图像处理MATLAB源码

图像反转

I=imread(‘nickyboom.jpg‘);

J=double(I);

J=-J+(256-1);                 %图像反转线性变换

H=uint8(J);

subplot(1,2,1),imshow(I);

subplot(1,2,2),imshow(H);

直方图均衡化

MATLAB 程序实现如下：

I=imread(‘nickyboom.jpg);

I=rgb2gray(I);

figure;

subplot(2,2,1);

imshow(I);

subplot(2,2,2);

imhist(I);

I1=histeq(I);

figure;

subplot(2,2,1);

imshow(I1);

subplot(2,2,2);

imhist(I1);

均值滤波器

I=imread(‘nickyboom.jpg‘);

subplot(231)

imshow(I)

title(‘原始图像‘)

I=rgb2gray(I);

I1=imnoise(I,‘salt & pepper‘,0.02);

subplot(232)

imshow(I1)

title(‘ 添加椒盐噪声的图像‘)

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(233),imshow(k1);title(‘3*3 模板平滑滤波‘);

subplot(234),imshow(k2);title(‘5*5 模板平滑滤波‘);

subplot(235),imshow(k3);title(‘7*7 模板平滑滤波‘);

subplot(236),imshow(k4);title(‘9*9 模板平滑滤波‘);

中值滤波器

I=imread(‘nickyboom.jpg‘);

I=rgb2gray(I);

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

k4=medfilt2(J,[9,9]);      %进行9*9模板中值滤波

subplot(233),imshow(k1);title(‘3*3模板中值滤波‘);

subplot(234),imshow(k2);title(‘5*5模板中值滤波 ‘);

subplot(235),imshow(k3);title(‘7*7模 板中值滤波‘);

subplot(236),imshow(k4);title(‘9*9 模板中值滤波‘);

边缘检测

I=imread(‘nickyboom.jpg‘);

subplot(2,3,1);

imshow(I);

title(‘原始图像‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

I1=im2bw(I);

subplot(2,3,2);

imshow(I1);

title(‘二值图像‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

I2=edge(I1,‘roberts‘);

subplot(2,3,3);

imshow(I2);

title(‘roberts算子边缘检测‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

I3=edge(I1,‘sobel‘);

subplot(2,3,4);

imshow(I3);

title(‘sobel算子边缘检测‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

I4=edge(I1,‘Prewitt‘);

subplot(2,3,5);

imshow(I4);

title(‘Prewitt算子边缘检测 ‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

I5=edge(I1,‘log‘);

subplot(2,3,6);

imshow(I5);

title(‘log算子边缘检测‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

自动阈值法：Otsu法

用MATLAB实现Otsu算法：

clc

clear all

I=imread(‘nickyboom.jpg‘);

subplot(1,2,1),imshow(I);

title(‘原始图像‘)

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

level=graythresh(I);     %确定灰度阈值

BW=im2bw(I,level);

subplot(1,2,2),imshow(BW);

title(‘Otsu 法阈值分割图像‘)

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

膨胀操作

I=imread(‘nickyboom.jpg‘);          %载入图像

I1=rgb2gray(I);

subplot(1,2,1);

imshow(I1);

title(‘灰度图像‘)

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

se=strel(‘disk‘,1);          %生成圆形结构元素

I2=imdilate(I1,se);             %用生成的结构元素对图像进行膨胀

subplot(1,2,2);

imshow(I2);

title(‘ 膨胀后图像‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

腐蚀操作

MATLAB 实现腐蚀操作

I=imread(‘xian.bmp‘);          %载入图像

I1=rgb2gray(I);

subplot(1,2,1);

imshow(I1);

title(‘灰度图像‘)

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系

se=strel(‘disk‘,1);       %生成圆形结构元素

I2=imerode(I1,se);        %用生成的结构元素对图像进行腐蚀

subplot(1,2,2);

imshow(I2);

title(‘腐蚀后图像‘);

axis([50,250,50,200]);

grid on;                  %显示网格线

axis on;                  %显示坐标系