matlab幂次变换代码,常用的一些图像处理Matlab源代码
#1:数字图像矩阵数据的显示及其傅立叶变换
#2:二维离散余弦变换的图像压缩
#3:采用灰度变换的方法增强图像的对比度
#4:直方图均匀化
#5:模拟图像受高斯白噪声和椒盐噪声的影响
#6:采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波
#7:采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波
#8:图像的自适应魏纳滤波
#9:运用5种不同的梯度增强法进行图像
锐化
#10:图像的高通滤波和掩模处理
#11:利用巴特沃斯(Butterworth)低通滤波器对受噪声干扰的图像进行平滑处理
#12:利用巴特沃斯(Butterworth)高通滤波器对受噪声干扰的图像进行平滑处理
1.数字图像矩阵数据的显示及其傅立叶变换
f=zeros(30,30);
f(5:24,13:17)=1;
imshow(f, 'notruesize');
F=fft2(f,256,256); % 快速傅立叶变换算法只能处矩阵维数为2的幂次,f矩阵不
% 是,通过对f矩阵进行零填充来调整
F2=fftshift(F); % 一般在计算图形函数的傅立叶变换时,坐标原点在
% 函数图形的中心位置处,而计算机在对图像执行傅立叶变换
% 时是以图像的左上角为坐标原点。所以使用函数fftshift进
%行修正,使变换后的直流分量位于图形的中心;
figure,imshow(log(abs(F2)),[-1 5],'notruesize');
2 二维离散余弦变换的图像压缩
I=imread('cameraman.tif'); % MATLAB自带的图像
imshow(I);
clear;close all
I=imread('cameraman.tif');
imshow(I);
I=im2double(I);
T=dctmtx(8);
B=blkproc(I,[8 8], 'P1*x*P2',T,T');
Mask=[1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];
B2=blkproc(B,[8 8],'P1.*x',Mask); % 此处为点乘(.*)
I2=blkproc(B2,[8 8], 'P1*x*P2',T',T);
figure,imshow(I2); % 重建后的图像
3.采用灰度变换的方法增强图像的对比度
I=imread('rice.tif');
imshow(I);
figure,imhist(I);
J=imadjust(I,[0.15 0.9], [0 1]);
figure,imshow(J);
figure,imhist(J);
4直方图均匀化
I=imread('pout.tif'); % 读取MATLAB自带的potu.tif图像
imshow(I);
figure,imhist(I);
[J,T]=histeq(I,64); % 图像灰度扩展到0~255,但是只有64个灰度级
figure,imshow(J);
figure,imhist(J);
figure,plot((0:255)/255,T); % 转移函数的变换曲线
J=histeq(I,32);
figure,imshow(J); % 图像灰度扩展到0~255,但是只有32个灰度级
figure,imhist(J);
5模拟图像受高斯白噪声和椒盐噪声的影响
I=imread('eight.tif');
imshow(I) ;
J1=imnoise(I,'gaussian',0,0.02); % 叠加均值为0,方差为0.02的高斯噪声,可以用
% localvar代替figure,imshow (J1);
J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声。
figure,imshow(J2);
6采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像
I=imread('eight.tif');
imshow(I) ;
J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声。
figure,imshow(J2);
I_Filter1=medfilt2(J2,[3 3]); %窗口大小为3×3
figure,imshow(I_Filter1);
I_Filter2=medfilt2(J2,[5 5]); %窗口大小为5×5
figure,imshow(I_Filter2);
I_Filter3=medfilt2(J2,[7 7]); %窗口大小为7×7
figure,imshow(I_Filter3);
7采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波
[I,map]=imread('eight.tif');
figure,imshow(I);title('original')
J1=imnoise(I,'gaussian',0,0.02); % 受高斯噪声干扰
M4=[0 1 0; 1 0 1; 0 1 0];
M4=M4/4; % 4邻域平均滤波
I_filter1=filter2(M4,J1);
figure,imshow(I_filter1,map);
M8=[1 1 1; 1 0 1; 1 1 1]; % 8邻域平均滤波
M8=M8/8;
I_filter2=filter2(M8,J1);
figure,imshow(I_filter2,map);
8图像的自适应魏纳滤波
[I,map]=imread('eight.tif');
figure,imshow(I);title('original')
J1=imnoise(I,'gaussian',0,0.02); % 受高斯噪声干扰
[K noise]=wiener2(J1, [5 5]);
figure,imshow(K);
9运用5种不同的梯度增强法进行图像锐化
[I,map]=imread('3-22.jpg');
imshow(I,map);
I=double(I);
[Gx,Gy]=gradient(I); % 计算梯度
G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘
J1=G;
figure,imshow(J1,map); % 第一种图像增强
J2=I; % 第二种图像增强
K=find(G>=7);
J2(K)=G(K);
figure,imshow(J2,map);
J3=I; % 第三种图像增强
K=find(G>=7);
J3(K)=255;
figure,imshow(J3,map);
J4=I; % 第四种图像增强
K=find(G<=7);
J4(K)=255;
figure,imshow(J4,map);
J5=I; % 第五种图像增强
K=find(G<=7);
J5(K)=0;
Q=find(G>=7);
J5(Q)=255;
figure,imshow(J5,map);
10图像的高通滤波和掩模处理
[I,map]=imread('blood1.tif');
imshow(I,map);
H2=[-1 -1 -1;-1 -9 -1;-1 -1 -1];
J1=filter2(H2,I); % 高通滤波
figure,imshow(J1,map);
I=double(I);
M=[1 1 1;1 1 1;1 1 1]/9;
J2=filter2(M,I);
J3=I-J2; % 掩模
figure,imshow(J3,map);
11利用巴特沃斯(Butterworth)低通滤波器对受噪声干扰的图像进行平滑处理
I=imread('Saturn.tif');
imshow(I);
J1=imnoise(I,'salt & pepper'); % 叠加椒盐噪声
figure,imshow(J1);
f=double(J1); % 数据类型转换,MATLAB不支持图像的无符号整型的计算
g=fft2(f); % 傅立叶变换
g=fftshift(g); % 转换数据矩阵
[M,N]=size(g);
nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器
d0=50;
m=fix(M/2); n=fix(N/2);
for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数
result(i,j)=h*g(i,j);
end
end
result=ifftshift(result);
J2=ifft2(result);
J3=uint8(real(J2));
figure,imshow(J3); % 显示滤波处理后的图像
12利用巴特沃斯(Butterworth)高通滤波器对受噪声干扰的图像进行平滑处理
I=imread('blood1.tif');
imshow(I);
f=double(I); % 数据类型转换,MATLAB不支持图像的无符号整型的计算
g=fft2(f); % 傅立叶变换
g=fftshift(g); % 转换数据矩阵
[M,N]=size(g);
nn=2; % 二阶巴特沃斯(Butterworth)高通滤波器
d0=5;
m=fix(M/2);
n=fix(N/2);
for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
if (d==0)
h=0;
else
h=1/(1+0.414*(d0/d)^(2*nn));% 计算传递函数
end
result(i,j)=h*g(i,j);
end
end
result=ifftshift(result);
J2=ifft2(result);
J3=uint8(real(J2));
figure,imshow(J3); % 滤波后图像显示
matlab幂次变换代码,常用的一些图像处理Matlab源代码相关推荐
- matlab幂次变换代码,matlab实现 图像的灰度变换 增强输入图像的对比度 幂律变换 代码...
matlab实现 图像的灰度变换 增强输入图像的对比度 幂律变换 代码 发布时间:2018-10-25 21:20, 浏览次数:891 , 标签: matlab 题目:选择合适的基本灰度变换模型及其参 ...
- 图像的 matlab代码,常用的一些图像处理Matlab源代码
#1:数字图像矩阵数据的显示及其傅立叶变换 #2:二维离散余弦变换的图像压缩 #3:采用灰度变换的方法增强图像的对比度 #4:直方图均匀化 #5:模拟图像受高斯白噪声和椒盐噪声的影响 #6:采用二维中 ...
- matlab图源代码,[转载]常用的一些图像处理Matlab源代码
常用的一些图像处理Matlab源代码 #1:数字图像矩阵数据的显示及其傅立叶变换 #2:二维离散余弦变换的图像压缩 #3:采用灰度变换的方法增强图像的对比度 #4:直方图均匀化 #5:模拟图像受高斯白 ...
- Matlab幂律变换及直方图均衡化
一.目标: 1.实现幂律变换,可以尝试调整gamma数值,观察图像变换.分析Lena图像(灰度)在不同gamma数值下,图像灰度变换的特点. 2.观察Lena图像的直方图.实现Lena图像的直方图均衡 ...
- 数学建模中matlab程序,数学建模中常用的30个MATLAB程序和函数
<数学建模中常用的30个MATLAB程序和函数>由会员分享,可在线阅读,更多相关<数学建模中常用的30个MATLAB程序和函数(15页珍藏版)>请在人人文库网上搜索. 1.内部 ...
- matlab灰色预测弱化代码,灰色预测模型介绍及MATLAB代码实现
灰色预测模型介绍及MATLAB代码实现 灰色预测模型介绍及MATLAB代码实现 文章目录 1. 按 2. 灰色模型介绍 3. 精度检验等级参照表 4. matlab代码 5. 实验数据 5.1. 测试 ...
- MATLAB科学计算机lnx代码,[2018年最新整理]Matlab科学计算.ppt
[2018年最新整理]Matlab科学计算 Matlab与科学计算 计算机学院 刘咏梅 Email:liuyongmei@hrbeu.edu.cn 第二章 MATLAB数值计算基础 Introduct ...
- matlab产生谐波的代码,谐波产品频谱的MATLAB代码
好的,你不能为每个下采样数据做 "hps = FFT1.*hps1.*hps2;" ,你有不同的尺寸...... 我为你做了一个例子,如何使用5次谐波抽取(下采样)制作一个非常简单 ...
- matlab蚁群算法代码,蚁群算法的matlab实现
本人自己写的蚁群算法.完全能够实现功能,就是收敛速度感觉有点慢. % function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACO ...
最新文章
- mvn 打包可执行包_如何用Maven打包可执行jar包
- linux shell获取字符串第1个字符
- AI成为世界互联网大会重要议题 第四范式AutoML登上央视
- 面试ASP.NET程序员的笔试题和机试题
- windows下配置mysql主从复制_Windows下MySQL主从复制的配置方法
- 下载的oracle如何解压,深度概述Ubuntu oracle下载解压
- 【kafka】kafka 控制台 消费 ip 却找 域名 报错 Can‘t resolve address UnresolvedAddressException
- .net项目开发工具(V2.0)异常报告专帖
- 360金融新任首席科学家:别指望AI Lab做成中台
- maven私服搭建及应用
- AIDE手机编程初级教程(零基础向) 3.2.2 设计欢迎页(补充)
- 计算机网络第五版思维导图大全集
- 国防科技大学|信息化保障和支援能力训练虚拟仿真实验
- JavaScript 弹出窗口代码大全
- C++中的LPVOID类型
- linux cpan 参数配置,CPAN 的使用
- 未来的量子计算机模型,量子计算机上量子人工生命模型
- Android 淘宝19年双十一自动化做任务
- 如何转型社交新零售电商?转型社交新零售的核心关键是什么?
- CSS层叠样式表基础知识整理
热门文章
- 采用GDI生成Code39条形码
- MySQL行锁 表锁理解
- redis bio线程任务队列
- 学计算机的专属表白方式,九个学科专属表白句子-花式表白公式【蜜匠婚礼】...
- python程序题求roc-auc是一种常用的模型评价指标_Keras 利用sklearn的ROC-AUC建立评价函数详解...
- Java基础与数据库对应数据--Java基础2阶段
- SpringMVC框架搭建( 使用Jar包搭建)
- linux mint更换mac,在Ubuntu、Linux Mint上安装Mac OS X主题
- 关于Consul的几个问题
- binlog和redo log的区别