学习一门技术最好的方式就是阅读官方文档,可以查看MATLAB官方文档

图像的读取和展示

图像在MATLAB中的存储格式

MATLAB能够处理的数字图像分为三种:二值图像,灰度图像,彩色图像.

二值图像在MATLAB中以一个矩阵存储,矩阵中元素的取值为0(表示白)或1(表示黑).

灰度图像在MATLAB中以一个矩阵存储,矩阵中元素的取值介于0~255之间,表示灰度.

彩色图像在MATLAB中以三个矩阵存储,每个矩阵中元素的取值介于0~255之间,分别表示颜色R,G,B分量的浓度

读取和展示图像

使用imread()函数将图像读取到内存中,使用imshow()函数展示图像,使用imwrite()函数将内存中的图像写进硬盘.

clear, close all

I = imread('pout.tif'); % 将MATLAB自带图像'pout.tif'读取到内存中

imshow(I); % 在图形窗口展示该图像

imwrite(I,'myimage.png');% 将该图像存为png格式的文件

使用imageinfo()函数查看图片文件的详细信息.

imageinfo('pout.tif')

使用imtool()函数可以打开图像处理工具.

imtool('pout.tif')

图像的运算

图像的点运算

图像在内存中以矩阵的形式存储,因此我们可以像遍历矩阵那样遍历并编辑图片上的像素点.MATLAB也内置了一些函数用于进行图像运算.

图像的四则运算

要对两个图像进行四则运算,要求这两个图像的尺寸相同.下面是常用的图像四则运算函数,具体细节请参考官方文档.

函数作用imabsdiff()两个图像求差值

imadd()一个图像加上另一个图像或常数

imsubtract()一个图像减去另一个图像或常数

immultiply()一个图像乘以另一个图像或常数

imdivide()一个图像除以另一个图像或常数

imcomplement()对图像取反

I=imread('rice.png');

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

J=immultiply(I, 1.5);

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

I=imread('rice.png'); J=imread('cameraman.tif');

K=imadd(I,J);

subplot(1,3,1); imshow(I);

subplot(1,3,2); imshow(K);

subplot(1,3,3); imshow(J);

可以看到,进行加法操作后,得到的图像比原本的两个都亮,这是因为图像矩阵的数值整体上增加了.

像素的统计分布

使用imhist()函数可以分析像素值的统计分布.

I = imread('pout.tif');

imhist(I)

使用histeq()可以增大图像的对比度,这本质上做了直方图的均衡化(Histogram Equalization)操作.

I = imread('pout.tif'); I2 = histeq(I);

subplot(1,4,1); imhist(I);

subplot(1,4,2); imshow(I);

subplot(1,4,3); imshow(I2);

subplot(1,4,4); imhist(I2);

图像的二值化

将灰度图像变为二值图像的过程被称为二值化,MATLAB内置了两个与二值化相关的函数.

graythresh()函数用于计算二值化变换过程中的最优阈值(threshold).灰度图像上超过该阈值的点将被赋值为1,低于该阈值的点将被赋值为0.

im2bw()用于进行二值化变换.

I = imread('rice.png');

level=graythresh(I); bw=im2bw(I, level);

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

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

图像的几何变换

图像的几何变换本质上就是将图像乘以一个矩阵得到新图像的过程.

变换形式图形示意数学变换MATLA命令位移(Translation)[

x

′

y

′

1

]

=

[

1

0

t

x

0

1

t

y

0

0

1

]

∗

[

x

y

1

]

\left[\begin{array}{c} x' \\ y' \\ 1 \end{array}\right] =\left[\begin{array}{c} 1 & 0 & t_x \\ 0 & 1 & t_y \\ 0 & 0 & 1 \end{array}\right] * \left[\begin{array}{c} x \\ y \\ 1 \end{array}\right]⎣⎡​x′y′1​⎦⎤​=⎣⎡​100​010​tx​ty​1​⎦⎤​∗⎣⎡​xy1​⎦⎤​imtranslate()

缩放(Scale)[

x

′

y

′

1

]

=

[

s

x

0

0

0

s

y

0

0

0

1

]

∗

[

x

y

1

]

\left[\begin{array}{c} x' \\ y' \\ 1 \end{array}\right] =\left[\begin{array}{c} s_x & 0 & 0 \\ 0 & s_y & 0 \\ 0 & 0 & 1 \end{array}\right] * \left[\begin{array}{c} x \\ y \\ 1 \end{array}\right]⎣⎡​x′y′1​⎦⎤​=⎣⎡​sx​00​0sy​0​001​⎦⎤​∗⎣⎡​xy1​⎦⎤​imresize()

错切(Shear)[

x

′

y

′

1

]

=

[

1

h

x

0

h

y

1

0

0

0

1

]

∗

[

x

y

1

]

\left[\begin{array}{c} x' \\ y' \\ 1 \end{array}\right] =\left[\begin{array}{c} 1 & h_x & 0 \\ h_y & 1 & 0 \\ 0 & 0 & 1 \end{array}\right] * \left[\begin{array}{c} x \\ y \\ 1 \end{array}\right]⎣⎡​x′y′1​⎦⎤​=⎣⎡​1hy​0​hx​10​001​⎦⎤​∗⎣⎡​xy1​⎦⎤​

旋转(Rotate)[

x

′

y

′

1

]

=

[

cos

⁡

θ

sin

⁡

θ

0

−

sin

⁡

θ

cos

⁡

θ

0

0

0

1

]

∗

[

x

y

1

]

\left[\begin{array}{c} x' \\ y' \\ 1 \end{array}\right] =\left[\begin{array}{c} \cos\theta & \sin\theta & 0 \\ -\sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{array}\right] * \left[\begin{array}{c} x \\ y \\ 1 \end{array}\right]⎣⎡​x′y′1​⎦⎤​=⎣⎡​cosθ−sinθ0​sinθcosθ0​001​⎦⎤​∗⎣⎡​xy1​⎦⎤​imrotate()

I = imread('rice.png'); J = imrotate(I, 35, 'bilinear');

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

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

size(I)% 得到 [256, 256]

size(J)% 得到 [357, 357]

可以看到,进行旋转变换后,图像的尺寸增加了.

使用MATLAB分析图像:目标计数

我们想要通过MATLAB分析rice.png图片中米粒的个数.

图像预处理

要分析图像中的米粒个数,我们需要对图像进行两步预处理:

去除图像的背景: I = imread('rice.png');

subplot(1,3,1); imshow(I);

BG = imopen(I, strel('disk', 15));

subplot(1,3,2); imshow(BG);

I2 = imsubtract(I, BG);

subplot(1,3,3); imshow(I2);

对图像进行二值化: I2 = imsubtract(I, BG); level=graythresh(I2);

bw2 = im2bw(I2, level);

下面代码展示了是否去除背景对图像二值化结果的影响:

% 直接对图像进行二值化

I = imread('rice.png');

level=graythresh(I); bw = im2bw(I, level);

subplot (1,2,1); imshow(bw); title('直接进行二值化');

% 去除背景后对图像进行二值化

BG = imopen(I, strel('disk', 15)); I2 = imsubtract(I, BG);

level=graythresh(I2); bw2 = im2bw(I2, level);

subplot(1,2,2); imshow(bw2); title('去除背景后进行二值化');

目标计数:标记连通区域

识别米粒个数的关键在于识别连通区域.

在这里,我们使用MATLAB自带的bwlabel()函数计算连通区域,该函数使用了连通区域标记算法,将每个连通区域内的像素点赋值为同一个值.

I=imread('rice.png');

BG=imopen(I, strel('disk', 15));

I2=imsubtract(I, BG); level=graythresh(I2);

BW=im2bw(I2, level);

[labeled, numObjects]=bwlabel(BW, 8);

得到labeled为标记好的矩阵,其尺寸与原图片相同,每个连通区域都被赋值为一个相同的整数,其他区域被赋值为0.numObjects为计算出的连通区域个数,为99.

使用label2rgb()函数可以将标记结果以彩色图片的形式展示

RGB_label=label2rgb(labeled);

imshow(RGB_label);

分析检测结果

使用regionprops()函数可以将检测结果封装成结构体数组.

graindata = regionprops(labeled, 'basic');

graindata(51)

Area: 155

Centroid: [112.4258 245.8645]

BoundingBox: [108.5000 234.5000 8 22]

使用bwselect()函数可以交互式选择连通区域

ObjI = bwselect(BW);

imshow(ObjI);