MatLab代码大全Word文件下载.docx

MatLab代码大全Word文件下载.docx

《MatLab代码大全Word文件下载.docx》由会员分享，可在线阅读，更多相关《MatLab代码大全Word文件下载.docx（88页珍藏版）》请在冰豆网上搜索。

%显示图像saturn2如图3.6（a）所示

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

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））;

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

imshow（RGB）;

%显示彩色图像

GRAY=rgb2gray（RGB）;

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：

%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）

2））;

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;

imshow（I）;

theta=0:

180;

%规定变换角度的范围

[R,xp]=radon（I,theta）;

%计算Radon变换

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

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'

I2=41*log（1+I）;

I2=uint8（I2）;

imshow（I2）;

例4.3

灰度切割变换的Matlab的程序如下：

007.bmp'

=50

I（i,j）=40;

=180

I（i,j）=220;

I=uint8（I）;

例4.4

具体Matlab程序如下：

fork=1:

8

J=zeros（M,N）;

fori=1:

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<

s2;

J（i,j）=255;

break;

J=uint8（J）;

imshow（J）;

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：

circuit.tif'

subplot（221）;

subplot（222）;

imhist（I）

I1=histeq（I）;

imshow（I1）

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：

8:

257

counts（i）=i;

Q=imread（'

N=histeq（Q,counts）;

imshow（N）;

imhist（N）;

axis（[026005000]）;

4.2.3图像间运算

例：

用图像平均减少随机噪声

tire.tif'

II1=zeros（M,N）;

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））;

4.3空域滤波增强

Matlab实现的邻域平均法抑制噪声的程序：

eight.tif'

J=imnoise（I,'

salt&

pepper'

0.02）;

subplot（231）,imshow（I）;

title（'

原图像'

subplot（232）,imshow（J）;

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（'

5）,J）;

%进行5×

5模板平滑滤波

k3=filter2（fspecial（'

7）,J）;

%进行7×

7模板平滑滤波

k4=filter2（fspecial（'

9）,J）;

%进行9×

9模板平滑滤波

subplot（233）,imshow（uint8（k1））;

3×

3模板平滑滤波'

subplot（234）,imshow（uint8（k2））;

5×

5模板平滑滤波'

subplot（235）,imshow（uint8（k3））;

7×

7模板平滑滤波'

subplot（236）,imshow（uint8（k4））;

9×

9模板平滑滤波'

例4.10：

使用中值滤波降低图像噪声

k1=medfilt2（J）;

3模板中值滤波

k2=medfilt2（J,[55]）;

5模板中值滤波

k3=medfilt2（J,[77]）;

7模板中值滤波

k4=medfilt2（J,[99]）;

9模板中值滤波

subplot（233）,imshow（k1）;

3模板中值滤波'

subplot（234）,imshow（k2）;

5模板中值滤波'

subplot（235）,imshow（k3）;

7模板中值滤波'

subplot（236）,imshow（k4）;

9模板中值滤波'

例4.11：

梯度锐化实例

cameraman.tif'

subplot（131）,imshow（I）

H=fspecial（'

Sobel'

H=H'

;

%Sobel垂直模板

TH=filter2（H,I）;

subplot（132）,imshow（TH,[]）;

%Sobel水平模板

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（'

subplot（331）;

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;

d=sqrt（（i-n1）^2+（j-n2）^2）;

ifd<

=d0

h=1;

else

h=0;

g（i,j）=h*g（i,j）;

g=ifftshift（g）;

g=uint8（real（ifft2（g）））;

subplot（333）;

imshow（g）;

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

saturn.tif'

0.02）;

%给原图像加入椒盐噪声，如图4.33（a）所示

subplot（121）;

tilte（'

含有盐椒噪声的图像'

g=fftshift（f）

n=3;

d0=20

n1=floor（M/2）

n2=floor（N/2）

d=sqrt（（i-n1）^2+（j-n2）^2）

h=1/（1+（d/d0）^（2*n））;

subplot（122）;

%结果如图4.33（b）所示

例4.13：

频域高通滤波增强示例

lenabu.bmp'

imshow（uint8（J））;

模糊图像'

%采用傅里叶变换

d0=20;

M%进行理想高通滤波和理想高通加强滤波

ifd>

h1=1;

h2=1+0.5;

h1=0;

h2=0.5;

g1（i,j）=h1*g（i,j）;

g2（i,j）=h2*g（i,j）;

g1=ifftshift（g1）;

g1=uint8（real（ifft2（g1）））;

imshow（g1）;

%显示理想高通滤波结果

理想高通滤波结果'

g2=ifftshift（g2）;

g2=uint8（real（ifft2（g2）））;

imshow（g2）;

%显示理想高通加强滤波结果

理想高通加强滤波结果'

n=2;

M%进行巴特沃斯高通滤波和巴特沃斯高通加强滤波

ifd==0

h1=1/（1+（d0/d）^（2*n））;

h2=1/（1+（d0/d）^（2*n））+0.5;

gg1（i,j）=h1*g（i,j）;

gg2（i,j）=h2*g（i,j）;

gg1=ifftshift（gg1）;

gg1=uint8（real（ifft2（gg1）））;

subplot（223）;

imshow（gg1）;

%显示巴特沃斯高通滤波结果

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

巴特沃斯高通加强滤波结果'

例4.14：

同态滤波的增强效果

%读入原图

%数据矩阵平衡

[M,N]=size（f）;

d0=10;

rl=0.5;

rh=2

c=4；

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

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（'

%装入运动模糊图像

imshow（MF）;

%显示模糊图像

INITPSF=fspecial（'

%建立复原点扩散函数

[JP]=deconvblind（MF,INITPSF,30）;

%去卷积

imshow（J）;

%显示结果图像如图5.6（a）

imshow（P,[],'

%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

imshow（F,[]）;

PSF=fspecial（'

7,45）;

%生成运动模糊图像MF

MF=imfilter（F,PSF,'

noise=imnoise（zeros（size（F））,'

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

imshow（MFN,[]）;

NSR=sum（noise（:

）.^2）/sum（MFN（:

）.^2）;

%计算噪信比

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'

imshow（f）;

原始图像'

g=imnoise（f,'

0.2）;

imshow（g）;

椒盐噪声污染的图像'

g1=double（g）/255;

j1=medfilt2（g1,'

symmetric'

imshow（j1）;

中值滤波图像'

j2=ordfilt2（g1,median（1:

3*3）,ones（3,3）,'

imshow（j2）;

中点滤波图像'

j3=ordfilt2（g1,1,ones（3,3））;

figure（5）;

imshow（j3）;

最小值滤波图像'

j4=ordfilt2（g1,9,ones（3,3））;

figure（6）;

imshow（j4）;

最大值滤波图像'

例5.8简单图像的affine变换

f=checkerboard（24）;

%建立原始图像，如图5.16（a）

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）

imshow（g1）;

g2=imtransform（f,tform）;

%双线性插值变换,如图5.16（c）

imshow（g2）;

g3=imtransform（f,tform,