圖像處理課件

Matlab的圖像處理數(shù)字圖像實際上是一組有序離散的數(shù)據(jù)，

Matlab是一種基于向量（數(shù)組）而不是標(biāo)量的高級程序語言，因而Matlab從本質(zhì)上就提供了對圖像的支持。使用Matlab可以對這些離散數(shù)據(jù)形成的矩陣進行一次性的處理。一、圖像處理的基礎(chǔ)知識。二、

Matlab圖像處理工具箱簡介二、Matlab進行圖像處理范例。●圖像：直接量化的原始信號形式●圖像的最小單位是像素●用于表現(xiàn)自然影像●圖形：運算形成的抽象化產(chǎn)物●圖形由具有方向和長度的矢量表示●用于分析運算結(jié)果，簡單圖形表示1、圖形與圖像

一、圖像處理的基礎(chǔ)知識

數(shù)字圖像的生成圖像是由“照射”源和形成圖像的“場景”元素對光能的反射或吸收相結(jié)合而產(chǎn)生的。照射可能由電磁能源引起，如雷達、紅外線或X射線，也可能是非傳統(tǒng)光源，如超聲波等。場景可能是熟悉的物體，也可能是分子、沉積巖、大腦等。圖顯示了數(shù)字圖像生成的典型過程，成像系統(tǒng)獲取場景反射的能量，并將其映射到圖像平面，經(jīng)過采樣和量化即得到數(shù)字圖像。2、位圖圖像●圖像由基本顯示單元“像素”構(gòu)成圖像像點8bit(28=256色)16bit(216=65536色)24bit(224=16M色)●8位圖像●16位圖像●24位圖像●

二進制位與圖像之間存在嚴格的“位映射”關(guān)系●

像素由若干個二進制位進行描述●

二進制位代表圖像顏色的數(shù)量●

具有位映射關(guān)系的圖叫作“位圖”●

“位圖”特指圖像3、常見的圖像類型

1）二進制圖像每一個像素將取離散數(shù)值0或1中的一個。

2)索引圖像索引圖像包含一個數(shù)據(jù)矩陣X和一個顏色映射矩陣map。選中圖像中的某一處時，此處的像素值通過數(shù)據(jù)矩陣X，在顏色映射矩陣map中可以找到對應(yīng)的像素。3）灰度圖像通常用一個數(shù)據(jù)矩陣來描述，圖像的每一個像素點會對應(yīng)到數(shù)據(jù)矩陣中的一個元素.例如，8位灰度圖像中，0代表黑色，255代表白色。

4)RGB圖像

RGB圖像又稱真彩圖像，它是利用R、G、B三個分量標(biāo)識一個像素的顏色，利用三個基色可以合成任意顏色的原理，對一個尺寸為nXm的彩色圖像來說，在Matlab7.0中則存儲一個nXmX3的多維數(shù)組，其中數(shù)組中的元素定義了圖像中每一個象素的紅、綠、藍顏色值真彩圖像。此外，Matlab還支持由多幀圖像組成的圖像序列。不同分辨率下的圖像1024×1024→512×512→256×256→128×128→64×64→32×32不同灰度級的圖像二值圖像與灰度圖像4、常用圖像存儲格式

不同的操作系統(tǒng)、不同的圖像處理軟件所支持的圖像格式是不同的。

1）BMP文件

保存為*.bmp

，BMP是一種Windows標(biāo)準的點陣式圖形文件格式，常見于Windows附件中的畫筆，這種格式的特點是包含圖像信息比較豐富，幾乎不進行壓縮，但占用磁盤空間較大。

2）GIF文件

保存為*.gif，該格式是CompuServe提供的一種圖形格式，常見于因特網(wǎng)HTML網(wǎng)頁中的動畫（在沒有flash之前），它使用LZW的壓縮方式將文件壓縮而不會占磁盤空間，因此gif格式廣泛應(yīng)用與因特網(wǎng)HTML網(wǎng)頁文檔中，或網(wǎng)絡(luò)上的圖片傳輸，但只能支持8位的圖像文件，它還可以支持透明背景和動畫的圖像格式。

3)TIF文件保存為*.tif

，該格式是一種應(yīng)用非常廣泛的的無損壓縮圖像格式，用于應(yīng)用程式之間和計算機平臺之間的交換文件，它的出現(xiàn)使圖像數(shù)據(jù)交換變的簡單。（常見掃描儀掃描的圖片，無壓縮文件較大）4)JPEG格式

保存為*.jpg

，該格式是目前壓縮率最高的格式，常見于數(shù)碼像機以及普遍應(yīng)用于圖像顯示和超文本文檔（如網(wǎng)頁）中。在壓縮保存過程中與GIF格式不同，JPEG保留RGB圖像中的所有顏色信息，以失真最小的方式去小一些細微的數(shù)據(jù)。文件顏色與分辨率用途.GIF256/96dpi用于動畫、多媒體程序界面，網(wǎng)頁界面.BMP256～224/*dpi用于Windows環(huán)境下的任何場合.TIF256～232

/*dpi用于專業(yè)印刷.JPG216

～232/*dpi用于數(shù)字圖片保存、傳送.TGA256～224/96dpi用于專業(yè)動畫影視制作.PCD216

～232/*dpi用于PHOTOCD●

注意：圖像文件的擴展名不要輕易修改，否則不能使用圖像文件●數(shù)字化圖像以文件的形式存在，其文件名有嚴格的約定5.數(shù)字圖像處理的研究內(nèi)容

數(shù)字圖像處理的研究主要有兩個方面：

1.為了便于人工分析而對圖像信息的改進，包括圖像

去噪、增強、圖像恢復(fù)等；

2.為了便于機器自動理解，對圖像進行的分割、理解等

圖像研究介紹底層信息

像素：每幅圖像存儲為矩陣[a(i,j)],其中(i,j)為像素空間位置，a(i,j)為像素的(紅/綠/藍)三通道顏色向量或者灰度值。

邊緣：顏色或者灰度變化比較大的像素點集合。生物視覺系統(tǒng)對邊緣具有強敏感性。紋理：草地、樹林、天空等區(qū)域。中層信息

分割：例如上述圖像可分割為不同的區(qū)域：天空、樹林、草地、馬。

目標(biāo)檢測：例如利用算法自動識別與標(biāo)記圖像中的不同物體。

高層信息圖像語義描述：例如，上圖可理解為一幅春季的農(nóng)場圖片。往往由圖像中所包含物體的特征所推理得到的語義描述。高層語義描述具有不唯一性。圖像研究介紹圖像研究分類基礎(chǔ)研究圖像的基本規(guī)律、模式識別的基本理論、生物學(xué)基礎(chǔ)等；算法研究針對圖像處理的基本問題，設(shè)計模型與統(tǒng)計、優(yōu)化算法；應(yīng)用研究針對工業(yè)界所面臨的問題（可能超出圖像處理基本問題范疇），進行創(chuàng)新性研究?；A(chǔ)研究算法研究應(yīng)用研究三者同等重要(圖像基礎(chǔ)研究應(yīng)緊密結(jié)合應(yīng)用背景)數(shù)字圖像的處理主要有以下方面：（1）圖像變換：傅立葉變換，小波變換等。（2）圖像增強與復(fù)原：突出圖像信息，抗干擾。（3）圖像壓縮編碼：簡化圖像利于傳輸?shù)?。?）圖像分割：提取圖像中的有意義的特征。（5）圖像分析：對圖像中的信息進行各種分析。（6）圖像識別：提取圖像中的信息進行判別。（7）圖像隱藏：對圖像加入水印進行信息偽裝。………圖像處理基本任務(wù)圖像濾波與去噪(Imagefilteringanddenoising):輸入噪聲圖像，去除圖像中所包含的噪聲信息，以利于圖像的進一步分析和處理。噪聲類型生成噪聲：高斯噪聲，椒鹽噪聲真實噪聲：相機采集圖像時的真實噪聲，類高斯，但方差較小，且具有空間不一致性。圖像處理基本任務(wù)圖像填充（Imageinpainting）原本出現(xiàn)于藝術(shù)家手工修復(fù)藝術(shù)作品的污損或劃痕部分，主要任務(wù)是通過數(shù)學(xué)模型和計算機算法，將圖像中的缺失部分（由于污損、劃痕、圖像編輯、文字等造成的缺損）自動填充完整。圖像處理基本任務(wù)圖像超分辨率（Super-resolution）圖像的超分辨率重建問題是指：給定低分辨率圖像，如何重建出相應(yīng)的高分辨圖像;挑戰(zhàn)：目前可以很好實現(xiàn)圖像邊緣的超分辨率，但無法完美實現(xiàn)紋理的超分辨率。圖像處理基本任務(wù)圖像去模糊（Imagedeblur）去除圖像中的模糊現(xiàn)象。圖像在拍攝過程中，由于成像過程中相機或者拍攝物體的運動所產(chǎn)生的模糊現(xiàn)象。常常發(fā)生在低光照條件下降低快門速度拍照。模糊圖像去除模糊后的圖像（包括模糊核）[注]：目前，家用相機和單反相機仍然受到模糊的影響，去模糊問題還遠遠沒有解決。圖像處理基本任務(wù)圖像分割(Imagesegmentation)低層分割：將圖像分割成為顏色或者紋理一致的小圖像區(qū)域集合；中層分割：將圖像分割成為不同深度、不同物體所構(gòu)成的圖像區(qū)域集；高層分割：將圖像分割成為具有不同語義或目標(biāo)的區(qū)域。圖像處理基本任務(wù)圖像特征提取、表達與分類(Featureextraction,representationandclassification)特征提?。禾崛D像的低層特征，例如角點、紋理、邊緣等，具有高維性。特征表達：將高維圖像特征抽象、壓縮表示為固定維數(shù)的特征向量。圖像分類：基于圖像特征向量，利用模式識別算法實現(xiàn)圖像分類。cowshouseairplanepeople特征提取特征表達分類算法圖像處理基本任務(wù)視頻處理(Videoprocessing)圖像處理中的所有問題均對應(yīng)著相應(yīng)視頻處理問題：視頻去噪、填充、超分辨率、分割與理解與圖像處理的不同之處：視頻相鄰幀之間的強相關(guān)性為解決視頻處理問題提供的新的信息。因此視頻處理結(jié)果相對于單幀圖像處理效果更好。二.Matlab圖像處理工具箱簡介

圖像處理工具箱主要有：

＊ImageAcquisitionToolbox

＊

ImageProcessingToolbox

＊

SignalProcessingToolbox

＊

WaveletToolbox

＊

StatisticsToolbox

＊

BioinformaticsToolbox

＊

MatlabCompiler

＊

MatlabCOMbuilder圖像采集與導(dǎo)出

圖像采集工具箱提供了大量的函數(shù)用于采集圖像和視頻信號。該工具箱支持的硬件設(shè)備包括工業(yè)標(biāo)準的PC圖像采集卡和相應(yīng)的設(shè)備。

Matlab的ImageProcessingToolbox支持多種圖像數(shù)據(jù)格式，這些圖像文件格式主要有JPEG、TIFF、HDF、HDF.EOS和DICOM。同時，Matlab中還可以導(dǎo)入/導(dǎo)出AVI格式的數(shù)據(jù)文件，支持其他工業(yè)標(biāo)準的數(shù)據(jù)文件格式。

Matlab對圖像的處理功能主要集中在它的圖像處理工具箱（ImageProcessingToolbox）中。

圖像處理工具箱是由一系列支持圖像處理操作的函數(shù)組成，可以進行諸如幾何操作、線性濾波和濾波器設(shè)計、圖像變換、圖像分析與圖像增強、數(shù)學(xué)形態(tài)學(xué)處理等圖像處理操作。

Matlab數(shù)字圖像處理工具箱函數(shù)包括以下幾類：(1)圖像文件輸入、輸出函數(shù)；(2)圖像顯示函數(shù)；(3)圖像幾何操作函數(shù)；(4)圖像像素值及統(tǒng)計函數(shù)；(5)圖像分析函數(shù)；(6)圖像增強函數(shù)；(7)線性濾波函數(shù)；(8)二維線性濾波器設(shè)計函數(shù)；(9)圖像變換函數(shù)；(10)圖像鄰域及塊操作函數(shù)；(11)二值圖像操作函數(shù)；(12)基于區(qū)域的圖像處理函數(shù)；(13)顏色圖操作函數(shù)；(14)顏色空間轉(zhuǎn)換函數(shù)；(15)圖像類型和類型轉(zhuǎn)換函數(shù)。圖像處理實驗圖像處理編程基本流程第1步：讀圖像文件第2步：圖像處理算法（矩陣數(shù)據(jù)處理）第3步：存圖像文件Matlabimread:讀取圖像文件imwrite：存儲圖像到硬盤imshow：顯示圖像處理效果（用于調(diào)試）編程（Matlab與C混編）Matlab處理讀、存圖像以及可以以矩陣方式計算的數(shù)據(jù)處理部分；C語言程序處理涉及循環(huán)操作的數(shù)據(jù)處理部分。33MATLAB在圖像處理中的應(yīng)用都是由相應(yīng)的MATLAB函數(shù)來實現(xiàn)。下面用實例討論如何利用MATLAB處理數(shù)字圖像。三.MATLAB圖像處理實例分析圖像的顯示及類型轉(zhuǎn)換圖像的直方圖處理圖像的代數(shù)運算圖像的空間運算圖像增強及復(fù)原圖像的邊緣檢測圖像間的運算特定區(qū)域的處理圖像變換

圖像文件的顯示Matlab

圖像處理工具箱提供了一個高級的圖像顯示函數(shù)imshow。其語法格式如下，灰度圖像imshow(I)

imshow(I,n)imshow(I,［lowhigh］)二值圖像imshow(BW)索引圖像imshow(X,map)真彩色圖像imshow(RGB)其中n為灰度級數(shù)目，缺省值為256。［lowhigh］為圖像數(shù)據(jù)的值域。tu=imread('football.jpg');imshow(tu);subplot(1,3,1)imshow(tu(:,:,[123]))subplot(1,3,2)imshow(tu(:,:,[321]))subplot(1,3,3)imshow(tu(:,:,[132]))truesize的使用如果圖像太小，顯示很小，不利于瀏覽，這是可是采用truesize來進行調(diào)整bw=zeros(20,20);bw(2:2:18,2:2:18)=1subplot(1,3,1);,imshow(bw)subplot(1,3,2);,imshow(bw),truesize([100100])subplot(1,3,3);imshow(bw,'notruesize')39imcontour()

畫圖像數(shù)據(jù)輪廓線（等高線、等值線）I=imread('G:\a.tif');p=rgb2gray(I);%RGB轉(zhuǎn)為灰度圖imcontour(p);%畫圖像等值線40圖像亮度的調(diào)整

線性處理tu=imread('pout.tif');figure,imshow(tu)tu1=(double(tu))*1.5+30;figure,imshow(uint8(tu1))tu1=(double(tu))*0.5;figure,imshow(uint8(tu1))也可是用Imadjust來進行調(diào)整，語法如下tu=imadjust(i,[low_in;high_in],[low_out;high_out])LI=imadjust(tu,[0.30.7],[0,1]);figure,imshow(LI)LI=imadjust(tu,[0.30.7],[0,0.4]);figure,imshow(LI)

直接從磁盤顯示圖像

通常，在顯示一幅圖像前首先要調(diào)用imread函數(shù)裝載圖像，將數(shù)據(jù)存儲為Matlab工作平臺中的一個或多個變量。但是，如果不希望在顯示圖像之前裝載圖像，則可以使用以下命令格式直接進行圖像文件的顯示，

imshowfilename

其中，filename為要顯示的圖像文件的文件名。imshow

rice.pngimshow(‘rice.png’)

Matlab圖像類型轉(zhuǎn)換1.圖像類型轉(zhuǎn)換的必要性對于索引圖像進行濾波時，必須把它轉(zhuǎn)換為RGB圖像，否則光對圖像的下標(biāo)進行濾波，得到的結(jié)果是毫無意義的。2.各種類型圖像的轉(zhuǎn)換關(guān)系索引圖像灰度圖像真彩圖像二值圖像數(shù)據(jù)矩陣

工具箱中提供了許多圖像類型轉(zhuǎn)換的函數(shù)，從函數(shù)名稱可以看出它們的功能。例如：dither函數(shù)功能：圖像抖動，利用僅能顯示少數(shù)彩色的設(shè)備顯示含有豐富顏色信息圖像的一種非常有用的方法。該函數(shù)可以把RGB圖像轉(zhuǎn)換成索引圖像或把灰度圖像轉(zhuǎn)換成二值圖像。格式：X=dither(RGB，map)BW=dither(I)

RGB圖像抖動成索引圖像

例：

I=imread('autumn.tif');map=pink(1024);X=dither(I,map);

imshow(I);

figure,imshow(X,map);colorbar

抖動效果圖二進制圖像取反

顯示二進制圖像，可用下面方法：

BW=imread(′circles.png′);

imshow(BW);在Matlab7.0中，二進制圖像是一個邏輯類，僅包括0和1兩個數(shù)值，像素0顯示為黑色，像素1顯示為白色。在顯示時，也可以通過NOT(~)命令，對二進制圖像進行取反，使數(shù)值0顯示為白色，1顯示為黑色。例如使用

imshow(~BW)

圖像的直方圖處理

圖像的直方圖是灰度級的函數(shù)，描述的是圖像中每種灰度級像素的個數(shù)，反映圖像中每種灰度出現(xiàn)的頻率。橫坐標(biāo)是灰度級，縱坐標(biāo)是灰度級出現(xiàn)的頻率。直方圖的用處1）數(shù)字化參數(shù)一般一幅數(shù)字圖像應(yīng)該利用全部或幾乎全部可能的灰度級；對直方圖做快速檢查。2）邊界閾值選擇使用輪廓線確定簡單物體的邊界的方法，稱為閾值化；對物體與背景有較強對比的景物的分割特別有用；基于直方圖的圖像矯正、分割……52直方圖均衡是圖像處理中很重要的研究內(nèi)容,它通過轉(zhuǎn)換灰度圖像亮度值或索引圖像的顏色圖值來增強圖像對比度。圖像的灰度統(tǒng)計直方圖是1個1-D的離散函數(shù)53I=imread('G:\a.tif');J=histeq(I);image(J);histeq()

直方圖均衡m=imread('tire.tif');subplot(221),imshow(m);title('原圖');subplot(222),hist(double(m));title('原圖直方圖');hm=histeq(m);subplot(223),imshow(hm);title('原圖均衡化處理');subplot(224),hist(double(hm));title('均衡處理后直方圖');直方圖均衡化處理例%初始化及得到lenna的灰度lenna=zeros(128,128);lenna_equ=zeros(128,128);histgram=zeros(256);cdf=zeros(256);[lenna,map]=imread('c:\temp\lenna.bmp','bmp');%gethistogramfori=1:128forj=1:128k=lenna(i,j);

histgram(k)=histgram(k)+1;endend%getcdfcdf(1)=histgram(1);fori=2:256

cdf(i)=cdf(i-1)+histgram(i);end%runpointoperationfori=1:128forj=1:128 k=lenna(i,j);

lenna_equ(i,j)=cdf(k)*256/(128*128);endend%生成直方圖均衡化后的lenna圖imwrite(lenna_equ,map,'c:\temp\lenna_equ.bmp');58impixel()

所選圖像象素的數(shù)據(jù)值（用鼠標(biāo)選取）I=imread('G:\a.tif');[C,R,P]=impixel(I);image(I);[C,R,P]59imhist()

畫圖像象素直方圖I=imread('G:\a.tif');imhist(I);%灰度圖像直方圖[Y,map]=rgb2ind(I,256);imhist(Y,map);%索引圖像直方圖60灰度圖像直方圖索引圖像直方圖代數(shù)運算代數(shù)運算是指將兩幅或多幅圖像通過對應(yīng)像素之間的加、減、乘、除運算得到輸出圖像的方法。

imadd(X,Y)；

Y可以是另一幅圖像，也可以是一個常數(shù)。

例1：

I=imread('rice.png');J=imread('cameraman.tif');K=imadd(I,J);subplot(131);imshow(I);subplot(132);imshow(J);subplot(133);imshow(K);△圖像的加法

例2：實現(xiàn)亮度的增加

RGB=imread('greens.jpg');RGB1=imadd(RGB,50);subplot(1,2,1);imshow(RGB);subplot(1,2,2);imshow(RGB1);檢測同一場景兩幅圖像之間的變化設(shè)：時刻1的圖像為T1(x,y)，時刻2的圖像為T2(x,y)

g(x,y)=T2(x,y)-T1(x,y)=-T1(x,y)T2(x,y)g(x,y)減法運算差影法在自動現(xiàn)場監(jiān)測中的應(yīng)用1、在銀行金庫內(nèi)，攝像頭每隔一固定時間拍攝一幅圖像，并與上一幅圖像做差影，如果圖像差別超過了預(yù)先設(shè)置的閾值，則表明可能有異常情況發(fā)生，應(yīng)自動或以某種方式報警；4、利用差值圖像還能鑒別出耕地及不同的作物覆蓋情況。

2、用于遙感圖像的動態(tài)監(jiān)測，差值圖像可以發(fā)現(xiàn)森林火災(zāi)、洪水泛濫，監(jiān)測災(zāi)情變化等；3、也可用于監(jiān)測河口、海岸的泥沙淤積及監(jiān)視江河、湖泊、海岸等的污染；△圖像的減法Z=imsubtract(X,Y);

計算X與Y的像素之差，負數(shù)將被截取為0。

Z=imabsdiff(X,Y);

計算X與Y的像素之差的絕對值，結(jié)果為非負的。圖像的空間運算空間運算就是改變圖像中像素之間的空間關(guān)系。從變換性質(zhì)來分，幾何變換可以分為圖像的位置變換（平移、鏡像、旋轉(zhuǎn)）、形狀變換（放大、縮?。┮约皥D像的復(fù)合變換等。（1）圖像大小的調(diào)整imresize通過函數(shù)imresize來實現(xiàn)對圖像的放大和縮小。B=imresize(A,m,method)A:原圖像矩陣M:放大倍數(shù)。M>1放大M<1縮小Method:插值方法最近鄰域插值(Nearestneighborinterpolation)雙線性插值(Bilinearinterpolation)

雙三次插值(Bicubicinterpolation)loadwoman2Figureimshow(X,map)X1=imresize(X,2);figureimshow(X1,[]);X2=imresize(X,3);figureimshow(X2,[]);X3=imresize(X,4);figureimshow(X3,[]);（2）圖像旋轉(zhuǎn)imrotate語法B=imrotate(A,angle)B=imrotate(A,angle,method)A>0逆時針選擇一個角度angle，反之順時針[I,map]=imread('kids.tif');J=imrotate(I,35);subplot(1,2,1)imshow(I,map)subplot(1,2,2)imshow(J,map)（3）圖像裁剪imcrop（規(guī)則裁剪）基本語法J=imcropJ=imcrop(I)J=imcrop(X,map)[I,map]=imread('kids.tif');imshow(I,map)Imcrop不規(guī)則裁剪tu=imread('pears.png');figure,imshow(tu)tu=imread('pears.png');figure,imshow(tu)bw=roipoly(tu);figure,imshow(bw)r=tu(:,:,1);g=tu(:,:,2);b=tu(:,:,3);cr=bw.*double(r);cg=bw.*double(g);cb=bw.*double(b);J=cat(3,uint8(cr),uint8(cg),uint8(cb));figure,imshow(J)784.圖像增強與復(fù)原MATLAB提供了Gamma校正、中值濾波、對比度調(diào)整、直方圖均衡、自適應(yīng)濾波等對圖像進行增強處理。例如函數(shù)imadjust()為對比度調(diào)整函數(shù),用于調(diào)整灰度值或顏色圖。79Imadjust()

對比度增強AdjustimageintensityvaluesorcolormapJ=imadjust(I,[low_in

high_in],[low_out

high_out],gamma)RGB2=imadjust(RGB1,...)80RGB1=imread('G:\a.tif');RGB2=imadjust(RGB1,[.2.30;.6.71],[]);imshow(RGB1),figure,imshow(RGB2)8182imnoise()

向圖像增加噪聲J=imnoise(I,‘type‘,…)Type:

gaussian

高斯噪聲

salt&petter

鹽椒噪聲speckle乘法噪聲83I=imread('G:\a.tif');p=rgb2gray(I);J1=imnoise(p,'salt&pepper',0.04);subplot(121),subimage(J1);title('加入鹽椒噪聲后的圖像，密度D=0.04');J2=imnoise(p,'gaussian',0,0.04);subplot(122),subimage(J2);title('加入高斯噪聲后的圖像，M=0,V=0.04');)84I=imread('eight.tif');J=imnoise(I,'salt&pepper',0.06);subplot(221),imshow(I),title('原圖')subplot(222),imshow(J),title('含斑點的圖')H=fspecial('average');am=imfilter(J,H);subplot(223),imshow(am),title('均值')zm=medfilt2(J);%中值subplot(224),imshow(zm),title('中值')Imfilter

均值濾波86medfilt2()

二維中值濾波I=imread('G:\a.tif');p=rgb2gray(I);J1=imnoise(p,'salt&pepper',0.04);subplot(221),subimage(J1);title('加入鹽椒噪聲后的圖像，密度D=0.04');J2=imnoise(p,'gaussian',0,0.04);subplot(222),subimage(J2);title('加入高斯噪聲后的圖像，M=0,V=0.04');J3=medfilt2(J1);subplot(223),subimage(J3);title('加入鹽椒噪聲中值濾波后的圖像');J4=medfilt2(J2);subplot(224),subimage(J4);title('加入高斯噪聲中值濾波后的圖像');8788wiener2()

二維自適應(yīng)濾波I=imread('G:\a.tif');p=rgb2gray(I);image(p);subplot(221),subimage(p);title('原始圖像');J1=imnoise(p,'gaussian',0,0.04);subplot(222),subimage(J1);title('加入高斯噪聲后的圖像，M=0,V=0.04');J2=wiener2(J1,[3,4]);subplot(223),subimage(J2);title('自適應(yīng)濾波后的圖像');J3=medfilt2(J1);subplot(224),subimage(J3);title('中值濾波后的圖像');Wiener濾波實例I=imread('C:\wiener.bmp');Imshow(I);%施加高斯噪聲J=imnoise(I,'gaussian',0,0.005);figure,imshow(J);%Wiener濾波K=wiener2(J,[55]);figure,imshow(K);圖像復(fù)原—模糊及噪聲I=imread(‘noise.bmp’);%采用運動濾波PSF進行模糊H=fspecial(‘motion’,50,45);MotionBlur=imfilter(I,H);Figure,imshow(MotionBlur);%采用均值濾波PSF進行模糊H=fspecial(‘disk’,10);AverageBlur=imfilter(I,H);Figure,imshow(AverageBlur);%噪聲的添加V=.02;Noisy=imnoise(I,’gaussian’,0,V);Figure,imshow(Noisy);圖像復(fù)原—模糊及噪聲(圖)圖像復(fù)原—魏納濾波復(fù)原通過調(diào)用deconvwnr函數(shù)可以利用魏納濾波方法對圖像進行復(fù)原處理。當(dāng)圖像的頻率特性和噪聲已知時，效果非常好。J=deconvwnr(I,PSF,NCORR,ICORR)J=deconvwnr(I,PSF,NSR)I:輸入圖像PSF:點擴散函數(shù)缺省參數(shù)NSR:信噪比（默認0）NCORR:噪聲的自相關(guān)函數(shù)ICORR:原始圖像的自相關(guān)函數(shù)魏納濾波復(fù)原實例Blurred=imread(‘blure.bmp’);%構(gòu)造PSF模型Len=31;Theta=11;PSF=fspecial(‘motion’,Len,Theta);Wnr1=deconvwnr(Blurred,PSF);figure,imshow(wnr1);%不正確的PSF模型（通常PSF未知）Wnr2=deconvwnr(Blurred,fspecial(‘motion’,2*Len,Theta));Figure,imshow(wnr2);Wnr3=deconvwnr(Blurred,fspecial(‘motion’,Len,2*Theta));Figure,imshow(wnr3);94圖像平滑用于由于受干擾而質(zhì)量降低的圖像低通濾波法、局部平均法、多幀平均法等空域均值濾波增強實例N3=filter2(fspecial('average',3),I)/255;figure,imshow(N3);N5=filter2(fspecial('average',5),I)/255;figure,imshow(N5);N7=filter2(fspecial('average',7),I)/255;figure,imshow(N7);Origin3x35x57x7空域中值濾波增強實例K3=medfilt2(K,[3,3]);figure,imshow(K3);K5=medfilt2(K,[5,5]);figure,imshow(K5);M3=filter2(fspecial('average',3),K)/255;figure,imshow(M3);origin3x3Median5x5Median3x3Average97

edge()灰度圖像邊緣檢測可以使用Edge可以提供許多微分算子模板，指定其是對水平邊緣還是垂直邊緣敏感。該函數(shù)在邊緣檢測時還可以指定一個域值,只有滿足這個域值的點才作為邊緣點。BW=edge(I,’method’,thresh)Method:sobel

prewitt

robertslogThresh：靈敏度閾值，低于此值被忽略5圖像的邊緣檢測I=imread('coins.png');BW1=edge(I,'roberts');BW2=edge(I,'sobel');BW3=edge(I,'log');figuresubplot(221),imshow(I),title('原圖')subplot(222),imshow(BW1),title('roberts算子')subplot(223),imshow(BW2),title('sobel算子')subplot(224),imshow(BW3),title('laplacian算子')邊緣檢測實例I=