1 Introduction to digital image

1.1 Digital images and Its Acquisition

• An image is an artifact that depicts or records visual perception.
• Typically acquired by using charge-coupled device (电荷耦合元件，CCD) or complementary metal-oxide-semiconductor(互补金属氧化物半导体，CMOS) devices.
  

1.2 Types of digital images

• True color or RGB Image（彩色图片）
  Each pixel has a particular color described by the amount of red, green and blue in it
• Greyscale Image（灰度图片）
  Each pixel is a shade of gray, normally from 0(black) to 255 (white)
• Binary Image（黑白图片，二元图片）
  Each pixel is just black or white

1.2.1 Typical RGB Image

1.3 Elements of images

1.3.1 Binary Image

每个像素只有0和1。

1.3.2 Greyscale Image

如果是8位图像的话，每一个像素点就是0~255。

数字越大：越亮；数字越小：越暗。

1.3.3 Color Image

2 Read and show images

2.1 Read and show an image

• Read an image: imread()
• Show an image: imshow()
• Example:

clear;clc;close all;
I=imread('pout.tif');
imshow(I);

2.2 Image Viewer

作用：得到每个像素点的信息
语法：imtool('pout.tif')

效果：

3 Image arithmetic(影像的四则运算)

指令	描述	具体用法
imabsdiff	Absolute difference of two images
imadd(+)	Add two images or add constant to image
imapplymatrix	Linear combination of color channels
imcomplement	Complement image(求补集)
imdivide(\)	Divide one image into another or divide image by constant
imlincomb	Linear combination of images
immultiply(*)	Multiply two images or multiply image by constant
imsubtract(-)	Subtract one image from another or subtract constant from image	放链接

3.1 Image Multiplication

语法：immultiply(图像名, 倍数)
示例：(让图片变亮)

I=imread('rice.png');
subplot(1,2,1);imshow(I);
J=immultiply(I,1.5);
subplot(1,2,2);imshow(J);

程序运行结果：

3.2 Image Addition

语法：imadd(图像名1，图像名2)
程序示例：

clc;clear;
I=imread('rice.png');
J=imread('cameraman.tif');
K=imadd(I,J);
subplot(1,3,1);imshow(I);
subplot(1,3,2);imshow(J);
subplot(1,3,3);imshow(K);

程序结果：

注意点：

1. 相加的两幅图片必须大小相等（同型矩阵才能相加）
2. 两幅图片相加之后整体变亮，因为相加之后灰度值变大，变量，而有的地方超过255就直接变白了，即饱和了。

3.3 Image Histogram（直方图）

语法：imhist(图像名)
把所有像素的灰度值统计出来，做成直方图。
示例：

clc;clear;close all;
I=imread('pout.tif');
subplot(1,2,1);
imshow(I);
subplot(1,2,2);
imhist(I);

程序运行结果：

3.4 Histogram Equalization（均值处理）

语法：histeq(图像矩阵名)
作用：提供图片的对比度。
程序示例：

clc;clear;close all;
I=imread('pout.tif');
subplot(2,2,1);imshow(I);
subplot(2,2,2);imhist(I);I2=histeq(I);  %均值处理
subplot(2,2,3);imshow(I2);
subplot(2,2,4);imhist(I2);

运行结果：

由运行结果可以看出，经过均值处理之后，图片的对比度明显提高，灰度值的分布也更加均匀。

颜色深得变深，浅的变浅

4 Geometric Transformation（几何变换）

图像的四则运算只要是改变每个像素点的灰度值，而几何变换是进行对图像的旋转平移等操作。即改变每个像素点(pixel)的位置。

4.1 Geometric Transformation Matrixes（2D）

Transform	Example	Transformation Matrix	Function
Translation（平移）		[x′y′1]=[10tx01ty001][xy1]\begin{bmatrix}x' \\y'\\ 1 \end{bmatrix}= \begin{bmatrix}1 & 0 & t_x \\0 & 1 & t_y \\ 0 & 0 & 1 \end{bmatrix}\begin{bmatrix}x \\y\\ 1\end{bmatrix} ⎣⎡​x′y′1​⎦⎤​=⎣⎡​100​010​tx​ty​1​⎦⎤​⎣⎡​xy1​⎦⎤​
Scale（放缩）		[Sx000Sy0001]\begin{bmatrix}S_x & 0 & 0 \\0 & S_y & 0 \\ 0 & 0 & 1 \end{bmatrix} ⎣⎡​Sx​00​0Sy​0​001​⎦⎤​	imresize()
Shear（剪切）		[1hx0hy10001]\begin{bmatrix}1 & h_x & 0 \\h_y & 1 & 0 \\ 0 & 0 & 1 \end{bmatrix} ⎣⎡​1hy​0​hx​10​001​⎦⎤​
Rotation with θ(clock-wise)（顺时针旋转）		[cosθsinθ0−sinθcosθ0001]\begin{bmatrix}cos\theta& sin\theta & 0 \\-sin\theta & cos\theta & 0 \\ 0 & 0 & 1 \end{bmatrix} ⎣⎡​cosθ−sinθ0​sinθcosθ0​001​⎦⎤​	imrotate()

4.2 Image Rotation

语法：imrotate(图像矩阵名称，旋转角度，'method')

利用指定的插值方法method进行图像A的旋转，method是文本字符串，需要引号引出，method包括：

1. ‘nearest’最临近插值-默认值
2. 'bilinear’双线性的
3. 'bicubic’双三次的

程序示例：

clc;clear;close all;I=imread('rice.png');
subplot(1,2,1);imshow(I);I2=imrotate(I,35,'bilinear');
subplot(1,2,2);imshow(I2);

运行结果：

注意：

不难发现，旋转之后的图像所占的空间更大。

5 Write Images（写入/存储图像）

语法：imwrite(图像矩阵名，'存储名.格式')

支持的格式有：.bmp, .gif, .hdf, .jpg, .jpeg, .jp2, .jpx,.pcx, .pnm, .ppm, .ras, .tif, .tiff, .xwd

---------------------------------------------------------------------------------分割线---------------------------------------------------------------------------------
以下部分以解决一个实际问题为导向，进行图像处理的学习

问题：数米粒

数出图中有几颗米粒？

6 Image thresholding（灰阶–>二值）

6.1 函数 graythresh( )

作用：这个函数可以帮助你找到一个最合适的threshold。
语法：返回值（level）=graythresh(图像矩阵名)

6.2 函数 im2bw( )

作用：把图像转换成为二值图像。
语法：新图像名=im2bw(图像矩阵名，level)

程序示例：

clc;clear;close all;
I=imread('rice.png');
subplot(1,2,1);imshow(I);level=graythresh(I);
I2=im2bw(I,level);
subplot(1,2,2);imshow(I2);

运行结果：

7 Background estimation

问题导向：如上处理结果，不难发现，在图上的上半部分有部分噪点（sparkle），而在下半部分也存在一些米粒不见了

分析原因：因为灰度图的背景，在上半部分偏亮，导致有些小点在转化为二值图时超过了门槛，变成了白色；而在背景的下半部分偏暗，所以导致有的米粒没有达到门槛灰度值，变成了黑色。
解决方法：为了解决此问题，需要我们提取背景，然后删除背景带来的影响。

7.1 Background Estimation

语法：背景图像名=imopen(图像名，SE)
SE可以是单个结构元素对象或者结构元素对象数组。

这里涉及matlab的开闭运算，不作详细说明。

程序示例：

clc;clear;close all;
I=imread('rice.png');
subplot(1,2,1);imshow(I);BG=imopen(I,strel('disk',15));  %创建一个平坦圆形结构，半径为15，然后进行开运算。
subplot(1,2,2);imshow(BG);

运行结果：

如上所述，已经提取出图片的背景，下一步就是把背景从图片中剔除。

7.2 Background Subtraction

影响的四则运算，前面有汇总放链接！

语法：新图像=imsubtract(被减图A，减图B) %A-B
程序示例：

clc;clear;close all;
I=imread('rice.png');
subplot(1,3,1);imshow(I);BG=imopen(I,strel('disk',15));
subplot(1,3,2);imshow(BG);NewRice=imsubtract(I,BG);
subplot(1,3,3);imshow(NewRice);

程序结果：

7.3 Thresholding on Background Removed Image

相当于把之前写过的代码累加起来。
程序示例：

clc;clear;close all;%没有背景处理
I=imread('rice.png');
subplot(1,3,1);imshow(I);
level=graythresh(I);
I2=im2bw(I,level);
subplot(1,3,2);imshow(I2);%有背景处理
BG=imopen(I,strel('disk',15));
NewRice=imsubtract(I,BG);
level=graythresh(NewRice);
I3=im2bw(NewRice,level);
subplot(1,3,3);imshow(I3);

运行结果：

对比不难发现，第二幅图中少米粒以及由噪点的情况都消失了。

8 Connected-component labelling

原理：扫描所有的像素点，如果相邻的两个像素点都是白色，则两个像素点就会拥有同样的标签。

8.1 函数 bwlabel()

语法：[L,num] = bwlabel(BW,n)

• L-返回一个和BW相同的矩阵，同一个连通区域的元素值相等
• num-返回连通区域的个数
• BW-被处理的图像
• n-值为4或8，表示是按4连通寻找区域，还是8连通寻找，默认为8。
  • 8连通:是说一个像素，如果和其他像素在上、下、左、右、左上角、左下角、右上角或右下角连接着，则认为他们是联通的；
  • 4连通：如果像素的位置在其他像素相邻的上、下、左或右，则认为他们是连接着的，连通的，在左上角、左下角、右上角或右下角连接，则不认为他们连通。

程序示例：

clc;clear;close all;I=imread('rice.png');
BG=imopen(I,strel('disk',15));
NewRice=imsubtract(I,BG);
level=graythresh(NewRice);
I3=im2bw(NewRice,level);[L,num]=bwlabel(I3,8);

运行结果：

由上图可以看出，原图是256*256的图像，得到的矩阵L也是256*256，同一块区域都被标上了相同的编号，把这块区域圈起来，就是一个米粒的形状，输出num值，可以得到整个图上有99个米粒。

8.2 Color coding objects

作用：给每一个标签一个颜色
语法：RGB = label2rgb(L)
输入：L——标记矩阵(可由labelmatrix, bwlabel, bwlabeln, watershed返回)
输出：RGB——彩色图像
注：根据L的数值对应，默认对应到colormap(jet)的色彩，返回RGB矩阵

程序示例：

clc;clear;close all;I=imread('rice.png');
BG=imopen(I,strel('disk',15));
NewRice=imsubtract(I,BG);
level=graythresh(NewRice);
I3=im2bw(NewRice,level);[L,num]=bwlabel(I3,8);
ColorL=label2rgb(L);
imshow(ColorL);

运行结果：

8.3 Object Properties

作用：对每一个connected component提供一系列的属性
语法：STATS = regionprops(L,'properties')

• 输入
  L——标记矩阵
  字符串——字符串为basic时，属性: ‘Area’, ‘Centroid’, 和 ‘BoundingBox’ 将被计算。
• 输出
  STATS——是一个结构体数组，每个元素包含了相应的属性

程序示例：

clc;clear;close all;I=imread('rice.png');
BG=imopen(I,strel('disk',15));
NewRice=imsubtract(I,BG);
level=graythresh(NewRice);
I3=im2bw(NewRice,level);[L,num]=bwlabel(I3,8);
data=regionprops(L,'basic');
data(55)  %以第55颗米为例

运行结果：

【完结】MATLAB的工程应用——影像处理相关推荐

1. MATLAB教学_09影像处理二

   本文视频地址:https://www.bilibili.com/video/av68228488?p=9 主要学习了初阶影像处理.有三个内容: 图像阈值 背景预测 相关连的标签 计算米粒颗数 先将图片 ...

2. matlab plot函数_慧图大讲堂 | 一起来认识MATLAB吧！

   慧图大讲堂 岁月流转,时光飞逝.转眼间又开学了,小伙伴们在使用MATLAB吗?想知道漂亮的图表.还原模糊图像.图像识别.模型预测,这些好玩的东西怎么做?快点和慧图君一起认识MATLAB吧! 01 什么 ...

3. 关于matlab好文推荐

   "Matlab"是"Matrix Laboratory" 的缩写,中文"矩阵实验室",是强大的数学工具.本文侧重于Matlab的编程语言侧面 ...

4. matlab逐步积分,第17章 隐式逐步积分法.ppt

   第十七章 MATLAB车辆工程应用实战 第17章 隐式逐步积分法 第十七章 MATLAB车辆工程应用实战 17.2 常用积分表达式 第十七章 MATLAB车辆工程应用实战 17.2 常用积分表达式 第 ...

5. matlab建模总结,MATLAB 数学建模方法与实践（第 3 版）

   本书从数学建模的角度介绍了 MATLAB 的应用,涵盖了绝大部分数学建模问题的 MATLAB 求解方法.全书共 5 篇.第一篇是基础篇,介绍基本概念,包括 MATLAB 在数学建模中的地位.数学模型的 ...

6. 典型的多层神经网络模型,神经网络多传感器融合

   1.多传感器信息融合和神经网络(RBF)是什么关系? 两者间不具有明显的关系,前者是一类需要解决的问题,即将处于不同层次或相同层次的传感器信息进行全局性或局部性的融合.(加权平均就是一种最简单的融合) ...

7. 智能网联模拟智慧交通综合实践开源平台

   智能网联模拟智慧交通综合实践开源平台是集无人驾驶综合平台.数字孪生和智慧沙盘车RTRC Pro于一体的平台,适用于各大高校教师教育教学和学生学习.当下各大高校智能网联汽车教育面临师资匮乏.课程资源紧缺 ...

8. Matlab影像处理二

   前言 Matlab影像处理二 目录 前言 学习内容 一.图像处理 Image Thresholding graythresh() and im2bw() background Estimation(背 ...

9. 完全手册-MATLAB使用详解：基础、开发及工程应用

   [书名]完全手册-MATLAB使用详解:基础.开发及工程应用 [作者]董霖 编著 [ISBN]978-7-121-07397-7 [出版社]电子工业出版社 [出版日期]2009年1月 [内容简介] M ...

最新文章

1. 基于用户评价的评分模型
2. http压缩方法（IIS 6.0 与IIS 7.0的详解）
3. java vm 远程监控配置文件_Java VisualVM监控远程JVM(详解)
4. C++和Opencv4.5 实现全景图像拼接
5. React开发（119）:代码原因
6. 数据结构 - 栈（数组模拟栈操作）
7. 什么是epoll的水平触发与边缘触发？两段代码彻底理解
8. 命令父窗口变颜色_【编程】第五期：Python Tkinter图形化教程03布局之父窗口、pack和LabelFrame...
9. linux删除进程文件,Linux如何查找或删除正在使用某文件的进程
10. 算法竞赛进阶指南0x00基本算法 0x01位运算 例题起床困难综合征
11. win8提示当前页面的脚本发生错误如何解决
12. 新CCF-CSP认证历年真题解
13. eclipse 中各种小图标含义
14. 用编程Python赚钱的5个方法
15. 王者荣耀使用什么编程语言开发的？
16. 【Python3.6爬虫学习记录】（十五）Scrapy爬虫框架的应用及马赛克拼图生成
17. 中国县城生活实录：上楼因特网，下楼码长城
18. 电脑启动不起来，英文提示Reboot and select proper boot device or Insert Boot Media in selected Boot
19. 在数据库中如何使用存储过程
20. 自制IDE转SATA电源转接线

热门文章

1. cnpm命令安装，不是内部命令解决方案。
2. Spring Boot的dao无法注入Autowire的问题
3. 回文数java_回文数及JAVA编程判断回文数
4. 清除inline-block行间距
5. web笔记day14
6. Syntax error on token
7. 详解如何实现a-z字母导航栏
8. 2020笔记本性价比之王_2020年性价比高的笔记本电脑选什么?
9. 运维工程师高级运维中级运维初级运维学习路线技能图谱
10. Java原子操作与原子类