圖像處理實(shí)例含Matlab代碼

1、1. 圖像一的細(xì)胞計(jì)數(shù) 2. 圖像二的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 1. 圖像一的細(xì)胞計(jì)數(shù) 2. 圖像二的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 1. 圖像一的細(xì)胞計(jì)數(shù) 將該圖形進(jìn)行一系列處理，計(jì) 算得到途中清晰可見細(xì)胞的個(gè)數(shù)。 轉(zhuǎn)為灰度圖，二值化，中值濾 波，圖像取反，計(jì)數(shù)，再次中值濾 波，再次計(jì)數(shù) 1. 圖像一的細(xì)胞計(jì)數(shù) clear;close all; Image = imread(1.jpg); figure,im

2、show(Image),title(原圖); Image=rgb2gray(Image); figure,imshow(Image),title(灰度圖); Theshold = graythresh(Image); Image_BW = im2bw(Image,Theshold); Reverse_Image_BW22=Image_BW; figure,imshow(Image_BW),title(二值化圖像); Image_BW_medfilt= medfilt2(Image_BW,3 3); figure,imshow(Image_BW_medfilt),title(中值濾波后的二值化圖

3、像); Reverse_Image_BW = Image_BW_medfilt; figure,imshow(Reverse_Image_BW),title(圖象取反); Image_BW_medfilt2= medfilt2(Reverse_Image_BW,20 20); figure,imshow(Image_BW_medfilt2),title(第二次中值濾波的二值化圖像); Label, Number=bwlabel(Image_BW_medfilt,8);Number Label, Number=bwlabel(Image_BW_medfilt2,8);Number 1. 圖像一的

4、細(xì)胞計(jì)數(shù) 1. 圖像一的細(xì)胞計(jì)數(shù) 1. 圖像一的細(xì)胞計(jì)數(shù) 結(jié)果： 經(jīng)過一次中值濾波得到的細(xì)胞個(gè)數(shù)為：1498個(gè)。 經(jīng)過第二次中值濾波去掉不清晰的細(xì)胞得到的細(xì)胞個(gè)數(shù)為211個(gè)。 1. 圖像一的細(xì)胞計(jì)數(shù) 2. 圖像二的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 2. 圖像二的圖形結(jié)構(gòu)提取 將該圖形進(jìn)行一系列處理，得 到該生物模糊部分的大致結(jié)構(gòu)。 首先，將原圖轉(zhuǎn)為灰度圖，再 進(jìn)行圖像銳化，突出圖像的各個(gè)邊 界部分，然后進(jìn)行二值化得到二值 化圖像，之后進(jìn)行圖像邊界的提取， 提取之后由于邊界像素點(diǎn)不夠連續(xù)， 所以再進(jìn)行一次閉運(yùn)

5、算用以連接邊 界，得到結(jié)果圖像。 2. 圖像二的圖形結(jié)構(gòu)提取 clear;close all; Image = imread(2.jpg); figure,imshow(Image),title(原圖); Image=rgb2gray(Image); figure,imshow(Image),title(灰度圖); w4 = 1 1 1;1 -8 1;1 1 1 ; Image = im2double(Image); K=imfilter(Image,w4,replicate); KN = Image - K; figure,imshow(KN),title(ruihua); KN=imclo

6、se(KN,strel(rectangle,2,2); KN=imopen(KN,strel(rectangle,2,2); Theshold = graythresh(KN); Image_BW = im2bw(Image,Theshold); Reverse_Image_BW22=Image_BW; figure,imshow(Image_BW),title(初次二值化圖像); BW2 = bwmorph(Image_BW,remove); figure,imshow(BW2),title(邊界圖像); BW3 = imclose(BW2,strel(rectangle,10,10); f

7、igure,imshow(BW3),title(閉運(yùn)算); 2. 圖像二的圖形結(jié)構(gòu)提取 2. 圖像二的圖形結(jié)構(gòu)提取 2. 圖像二的圖形結(jié)構(gòu)提取 1. 圖像一的細(xì)胞計(jì)數(shù) 2. 圖像二的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 3. 圖像三的圖形結(jié)構(gòu)提取 操作方法及目的同實(shí)驗(yàn)二，將 該圖形進(jìn)行一系列處理，得到該生 物模糊部分的大致結(jié)構(gòu)。 首先，將原圖轉(zhuǎn)為灰度圖，再 進(jìn)行圖像銳化，突出圖像的各個(gè)邊 界部分，然后進(jìn)行二值化得到二值 化圖像，之后進(jìn)行圖像邊界的提取， 提取之后由于邊界像素點(diǎn)不夠連續(xù)， 所以再進(jìn)行一次閉運(yùn)算用以

8、連接邊 界，得到結(jié)果圖像。 3. 圖像三的圖形結(jié)構(gòu)提取 clear;close all; Image = imread(3.jpg); figure,imshow(Image),title(原圖); Image=rgb2gray(Image); figure,imshow(Image),title(灰度圖); w4 = 1 1 1;1 -8 1;1 1 1 ; Image = im2double(Image); K=imfilter(Image,w4,replicate); KN = Image - K; figure,imshow(KN),title(ruihua); KN=imclose(

9、KN,strel(rectangle,2,2); KN=imopen(KN,strel(rectangle,2,2); Theshold = graythresh(KN); Image_BW = im2bw(Image,Theshold); Reverse_Image_BW22=Image_BW; figure,imshow(Image_BW),title(初次二值化圖像); BW2 = bwmorph(Image_BW,remove); figure,imshow(BW2),title(邊界圖像); BW3 = imclose(BW2,strel(rectangle,10,10); figu

10、re,imshow(BW3),title(閉運(yùn)算); 3. 圖像三的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 1. 圖像一的細(xì)胞計(jì)數(shù) 2. 圖像二的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 首先，為方便處理將原圖轉(zhuǎn)為 灰度圖，然后進(jìn)行圖像的傅里葉變 換，得到傅里葉變換后的圖像，之 后進(jìn)行巴特沃斯低通濾波，得到濾 波后的圖像以及濾波后的傅里葉變 換圖像。 I1=imread(4.jpg); I1=rgb2gray(I1); subplot(221

11、),imshow(I1); xlabel(a)原始圖像); f=double(I1); g=fft2(f); g=fftshift(g);% F2=log(abs(g); subplot(222),imshow(F2,InitialMagnification,fit); colormap(jet);colorbar xlabel(b)原始圖像的傅里葉變換圖像); N1,N2=size(g); n=2; d0=5; n1=fix(N1/2); n2=fix(N2/2); for i=1:N1 for j=1:N2 d=sqrt(i-n1)2+(j-n2)2); if d=0 h=0; else

12、4. 圖像四的傅里葉變化及巴特沃斯低通濾波 h=1/(1+(d/d0)(2*n); end result(i,j)=h*g(i,j); end end F3=log(abs(result); subplot(223),imshow(F3,InitialMagnification,fit ); colormap(jet);colorbar xlabel(c)濾波后的傅里葉變換圖像) result=ifftshift(result); X2=ifft2(result); X3=uint8(real(X2); subplot(224),imshow(X3) xlabel(d)Butterworth低

13、通濾波圖像); 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 通過圖b我們可以 看出圖像的能量主要集 中在低頻部分，高頻中 存在少量的能量，經(jīng)過 了低通濾波之后，圖像 變得模糊，這時(shí)通過圖 c我們可以發(fā)現(xiàn)高頻部 分已經(jīng)被濾去，圖像上 只剩下了低頻成分。 1. 圖像一的細(xì)胞計(jì)數(shù) 2. 圖像二的圖形結(jié)構(gòu)提取 3. 圖像三的圖形結(jié)構(gòu)提取 4. 圖像四的傅里葉變化及巴特沃斯低通濾波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 該實(shí)驗(yàn)分別對(duì)此圖形進(jìn)行空間域的 濾波以及頻域上的濾波，觀察實(shí)驗(yàn)結(jié)果。 首先，進(jìn)行空間域上的濾波，為了能更 好的觀察濾波效果，先對(duì)圖像添加較為 密集的高斯

14、噪聲，然后分別進(jìn)行均值濾 波，高斯濾波以及拉普拉斯濾波，并觀 察實(shí)驗(yàn)結(jié)果。 其次，進(jìn)行頻域的濾波，同樣為了 能更好的觀察濾波效果，先對(duì)圖像添加 較為密集的高斯噪聲，然后分別進(jìn)行理 想低通濾波以及高斯低通濾波，并觀察 實(shí)驗(yàn)結(jié)果。 %空間域?yàn)V波 clc;close all; I1=imread(4.jpg); I=imnoise(I1,gaussian); w1=fspecial(average,3 3); w3=fspecial(gaussian,3 3,0.5); w4=fspecial(laplacian,0.1); g1=imfilter(I,w1,replicate); g3=imfil

15、ter(I,w3,replicate); g4=imfilter(I,w4,replicate); subplot(3,3,1);imshow(I);title(原圖); subplot(3,3,2);imshow(g1);title(均值濾波); subplot(3,3,4);imshow(g3);title(高斯濾波); subplot(3,3,5);imshow(g4);title(拉普拉斯濾波); figure; 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 5. 圖像五的空間域?yàn)V波與頻域?yàn)V波 %頻域?yàn)V波 clc;close all; I1=imread(4.jpg); I1=rgb2gray(

16、I1); I=imnoise(I1,gaussian); f=im2double(I); F=fft2(double(f);%傅里葉變換 F=fftshift(F);%將變換的原點(diǎn)移到頻率矩形的中心 M,N=size(f); %理想低通濾波 D0=input(輸入截止頻率); h1=zeros(M,N); for i=1:M for j=i:N if(sqrt(i-M/2)2+(j-N/2)2)D0) h1(i,j)=1; end end end G1=F.*h1; G1=ifftshift(G1); g1=real(ifft2(G1); %高斯低通濾波 I=im2double(I); M=2

17、*size(I,1); N=2*size(I,2); %濾波器的行列數(shù) u=-M/2:(M/2-1); v=-N/2:(N/2-1); U,V=meshgrid(u,v); D=sqrt(U.2+V.2); D0=20; H=exp(-(D.2)./(2*(D02); %設(shè)計(jì)高斯濾波器 J=fftshift(fft2(I,size(H,1),size(H,2); G=J.*H; L=ifft2(fftshift(G); L=L(1:size(I,1),1:size(I,2); subplot(2,3,1);imshow(f);title(原圖); subplot(2,3,2);imshow(g1);title(理想低通濾波); subplot(2,3,4);imshow(L);title(高