MatLab代码大全.docx

MatLab代码大全.docx

《MatLab代码大全.docx》由会员分享，可在线阅读，更多相关《MatLab代码大全.docx（104页珍藏版）》请在冰豆网上搜索。

MatLab代码大全

第2章图像获取

2.3.2二维连续傅里叶变换

例2.2

figure

（1）;%建立图形窗口1

[u,v]=meshgrid（-1:

0.01:

1）;%生成二维频域网格

F1=abs（sinc（u.*pi））;

F2=abs（sinc（v.*pi））;

F=F1.*F2;%计算幅度频谱F=|F（u,v）|

surf（u,v,F）;%显示幅度频谱，如图2.3（b）

shadinginterp;%平滑三维曲面上的小格

axisoff;%关闭坐标系

figure

（2）;%建立图形窗口2

F1=histeq（F）;%扩展F的对比度以增强视觉效果

imshow（F1）;%用图像来显示幅度频谱，如图2.3（c）

第3章图像变换

3.4.4二维FFT的MATLAB实现

例3.2简单图像及其傅里叶变换

MATLAB程序：

%建立简单图像d并显示之

d=zeros（32,32）;%图像大小32⨯32

d（13:

20,13:

20）=1;%中心白色方块大小为8⨯8

figure

（1）;%建立图形窗口1

imshow（d,'notruesize'）；%显示图像d如图3.5（a）所示

%计算傅里叶变换并显示之

D=fft2（d）;%计算图像d的傅里叶变换，fft2（d）=fft（fft（d）.'）.'

figure

（2）;%建立图形窗口2

imshow（abs（D）,[-15],'notruesize'）;%显示图像d的傅里叶变换谱如3.5（b）所示

例3.3MATLAB图像及其傅里叶变换谱

MATLAB程序：

figure

（1）;

loadimdemossaturn2;%装入MATLAB图像saturn2

imshow（saturn2）;%显示图像saturn2如图3.6（a）所示

figure

（2）;

S=fftshift（fft2（saturn2））;%计算傅里叶变换并移位

imshow（log（abs（S））,[]）;%显示傅里叶变换谱如3.6（b）所示

例3.4真彩图像及其傅里叶变换谱

MATLAB程序：

figure

（1）;

A=imread（'image1.jpg'）;%装入真彩图像，见图1.1（b）

B=rgb2gray（A）;%将真彩图像转换为灰度图像

imshow（B）;%显示灰度图像如图3.7（a）所示

C=fftshift（fft2（B））;%计算傅里叶变换并移位

figure

（2）;

imshow（log（abs（C））,[]）;%显示傅里叶变换谱如3.7（b）所示

3.5.4离散余弦变换的MATLAB实现

例3.5计算并显示真彩图像余弦变换的MATLAB程序如下：

RGB=imread（'image2.jpg'）;%装入真彩图像

figure

（1）;

imshow（RGB）;%显示彩色图像

GRAY=rgb2gray（RGB）;%将真彩图像转换为灰度图像

figure

（2）;

imshow（GRAY）;%显示灰度图像如图3.10（a）所示

DCT=dct2（GRAY）;%进行余弦变换

figure（3）;

imshow（log（abs（DCT））,[]）;%显示余弦变换如图3.10（b）所示。

3.8.2Radon变换的MATLAB实现

例3.8真彩图像的Radon变换

MATLAB程序如下：

RGB=imread（'image2.jpg'）;%装入真彩图像

GRAY=rgb2gray（RGB）;%将真彩图像转换为灰度图像

figure

（2）;

imshow（GRAY）;%显示灰度图像如图3.16（a）

[R,xp]=radon（GRAY,[045]）;%计算变换角度为0°和45°的Radon变换

figure;plot（xp,R（:

1））;title（'R_{0^o}（x\prime）'）

%显示0°方向上的Radon变换如图3.16（b）

figure;plot（xp,R（:

2））;title（'R_{45^o}（x\prime）'）

%显示45°方向上的Radon变换如图3.16（c）

例3.9连续角度的Radon变换

对于一组连续角度的Radon变换通常用一幅图像来表示。

本例先建立一幅简单图像，然后令变换角度从0°以1°的增量变化到180°时的Radon变换情况。

其MATLAB程序如下：

I=zeros（100,100）;%建立简单图像如图3.17（a）

I（25:

75,25:

75）=1;

figure

（1）;imshow（I）;

theta=0:

180;%规定变换角度的范围

[R,xp]=radon（I,theta）;%计算Radon变换

figure

（2）;

imagesc（theta,xp,R）;%以图像方式显示变换结果R，

%其x轴和y轴分别为theta和xp

title（‘R_{\theta}（X\prime）’）;%显示图像标题

xlabel（‘\theta（degrees）’）;%显示x坐标“

”

ylabel（‘X\prime’）;%显示y坐标“

”

set（gca,’Xtick’,0:

20:

180）;%设置x坐标刻度

colormap（hot）;%设置调色板

colorbar；%显示当前图像的调色板

第4章图像增强

4.2.1直接灰度变换

Matlab程序实现图像求反：

I=imread（'cameraman.tif'）;

imshow（I）

I=double（I）

I=256-1-I

I=uint8（I）

figure

imshow（I）

例4.1

用Matlab程序实现线性灰度变换的图像增强：

%读入并显示原始图像

I=imread（'pout.tif'）;

imshow（I）;

I=double（I）;

[M,N]=size（I）;

%进行线性灰度变换

fori=1:

M

forj=1:

N

ifI（i,j）<=30

I（i,j）=I（i,j）;

elseifI（i,j）<=150

I（i,j）=（200-30）/（150-30）*（I（i,j）-30）+30;

else

I（i,j）=（255-200）/（255-150）*（I（i,j）-150）+200;

end

end

end

例4.2

I=imread（'lena.bmp'）;

figure;imshow（I）;

I=double（I）;

I2=41*log（1+I）;

I2=uint8（I2）;

figure;imshow（I2）;

例4.3

灰度切割变换的Matlab的程序如下：

I=imread（'007.bmp'）;

figure;imshow（I）;

I=double（I）

[M,N]=size（I）;

fori=1:

M

forj=1:

N

ifI（i,j）<=50

I（i,j）=40;

elseifI（i,j）<=180

I（i,j）=220;

else

I（i,j）=40;

end

end

end

I=uint8（I）;

figure;imshow（I）;

例4.4

具体Matlab程序如下：

I=imread（'lena.bmp'）;

imshow（I）;

I=double（I）;

[M,N]=size（I）;

fork=1:

8

J=zeros（M,N）;

fori=1:

M

forj=1:

N

temp=I（i,j）;

s1=0;s2=0;

range=[k:

-1:

1];

ford=range

s1=2^（8-d）+s1;s2=2^（8-d+1）;

iftemp>=s1&temp

J（i,j）=255;break;

end

end

end

end

J=uint8（J）;

figure;imshow（J）;

end

4.2.2直方图修正

例4.6直方图均衡化效果实例

用Matlab中的histeq函数实现直方图均衡化的程序如下：

I=imread（'circuit.tif'）;

figure

subplot（221）;imshow（I）;

subplot（222）;imhist（I）

I1=histeq（I）;

figure;

subplot（221）;imshow（I1）

subplot（222）;imhist（I1）

例4.8：

直方图规定效果实例

用matlab中的histeq函数实现直方图均衡化的程序如下：

I=imread（'circuit.tif'）;

[M,N]=size（I）;

fori=1:

8:

257

counts（i）=i;

end

Q=imread（'circuit.tif'）;

N=histeq（Q,counts）;

figure

subplot（221）;imshow（N）;

subplot（222）;imhist（N）;

axis（[026005000]）;

4.2.3图像间运算

例：

用图像平均减少随机噪声

I=imread（'tire.tif'）;

[M,N]=size（I）;

II1=zeros（M,N）;

fori=1:

16

II（:

:

i）=imnoise（I,'gaussian',0,0.01）;

II1=II1+double（II（:

:

i））;

ifor（or（i==1,i==4）,or（i==8,i==16））;

figure;

imshow（uint8（II1/i））;

end

end

4.3空域滤波增强

Matlab实现的邻域平均法抑制噪声的程序：

I=imread（'eight.tif'）;

J=imnoise（I,'salt&pepper',0.02）;

subplot（231）,imshow（I）;title（'原图像'）;

subplot（232）,imshow（J）;title（'添加椒盐噪声图像'）

k1=filter2（fspecial（'average',3）,J）;%进行3×3模板平滑滤波

k2=filter2（fspecial（'average',5）,J）;%进行5×5模板平滑滤波

k3=filter2（fspecial（'average',7）,J）;%进行7×7模板平滑滤波

k4=filter2（fspecial（'average',9）,J）;%进行9×9模板平滑滤波

subplot（233）,imshow（uint8（k1））;title（'3×3模板平滑滤波'）;

subplot（234）,imshow（uint8（k2））;title（'5×5模板平滑滤波'）;

subplot（235）,imshow（uint8（k3））;title（'7×7模板平滑滤波'）;

subplot（236）,imshow（uint8（k4））;title（'9×9模板平滑滤波'）

例4.10：

使用中值滤波降低图像噪声

I=imread（'eight.tif'）;

J=imnoise（I,'salt&pepper',0.02）;

subplot（231）,imshow（I）;title（'原图像'）;

subplot（232）,imshow（J）;title（'添加椒盐噪声图像'）

k1=medfilt2（J）;%进行3×3模板中值滤波

k2=medfilt2（J,[55]）;%进行5×5模板中值滤波

k3=medfilt2（J,[77]）;%进行7×7模板中值滤波

k4=medfilt2（J,[99]）;%进行9×9模板中值滤波

subplot（233）,imshow（k1）;title（'3×3模板中值滤波'）

subplot（234）,imshow（k2）;title（'5×5模板中值滤波'）

subplot（235）,imshow（k3）;title（'7×7模板中值滤波'）

subplot（236）,imshow（k4）;title（'9×9模板中值滤波'）

例4.11：

梯度锐化实例

I=imread（'cameraman.tif'）;

subplot（131）,imshow（I）

H=fspecial（'Sobel'）;

H=H';%Sobel垂直模板

TH=filter2（H,I）;

subplot（132）,imshow（TH,[]）;

H=H';%Sobel水平模板

TH=filter2（H,I）;

subplot（133）,imshow（TH,[]）

4.4图像频域增强

例4.12：

频域低通滤波所产生的模糊

%理想低通过滤波器所产生的模糊和振铃现象

J=imread（'lena.bmp'）;

subplot（331）;imshow（J）;

J=double（J）;

%采用傅里叶变换

f=fft2（J）;

%数据矩阵平衡

g=fftshift（f）;

subplot（332）;imshow（log（abs（g））,[]）,color（jet（64））;

[M,N]=size（f）;

n1=floor（M/2）;

n2=floor（N/2）;

%d0=5,15,45,65

d0=5;

fori=1:

M

forj=1:

N

d=sqrt（（i-n1）^2+（j-n2）^2）;

ifd<=d0

h=1;

else

h=0;

end

g（i,j）=h*g（i,j）;

end

end

g=ifftshift（g）;

g=uint8（real（ifft2（g）））;

subplot（333）;

imshow（g）;

例4.12：

用巴特沃斯低通滤波器去除图像中的盐椒噪声

%实现Butterworth低通过滤波器

I=imread（'saturn.tif'）;

J=imnoise（I,'salt&pepper',0.02）;%给原图像加入椒盐噪声，如图4.33（a）所示

subplot（121）;imshow（J）;

tilte（'含有盐椒噪声的图像'）

J=double（J）;

%采用傅里叶变换

f=fft2（J）;

%数据矩阵平衡

g=fftshift（f）

[M,N]=size（f）;

n=3;

d0=20

n1=floor（M/2）

n2=floor（N/2）

fori=1:

M

forj=1:

N

d=sqrt（（i-n1）^2+（j-n2）^2）

h=1/（1+（d/d0）^（2*n））;

g（i,j）=h*g（i,j）;

end

end

g=ifftshift（g）;

g=uint8（real（ifft2（g）））;

subplot（122）;

imshow（g）;%结果如图4.33（b）所示

例4.13：

频域高通滤波增强示例

J=imread（'lenabu.bmp'）;

imshow（uint8（J））;title（'模糊图像'）

J=double（J）;

f=fft2（J）;%采用傅里叶变换

g=fftshift（f）;%数据矩阵平衡

[M,N]=size（f）;

n1=floor（M/2）;

n2=floor（N/2）;

d0=20;

fori=1:

M%进行理想高通滤波和理想高通加强滤波

forj=1:

N

d=sqrt（（i-n1）^2+（j-n2）^2）;

ifd>=d0

h1=1;

h2=1+0.5;

else

h1=0;

h2=0.5;

end

g1（i,j）=h1*g（i,j）;

g2（i,j）=h2*g（i,j）;

end

end

g1=ifftshift（g1）;

g1=uint8（real（ifft2（g1）））;

subplot（221）;imshow（g1）;%显示理想高通滤波结果

title（'理想高通滤波结果'）;

g2=ifftshift（g2）;

g2=uint8（real（ifft2（g2）））;

subplot（222）;imshow（g2）;%显示理想高通加强滤波结果

title（'理想高通加强滤波结果'）;

n=2;

d0=20;

fori=1:

M%进行巴特沃斯高通滤波和巴特沃斯高通加强滤波

forj=1:

N

d=sqrt（（i-n1）^2+（j-n2）^2）;

ifd==0

h1=0;

h2=0.5;

else

h1=1/（1+（d0/d）^（2*n））;

h2=1/（1+（d0/d）^（2*n））+0.5;

end

gg1（i,j）=h1*g（i,j）;

gg2（i,j）=h2*g（i,j）;

end

end

gg1=ifftshift（gg1）;

gg1=uint8（real（ifft2（gg1）））;

subplot（223）;imshow（gg1）;%显示巴特沃斯高通滤波结果

title（'巴特沃斯高通滤波结果'）

gg2=ifftshift（gg2）;

gg2=uint8（real（ifft2（gg2）））;

subplot（224）;imshow（gg2）;%显示巴特沃斯高通加强滤波结果

title（'巴特沃斯高通加强滤波结果'）;

例4.14：

同态滤波的增强效果

J=imread（'eight.tif'）;%读入原图

subplot（121）;imshow（J）;

J=double（J）;

f=fft2（J）;%采用傅里叶变换

g=fftshift（f）;%数据矩阵平衡

[M,N]=size（f）;

d0=10;

rl=0.5;

rh=2

c=4；

n1=floor（M/2）;

n2=floor（N/2）;

fori=1:

M

forj=1:

N

d=sqrt（（i-n1）^2+（j-n2）^2）;

h=（rh-rl）*（1-exp（-c*（d.^2/d0.^2）））+rl;

g（i,j）=h*g（i,j）;

end

end

g=ifftshift（g）;

g=uint8（real（ifft2（g）））;

subplot（122）;imshow（g）;

第5章图像复原

例5.1

C=imread（'image3.jpg'）;%装入清晰图像

subplot（1,2,1）；%将图形窗口分成两个矩形平面

imshow（C）;%在第一个矩形平面中显示装入的图像

LEN=30;%设置运动位移为30个象素

THETA=45;%设置运动角度为45o

PSF=fspecial（'motion',LEN,THETA）;%建立二维仿真线性运动滤波器PSF

MF=imfilter（C,PSF,'circular','conv'）;%用PSF产生退化图像

subplot（1,2,2）,imshow（MFUZZY）;%在第二个矩形平面中显示模糊后的图像

imwrite（MF,'image3-MF.jpg'）;%将运动模糊后的图像保存起来备用

例5.2消除图5.4（b）的运动模糊，其MATLAB程序如下：

[MF,map]=imread（'image3-MF.jpg'）;%装入运动模糊图像

figure

（1）;

imshow（MF）;%显示模糊图像

LEN=30;

THETA=45;

INITPSF=fspecial（'motion',LEN,THETA）;%建立复原点扩散函数

[JP]=deconvblind（MF,INITPSF,30）;%去卷积

figure

（2）;imshow（J）;%显示结果图像如图5.6（a）

figure（3）;imshow（P,[],'notruesize'）;%显示复原点扩散函数如图5.6（b）

例5.3逆滤波与维纳滤波的比较

F=checkerboard（8）;%生成原始图像F

figure

（1）;

imshow（F,[]）;

PSF=fspecial（'motion',7,45）;%生成运动模糊图像MF

MF=imfilter（F,PSF,'circular'）;

noise=imnoise（zeros（size（F））,'gaussian',0,0.001）;%生成高斯噪声

MFN=MF+noise;%生成运动模糊+高斯噪声图像MFN

figure

（2）;

imshow（MFN,[]）;

NSR=sum（noise（:

）.^2）/sum（MFN（:

）.^2）;%计算噪信比

figure（3）;

imshow（deconvwnr（MFN,PSF）,[]）;%逆滤波复原

figure（4）;

imshow（deconvwnr（MFN,PSF,NSR）,[]）;%维纳滤波复原

例5.7顺序统计滤波器比较

f=imread（'image4g.jpg'）;

figure

（1）;imshow（f）;

title（'原始图像'）;

g=imnoise（f,'salt&pepper',0.2）;

figure

（2）;imshow（g）;

title（'椒盐噪声污染的图像'）;

g1=double（g）/255;

j1=medfilt2（g1,'symmetric'）;

figure（3）;imshow（j1）;

title（'中值滤波图像'）;

j2=ordfilt2（g1,median（1:

3*3）,ones（3,3）,'symmetric'）;

figure（4）;imshow（j2）;

title（'中点滤波图像'）;

j3=ordfilt2（g1,1,ones（3,3））;

figure（5）;imshow（j3）;

title（'最小值滤波图像'）;

j4=ordfilt2（g1,9,ones（3,3））;

figure（6）;imshow（j4）;

title（'最大值滤波图像'）;

例5.8简单图像的affine变换

MATLAB程序如下：

f=checkerboard（24）;%建立原始图像，如图5.16（a）

figure

（1）;imshow（f）;

s=0.7;

theta=pi/6;

T=[s*cos（theta）s*sin（theta）0%建立变换矩阵：

旋转与尺度变换

-s*sin（theta）s*cos（theta）0

001];

tform=maketform（'affine',T）;

g1=imtransform（f,tform,'nearest'）;%最近邻插值变换,如图5.16（b）

figure

（2）;imshow（g1）;

g2=imtransform（f,tform）;%双线性插值变换,如图5.16（c）

figure（3）;imshow（g2）;

g3=imtransform（f,tfor