Matlab批量二值化图片保存及基本操作

1.批量二值化及保存


clc;
clear;
file_path =  'E:\spyder\spineunet-1\data\train\image\';% 图像文件夹路径
img_path_list = dir(strcat(file_path,'*.jpg'));%获取该文件夹中所有jpg格式的图像
img_num = length(img_path_list);%获取图像总数量
if img_num > 0 %有满足条件的图像for j = 1:img_num %逐一读取图像image_name = img_path_list(j).name;% 图像名IM =  imread(strcat(file_path,image_name));%fprintf('%d %d %s',i,j,strcat(file_path,image_name));% 显示正在处理的图像名%自适应滤波im=wiener2(IM,[3,3]);%二值化thresh=graythresh(im);im=im2bw(im,thresh);%            %****平滑滤波****
%            h=ones(3,3)/5;
%            h(1,1)=0;h(1,3)=0;h(3,1)=0;h(1,3)=0;
%            im=imfilter(IM,h);%            %****中值滤波****
%            im=medfilt2(IM,[3,3]);%              %****均值滤波****
%              fsp=fspecial('average',3);
%              im=imfilter(IM,fsp);%figure;%imshow(im);saveddir='E:\matlab\gxy\';savedname=fullfile(saveddir,image_name);imwrite(im,savedname);end
end

`2.滤波、开闭运算

I=imread('test16.bmp');
thresh=graythresh(I);
bw=im2bw(I,thresh);%****平滑滤波****
h=ones(3,3)/5;
h(1,1)=0;h(1,3)=0;h(3,1)=0;h(1,3)=0;
I1=imfilter(I,h);
thresh1=graythresh(I1);
bw1=im2bw(I1,thresh1);
se1=strel('line',5,200);%直线长度7，角度85
img1=imopen(bw1,se1);%开运算
img2=imclose(bw1,se1);%闭运算
img3=imclose(img1,se1);%先开后闭运算
img4=imopen(img2,se1);%先闭后开运算
img5=imdilate(bw1,se1);%膨胀操作
img6=imerode(bw1,se1);%腐蚀
figure(1);
subplot(331),imshow(I1);title('平滑滤波');
subplot(332),imshow(bw1);title('平滑滤波二值化');
subplot(333),imshow(img1);title('开运算');
subplot(334),imshow(img2);title('闭运算');
subplot(335),imshow(img3);title('先开后闭运算');
subplot(336),imshow(img4);title('先闭后开运算');
subplot(337),imshow(img5);title('膨胀操作');
subplot(338),imshow(img6);title('腐蚀');
subplot(339),imshow(bw);title('原图二值化');%****自适应滤波****
I2=wiener2(I,[3,3]);
thresh2=graythresh(I2);
bw2=im2bw(I2,thresh2);
se2=strel('line',5,215);%直线长度7，角度85
img11=imopen(bw2,se2);%开运算
img12=imclose(bw2,se2);%闭运算
img13=imclose(img11,se2);%先开后闭运算
img14=imopen(img12,se2);%先闭后开运算
img15=imdilate(bw2,se2);%膨胀操作
img16=imerode(bw2,se2);%腐蚀
figure(2);
subplot(331),imshow(I2);title('自适应滤波');
subplot(332),imshow(bw2);title('自适应滤波二值化');
subplot(333),imshow(img11);title('开运算');
subplot(334),imshow(img12);title('闭运算');
subplot(335),imshow(img13);title('先开后闭运算');
subplot(336),imshow(img14);title('先闭后开运算');
subplot(337),imshow(img15);title('膨胀操作');
subplot(338),imshow(img16);title('腐蚀');
subplot(339),imshow(bw);title('原图二值化');%****中值滤波****
I3=medfilt2(I,[3,3]);
thresh3=graythresh(I3);
bw3=im2bw(I3,thresh3);
se3=strel('line',5,90);%直线长度7，角度85
img111=imopen(bw3,se3);%开运算
img112=imclose(bw3,se3);%闭运算
img113=imclose(img111,se3);%先开后闭运算
img114=imopen(img112,se3);%先闭后开运算
img115=imdilate(bw3,se3);%膨胀操作
img116=imerode(bw3,se3);%腐蚀
figure(3);
subplot(331),imshow(I3);title('中值滤波');
subplot(332),imshow(bw3);title('中值滤波二值化');
subplot(333),imshow(img111);title('开运算');
subplot(334),imshow(img112);title('闭运算');
subplot(335),imshow(img113);title('先开后闭运算');
subplot(336),imshow(img114);title('先闭后开运算');
subplot(337),imshow(img115);title('膨胀操作');
subplot(338),imshow(img116);title('腐蚀');
subplot(339),imshow(bw);title('原图二值化');%****均值滤波****
fsp=fspecial('average',3);
I4=imfilter(I,fsp);
thresh4=graythresh(I4);
bw4=im2bw(I4,thresh4);
se4=strel('line',5,90);%直线长度7，角度85
img1111=imopen(bw4,se4);%开运算
img1112=imclose(bw4,se4);%闭运算
img1113=imclose(img1111,se4);%先开后闭运算
img1114=imopen(img1112,se4);%先闭后开运算
img1115=imdilate(bw4,se4);%膨胀操作
img1116=imerode(bw4,se4);%腐蚀
figure(4);
subplot(331),imshow(I4);title('均值滤波');
subplot(332),imshow(bw4);title('均值滤波二值化');
subplot(333),imshow(img1111);title('开运算');
subplot(334),imshow(img1112);title('闭运算');
subplot(335),imshow(img1113);title('先开后闭运算');
subplot(336),imshow(img1114);title('先闭后开运算');
subplot(337),imshow(img1115);title('膨胀操作');
subplot(338),imshow(img1116);title('腐蚀');
subplot(339),imshow(bw);title('原图二值化');n

都是一些基础操作，没有牛皮的东西写。。。

3.计算灰度、面积

image1=imread('test.jpg')  %图片的名字是test，格式为jpg%方法一 image1=wiener2(image,[3,3]);%滤波thresh1=graythresh(image1);%自动阈值bw=im2bw(image1,thresh1);%二值化
%               se=strel('line',5,90);  %结构元素
%               bw1=imopen(bw,se);    %开运算
%               bw2=imclose(bw1,se);  %闭运算figure;   %打印图片imshow(bw); %展示图片s_white=bwarea(bw); %一个2*2的领域计算图像中像素为1的个数即白色sum=numel(bw); %统计总像素s_black=sum-s_white; %黑色p= s_white/s_black;  result_area(j)=s_white;fprintf('; s_white=%f p=%f',s_white,p);% 显示正在处理的图像名%方法二count_black=numel(bw,(bw==0));  %统计像素为0的个数   %*******************计算平均灰度********************%[m,n]=size(image);min=256;max=0;sumGray=0;for i=1:nfor j=1:mif image(i,j)<minmin=image(i,j);endif image(i,j)>maxmax=image(i,j);endsumGray=sumGray+double(image(i,j));endendavgGray=sumGray/(m*n);fprintf('; avgGray=%f\n',avgGray);end
end

4.插值、绘制圆滑曲线图，拟合曲线，曲线标点
（1）

clc;
clear;
%YC3-2品种x1
%实验使用品种时间129，222，301，310，320
%原始数据
t=[19,         29,                         53,     60,         69,         79];%原始时间
y=[0,          752,                      9926,   404,        240,        0];%对应像素值
% values=spcrv([[t2(1) t2  t2(end)];[y2(1) y2 y2(end)]],3);  %拟原始数据的曲线图
%  plot(values(1,:),values(2,:),'b');%绿色%YC3-2品种x1%模拟的原始数据
t2=[19,     25, 29, 34,         44,         53,         63,     69,         79];%原始时间
y2=[0,      825,752,4889,      11569,      9926,       404,    100,          0];%对应像素值
t3=[19, 22, 25, 29, 34, 37, 41, 44, 47, 50, 53, 56, 60, 63, 66, 69, 72, 75, 79]; %需要插值时间的标准
%插值数据
n1=interp1(t2,y2,22,'nearest');%邻近插值
n2=interp1(t2,y2,37,'pchip'); %立方插值
n3=interp1(t2,y2,41,'pchip');
n4=interp1(t2,y2,47,'spline');%三次样条插值
n5=interp1(t2,y2,50,'spline');
n6=interp1(t2,y2,56,'spline');
n7=interp1(t2,y2,60,'spline');
n8=interp1(t2,y2,66,'linear');%线性插值
n9=interp1(t2,y2,72,'linear');
n10=interp1(t2,y2,75,'linear');
result_interpl=[0,n1,825,752,4889,n2,n3,11569,n4,n5,9926,n6,n7,404,n8,100,n9,n10,0];
values=spcrv([[t3(1) t3  t3(end)];[result_interpl(1) result_interpl result_interpl(end)]],3);  %拟原始数据的曲线图
plot(values(1,:),values(2,:),'b');%绿色%YC3-2品种x1，b参数表示颜色

（2）
如果要拟合曲线函数在命令行窗口输入：cftool

选择对应项出现如下图所示：

（3）

clear;
clc;
a1 = 1.09e+04;
b1 = 54.58;
c1 = 12.67;
x=30:80;
y = a1*exp(-((x-b1)/c1).^2);
plot(x,y);
title('油菜开花时序图');
text(43,a1*exp(-((43-b1)/c1).^2),'*初花期花临界点');
text(53,a1*exp(-((53-b1)/c1).^2),'*盛花临界点');
text(60,a1*exp(-((60-b1)/c1).^2),'*终花期花临界点');xlabel('油菜开花时间：天数')
ylabel('油菜花面积：像素')

整合了一下平常经常用到的一些基本操作，待续。。。

Matlab批量二值化图片保存及基本操作相关推荐

matlab 图像二值化后0、1像素的个数统计
目标: 批量处理RGB图像,对其进行二值化处理(需要考虑二值化的阈值设置,此处不展开) 统计二值化之后,各个黑白图像中0.1 的像素点数目使用折线图的方式,展示出统计的结果首先进行输入文件夹与输 ...
MATLAB图像二值化
还是老规矩先宣传一下QQ群群: 格子玻尔兹曼救星:293267908. 一切为了早日毕业. 听说可以在PPT作图然后用MATLAB二值化把复杂边界用01矩阵表达出来.上网看了下: I = imread ...
matlab 图像二值化_推荐：为图像处理初学者设计的100个问题（含python实现代码）...
本文整理了图像处理初学者应该需要了解的100个基础问题,涉及读取.显示图像.操作像素.拷贝图像.保存图像.灰度化(Grayscale).二值化(Thresholding).大津算法.HSV 变换.减色 ...
MATLAB图像二值化函数im2bw与imbinarize对给定阈值的内部处理细节
MATLAB图像处理工具包中的im2bw函数和imbinarize函数均可以实现灰度图像的二值化功能,且在MATLAB R2018a之后推荐使用imbinarize.但两者在内部处理图像的时候具有一些 ...
二值化图片数据解码显示(Grayscale8、Grayscale16、RGB888)————附带Qt版完整代码
文章目录 1 效果 2 思路 3 实现代码 4 扩展 4.1 RGB888 4.2 Grayscale16 5 实验数据 1 效果显示效果: 二值化后的图片数据: 原始数据信息: \x00\x1F\ ...
matlab 反向二值化,MATLAB：图像二值化、互补图（反运算）（im2bw，imcomplement函数）...
图像二值化.反运算过程涉及到im2bw,imcomplement函数,反运算可以这么理解:原本黑的区域变为白的区域,白的区域变为黑的区域. 实现过程如下: close all;%关闭当前所有图形窗口, ...
matlab确定灰度阈值T,matlab灰度图像二值化【灰度图像二值化算法研究】
摘要: 在很多图像处理的过程中,经常需要对灰度图像进行二值化.本文对几种常用的图像二值化算法进行了阐述,并通过仿真,进行比较研究.根据实验结果,阐明了各种算法的优缺点. Abstract: The b ...
如何利用Matlab制作色卡,（七）用matlab生成二值化图和24色卡
[code]%生成4个半径依次为10,30,50,100的圆 clc; clear; close all; I = zeros(256,256); %定义一个256*256的灰度图 iter = [1 ...
还在纠结通道数、位深度？实验带你看懂关于灰度图像，二值化图像，彩色图像、图片通道数，位深度的全部内容
数据加载相关前言图片的通道数.位深度单通道三通道四通道通道数之间的转化二值化图像小结灰度图像小结 pillow库相关全部代码前言首先我们都知道,图像是由一个个像素点组成的.图 ...

Matlab批量二值化图片保存及基本操作

Matlab批量二值化图片保存及基本操作相关推荐

最新文章

热门文章