实验代码结果展示

此代码使用的编译器为MATLAB2018b及以上的版本

  • 求1到10的阶乘之和
sum = 0;
for i = 1:10sum = sum + factorial(i);
end
disp(sum);
  • 输出100-999之内的所有“水仙花数”。“水仙花数”是指一个3位数，其各位数字立方和等于该数本身
for m=100:999m1=fix(m/100);m2=rem(fix(m/10),10);m3=rem(m,10);if m==m1*m1*m1+m2*m2*m2+m3*m3*m3disp(m)end
end
  • 输入三个数，按从小到大的顺序输出
a = input('请输入第一个数值：');
b = input('请输入第二个数值：');
c = input('请输入第三个数值：');
m = 0;
if a > bm = a;a = b;b = m;
end if a > cm = a;a = c;c = m;endif b > cm = c;c = b;b = m;end abc
  • 读入一幅图像，然后给这幅图像加上一个常数，或者从这幅图像中减去一个常数
pic1 = imread("图片路径");
pic2 = imadd(pic1,120);
pic3=imsubtract(pic1,120);
figure;subplot(1,3,1);imshow(pic1);title("原图");
subplot(1,3,2);imshow(pic2);title("亮图");
subplot(1,3,3);imshow(pic3);title("暗图");
  • 运行结果
  • 输入一个年份，判断其是否为闰年
y=input("请输入需要查询的年份：");
if (rem(y,4)==0&&rem(y,100)~=0)||rem(y,400)==0fprintf("%d是闰年",y);
elsefprintf("%d是平年 ",y);
end
  • 利用linspace和logspace分别生成一个有10个元素的向量
a = linspace(1,19,10)
b = logspace(2,3,10)
  • 利用magic生成一个 8阶的魔方矩阵A，并把A保存为data.mat
A = magic(8)
save data.mat
  • 读取data.xslx文件里的数据，将其第一列作为横坐标x，第二列至最后一列依次作为纵坐标y1，y2，y3，……，然后使用plot函数分别绘制对应数据的曲线图，并在同一个figure上显示出来
num = xlsread('数据路径');
x=num(:,1);
y1=num(:,2);
y2=num(:,3);
y3=num(:,4);
y4=num(:,5);
y5=num(:,6);
y6=num(:,7);
y7=num(:,8);
figure;plot(x,y1,x,y2,x,y3,x,y4,x,y5,x,y6,x,y7);
legend('乙醇转化率(%)','乙烯选择性','C4烯烃选择性','乙醛选择性','碳数为4-12脂肪醇 ','甲基苯甲醛和甲基苯甲醇','其他','Location','NorthEastOutside')
  • 运行结果
  • 读入一幅彩色图像，将其转化为灰度图，然后使用roberts、prewitt、sobel、log、canny等算子分别对灰度图进行边缘检测，并把结果显示在同一个figure上
a=imread('2022.jpg');
b=rgb2gray(a);
c1=edge(b,'roberts');
c2=edge(b,'prewitt');
c3=edge(b,'sobel');
c4=edge(b,'log');
c5=edge(b,'canny');
figure;subplot(2,4,1);imshow(a);title('彩色图像');
subplot(2,4,2);imshow(b);title('灰度图');
subplot(2,4,3);imshow(c1);title('prberts检测图');
subplot(2,4,4);imshow(c2);title('prewitt检测图');
subplot(2,4,5);imshow(c3);title('sobel检测图');
subplot(2,4,6);imshow(c4);title('log检测图');
subplot(2,4,7);imshow(c5);title('canny检测图');
  • 运行结果
  • 读入一幅真彩色图像，先将其转化为灰度图像，然后再将灰度图像抖动成二值图像，并对得到的二值图像进行取反，最后把真彩色图像、灰度图像、二值图像、取反后的二值图像显示在同一个figure上
imag = imread('1.png');
imag1 = rgb2gray(imag);
imag2 = dither(imag1);
imag3 = imcomplement(imag2);
figure;subplot(2,2,1);imshow(imag);title('1原图');
subplot(2,2,2);imshow(imag1);title('2灰度图');
subplot(2,2,3);imshow(imag2);title('3二值图');
subplot(2,2,4);imshow(imag3);title('4取反图');
  • 运行结果
  • 读入一幅真彩色图像，先将其转化为灰度图像，然后再将灰度图像转换为索引色图像，并把真彩色图像、灰度图像、索引色图像显示在同一个figure上
imag = imread('2.png');
imag1 = rgb2gray(imag);
imag2 = gray2ind(imag1);
figure;subplot(1,3,1);imshow(imag);title('真彩图像');
subplot(1,3,2);imshow(imag1);title('灰度图像');
subplot(1,3,3);imshow(imag2);title('索引色图像');
  • 运行结果
  • 以图像rice.tif为例，先使用prewitt算子对其进行滤波，然后将滤波得到的数据矩阵转换为灰度图像，并把原图像、滤波后的图像、灰度图像显示在同一个figure上
imag = imread('rice.tif');
imag1 = filter2(fspecial('prewitt'),imag);
imag2 = mat2gray(imag1);
figure;subplot(1,3,1);imshow(imag);title('原图像');
subplot(1,3,2);imshow(imag1);title('滤波图像');
subplot(1,3,3);imshow(imag2);title('灰度图像');
  • 运行结果
  • 利用imfinfo函数对图像文件进行信息查询
image = imfinfo('3.png');
image
width = image.Width
heigh = image.Height
Format = image.Format
BitDepth = image.BitDepth
  • 运行结果
  • 利用MATLAB打开笔记本摄像头获取某一帧图像，将其转化为灰度图像，并使用sobel算子对灰度图像进行边缘检测，最后把获取的图像、灰度图像、边缘检测图像显示在同一个figure上
video = videoinput('winvideo','1','YUY2_640x480');preview(video);
set(video,'ReturnedColorSpace','rgb');
rgb = getsnapshot(video);
frame = rgb2gray(rgb);
sobel = edge(frame,'sobel');
figure;subplot(131);imshow(rgb);title('彩色图像');
subplot(132);imshow(frame);title('灰度图像');
subplot(133);imshow(sobel);title('sobel');
  • 运行结果
  • 将一幅真彩色图像沿水平方向和垂直方向各平移30
I = imread("1.png");
subplot(1,2,1),imshow(I);title('原始图像')
I1 = imtranslate(I,[30,30]);
subplot(1,2,2),imshow(I1);title('平移后的图像');
  • 运行结果
  • 将一幅真彩色图像的行变为128，再使用最近邻插值将原始图像缩小到原来的一半
a = imread('2.png');
b = imresize(a,[128 NaN]);
c = imresize(a,0.5,'nearest');
subplot(1,3,1);imshow(a);title('原图像');
subplot(1,3,2);imshow(b);title('图像的行变为128的图像');
subplot(1,3,3);imshow(c);title('原始图像缩小到原来的一半的图像');
  • 运行结果
  • 将一幅真彩色图像转化为灰度图像，再使用双线性插值实现灰度图像的水平镜像和垂直镜像
imag = imread('3.png');
imag1 = rgb2gray(imag);
[height,width,dim] = size(imag1);
tform = maketform('affine',[-1 0 0;0 1 0;width 0 1]);
imag2 = imtransform(imag1,tform,'nearest');
[height,width,dim] = size(imag1);
tform = maketform('affine',[1 0 0;0 -1 0;0 height 1]);
imag3 = imtransform(imag1,tform,'nearest');
subplot(2,2,1);imshow(imag);title('原图像');
subplot(2,2,2);imshow(imag1);title('灰度图');
subplot(2,2,3);imshow(imag2);title('水平镜像');
subplot(2,2,4);imshow(imag3);title('垂直镜像');
  • 运行结果
  • 将一幅真彩色图像按顺时针依次旋转30°、45°、60°，并裁剪图像，使其和原图像大小一致
ima = imread('4.png');
subplot(221),imshow(ima);title('原图像');
ima1 = imrotate(ima,-30,'nearest','crop');
subplot(222),imshow(ima1);title('旋转30度的图像');
ima2 = imrotate(ima,-45,'nearest','crop');
subplot(223),imshow(ima2);title('旋转45度的图像');
ima3 = imrotate(ima,-60,'nearest','crop');
subplot(224),imshow(ima3);title('旋转60度的图像');
  • 运行结果
  • 将一幅真彩色图像转置
t = imread("5.png");
subplot(1,2,1),imshow(t);title('原图像');
t1 = im2gray(t);
t11 = t1';
subplot(1,2,2),imshow(t11);title('转置后的图像');
  • 运行结果
  • 读入一幅图像，进行二维离散傅里叶变换，并将其坐标原点移到频谱图的中央位置
img = imread('1.png');
img1 = rgb2gray(img);
F = fft2(img1);
F1 = fftshift(F);
F2 = log(abs(F1));
subplot(121);imshow(img);title('原图');
subplot(122);imshow(F2,[8,10], 'InitialMagnification','fit');title('离散傅里叶频谱');
  • 运行结果
  • 构造一幅64×64的图像，进行二维离散傅里叶变换，再将原始图像旋转45°，进行二维离散傅里叶变换
img = zeros(64,64);
img(12:52,24:40) = 1;
subplot(221);imshow(img,'InitialMagnification','fit');title('64*64矩阵图像');
img1 = fft2(img);
img2 = fftshift(img1);
img3 = log(abs(img2));
subplot(222);imshow(img3,[1,8]);title('傅里叶频谱');
img4 = imrotate(img,315,'bilinear','crop');
subplot(223);imshow(img4);title('旋转后的图像');
img5 = fft2(img4);
img6 = fftshift(img5);
img7 = log(abs(img6));
subplot(224);imshow(img7,[1,8]);title('旋转后的傅里叶频谱');
  • 运行结果
  • 构造一幅128×128的图像，进行二维离散傅里叶变换，再将原始图像乘以比例系数0.2，进行二维离散傅里叶变换
img = zeros(128,128);
img(12:116,56:72) = 1;
subplot(221);imshow(img,'InitialMagnification','fit');title('128*128矩阵图像');
img1 = fft2(img);
img2 = fftshift(img1);
img3 = log(abs(img2));
subplot(222);imshow(img3,[1,10]);title('傅里叶频谱');
img4 = img*0.2;
subplot(223);imshow(img4);title('原始图像乘以比例系数0.2');
img5 = fft2(img4);
img6 = fftshift(img5);
img7 = log(abs(img6));
subplot(224);imshow(img7,[1,6]);title('展宽后的傅里叶频谱');
  • 运行结果
  • 构造一幅256×256的图像，进行二维离散傅里叶变换，再将原始图像沿水平方向和垂直方向同时平移40，进行二维离散傅里叶变换
img = zeros(256,265);
img(12:244,110:146) = 1;
subplot(221);imshow(img,'InitialMagnification','fit');title('256*265矩阵图像');
img1 = fft2(img);
img2 = fftshift(img1);
img3 = log(abs(img2));
subplot(222);imshow(img3,[2,6]);title('矩阵傅里叶变换频谱');
img4 = imtranslate(img,[40,40]);
subplot(223);imshow(img4);title('平移后的图像');
img5 = fft2(img4);
img6 = fftshift(img5);
img7 = log(abs(img6));
subplot(224);imshow(img7,[2,6]);title('平移图像的傅里叶频谱');
  • 运行结果
  • 读入一幅图像，使用imhist( )函数显示图像的直方图
I = imread("1.png");
I1 = rgb2gray(I);
subplot(131),imshow(I);title('原始图像');
subplot(132),imshow(I1);title('灰度图像');
subplot(133),imhist(I1);title('图像的直方图');
  • 运行结果
  • 读入一幅图像，使用imcontour( )函数显示图像的等灰度值图
I = imread("2.png");
I1 = rgb2gray(I);
subplot(131),imshow(I);title('原始图像');
subplot(132),imshow(I1);title('灰度图像');
subplot(133),imhist(I1);title('图像的直方图');
  • 运行结果
  • 读入一幅图像，使用imadjust( )函数调整图像的对比度，并使用imhist( )函数显示原始图像和对比度调整后的图像的直方图
I = imread("3.png");
I1 = rgb2gray(I);
I2 = imadjust(I1,[0.2,0.5],[]);
subplot(221),imshow(I);title('原始图像');
subplot(222),imhist(I);title('原始图像的直方图');
subplot(223),imshow(I2);title('对比度调整后的图像');
subplot(224),imhist(I2);title('对比度调整后的直方图');
  • 运行结果
  • 读入一幅图像，使用histeq( )函数均衡化图像，并使用imhist( )函数显示原始图像和均衡化后的图像的直方图
I = imread("4.png");
I1 = rgb2gray(I);
I2 = histeq(I1);
subplot(221),imshow(I);title('原始图像');
subplot(222),imhist(I);title('原始图像的直方图');
subplot(223),imshow(I2);title('均衡化后的图像');
subplot(224),imhist(I2);title('均衡化后的图像的直方图');
  • 运行结果
  • 已知图像rice.png的灰度范围为[40,204]，经线性变换后的图像的灰度范围扩展至[0,255]，使用imhist( )函数显示原始图像和均衡化后的图像的直方图
I = imread("rice.png");
m = 40,n = 204,v = 0,u = 255;
I1 = (u-v)/(n-m)*[I-m]+v;
I2 = histeq(I1);
subplot(221),imshow(I);title('原始图像');
subplot(222),imhist(I);title('原始图像的直方图');
subplot(223),imshow(I2);title('均衡化后的图像');
subplot(224),imhist(I2);title('均衡化后的图像的直方图');
  • 运行结果
  • 读入一幅图像，进行离散余弦变换，并对其进行离散余弦反变换
img = imread('1.png');
img1 = rgb2gray(img);
img2 = dct2(img1);
img3 = (idct2(img2))/255;
subplot(131);imshow(img);title('原始图像');
subplot(132);imshow(log(abs(img2)),[]),colormap(jet),colorbar;title('离散余弦变换');
subplot(133);imshow(img3);title('离散余弦反变换图像');

*运行结果

  • 读入一幅图像，先将图像分解为16×16个数据块，然后分别对分解后的每个数据小方块进行DCT及IDCT变换，保留左上角15个系数进行处理
I = imread('2.tif');
I = rgb2gray(I);
I1 = double(I)/255;
T = dctmtx(16);
B = blkproc(I1,[16,16],'P1*x*P2',T,T');
mask = [1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 01 1 1 1 0 0 0 0 0 0 0 0 0 0 0 01 1 1 0 0 0 0 0 0 0 0 0 0 0 0 01 1 0 0 0 0 0 0 0 0 0 0 0 0 0 01 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
B2 = blkproc(B,[16,16],'P1.*x', mask);
I2 = blkproc(B2,[16,16],'P1*x*P2',T',T);
subplot(221),imshow(I);title('原始图像');
subplot(222),imshow(B);title('压缩图像1');
subplot(223),imshow(B2);title('原始图像2');
subplot(224),imshow(I2);title('解压后的图像');
  • 运行结果
  • 读入一幅图像，进行沃尔什-哈达玛变换
rgb = imread('22.jpeg');
gray = rgb2gray(rgb);
I = dct2(gray,[512,512]);
[m,n] = size(I);
for k=1:nwht(:,k) = hadamard(m)*I(:,k)/m;
end
for j=1:mwh(:,j) = hadamard(n)*I(:,j)/n;
endwh=wh';
subplot(121);imshow(gray);title('灰度图');
subplot(122);imshow(wh);title('沃尔什-哈达玛变换');
  • 运行结果
  • 求二维数字图像信号f的沃尔什变换。
f = [1 3 3 11 3 3 11 3 3 11 3 3 1];
g = [1 1 1 11 1 -1 -11 -1 1 -11 -1 -1 1];
w = g*f*g/16;
w;
  • 运行结果
  • 读入一幅图像，分别加入高斯白噪声、椒盐噪声、零均值高斯白噪声、泊松噪声、乘性噪声
I = imread('1.png');
I1 = rgb2gray(I);
I2 = imnoise(I1,'gaussian',0.2,0.05);
I3 = imnoise(I1,'salt & pepper',0.1);
I4 = imnoise(I1,'localvar',ones(size(I1))*0.1);
I5 = imnoise(I1,'poisson');
I6 = imnoise(I1,'speckle',0.02);
subplot(231);imshow(I1),title('灰度图像');
subplot(232);imshow(I2);title('加gaussian噪声的图像');
subplot(233);imshow(I3);title('加salt & pepper噪声的图像');
subplot(234);imshow(I4);title('零均值高斯白噪声的图像');
subplot(235);imshow(I5);title('加泊松噪声的图像');
subplot(236);imshow(I6);title('加speckle噪声的图像');
  • 运行结果

  • 读入一幅图像，加入高斯白噪声后，分别进行sobel滤波、prewitt滤波
pic = rgb2gray(imread('2.png'));
pic1 = imnoise(pic,'gaussian');
pic2 = filter2(fspecial('sobel'),pic1,"same");
pic3 = filter2(fspecial('prewitt'),pic2,"valid");
subplot(221);imshow(pic),title('灰度图像');
subplot(222);imshow(pic1);title('加gaussian噪声的图像');
subplot(223);imshow(pic2);title('sobel滤波的图像');
subplot(224);imshow(pic3);title('prewitt滤波的图像');
  • 运行结果
  • 读入一幅图像，加入椒盐噪声后，分别进行均值滤波、中值滤波
I = rgb2gray(imread('3.png'));
I1 = imnoise(I,'salt & pepper',0.1);
I2 = filter2((fspecial('average')),I1,'same');
I3 = medfilt2(I1);
subplot(221);imshow(I),title('灰度图像');
subplot(222);imshow(I1);title('加salt & pepper噪声的图像');
subplot(223);imshow(I2/255);title('均值滤波的图像');
subplot(224);imshow(I3);title('中值滤波的图像');
  • 运行结果
  • 读入一幅图像，加入高斯白噪声后，分别进行拉普拉斯滤波、高斯拉普拉斯滤波
P = rgb2gray(imread('4.png'));
P1 = imnoise(P,'gaussian');
P2 = filter2(fspecial('laplacian',0.1),P1,"same");
P3 = filter2(fspecial('log',4,0.3),P1,"same");
subplot(221);imshow(P),title('灰度图像');
subplot(222);imshow(P1);title('加高斯白噪声的图像');
subplot(223);imshow(P2);title('拉普拉斯滤波的图像');
subplot(224);imshow(P3);title('高斯拉普拉斯滤波的图像');
  • 运行结果
  • 读入一幅图像，加入椒盐噪声后，分别进行高斯低通滤波、模糊滤波
F = rgb2gray(imread('5.png'));
F1 = imnoise(F,'salt & pepper',0.1);
F2 = filter2(fspecial('gaussian',4,0.3),F1,'same');
F3 = filter2(fspecial('unsharp',0.3),F1,'same');
subplot(221);imshow(F),title('灰度图像');
subplot(222);imshow(F1);title('加椒盐噪声的图像');
subplot(223);imshow(F2/255);title('高斯低通滤波的图像');
subplot(224);imshow(F3);title('模糊滤波的图像');
  • 运行结果
  • 创建一个包含矩形对象的二值图像矩阵，使用一个3×3的正方形结构元素对象对创建的图像进行膨胀
img = zeros(256,265);
img(40:10:220,40:20:220)=1;
subplot(121);imshow(img);title('矩阵图像','Color','#D95319');
se = strel('square',3);
I = imdilate(img,se);
subplot(122),imshow(I),title('3*3的square膨胀图像','Color','#D95319');
  • 运行结果
  • 读入一幅图像，先进行二值化转化，然后使用任意形状的构造元素对象对二值化图像进行腐蚀
I = imread('1.png');
subplot(131),imshow(I),title('原始图像','Color', '#D95319');
I1 = im2bw(I);
subplot(132),imshow(I1),title('二值图像','Color','#D95319');
se = strel('arbitrary',[[0 1 0],[1 1 1],[0 1 0]]);
I2 = imerode(I1,se);
subplot(133),imshow(I2),title('任意形状的构造元素进行腐蚀后的图像','Color','#D95319');

*运行结果

  • 读入一幅图像，使用translate函数和imdilate函数对图像进行平移
I = imread('1.png');
se = translate(strel(1), [60 60]);
I2 = imdilate(I,se);
subplot(121);imshow(I), title('原始图像','Color', '#D95319')
subplot(122), imshow(I2), title('移动后的图像','Color', '#D95319');
  • 运行结果
  • 读入一幅图像, 使用方形和圆形元素分别对图像进行膨胀和腐蚀
I = imread('1.png');
subplot(231),imshow(I),title('原始图像','Color', '#D95319');
I1 = im2bw(I);
subplot(232),imshow(I1),title('二值图像','Color','#D95319');
se = strel('square',20);
I2 = imdilate(I1,se);
subplot(233),imshow(I2),title('square的膨胀图像','Color','#D95319');
se1 = strel('disk',10);
I3 = imdilate(I1,se1);
subplot(234),imshow(I3),title('disk的膨胀图像','Color','#D95319');
se2 = strel('square',10);
I4 = imdilate(I1,se2);
subplot(235),imshow(I4),title('square的腐蚀图像','Color','#D95319');
se3 = strel('disk',20);
I5 = imerode(I1,se3);
subplot(236),imshow(I5),title('disk的腐蚀图像','Color','#D95319');
  • 运行结果
  • 读入一幅彩色图像，将其转化为灰度图像，然后利用阈值分割法对灰度图像进行分割。（阈值T=75、100、125）
img = imread('1.png');
gray=rgb2gray(img);
gray2=rgb2gray(img);
gray3=rgb2gray(img);
subplot(221);imshow(gray);title('原灰度图');
[m,n] = size(gray);
a = 75;
for i=1:mfor j=1:nif double(gray(i,j))>agray(i,j)=255;endif double(gray(i,j))<=agray(i,j)=0;endend
end
subplot(222);imshow(gray);title('75阈值分割图');
a= 100;
for i=1:mfor j=1:nif double(gray2(i,j))>agray2(i,j)=255;endif double(gray2(i,j))<=agray2(i,j)=0;endend
end
subplot(223);imshow(gray2);title('100阈值分割图');
a= 125;
for i=1:mfor j=1:nif double(gray3(i,j))>agray3(i,j)=255;endif double(gray3(i,j))<=agray3(i,j)=0;endend
end
subplot(224);imshow(gray3);title('125阈值分割图');
  • 运行结果
  • 读入一幅彩色图像，将其转化为灰度图像，然后利用区域生长法对灰度图像进行分割
img = imread('1.png');
gray = rgb2gray(img);
subplot(121);imshow(gray);title('gray');
[n,m]=size(gray)
seedx=[256,128,210];
seedy=[128,256,230];
hold on
plot(seedx,seedy,'gs','linewidth',1);
title('原始图像及种子位置');
f=double(gray);
markerim=f==f(seedy(1),seedx(1));
for i=2:length(seedx)markerim=markerim|(f==f(seedy(i),seedx(i)));
end
thresh=[15,10,15];
maskim=zeros(size(f));
for i=1:length(seedx)g=abs(f-f(seedy(i),seedx(i)))<=thresh(i);maskim=maskim|g;
end
[g,nr]=bwlabel(imreconstruct(markerim,maskim),8);
g=mat2gray(g);
subplot(122);imshow(g);title('三个种子点区域生长结果');
  • 运行结果
  • 读入一幅彩色图像，将其转化为灰度图像，然后利用分裂合并法对灰度图像进行分割
I = imread('1.png');
J = rgb2gray(I);
subplot(131),imshow(I),title('原图');
I1 = imresize(J,[512,512]);subplot(132),imshow(J),title('灰度图');S = qtdecomp(I1,.27);
blocks = repmat(uint8(0),size(S));for dim = [512 256 128 64 32 16 8 4 2 1];    numblocks = length(find(S==dim));    if (numblocks > 0)        values = repmat(uint8(1),[dim dim numblocks]);values(2:dim,2:dim,:) = 0;blocks = qtsetblk(blocks,S,dim,values);end
endblocks(end,1:end) = 1;
blocks(1:end,end) = 1;
subplot(133),imshow(blocks,[]),title('分裂合并分割图');
  • 运行结果
  • 读入一幅彩色图像，先将其转化为灰度图像，然后使用菱形结构元素对灰度图像进行腐蚀和膨胀
clc;clear;close all;
I = imread("1.png");
subplot(221),imshow(I),title("原始图形");
I1 = rgb2gray(I);
subplot(222),imshow(I1),title("灰度图像");
se = strel('diamond',10);
I2 = imerode(I1,se);
subplot(223),imshow(I2),title("腐蚀后的图像");
I3 = imdilate(I1,se);
subplot(224),imshow(I3),title("膨胀后的图像");
  • 运行结果
  • 读入一幅彩色图像，先将其转化为灰度图像，然后使用矩形结构元素对灰度图像进行开运算和闭运算
clc;clear;close all;
I = imread("1.png");
subplot(221),imshow(I),title("原始图形");
I1 = rgb2gray(I);
subplot(222),imshow(I1),title("灰度图像");
se = strel("rectangle",[10 5]);
I2 = imopen(I1,se);
subplot(223),imshow(I2),title("开运算后的图像");
I3 = imclose(I1,se);
subplot(224),imshow(I3),title("闭运算后的图像");
  • 运行结果
  • 读入一幅彩色图像，先将其转化为灰度图像，然后使用圆形结构元素对灰度图像进行高帽变换和低帽变换
clc;clear;close all;
I = imread("1.png");
subplot(221),imshow(I),title("原始图形");
I1 = rgb2gray(I);
subplot(222),imshow(I1),title("灰度图像");
se = strel('disk',100);
I2 = imtophat(I1,se);
subplot(223),imshow(I2),title("高帽图像");
I3 = imbothat(I1,se);
subplot(224),imshow(I3),title("低帽图像");
  • 运行结果
  • 读入一幅彩色图像，先将其转化为灰度图像，然后对灰度图像进行“先腐蚀后膨胀”和“先膨胀后腐蚀”
clc;clear;close;
I = imread("1.png");
subplot(231),imshow(I),title('原始图像');
I1 = rgb2gray(I);
subplot(232),imshow(I1),title('灰度图像');
se = strel('square',20);
I2 = imerode(I1,se);
subplot(233),imshow(I2),title('腐蚀后的图像');
I3 = imdilate(I1,se);
subplot(234),imshow(I3),title('膨胀后的图像');
I4 = imdilate(I2,se);
subplot(235),imshow(I4),title('先腐蚀后膨胀的图像');
I5 = imerode(I4,se);
subplot(236),imshow(I5),title('先膨胀后腐蚀的图像');
  • 运行结果
  • 读入一幅彩色图像，先将其转化为灰度图像，再将灰度图像转换为二值图像，然后对二值图像进行填充操作
clc;clear;close;
I = imread("1.png");
subplot(221),imshow(I),title('原始图像');
I1 = rgb2gray(I);
subplot(222),imshow(I1),title('灰度图像');
I2 = im2bw(I1);
subplot(223),imshow(I2),title('二值图像');
I3 = imfill(I2,"holes");
subplot(224),imshow(I3),title("填充图像");
  • 运行结果

    图片来源于网络1

  1. 图像处理的图片来源于网络热图，选取之前均进行过截取，缩放等（非原图），处理均属操作需要，图片仅用于代码代码操作者参考。如有侵权，请联系本人予以删除！ ↩︎

MATLAB数字图像处理常见实验代码相关推荐

  1. MATLAB数字图像处理系统[多功能]

    MATLAB数字图像处理系统[多功能] 目录 实验一 MATLAB数字图像处理初步 实验二 图像的代数运算 实验三 图像增强-空间滤波 实验四 图像分割 2 实验一 MATLAB数字图像处理初步 一. ...

  2. MATLAB 数字图像处理GUI二值图像实验

    电信19-2 翁大弟 摘要 图像信息是人类获取信息的重要来源及利用信息的重要手段,数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展:二是广泛的农牧业.环境.军事.工业等方面的应用需求 ...

  3. matlab数字图像处理课程设计报告,数字图像处理初步-实验1

    MATLAB数字图像处理初步 通过实验对MatLab软件的基本使用基本的了解,学会使用MatLab软件来读取一个特定格式的图像,并通过相关的命令语句对图像进行格式转换.图像压缩.二值化等的处理,掌握利 ...

  4. 【基于matlab数字图像处理GUI代码】_数字图像处理考核论文_大作业_项目

    基于matlab数字图像处理GUI代码 代码: function varargout = Image_processing_GUI(varargin) % IMAGE_PROCESSING_GUI M ...

  5. 实验1 matlab图像处理初步,实验一 MATLAB数字图像处理初步

    实验一 MATLAB数字图像处理初步 一.实验目的 1.熟悉及掌握在MATLAB中能够处理哪些格式图像. 2.熟练掌握在MATLAB中读取图像,并获取图像的大小.颜色.高度.宽度等等相关信息. 3.掌 ...

  6. matlab图像低通滤波器 实验报告,基于matlab数字图像处理之低通滤波器

    <基于matlab数字图像处理之低通滤波器>由会员分享,可在线阅读,更多相关<基于matlab数字图像处理之低通滤波器(6页珍藏版)>请在人人文库网上搜索. 1.实践一:理想低 ...

  7. 利用matlab输入一个数再取反,实验一 MATLAB数字图像处理初步

    实验一 MATLAB数字图像处理初步 一.实验目的 1．了解Matlab的基本功能及操作方法 2．熟练掌握图像读写和显示函数的使用方法 3．掌握Matlab支持的图像的显示方法(灰度.索引.黑白.彩色 ...

  8. MATLAB数字图像处理系统-形状分类

    MATLAB数字图像处理系统-形状分类 摘 要 数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...

  9. MATLAB说明图像增强,MATLAB数字图像处理（二）图像增强

    1         图像增强 1.1            直方图均衡化 对于灰度图像,可以使用直方图均衡化的方法使得原图像的灰度直方图修正为均匀的直方图. 代码如下: 1 2 3I2=histeq( ...

最新文章

  1. 在布局空间标注的尺寸量不对_你最关心的4大空间家居尺寸布局，设计师之间的秘密...
  2. mysql常见面试题
  3. js-ajax-,JavaScript实现Ajax
  4. Xcode 9 新建的工程如何支持 iOS 8
  5. .NET Core 微信公众号小程序6种获取UnionID方法，你知道哪几种？
  6. 训练机器人看脸读“心”，真的靠谱吗？
  7. 微信小程序弹出框竖向滚动_微信小程序 解决自定义弹出层滑动时下层页面滚动问题...
  8. Scala的异常操作
  9. spring事务源码解析
  10. 安装apache 后,找不到服务,解决办法
  11. Java知识积累——同时输出到控制台和指定文件，或直接输出到指定文件
  12. 案例解析｜政府信息化的BI建设应用
  13. EOJ 262 润清的烦恼
  14. [新功能]文章预览功能
  15. 美图秀秀java代码,【Java】SpringMvc整合美图秀秀M4（头像编辑器）
  16. Gephi教程——外观和布局
  17. AMOS分析技术（导航页）
  18. c++编译提示：系统找不到指定路径
  19. *16.5 shared_ptr使用场景、陷阱、性能分析与使用建议
  20. 让一台电脑死机至少需要几行代码

热门文章

  1. 图像去雾（二）Retinex图像增强算法
  2. 数字旋转方阵c语言主函数,数据结构——递归求数字旋转方阵
  3. Unity3D 调用其他脚本函数方法
  4. 浅谈雷达与其火灾探测功能
  5. 数学建模Python图论习题
  6. 国内十大OA免费在线试用地址
  7. 安卓刷机刷错导致无限闪屏
  8. 部署HPC集群的实施方案
  9. linux aarch64 java环境安装（图文详细版）
  10. PCB设计软件之二：Mentor PADS Pro VX2.10版本安装使用