MATLAB程序如下：f=imread(text.jpg); % 读入256256原始图，如图5.17(a)figure(1); imshow(f); g=imread(textg.jpg); % 读入几何失真图，如图5.17(b)figure(2); imshow(g); %利用cpselect(g, f)函数交互选择“连接点”base_points = 256.4000 256.1273; 1.5818 256.4182; 256.4182 1.0000; 200.5636 203.4727; 147.3273 183.9818; 96.4182 145.0000; 44.6364 35.0364; 157.5091 30.3818;input_points = 280.0455 304.6182; 1.3455 255.2545; 255.2545 1.0000; 205.8545 225.8909; 145.7455 196.5273; 90.4727 146.7818; 38.6545 32.4364; 148.5091 31.0545;tform = cp2tform(input_points, base_points, projective); gp = imtransform(g, tform, XData, 1 256, YData, 1 256); figure(3); imshow(gp); % 显示复原图像，如图5.17(c)第6章 彩色图像处理例6.1 考虑生成一幅128*128的RGB图像，该图像左上角为红色，右上角为蓝色，左下角为绿色，右下角为黑色。其Matlab程序如下：iR = zeros(128, 128);%生成一个128*128的零矩阵，作为R分量iR(1:64, 1:64) = 1;%将左上角的64*64设置成1iG = zeros(128, 128);%生成一个128*128的零矩阵，作为G分量iG(65:128, 1:64) = 1;%将右下角的64*64设置成1iB = zeros(128, 128);%生成一个128*128的零矩阵，作为B分量iB(1:64, 65:128) = 1;%将右上角的64*64设置成1I = cat(3, iR, iG, iB);%使用cat函数将三个分量组合imshow(I)%显示生成的RGB图像，如图6.5所示例6.2 将一幅RGB图像转换到CMY空间：rgb_I = imread(peppers.bmp);%载入一幅彩色图像cmy_I = imcomplement(rgb_I);%函数imcomplement转换到CMY空间imshow(I);%显示原图，如图6.7（a）所示figure, imshow(I2);%显示转换后图，如图6.7（b）所示例6.3 将一幅三原色图像从RGB空间转换到HSI空间，其结果见图6.9。rgb = imread(三原色.bmp); %载入一幅图像imshow(rgb); %见图6.9（a）rgb = im2double(rgb);%将图像转换成double类型r = rgb(:, :, 1);%提取图像的r分量g = rgb(:, :, 2);%提取图像的g分量b = rgb(:, :, 3); %提取图像的b分量I = (r + g + b)/3;%计算I分量%计算S分量tmp1 = min(min(r, g), b);tmp2 = r + g + b;tmp2(tmp2 = 0) = eps;S = 1 - 3.*tmp1./tmp2;%计算H分量tmp1 = 0.5*(r - g) + (r - b);tmp2 = sqrt(r - g).2 + (r - b).*(g-b);theta = acos(tmp1./(tmp2 + eps);H = theta;H(b g) = 2*pi - H(b g);H = H/(2*pi);H(S = 0) = 0;hsi = cat(3, H, S, I);figure, imshow(H);%见图6.9（b）figure, imshow(S); %见图6.9（c）figure, imshow(I); %见图6.9（d）例6.4rgb = imread(yellowRose.jpg);%载入一幅图像imshow(rgb);%显示，见图6.10（a）R = rgb(:, :, 1);%提取图像的R、G、B分量G = rgb(:, :, 2);B = rgb(:, :, 3);figure, imshow(R);%分别显示图像的R、G、B分量。见图6.10(b)。figure, imshow(G); %见图6.10(c)figure, imshow(B);%见图6.10(d)m = fspecial(average);%生成一个空间均值滤波器R_filtered = imfilter(R, m);%分别对图像的R、G、B分量进行滤波。G_filtered = imfilter(G, m);B_filtered = imfilter(B, m);rgb_filtered = cat(3, R_filtered, G_filtered, B_filtered);figure, imshow(rgb_filtered); %见图6.10（e）例6.5 彩色图像锐化。I = imread(yellowRose.jpg);%见图6.10（a）imshow(I);lapMatrix = 1 1 1; 1 8 1; 1 1 1;% Laplacian模板I_tmp = imfilter(fb, lapMatrix, replicate);%滤波I_sharped = imsubtract(I, I_