数字图像处理PPT(MATLAB版)VIP专享VIP免费

数字图像处理浙江大学/1、图像的读取和显示/2、图像的点运算/4、空间域图像增强/5、频率域图像增强/6、彩色图像处理/7、形态学图像处理/8、图像分割/9、特征提取/3、图像的几何变换/1、图像的读取和显示一、图像的读取A=imread(FILENAME,FMT)FILENAME指定图像文件的完整路径和文件名。如果在work工作目录下只需提供文件名。FMT为图像文件的格式对应的标准扩展名。I_1=imread('D:\10.06.08nir\TTC10377.BMP');%读入图像二、图像的写入imwrite(A，FILENAME,FMT)FILENAME参数指定文件名。FMT为保存文件采用的格式。imwrite(I6,'nirdilatedisk2TTC10373.bmp');/1、图像的读取和显示三、图像的显示imshow(I,[lowhigh])I为要显示的图像矩阵。[lowhigh]为指定显示灰度图像的灰度范围。高于high的像素被显示成白色；低于low的像素被显示成黑色；介于High和low之间的像素被按比例拉伸后显示为各种等级的灰色。figure；imshow(I6);title('TheMainPassPartofTTC10373');figure；%创建一个新的窗口figure；subplot（m,n,p）；imshow（I）；Subplot(m,n,p)含义为：打开一个有m行n列图像位置的窗口，并将焦点位于第p个位置上。/1、图像的读取和显示四、图像的格式转换im2bw(I,LEVEL);rgb2gray;从RGB图创建灰度图，存储类型不变。im2uint8将图像转换成uint8类型阈值法从灰度图、RGB图创建二值图。LEVEL为指定的阈值；（0,1）。im2double将图像转换成double类型/2、图像的点运算灰度直方图描述了一副图像的灰度级统计信息，主要应用于图像分割和图像灰度变换等处理过程中。从数学角度来说，图像直方图描述图像各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或概率。归一化直方图可以直接反映不同灰度级出现的比率。横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。imhist(I);%灰度直方图I=imread(‘red.bmp’);%读入图像figure;%打开新窗口[M,N]=size(I);%计算图像大小[counts,x]=imhist(I,32);%计算有32个小区间的灰度直方图counts=counts/M/N;%计算归一化灰度直方图各区间的值stem(x,counts);%绘制归一化直方图一、图像直方图图像直方图归一化/2、图像的点运算二、灰度的线性变换BAAABfDfDfDFa>1时，输出图像的对比度将增大；Fa<1时，输出图像对比度将减小。Fa=1且Fb非零时，所有像素的灰度值上移或下移，使整个图像更暗或更亮。Fa<0，暗区变亮，亮区变暗。/2、图像的点运算三、灰度的对数变换skctlogc为尺度比例常数，s为源灰度值，t为变换后的目标灰度值。k为常数。灰度的对数变换可以增强一幅图像中较暗部分的细节，可用来扩展被压缩的高值图像中的较暗像素。广泛应用于频谱图像的显示中。Warning：log函数会对输入图像矩阵s中的每个元素进行操作，但仅能处理double类型的矩阵。而从图像文件中得到的图像矩阵大多是uint8类型的，故需先进行im2double数据类型转换。I=imread('nir.bmp');%读入图像F=fft2(im2double(I));%FFTF=fftshift(F);%FFT频谱平移F=abs(F);T=log(F+1);%频谱对数变换figure;imshow(F,[]);title('未经变换的频谱');figure;imshow(T,[]);title('对数变换后');/2、图像的点运算三、灰度的Gamma变换espxy其中，x、y的取值范围为[0,1]。esp为补偿系数，r则为Gamma系数。Gamma变换是根据r的不同取值选择性的增强低灰度区域的对比度或者高灰度区域的对比度。J=imadjust(I,[low_inhigh_in],[low_outhigh_out],gamma)I=imread('nir.bmp');figure;imshow(imadjust(I,[],[],0.75));%gamma=0.5title('Gamma0.5');原NIR图像Gamma0.5四、灰度阈值变换及二值化Gamma1.5TxTxxf2550T为指定阈值BW=im2bw(I,level);%level为人工设定阈值范围为[0,1]thresh=graythresh(I);%自动设定所需的最优化阈值OTSU算法：最大类间方差法自动单阈值分割。Kapur算法：一维直方图熵阈值算法niblack算法：局部阈值分割阈值的计算公式是T=m+k*v，其中m为以该像素点为中心的区域的平均灰度值，v是该区域的标准差，k是一个系数。kittlerMet:表示kittler最小分类错误(minimumerror...