MathWorks Matlab R2020a v9.8.0 中文永久授權(quán)版(附序列號+激活補丁+教程) Win64位

• 類型：編程其它
• 大?。?/span>20.8GB
• 語言：簡體中文
• 時間：2021-05-11

查看詳情

Mathworks Matlab R2021b (9.11.0) 中文完美授權(quán)版(含激活補丁+教程) Win64

• 類型：編程其它
• 大?。?/span>19.3GB
• 語言：簡體中文
• 時間：2021-09-26

查看詳情

一、圖像的讀取

A=imread(‘1.bmp’); %讀入圖像

二、圖像的寫入

mwrite(A,‘test.bmp’);

三、圖像的顯示

imshow(I,[low high]);

I為要顯示的圖像矩陣。[low high]為指定顯示灰度圖像的灰度范圍。 高于high的像素被顯示成白色；低于low的像素被顯示成黑色；介于 High和low之間的像素被按比例拉伸后顯示為各種等級的灰色。

四、創(chuàng)建窗口

figure；%創(chuàng)建一個新的窗口

subplot(m,n,p); 打開一個有m行n列圖像位置的窗口，并將焦點位于第p個位置上。

五、圖像的格式轉(zhuǎn)換

A=im2bw(I,LEVEL); //閾值法從灰度圖、RGB圖創(chuàng)建二值圖。LEVEL為指定的閾值(0,1)。

A=rgb2gray(I);從RGB圖創(chuàng)建灰度圖

A=im2uint8(I);將圖像轉(zhuǎn)換成uint8類型

A=im2double(I); 將圖像轉(zhuǎn)換成double類型

六、灰度直方圖

imhist(I);

[M,N]=size(I); %計算圖像大小
[counts,x]=imhist(I,32);%計算有32個小區(qū)間的灰度直方圖 
counts=counts/M/N;%計算歸一化灰度直方圖各區(qū)間的值 
stem(x,counts);%繪制歸一化直方圖

七、伽馬變換

J=imadjust(I,[low_in high_in],[low_out high_out],gamma)

I=imread('1.bmp'); 
I = rgb2gray(I);
I = imadjust(I,[],[],0.5);
figure;imshow(I); %gamma=0.5 
title('Gamma 0.5');

八、圖像二值化

BW=im2bw(I,level);%level為人工設定閾值范圍為[0 ,1]

九、閾值變換

thresh=graythresh(I);%自動設定所需的最優(yōu)化閾值

十、直方圖均衡化

[J,T]=histeq(I); %J為輸出圖像，T為變換矩陣

十一、圖像平移

strel(); //創(chuàng)建形態(tài)學結(jié)構(gòu)元素

translate(SE,[y x])%原結(jié)構(gòu)元素SE上y和x方向平移

imdilate%形態(tài)學膨脹

I=imread(1.bmp'); 
se=translate(strel(1),[180 190]); 
B=imdilate(I,se); 
figure;
subplot(1,2,1);
subimage(I);
title('原圖像');
subplot(1,2,2);
subimage(B);
title('平移后圖像');

十二、圖像鏡像

B=imtransform(A,tform,method);

tform=makeform(transformtype,matrix);%空間變換結(jié)構(gòu)

參數(shù)transformtype指定了變換的類型，常見的’affine’為二維或 多維仿射變換，包括平移、旋轉(zhuǎn)、比例、拉伸和錯切等。 matrix為相應的仿射變換矩陣。

A=imread(1.bmp'); 
[height,width,dim]=size(A); 
tform=maketform('affine',[-1 0 0;0 1 0;width 0 1]); 
B=imtransform(A,tform,'nearest'); 
tform2=maketform('affine',[1 0 0;0 -1 0;0 height 1]); 
C=imtransform(A,tform2,'nearest'); 
figure;imshow(B); //水平鏡像
figure;imshow(C); //垂直鏡像

十三、圖像轉(zhuǎn)置

A=imread(1.bmp'); 
tform=maketform('affine',[0 1 0;1 0 0;0 0 1]); 
B=imtransform(A,tform,'nearest'); 
figure;imshow(B);

十四、圖像中心旋轉(zhuǎn)

B=imrotate(A,angle,method,’crop’);

angle為旋轉(zhuǎn)角度，正值為逆時針旋轉(zhuǎn)?？蛇x參數(shù)method為imrotate函數(shù)指定 插值方法。‘crop’選項會裁減旋轉(zhuǎn)后增大的圖像，保持和原圖像同樣大小

A=imread('nir.bmp'); 
B=imrotate(A,30,'nearest','crop'); 
figure;imshow(B); //逆時針旋轉(zhuǎn)30°

十五、添加噪聲

h=imnoise(I,type,parameters);

十六、圖像濾波

B=imfilter(f,w,option1,option2,…);

f 為要進行濾波操作的圖像。

w為濾波操作使用的模板，為一個二維數(shù)組，可自己定義。

option1……是可選項，包括：

1、邊界選項（’symmetric’、’replicate’、’circular’）

2、尺寸選項（’same’、’full’）

3、模式選項（’corr’、’conv’）

十七、濾波器設計

h=fspecial(type,parameters)parameters為可選項，是和所選定的濾波器類型type相關(guān)的 配置參數(shù)，如尺寸和標準差等。 type為濾波器的類型。其合法值如下：

十八、中值濾波

I=medfilt2(I1,[m,n]);

m和n為中值濾波處理的模板大小，默認3*3

十九、圖像銳化

1、Robert交叉梯度

I=imread(1.bmp'); 
I=double(I);%雙精度化 
w1=[-1 0;0 1]; 
w2=[0 -1;1 0]; 
G1=imfilter(I,w1,‘corr’,‘replicate’);%正45°梯度 
G2=imfilter(I,w2,‘corr’,‘replicate’);%負45°梯度 
G=abs(G1)+abs(G2);%計算Robert梯度 
figure;imshow(G,[]); 
figure;imshow(abs(G1),[]); 
figure;imshow(abs(G2),[]);

2、高斯-拉普拉斯銳化

I=imread('1.bmp'); 
J=double(I);%雙精度化 
h1=fspecial('log',5,0.5);%大小為5，sigma=0.5的LOG算子 
I1=imfilter(J,h1,'corr','replicate'); 
figure;imshow(uint8(abs(I1)),[]); 
h2=fspecial('log',5,2);%大小為5，sigma=2的LOG算子 
I2=imfilter(J,h2,'corr','replicate'); 
figure;imshow(uint8(abs(I2)),[]);

二十、傅里葉變換

I=fft2(x);%快速傅里葉變換

I=fft2(x,m,n); x為輸入圖像；

m和n分別用于將x的第一和第二維規(guī)整到指定的長度。

I1=abs(I);%計算I的幅度譜

I2=angle(I);%計算I的相位譜

Y=fftshift(I);%頻譜平移

I=ifft2(x);%快速傅里葉逆變換 I=ifft2(x,m,n);

二十一、圖像腐蝕

I2=imerode(I,SE);

SE=strel(shape,parameters);

I為原始圖像，可以是二值或者灰度圖像。

shape指定了結(jié)構(gòu)元素的形狀。

parameters是和輸入shape有關(guān)的參數(shù)。

二十二、圖像膨脹

J=imdilate(I,SE);

SE=strel(shape,parameters);

I為原始圖像，可以是二值或者灰度圖像。

shape指定了結(jié)構(gòu)元素的形狀。

parameters是和輸入shape有關(guān)的參數(shù)

二十二、開閉運算

SE=strel(shape,parameters);

I2=imopen(I,SE);%開運算

I3=imclose(I,SE);%閉運算

二十三、連通分量提取

[L num]=bwlabel(Ibw,conn);

Ibw為一幅輸入二值圖像。

conn為可選參數(shù)，指明提取連通分量是4連通還是8連通。默認為8。

L為連通分量標注圖像。

num為二值圖像Ibw中連通分量個數(shù)。

二十四、形態(tài)學處理

I=bwmorph(I,operation,n)

二十五、圖像分割

1、基于梯度算子的邊緣檢測

BW=edge(I,type,thresh,direction,’nothinning’) ;

thresh是敏感度閾值參數(shù)，任何灰度值低于此閾值的邊緣將不 會被檢測到。默認值為空矩陣[]，此時算法自動計算閾值。

direction指定了我們感興趣的邊緣方向，edge函數(shù)將只檢測direction中指定方 向的邊緣，其合法值如下：

可選參數(shù)’nothinning’，指定時可以通過跳過邊緣細化算法來加快算法 運行的速度。默認是’thinning’，即進行邊緣細化。

2、基于高斯-拉普拉斯算子的邊緣檢測

BW=edge(I,’log’,thresh,sigma) ;

sigma指定生成高斯濾波器所使用的標準差。默認時，標準差為2。

3、基于Canny算子的邊緣檢測

BW=edge(I,’canny’,thresh,sigma) ;

thresh是敏感度閾值參數(shù)，默認值為空矩陣[]。此處為一列向量，為算法指 定閾值的上下限。第一個元素為閾值下限，第二個元素為閾值上限。如果 只指定一個閾值元素，則默認此元素為閾值上限，其0.4倍的值作為閾值下 限。如閾值參數(shù)沒有指定，則算法自行確定敏感度閾值上下限。

a=imread(1.bmp'); 
c=fspecial('gaussian',5,0.8); 
b=imfilter(a,c); 
bw1=edge(b,‘sobel’);%sobel算子 
bw2=edge(b,‘prewitt’);%prewitt算子 
bw3=edge(b,‘roberts’);%roberts算子 
bw4=edge(b,‘log’); %log算子 
bw5=edge(b,‘canny’);%canny算子 
figure;imshow(bw1);imwrite(bw1,'bwsobel.bmp'); figure;imshow(bw2);imwrite(bw2,'bwprewitt.bmp'); figure;imshow(bw3);imwrite(bw3,'bwroberts.bmp'); figure;imshow(bw4);imwrite(bw4,'bwlog.bmp'); figure;imshow(bw5);imwrite(bw5,'bwcanny.bmp');

二十六、霍夫變換

1、霍夫變換(針對二值圖像)

[H,theta,rho]=hough(BW,param1,val1,param2,val2);

2、尋找峰值—houghpeaks

peaks=houghpeaks(H,numpeaks,param1,val1,param2,val2);

3、提取直線段—houghlines

lines=houghlines(BW,theta,rho,peaks,param1,val1,param2,val2);

以上就是Matlab常用圖像處理函數(shù)匯總，希望大家喜歡，請繼續(xù)關(guān)注腳本之家。

相關(guān)推薦：

matlab的a和b哪個版本最好用? matlab中a版和b版的區(qū)別介紹

MATLAB怎么讀取Excel文件表格中的數(shù)據(jù)? Matlab讀取Excel文件指南

最新評論