2. 程式人生 > >影象分割 處理 matlab原始碼

影象分割 處理 matlab原始碼

阿新 • • 發佈：2019-02-11

1.影象反轉
MATLAB程式實現如下：
I=imread('xian.bmp');
J=double(I);
J=-J+(256-1);                 %影象反轉線性變換
H=uint8(J);
subplot(1,2,1),imshow(I);
subplot(1,2,2),imshow(H);

2.灰度線性變換
MATLAB程式實現如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系
J=imadjust(I1,[0.1 0.5],[]); %區域性拉伸，把[0.1 0.5]內的灰度拉伸為[0 1]
subplot(2,2,3),imshow(J);
title('線性變換影象[0.1 0.5]');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
K=imadjust(I1,[0.3 0.7],[]); %區域性拉伸，把[0.3 0.7]內的灰度拉伸為[0 1]
subplot(2,2,4),imshow(K);
title('線性變換影象[0.3 0.7]');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

3.非線性變換
MATLAB程式實現如下：
I=imread('xian.bmp');
I1=rgb2gray(I);
subplot(1,2,1),imshow(I1);
title('灰度影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
J=double(I1);
J=40*(log(J+1));
H=uint8(J);
subplot(1,2,2),imshow(H);
title('對數變換影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

4.直方圖均衡化
MATLAB程式實現如下：
I=imread('xian.bmp');
I=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I);
subplot(2,2,2);
imhist(I);
I1=histeq(I);
figure;
subplot(2,2,1);
imshow(I1);
subplot(2,2,2);
imhist(I1);

5.線性平滑濾波器
用MATLAB實現領域平均法抑制噪聲程式：
I=imread('xian.bmp');
subplot(231)
imshow(I)
title('原始影象')
I=rgb2gray(I);
I1=imnoise(I,'salt & pepper',0.02);
subplot(232)
imshow(I1)
title('新增椒鹽噪聲的影象')
k1=filter2(fspecial('average',3),I1)/255;          %進行3*3模板平滑濾波
k2=filter2(fspecial('average',5),I1)/255;          %進行5*5模板平滑濾波k3=filter2(fspecial('average',7),I1)/255;          %進行7*7模板平滑濾波
k4=filter2(fspecial('average',9),I1)/255;          %進行9*9模板平滑濾波
subplot(233),imshow(k1);title('3*3模板平滑濾波');
subplot(234),imshow(k2);title('5*5模板平滑濾波');
subplot(235),imshow(k3);title('7*7模板平滑濾波');
subplot(236),imshow(k4);title('9*9模板平滑濾波');

6.中值濾波器
用MATLAB實現中值濾波程式如下：
I=imread('xian.bmp');
I=rgb2gray(I);
J=imnoise(I,'salt&pepper',0.02);
subplot(231),imshow(I);title('原影象');
subplot(232),imshow(J);title('新增椒鹽噪聲影象');
k1=medfilt2(J);            %進行3*3模板中值濾波
k2=medfilt2(J,[5,5]);      %進行5*5模板中值濾波
k3=medfilt2(J,[7,7]);      %進行7*7模板中值濾波
k4=medfilt2(J,[9,9]);      %進行9*9模板中值濾波
subplot(233),imshow(k1);title('3*3模板中值濾波');
subplot(234),imshow(k2);title('5*5模板中值濾波');
subplot(235),imshow(k3);title('7*7模板中值濾波');
subplot(236),imshow(k4);title('9*9模板中值濾波');

7.用Sobel運算元和拉普拉斯對影象銳化：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
H=fspecial('sobel');     %選擇sobel運算元 
J=filter2(H,I1);            %卷積運算
subplot(2,2,3),imshow(J); 
title('sobel運算元銳化影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
h=[0 1 0,1 -4 1,0 1 0];   %拉普拉斯運算元
J1=conv2(I1,h,'same');            %卷積運算
subplot(2,2,4),imshow(J1); 
title('拉普拉斯運算元銳化影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

8.梯度運算元檢測邊緣
用MATLAB實現如下：
I=imread('xian.bmp');
subplot(2,3,1);
imshow(I);
title('原始影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I1=im2bw(I);
subplot(2,3,2);
imshow(I1);
title('二值影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I2=edge(I1,'roberts');
figure;
subplot(2,3,3);
imshow(I2);
title('roberts運算元分割結果');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I3=edge(I1,'sobel');
subplot(2,3,4);
imshow(I3);
title('sobel運算元分割結果');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I4=edge(I1,'Prewitt');
subplot(2,3,5);
imshow(I4);
title('Prewitt運算元分割結果');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

9.LOG運算元檢測邊緣
用MATLAB程式實現如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始影象');
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度影象');
I2=edge(I1,'log');
subplot(2,2,3);
imshow(I2);
title('log運算元分割結果');

10.Canny運算元檢測邊緣
用MATLAB程式實現如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始影象')
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度影象');
I2=edge(I1,'canny');
subplot(2,2,3);
imshow(I2);
title('canny運算元分割結果');

11.邊界跟蹤（bwtraceboundary函式）
clc
clear all
I=imread('xian.bmp');
figure
imshow(I);
title('原始影象');
I1=rgb2gray(I);                %將彩色影象轉化灰度影象 
threshold=graythresh(I1);        %計算將灰度影象轉化為二值影象所需的門限
BW=im2bw(I1, threshold);       %將灰度影象轉化為二值影象
figure
imshow(BW);
title('二值影象');
dim=size(BW);
col=round(dim(2)/2)-90;         %計算起始點列座標
row=find(BW(:,col),1);          %計算起始點行座標
connectivity=8;
num_points=180;
contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points); 
%提取邊界
figure
imshow(I1);
hold on;
plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);
title('邊界跟蹤影象');

12.Hough變換
I= imread('xian.bmp');
rotI=rgb2gray(I);
subplot(2,2,1);
imshow(rotI);
title('灰度影象');
axis([50,250,50,200]);
grid on;                 
axis on; 
BW=edge(rotI,'prewitt');
subplot(2,2,2);
imshow(BW);
title('prewitt運算元邊緣檢測後圖像');
axis([50,250,50,200]);
grid on;                 
axis on; 
[H,T,R]=hough(BW);
subplot(2,2,3);
imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');
title('霍夫變換圖');
xlabel('\theta'),ylabel('\rho');
axis on , axis normal, hold on;
P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));
x=T(P(:,2));y=R(P(:,1));
plot(x,y,'s','color','white');
lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);
subplot(2,2,4);,imshow(rotI);
title('霍夫變換影象檢測');
axis([50,250,50,200]);
grid on;                 
axis on; 
hold on;
max_len=0;
for k=1:length(lines)
xy=[lines(k).point1;lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');
len=norm(lines(k).point1-lines(k).point2);
if(len>max_len)
max_len=len;
xy_long=xy;
end
end
plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');

13.直方圖閾值法
用MATLAB實現直方圖閾值法：
I=imread('xian.bmp');
I1=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I1);
title('灰度影象')
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
[m,n]=size(I1);                            %測量影象尺寸引數
GP=zeros(1,256);                           %預建立存放灰度出現概率的向量
for k=0:255
     GP(k+1)=length(find(I1==k))/(m*n);    %計算每級灰度出現的概率，將其存入GP中相應位置
end
subplot(2,2,2),bar(0:255,GP,'g')                   %繪製直方圖
title('灰度直方圖')
xlabel('灰度值')
ylabel('出現概率') 
I2=im2bw(I,150/255);   
subplot(2,2,3),imshow(I2);
title('閾值150的分割影象')
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I3=im2bw(I,200/255);   %
subplot(2,2,4),imshow(I3);
title('閾值200的分割影象')
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

14. 自動閾值法：Otsu法
用MATLAB實現Otsu演算法：
clc
clear all
I=imread('xian.bmp');
subplot(1,2,1),imshow(I);
title('原始影象')
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
level=graythresh(I);     %確定灰度閾值
BW=im2bw(I,level);
subplot(1,2,2),imshow(BW);
title('Otsu法閾值分割影象')
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

15.膨脹操作
I=imread('xian.bmp');          %載入影象
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度影象')      
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
se=strel('disk',1);          %生成圓形結構元素
I2=imdilate(I1,se);             %用生成的結構元素對影象進行膨脹
subplot(1,2,2);
imshow(I2);
title('膨脹後圖像');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

16.腐蝕操作
MATLAB實現腐蝕操作
I=imread('xian.bmp');          %載入影象
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度影象')      
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
se=strel('disk',1);       %生成圓形結構元素
I2=imerode(I1,se);        %用生成的結構元素對影象進行腐蝕
subplot(1,2,2);
imshow(I2);
title('腐蝕後圖像');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系

17.開啟和閉合操作
用MATLAB實現開啟和閉合操作
I=imread('xian.bmp');          %載入影象
subplot(2,2,1),imshow(I);
title('原始影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系 
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系                   
se=strel('disk',1);     %採用半徑為1的圓作為結構元素
I2=imopen(I1,se);         %開啟操作
I3=imclose(I1,se);        %閉合操作
subplot(2,2,3),imshow(I2);
title('開啟運算後圖像');
axis([50,250,50,200]);
axis on;                  %顯示座標系
subplot(2,2,4),imshow(I3);
title('閉合運算後圖像');
axis([50,250,50,200]); 
axis on;                  %顯示座標系

18.開啟和閉合組合操作
I=imread('xian.bmp');          %載入影象
subplot(3,2,1),imshow(I);
title('原始影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系 
I1=rgb2gray(I);
subplot(3,2,2),imshow(I1);
title('灰度影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系                   
se=strel('disk',1);     
I2=imopen(I1,se);         %開啟操作
I3=imclose(I1,se);        %閉合操作
subplot(3,2,3),imshow(I2);
title('開啟運算後圖像');
axis([50,250,50,200]);
axis on;                  %顯示座標系
subplot(3,2,4),imshow(I3);
title('閉合運算後圖像');
axis([50,250,50,200]);
axis on;                  %顯示座標系
se=strel('disk',1); 
I4=imopen(I1,se);
I5=imclose(I4,se);
subplot(3,2,5),imshow(I5);        %開—閉運算影象
title('開—閉運算影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系 
I6=imclose(I1,se);
I7=imopen(I6,se);
subplot(3,2,6),imshow(I7);        %閉—開運算影象 
title('閉—開運算影象');
axis([50,250,50,200]);
axis on;                  %顯示座標系  

19.形態學邊界提取
利用MATLAB實現如下：
I=imread('xian.bmp');          %載入影象
subplot(1,3,1),imshow(I);
title('原始影象'); 
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I1=im2bw(I);
subplot(1,3,2),imshow(I1);
title('二值化影象');
axis([50,250,50,200]);
grid on;                  %顯示網格線
axis on;                  %顯示座標系
I2=bwperim(I1);                 %獲取區域的周長
subplot(1,3,3),imshow(I2); 
title('邊界周長的二值影象');
axis([50,250,50,200]);
grid on;
axis on;             

20.形態學骨架提取
利用MATLAB實現如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始影象');
axis([50,250,50,200]);
axis on;                  
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值影象');
axis([50,250,50,200]);
axis on;                 
I2=bwmorph(I1,'skel',1);
subplot(2,2,3),imshow(I2);
title('1次骨架提取');
axis([50,250,50,200]);
axis on;                  
I3=bwmorph(I1,'skel',2);
subplot(2,2,4),imshow(I3);
title('2次骨架提取');
axis([50,250,50,200]);
axis on;              

21.直接提取四個頂點座標
I = imread('xian.bmp');
I = I(:,:,1);
BW=im2bw(I); 
figure
imshow(~BW)
[x,y]=getpts


相關推薦

影象分割 處理 matlab原始碼

1.影象反轉 MATLAB程式實現如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1);                 %影象反轉線性變換 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imsh

影象梯度處理MATLAB程式碼

clear all clc I=imread('kids.tif') [M,N]=size(I); B1=[-1 -1 -1;0 0 0;1 1 1];//梯度處理水平方向特徵明顯 B2=[-1 0 1;-1 0 -1;-1 0 -1];//梯度處理豎直方向特徵明顯 I1=I

紅外影象處理之直方圖均衡的matlab原始碼與效果驗證

紅紅外影象是熱輻射成像，由於場景中的目標與背景的溫差相對較小，紅外影象的動態範圍大、對比度低，信噪比也較可見光影象的低。為了能夠從紅外影象中正確地識別出目標，必須對紅外影象進行增強處理。一般紅外探測器的效能區分於材料，氧化釩等高階的靈敏度高相應的價格較貴，多晶矽的一般靈敏度要

ocr影象預處理-影象分割、文字方向校正

說明：文字方向校正(fft方式和放射變換方式)參考了網上的程式碼，只做了少量修改 只針對醫療影像影象，自然場景下的另說 因為處理的影象都很大很大，居然有11000*12000這種解析度的，有90M大小，我也是醉了，絕大部分都是6000左右解析度的影象，這種影象直接送到CTPN裡的話，

matlab的基本用法---關於對影象的處理

matlab的基本用法一關於對影象的處理 原文 1. 讀取影象：用imread函式讀取影象檔案，檔案格式可以是TIFF、JPEG、GIF、BMP、PNG等 %讀取指定路徑下的圖片，並儲存成一個影象矩陣 imageMatrix= imread('C:\Users\AA\

數字影象處理——影象分割

基本全域性閾值演算法： 1.設定初始灰度值T，可設為影象的平均灰度值 2.用T把影象分成兩部分G1和G2，G1的灰度值大於T，G2的灰度值小於等於T 3.計算G1，G2的平均灰度值m1，m2 4.更新T=(m1+m2)/2 5.重複2~4直到T的變化量小於某個很小的閾值 Ma

影象處理（十一）影象分割(3)泛函能量LevelSet、snake分割

一、level set相關理論 基於水平集的影象分割演算法是一種進化版的Snake演算法，也是需要給定初始的輪廓曲線，然後根據泛函能量最小化，進行曲線演化。水平集的方法，用的是一種隱式函式的方法，這個演算法比較難理解，我一年前開始搞這個演算法的時候，雖然知道程式碼怎麼寫，但是它的原理推

【181129】VC++ GDI+程式設計必備的原始碼庫_各種繪圖與影象處理函式原始碼

VC++ GDI+程式設計必備的原始碼庫，包含GDI+各個方面的程式設計示例。 以下是各種功能列表： 畫筆 從畫刷中構造畫筆 自定義線型 畫筆的對齊方式 畫筆的縮放與旋轉 畫筆的線帽屬性 畫筆的透明度支援

【影象處理——MATLAB基礎篇】cumsum

目錄 B = cumsum(A) B = cumsum(A,dim) B = cumsum(___,direction) B = cumsum(___,nanflag) B = cumsum(A) A = 1:5; B = cumsum(A) A = [1

【影象處理——MATLAB基礎篇】find函式

1、k = find(X) 2、k = find(X,n) 3、k = find(X,n,direction) 4、[row,col] = find(___) 5、[row,col,v] = find(___) 1、k = find(X) 查詢矩陣中非0元素的位置 X

【影象處理——MATLAB基礎篇】floor函式

1、floor（x）： 2、floor（t）： 3、floor(t,unit)： 1、floor（x）： 取整 2、floor（t）： 將持續時間陣列中的每個值舍入到小於或等於該值的最接近的秒數 3、floor(t,unit)： 將t的每個元素舍入到小

matlab影象預處理中值濾波y與雙邊濾波

中值濾波 前面所說的高斯平滑和均值濾波也是預處理的一種，不過他們用犧牲影象細節為代價來換取平滑影象，他們對處理小的噪聲點比較好，但是處理較大的噪聲點比較無力。 平滑線性濾波器的工作原理可以比喻為用水沖洗桌面上的汙點，沖洗的結果是汙點並沒有消失，只是被淡化，如果汙

Opencv影象處理---基於距離變換和分水嶺演算法的影象分割

程式碼 #include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; int main(int, char** argv) {

【181118】VC++簡單醫學影象處理系統原始碼

原始碼下載簡介 VC++簡單醫學影象處理系統，可以調整影象色階、銳度、反色、灰底均衡，還可以對影象進行反轉、平移、旋轉等操作，類似Photoshop某些功能一樣，當然，和PS比，是差了點，只能作為一些

數字影象處理筆記（十二）：影象分割演算法

1 - 引言 在影象識別中，如果可以將影象感興趣的物體或區別分割出來，無疑可以增加我們影象識別的準確率，傳統的數字影象處理中的分割方法多數基於灰度值的兩個基本性質 不連續性 以灰度突變為基礎分割一副影象，比如影象的邊緣 相似性 根據一組預定義的準則將一副影象分割為相似的

數字影象處理matlab版

1.影象反轉 MATLAB程式實現如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %影象反轉線性變換 H=uint8(J); subplot(1,2,1),imshow(

MATLAB影象均衡化處理

I=imread('office_2.jpg'); f = rgb2gray(I); figure subplot(221); imshow(f); L=256; M=zeros(256,1); p=zeros(256,1); c=zeros(256,1); [m n]=size(f); for i=1:m

數字影象處理筆記——影象分割（Image Segmentation）

影象分割 區域生長 影象第一種演算法我們稱為區域生長（region growing） 其主要思路就是從原始影象中選取幾個重要的點，然後從這些點分別往外擴充套件，如果周圍的畫素與其的畫素差小於某個閾值，那麼將其置1（白色），並繼續從這個點向外延展，直到不滿足條件，其他點置0（黑色）。

彩色影象分割MATLAB程式碼

彩色影象分割模型用的是RGB模型，對三通道分別處理  clear all clc; I=imread('football.jpg'); [M N t]=size(I); I1=I; I2=I; for i=1:M for j=1:N if I(i,j,1)>

影象中值處理MATLAB實現

  I=imread('cameraman.tif'); [M N]=size(I);%求出圖片大小 I1=I; %3x3模型第一行一列，最後一行一列不處理保留原值 for i=2:M-1 for j=2:N-1 summary=0; %中值處理