任务:用MATLAB或VC或Delphi等实现图像直方图均匀化的算法。
clc;clear;close all; % 清除工作台 %
path(path,'..\pics'); % 设置路径 %
im=imread('AT3_1m4_01.tif'); % 读取图像 %
figure(1);imshow(im); % 显示图像 原始图像 %
imD=double(im); % 转为double类型 %
figure(3); % 准备画板 %
[M,N]=size(im); % 得到图像长宽信息 %
[counts,center]=imhist(im,32); % 将直方图均分为32个等级,默认为256个等级 %
counts=counts/(M*N); % 归一化 %
stem(center,counts); % 画图 图像像素分析 %
figure(4); % 准备画板 %
x=0:255; % 生成0~255的向量 %
hist(im(:),x); % 画直方图 像素分布 %
I=histeq(im); % 直方图均衡化 %
figure(5);imshow(I); % 显示图像 图像均衡化效果 %
figure(6); % 准备画板 %
hist(I(:),x); % 画直方图 均衡化的像素分布 %
任务:掌握傅立叶变换的基本原理和实现算法。
clc;clear;close all; % 清除工作台 %
path(path,'..\pics'); % 设置路径 %
I=imread('greens.jpg'); % 读取图像 %
figure(1);imshow(I); % 显示图像 原始图像 %
sI=rgb2gray(I); % 转换为灰度图 %
I=im2double(I); % 转为double类型 %
figure(2);imshow(I,[0,1]); % 显示图像 灰度化的图像 %
F=fft2(I); % 傅里叶变换 %
Fm=abs(F); % 取绝对值 %
T=log(Fm+1); % 取log %
figure(3);imshow(T,[]); % 显示图像 快速傅里叶变化后的图像 %
Ff=fftshift(F); %对傅里叶变换后的图像进行象限转换
Fm=abs(Ff); % 取绝对值 %
T=log(Fm+1); % 取log %
figure(4);imshow(T,[]); % 显示图像 象限转换 %
J=ifft2(F); % 快速傅里叶逆变换 %
figure(5);imshow(J,[0,1]); % 显示图像 快速傅里叶逆变化的图像 %
讨论不同的图像内容与频谱之间的对应关系.
因为频谱图表示图像梯度的分布图,所以原图和频率图上的点不是一一对应的,频谱图上的点表示空域图某点的灰度梯度大小,梯度大其频率高,暗的点数多,就是说其原图像素梯度较小,频率低,图像就较柔和。
任务:掌握图像平滑算法的基本原理。
clc;clear;close all; % 清除工作台 %
path(path,'..\pics'); % 设置路径 %
im=imread('pout.tif'); % 读取图像 %
im=double(im); % 转换为double类型 %
im=im/max(im(:)); % 归一化 %
figure(1);imshow(im,[0,1]);title('ground truth'); % 显示图像 原始图像 %
P1 = imnoise(im,'gaussian',0,0.005); % 添加高斯噪声
figure(2);imshow(P1,[0,1]); title('gaussian noise'); % 显示噪声图像 添加高斯噪声 %
P2 = imnoise(im,'salt & pepper',0.02); % 添加椒盐噪声
figure(3);imshow(P2,[0,1]); title('salt& pepper noise'); % 显示噪声图像 添加椒盐噪声 %
a=[1 1 1;1 1 1;1 1 1]; % 建立3x3的全1的矩阵 %
template1=(1/9)*a; % 模板 %
imAve=conv2(double(P1),double(template1)); % 卷积 %
figure(4);imshow(imAve,[0,1]); title('average filter'); % 显示图像 均值滤波 %
imMed=medfilt2(P1,[3,3],'symmetric'); % 中值滤波 %
figure(5);imshow(imMed,[0,1]);title('median filter'); % 显示图像 中值滤波 %
psf=fspecial('gaussian',3,1); % 生成高斯滤波器(也叫算子) %
imGau=imfilter(P1,psf,'conv','symmetric'); % 应用滤波 %
figure(6);imshow(imGau,[0,1]); title('gaussian filter'); % 显示图像 高斯滤波 %
任务: 掌握图像锐化算法的基本原理。
function [edge]= RobertsOperator(pic)
edge = zeros(size(pic));
h = size(pic, 1);
w = size(pic, 2);
for i = 1 : h - 1
for j = 1 : w - 1
edge(i, j) =abs(pic(i, j) - pic(i + 1, j + 1)) + abs(pic(i, j + 1) - pic(i + 1, j));
end
end
end
function [edge] = SobelOperator(pic)
edge = zeros(size(pic));
h = size(pic, 1);
w = size(pic, 2);
gx = [-1, -2, -1; 0, 0, 0; 1, 2, 1];
gy = gx';
for i = 2 : h - 1
for j = 2 : w - 1
sub = double(pic(i - 1 : i + 1, j - 1 : j + 1));
g1 = abs(sum(sum(sub .* gx)));
g2 = abs(sum(sum(sub .* gy)));
if g1 > g2
edge(i, j) = g1;
else
edge(i, j) = g2;
end
end
end
end
function [edge] = PrewittOperator(pic)
edge = zeros(size(pic));
h = size(pic, 1);
w = size(pic, 2);
gx = [-1, -1, -1; 0, 0, 0; 1, 1, 1];
gy = gx';
for i = 2 : h - 1
for j = 2 : w - 1
sub = double(pic(i - 1 : i + 1, j - 1 : j + 1));
g1 = abs(sum(sum(sub .* gx)));
g2 = abs(sum(sum(sub .* gy)));
if g1 > g2
edge(i, j) = g1;
else
edge(i, j) = g2;
end
end
end
end
function [edge] = LaplaceOperator(pic)
edge =zeros(size(pic));
h = size(pic, 1);
w = size(pic, 2);
l = [0, 1, 0; 1, -4, 1; 0, 1, 0];
for i = 2 : h - 1
for j = 2 : w - 1
sub = double(pic(i - 1 : i + 1, j - 1 : j + 1));
d = sum(sum(sub .*l));
edge(i, j) =d;
end
end
end
clc;clear;close all; % 清除工作台 %
path(path,'..\pics'); % 设置路径 %
im=imread('pout.tif'); % 读取图像 %
im=double(im); % 转换为double类型 %
im=im/max(im(:)); % 归一化 %
figure(1);imshow(im,[0,1]);title('ground truth'); % 显示图像 原始图像 %
result=RobertsOperator(im); % Roberts边缘检测 %
result=result/max(result(:)); % 归一化 %
figure(2);imshow(result,[0,1]);title('Roberts'); % 显示检测图像 Roberts算子 %
result=SobelOperator(im); % Sobel边缘检测 %
result=result/max(result(:)); % 归一化 %
figure(3);imshow(result,[0,1]);title('Sobel'); % 显示检测图像 Sobel边缘检测 %
result=PrewittOperator(im); % Prewitt边缘检测 %
result=result/max(result(:)); % 归一化 %
figure(4);imshow(result,[0,1]);title('Prewitt'); % 显示边缘检测结果 Prewitt边缘检测 %
result=LaplaceOperator(im); % Laplace边缘检测 %
result=result/max(result(:)); % 归一化 %
figure(5);imshow(result,[0,1]);title('Laplace'); % 显示边缘检测结果 Laplace边缘检测结果 %
简单实现梯度计算
function [Px,Py] = my_gradient(im) [h, w] = size(im); Px = zeros(h, w); Py = zeros(h, w); for i=2:h-1 for j=2:w-1 Px(i, j) = abs(im(i + 1, j)-im(i - 1, j)); Py(i, j) = abs(im(i, j + 1)-im(i, j - 1)); end end
手机扫一扫
移动阅读更方便
你可能感兴趣的文章