pdf版本笔记的下载地址: MATLAB06_数字图像处理（访问密码：3834）

MATLAB06:数字图像处理

图像的读取和展示
- 图像在MATLAB中的存储格式
- 读取和展示图像
图像的运算
- 图像的点运算
- - 图像的四则运算
  - 像素的统计分布
  - 图像的二值化
- 图像的几何变换
使用MATLAB分析图像:目标计数
- 图像预处理
- 目标计数:标记连通区域
- 分析检测结果

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	数学变换	MATLA命令
位移(Translation)	[x′y′1]=[10tx01ty001]∗[xy1]\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⎦⎤=⎣⎡100010txty1⎦⎤∗⎣⎡xy1⎦⎤	`imtranslate()`
缩放(Scale)	[x′y′1]=[sx000sy0001]∗[xy1]\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⎦⎤=⎣⎡sx000sy0001⎦⎤∗⎣⎡xy1⎦⎤	`imresize()`
错切(Shear)	[x′y′1]=[1hx0hy10001]∗[xy1]\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⎦⎤=⎣⎡1hy0hx10001⎦⎤∗⎣⎡xy1⎦⎤
旋转(Rotate)	[x′y′1]=[cos⁡θsin⁡θ0−sin⁡θcos⁡θ0001]∗[xy1]\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−sinθ0sinθcosθ0001⎦⎤∗⎣⎡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: 155Centroid: [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);

pdf版本笔记的下载地址: MATLAB06_数字图像处理（访问密码：3834）

MATLAB06:数字图像处理相关推荐

matlab数字图像处理库,MATLAB06:数字图像处理
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 ...
数字图像处理:边缘检测(Edge detection)
转载自:https://zhuanlan.zhihu.com/p/59640437 觉得写得通俗易懂,要是每个人的博客都这么人性化.... 写在前面: 本文篇幅较长,用了大量图与公式帮助大家深入理解各 ...
C语言数字图像处理编程
C语言数字图像处理读取bmp图像并做简单显示 bmp图像几何变换(移动,旋转,镜像,转置,缩放) 彩色图像转灰度图,灰度图反色图像中值滤波与平均滤波 bmp图像锐化图像的半影调和抖动技术 bmp ...
数字图像处理——第十章图像分割
数字图像处理--第十章图像分割文章目录数字图像处理--第十章图像分割写在前面 1 点.线和边缘检测 1.1 孤立点的检测 1.2 线检测 1.3 边缘检测 2 阈值处理 2.1 单一全局阈值 ...
数字图像处理——第九章形态学图像处理
数字图像处理--第9章形态学图像处理文章目录数字图像处理--第9章形态学图像处理 1 基础知识 1.1 形态学图像 1.2 二值图像 2 腐蚀和膨胀 2.1 腐蚀 2.2 膨胀 3 开操作与闭 ...
数字图像处理——第七章小波和多分辨处理
数字图像处理--第七章小波和多分辨率处理文章目录数字图像处理--第七章小波和多分辨率处理写在前面 1 多分辨率处理 1.1 图像金字塔 1.2 多尺度和多分辨率的区别 2 小波 2.1 连续 ...
数字图像处理——第六章彩色图像处理
数字图像处理--第六章彩色图像处理文章目录数字图像处理--第六章彩色图像处理 1 彩色模型 1.1 RGB彩色模型 1.2 CMY 和CMYK彩色模型 1.3 HSI彩色模型 2 伪彩色图像处 ...
数字图像处理——第五章图像复原与重建
数字图像处理--第五章图像复原与重建文章目录数字图像处理--第五章图像复原与重建写在前面 1 图像退化/复原过程的模型 2 噪声模型 2.1 高斯噪声 2.2 椒盐噪声 3 仅有噪声的复原- ...
数字图像处理——第四章频率域滤波
数字图像处理--第4章频率域滤波文章目录数字图像处理--第4章频率域滤波频率域 1.傅里叶级数原理 1.1.一维傅里叶变换 1.2.二维傅里叶变换 2.python×傅里叶级数 2.1.傅里 ...
数字图像处理必备基本知识
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|新机器视觉基础知识 1.数字图像: 数字图像,又称为数码 ...

MATLAB06:数字图像处理

MATLAB06:数字图像处理

图像的读取和展示

图像在MATLAB中的存储格式

读取和展示图像

图像的运算

图像的点运算

图像的四则运算

像素的统计分布

图像的二值化

图像的几何变换

使用MATLAB分析图像:目标计数

图像预处理

目标计数:标记连通区域

分析检测结果

MATLAB06:数字图像处理相关推荐

最新文章

热门文章