老郑MATLAB15题作业分析和总结.docx

《老郑MATLAB15题作业分析和总结.docx》由会员分享，可在线阅读，更多相关《老郑MATLAB15题作业分析和总结.docx（32页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第2题一直方图的不同图下的图像效果比较img=imread(D:Lena.bmp,);subplot(231),imshow(img);title(图 V);subplot(234),imhist(img);title(，图 1 的直方图) img=imread(,D:Peppers.bmp,);subplot(232),imshow(img);title(图 2);subplot(235),imhist(img);title(图 2 的直方图); img=imread(D:Cameraman.bmp);subplot(233),imshow(img);title(图 3);subplot(2

2、36),imhist(img);titleC图 3 的直方图);效果图：图1图2图3subplot(121);imshow(img); %这里y为变换后图像的高度，x为变换后图像的宽度 原图)；v u=size(img);%原图像的高度%原图像的宽度%宽高比h=v;w=u;pro=w/h;%虽然这段程序是本人写的，不过这个仿射变换系数 还是不太好表述，暂时是本人现在的理解。%仿射变换系数，变换后图像的倾斜强度。取值区间为 (0,1)为图像向右上错切；取。时不变换图像；取1时为垂直错切，不显图像；大于1时向左下错切图像%区间为(L0)为向左上错切图像；为时垂直错 切，不显图像；小于J时为右下错切

3、图像。系数过大 或过小处理时间会很长，再大/再小就会报错aff_cof=0.15;theta=jiaodu/180*pi;roti =cos(theta) -sin(theta) 0;sin(theta) cos(theta) 0;0 0 1;%旋转变换矩阵rot2=l aff_cof*pro O;aff_cof*(l/pro) 1 0;0 0%错切变换矩阵%联合变换矩阵%变换后图像左上点的坐标%变换后图像右上点的坐标 %变换后图像左下点的坐标 %变换后图像右下点的坐标1;rot=rot2*rotl;inv_rot=inv(rot);pixl=l 1 l*rot;pix2=l u l*rot;

4、pix3=v 1 l*rot;pix4=v u l*rot;height=round(max(abs(pixl(H)-pix4(H)+0.5 abs(pix2(H)-pix3(H)+0.5); %变换后图像的高度 width=round(max(abs(pixl(W)-pix4(W)+0.5 Qbs(pix2(W)pix3(W)+0.5);%变换后图像的宽度 imgn=zeros(heightwidth);delta_y=abs(min(pixl (H)pix2(H)pix3(H)pix4(H);%取得y方向的负轴超出的偏移量delta_x=abs(min(pixl (W)pix2(W)pix

5、3(W)pix4(W);%取得x方向的负轴超出的偏移量for y=l -delta_y:height-delta_yfor x=l -delta_x:width-delta_x pix=y x l*inv_rot; %用变换后图像的点 的坐标去寻找原图像点的坐标%否则有些变换后的图像的像素点无法完全填充if pix(H)=0.5 & pix(W)=0.5 &pix(H)=v&pix(W)h(1Jl+l)zO=z(Lj1);%zO为临时变量Z(1J1)=Z(1J1+1)； z(Ljl+l)=zO;endendend%最小方差已经求出，即对应z(1,1)这个向量，即对应的方差最小的模板y(izj)

6、=mean( z(1J) );%中心像素获得最小方差 模板对应的均值%y(izj)=median( z(1zl);%中心像素获得最小方 差模板对应的中值endend主函数：l=imread(D:LenaRGB.bmp);I=rgb2gray(l);e f=size(l);%J=imnoise(l/salt & pepper,0.030);J=imnoise(l/gaussian0/0.0002);仁grayminvariance(J);%灰度最小方差的均值滤波subplot。,2,1),imshow(J),title(原图处理)；subplot(1 z2z2)zimshow( uint8(l)

7、 ),title(灰度最小方差的均值滤波)；效果图:原图处理灰度最小方差的均值滤波第30题-图像锐化处理阶微分算子（垂直水平）的应用例原理：垂直微分算子的设计思想与水平方向相同，通过一个可以检测出 垂直方向上的像素值的变化模板来实现。l=imread(D:Lena.bmp1)；subplot(121)jmshow(l);title(原始图像 ll=eye(514z514);for i=2:513forj=2:513end end11(2:513,1)=1(:2);11(2:513Z514)=I(:Z511);H(L：)=H(3Z:);11(514/)=11(512/);IX=zeros(512

8、/512);IY=zeros(512z512);Hl=-1 0 1-10 1-1 01;H2=-l -1 -1 000 1 11;for i=2:513forj=2:513Blockl =ll(i-l:i+1zj-l:j+l);X1=Blockl(:);suml=sum(Xl.*Hl); sum2=sum(X1 .*H2);IX(iJ)=sum1;IY(izj)=sum2;end endIX=-IX;IY=-IY;subplot(l 22)zimshow(IXz0 51一阶垂直锐化)；效果图:原始图像一阶垂直锐化第34题-图像锐化处理-二阶微分算子Lapac ian算子 应用例原理：Lapla

9、cian算子是线性二阶微分算子，由于灰度均匀的区域或斜 坡中间二阶差分为0,所以laplacian算子在这一区域对图像的不起 作用或者说作用很少，而对于图像的斜坡或低灰度侧形成的下冲和在斜 坡顶或高灰度侧形成的上冲部分，laplacian表现出很强的突出边缘 的功能。第6题-动态范围-线性动态范围调整效果例线性调整：线性调整是将输入图像灰度值的动态范围按线性关系公式拉伸扩展 至指定范围或整个动态范围。可突出感兴趣目标，抑制不感兴趣的目 标。在实际运算中，原图像f(x,y)的灰度范围为a,b,使变换后图像g(x,y) 的灰度扩展为c,d,则采用下述线性变换来实现：d - cg(%, y) = -

10、f(X,y)-a + c线性灰度变换对图像每个灰度范围作线性拉伸，将有效地改善图像视 觉效果。A=imread(D:Lena.bmp；bmp); % 读入图 像B=imadjust(A,0.L0.8U0,1D； %灰度调整imwrite(B；D: LenaTZ.bmp1)；%图像保存subplot(221);imshow(A);title(原图);% 显示调整前后图像及其直方图subp(222);imhist(A);州e。原图的直方图】 subplot(223);imshow(B);titlef 线性调整后 subplot(2,2,4);imhist(B);州 e(调整后直方图)；效果图：la

11、placian算子是利用边缘像素灰度值两旁的灰度值形成的屋顶 状变化来对图像进行锐化。amreadCDALena.bmp1)；h=0 -1 0-15-10-1 0;j=conv2(a/h/same);subplot。,2,1)； imshow(a); title(原始图像)；subplot(L2,2); imshow0z); title(laplcicicin算子锐化后图像,);效果图：原始图像Laplacian算子锐化后图像第38题-基于图像灰度分布的阈值图像分割方法-灰 度直方图的峰谷方法原理：峰谷法又称状态法。状态法首先统计最简单图像的灰度直方图, 若呈双峰且有明显的谷，则可以将谷所对应

12、的灰度t作为阈值。通过 二值化处理，将目标分割出来。特点：适用于目标和背景的灰度差较大，直方图有明显谷的情况。 方法简单，但会受到噪声的干扰。改进：取均值、平滑等。t代码:tl=imread(D:Lena.bmp);subplot(221),imshow(l);title( JM 图);subplot(223),imhist(l);title(原图的直方图)； newl=im2bw(l,150/255);subplot(222),imshow(newl);title(分害！)后的图像);subplot(224),imhist(newl);title(分割后的灰度直方图）；效果图:原图分割后的图

13、像原图的直方图分割后的灰度直方图第42题-最大炳方法进行灰度图像分割原理：阈值分割是图像处理中的基本方法。常用的阈值分割法有最小误 差阈值法，最大类别方差法及最大熠法等。以往提出的大部分烯阈值分 割方法都是基于图像的一维灰度直方图的，之后有学者将其推广到二维 的情形，也有人将模糊性引入最大焙原则，提出模糊c分类的最大牖原 则，以获得最佳分割阈值。该方法有较好的适应性，不需要先验知识， 且对于非理想双峰直方图的图像也可进行分割。但由于该方法用穷尽搜 索寻找全局最优解，因此计算复杂，耗时长，影响此算法的实际应用和 推广。目前，一些学者尝试将进化算法和最大牖图像分割方法相结合， 以缩短运算时间，降低

14、计算复杂性，提高算法的实际应用价值。基于最大烯准则的图像分割l=imread(vD:Lena.bmpv);h=imhist(l);hl=h;len=length(h); %求出所有的可能灰度mzn=size(l);h1=(h1+eps)/(m*n);%算出各灰度点出现的概率%具体算法for i=l:(len-l)if h(i)=0PI =sum(h(l:i)/(m*n);P2=sum(h(i+1 ):len)/(m*n);elsecontinue;endHl (i)=-(sum(hl (1 :i).*log10(hl (i+1);H2(i)=-(sum(hl (i+1 ):len).*logl

15、 0(hl (i+1 )：len);H(i)=(l/Pl )*H1 (i)+H2(i)*(1 /P2)+logl O(P1 *P2);endml =max(H);%获得最大焙%subplot(121 JJmshowdborderYtightJitleCJ ffi)；l1=im2bw(l,m1/255);% 阈值分割Il=mat2gray(ll);subplot(122),imshow(IL，border,tight,);title(,分害!J后,);效果图:原图分割后第50题-综合边缘检测法在边缘检测中的应用l=imread(D:Lena.bmp,)； %读取原始图像 subplot(221)

16、zimshow(l);title( 图BWedgefl/robertsJRobertsMTiiSil subplot(222)Jmshow(BWl );title(Roberts M 子边 缘检测)；BW2=edge(l,prewitf);%Prewitt算子边缘检双!I subplot(223)jmshow(BW2);title(Prew 附算子边缘 检测)；BW3=edge(l-sobel);%SobH 算子边缘检测subplot(224)zimshow(BW3);title(Sobel 算子边缘检测)；BW4=edge(l；log ); %LOG算子边缘检测 figure;subplot

17、(221),imshow(BW4);title(LOG 算子边缘检 测1)；BW5=edge(l/canny,)； %Canny算子边缘检测 subplot(222)/imshow(BW5);title(,CannyMJf 检测】BW6=edge(l；zerocross); %过零点方法边缘检测 subplot(223),imshow(BW6);州 e(过零点方法边缘 检测】BW7=edge(l/zerocross,/0); %过零点阈值取零边缘 检测subplot(224)jmshow(BW7);卅1式过零点阈值取零 边缘检测)；效果图：原图Robe rts算子边缘检测P re witt算子

18、边缘检测Sobel算子边缘检测LOG算子边缘检测Canny算子边缘检测过零点阑值取零边缘检测过零点方法边缘检测第54题-腐蚀与膨胀效果举例膨胀原理：膨胀：将与物体接触的所有背景点合并到该物体中，使边界向外 部扩张的过程。利用它可以填补物体中的空洞。B对X膨胀所产生的 二值图像D是满足以下条件的点(x,y)的集合:如果B的原点平移到 点(x,y),那么它与X的交集非空。方法：可以使用imdilate函数进行图像膨胀，imdilate函数需要两个 基本输入参数，即待处理的输入图像和结构元素对象。结构元素对象 可以是strel函数返回的对象，也可以是一个自己定义的表示结构元 素邻域的二进制矩阵。此外

19、，imdilate还可以接受两个可选参数： PADOPT(padopt) 影响输出图片的大小、PACKOPT(packopt). 说明输入图像是否为打包的二值图像(二进制图像)。规则：超出图像边界的像素值定义为该数据类型允许的最小值，对于二 进制图像，这些像素值设置为0；对于灰度图像，unit8类型的最小 值也为0。BW=zeros(90J00);BW(40:60,40:70) =10;SE=strel(square,z30);BW2=imdilate(BWzSE);subplot。21);imshow(BW);titleCJM S); subplot(122);imshow(BW2);tit

20、le(膨胀后);效果图：原图膨胀后腐蚀原理：腐蚀：一种消除边界点，使边界向内部收缩的过程。利用它可以 消除小而且无意义的物体。B对X腐蚀所产生的二值图像E是满足以 下条件的点（x,y）的集合：如果B的原点平移到点（x,y）,那么B将 完全包含于X中。方法：可以使用imerode函数进行图像腐蚀。imerode函数需要两个基 本输入参数：待处理的输入图像以及结构元素对象。止匕外，imerode 函数还可以接受3个可选参数：PADOPT（padopt）影响输出图片 的大小、PACKOPT（packopt）.说明输入图像是否为打包的二值图 像（二进制图像）。M指定原始图像的行数。规则：超出图像边界的

21、像素值定义为该数据类型允许的最大值，对于二 进制图像，这些像素值设置为1;对于灰度图像，unit8类型的最小 值也为255oBW1 =imread(D:Cameraman.bmp);SE=strel(,arbitraryeye(5);BW2=imerode(BW1 ,SE);subplot(121);imshow(BW1);title(原图);subplot(122);imshow(BW2);title(腐蚀后);效果图:原图腐蚀后原图原图3000原图的直方图调整后图第10题-基于灰度调色板的伪彩色方法例伪彩色处理:根据特定的准则将灰度图像转换为索引图像，或者将彩色图像转换成给定彩色分布的图像

22、的过程.灰度级一彩色变换法伪彩色处理关键技术：调色板的编码方法在一个预定的调色板中查找该数值所对应的颜色II =imread(D:LenaRGB.bmp,)； subplot(121 );imshow(ll); title(原图)；第58题-白平衡处理方法应用例原理：这个算法是通过对图片的ycbcr色空间的分析来确定参考白点 的，所以次算法可以说是自适应白平衡算法。本算法选择参考白点的阀 值是动态变化的，所以对于不同的图片，其阀值也不同。通过对图片的 cbcr坐标空间的分析，我们可以看到一个接近白色的区域(near-white region)是包含着参考白点的。通过这个思路，我们 可以通过对图

23、片分区，然后找出参考白点，然后在通过von kvies model来调整图片时期实现白平衡。这样，这个算法就包括了两个步 骤了：寻找参考白点，白点调整。寻找参考白点：为了确定一个接近白色的区域，我们就必须把RGB色空间转换成 YCbCr色空间。色空间转换后，就是计算Cb、Cr的均值Mb、Mr；然后通过下式 计算Cb、Cr的均方差Db、Dr：为了提高算法的稳健性，将图片分为几个区域并且计算每个区域 的Mb、Mr、Db、Dr,如果一个区域的Db, Dr太小，那么这个区域就 没有足够的色彩变化，就可以丢弃掉了。这样可以避免大面积的统一 色调对结果的影响。接下来就可以通过下面的关系式得到接近白色区域的

24、所有像素 点了：根据亮度值，我们选择接近白色区域中的10%的候选参考白点最 为参考白点。在白点确定后，就可以从参考白点中得到信道增益的值 了。为了维持整幅图片的亮度不变，亮度的最大值被用来得到信道增 益。所以信道增益不及和参考白点有关还与亮度的最大值有关，其表 达式如下：其中是整幅图片像素的亮度最大值，、和是参考白点的RGB信道 的均值。最后，根据von-kvies model来调整图片，使其达到白平衡的效 果。调整的表达式如下：其中RGB是图片的像素点的三个信道值，是调整之后的图片的像 素点的三个信道值。im=imread(D:LenaRGB.bmp)；im2=im;iml =rgb2ycb

25、cr(im);%将图片的RGB值转换成YCbCr 值 Lu=iml(:z:z1);Cb=im1(:,:,2);Cr=iml(:z:z3);x y z=size(im);tst=zeros(xzy);%计算Cb、Cr的均值Mb、Mr%Mb=mean(mean(Cb);Mr=mean(mean(Cr);%计算Cb、Cr的均方差%Db=sum(sum(Cb-Mb)/(x*y);Dr=sum(sum(Cr-Mr)/(x*y);%根据阀值的要求提取出nearwhite区域的像素点 cnt=l;for i=l:xforj=l:ybl =Cb(izj)-(Mb+Db*sign(Mb);b2=Cr(iJ)-(

26、1.5*Mr+Dr*sign(Mr);if(b1abs(1.5*Db) & b2abs(1.5*Dr) Ciny(cnt)=Lu(ij);tst(ij)=Lu(ij);cnt=cnt+1;endendendcnt=cnt-l;iy=sort(Ciny；descend);%将提取出的像素点从亮 度值大的点到小的点依次排列% nn=round(cnt/10);Ciny2(l :nn)=iy(l :nn);% 提取出 near-white 区域中 10%的亮度值较大的像素点做参考白点%提取出参考白点的RG B三信道的值% mn=min(Ciny2);for i=l:xfor j=l:yif tst(

27、izj)mn tst(ij)=O;elseendendendR=im(:z:,l);G=im(:,:,2);B=im(:z:,3)；R=double(R).*tst;G=double(G).*tst;B=double(B).*tst;%计算参考白点的RGB的均值%Rav=mean(mean(R);Gav=mean(mean(G);Bav=mean(mean(B);Ymax=double(max(max(Lu)/l 5;% 计算出图片的亮度的最大值%计算出RGB三信道的增益Rgain=Ymax/Rav;Ggain=Ymax/Gav;Bgain=Ymax/Bav;%通过增益调整图片的RGB三信道)

28、*Rgain;im(:/:/2)=im(:/:z2)*Ggain;%显zj图片subplot。,2,1);imshow(im2)州 e(,原图);subplot。,2,2);imshow(im)川e(白平衡后的效果图);效果图：白平面后的效果图I=rgb2gray(ll);subplot(122);imshow(l);titleC灰度处理后)；x=grayslice(az256);figurejmshow(azhot(256);州伪彩色图像1效果图：原图灰度处理后伪彩色图像第14题-图像的镜像例 %镜像变换A=imread(D:LenaRGB.bmp);height/width/dim=siz

29、e(A);tform=maketform(affine-l 0 0;0 1 O;width 01);%定义水平镜像变换矩阵B=imtransform(Aztform/nearest,)； tform2=maketform(,affine,/l 0 0;0 -1 0;0 height ID；%定义垂直镜像变换矩阵C=imtransform(A/tform2/nearest);subplot(l z3/l )Jmshow(A);title(原图像)；subplot。,3,2),imshow(B);水平镜像subplot(1 z3z3)zimshow(C);title(竖直镜像】效果图：原图像水平镜

30、像竖直镜像第18题-基于局部均值的图像缩小方法原理：计算采样间隔，得到/,和A/,求出相临两个采样点之间所包含的 原图像的子块,即为： ffc）+1 ,A/（户）+1jQ 0 9F =：（ ffL /（上1）+1A/-/,；-/ _利用g（j, j） = Ri, J）的均值，求出缩小的图像.例2如上例子，由式（5）可以将图像F分块为：function y=resize(azmull zmul2)mzn=size(a)nl=n*mul2;forfor j=l:nl;b(i/j)=a(round(i/mull)zround0/mul2);endendy=b;l=imread(D:Lena.bmp)

31、;subplot(211)zimshow(l);title( JI 图J=resize(l/0.5/0.3);subplot(212)zimshow(J);title(W,);效果图：缩小前的图片缩小后的图片第22题-利用错切实现图像的旋转原理：错切(shear)是一种使对象形状发生变化的变换.经过错切的对 象好像是由已经相互滑动的内部夹层组成.常用的错切变换有两种: 改变x坐标值和改变y坐标值.H=l;%索引pix中第一个元素，即高度W=2;%索引pix中第二个元素，即宽度jiaodu=0;%要旋转的角度，旋转方向为顺时针img=imread(D:Lena.bmp)； % 这里 v 为原图像的 高度，u为原图像的宽度