MATLAB图像处理入门

MATLAB图像处理入门
一、读写图像、直方图

1、读取并显示图像

imread与imshow函数
```
clc;clear; close all;
I = imread('pout.tif');
imshow(I);
```
结果：

如果我们想显示图像坐标轴的话只需在imshow后加上下面这行代码：
```
set(gca,'Visible','on');
```
我们还可以用whos命令查看图像的信息：

在命令行窗口输入whos I查看上面那种图片的信息：

2、直方图

显示图像的直方图用hist函数，将直方图均衡化用histeq函数

我们在上述代码基础上继续输入下面代码：
```
figure();
imhist(I);
```
结果：

可以看到图像的对比度比较低，我们进行直方图均衡，继续输入下面代码：
```
I2 = histeq(I);
imshow(I2);
figure();
imhist(I2);
```
结果：

3、写入图像

我们使用imwrite函数将上述均衡化的图像I2写入磁盘：
```
imwrite(I2, 'output.png');
```
可以看到左侧文件区多了output.png

我们在命令行窗口使用imfinfo函数能看见该图片更为详细的信息：

拓展：

使用montage函数能一次显示多张图片在一个窗口，并且这些图像不需要是同一尺寸和大小，我们只需要将在当前目录下或已经在matlab路径里的图片的名字放在一个字典里：

运行下面代码：
```
clc;clear; close all;
files = {'catdog.jpg', 'jiedao.jfif', 'Fig0638(a)(lenna_RGB).tif', 'output.png', 'Fig0335(a)(ckt_board_saltpep_prob_pt05).tif'};
montage(files)
```
结果：

我们甚至可以看到不是同一类型的(灰度图和RGB图)都能一起展示！

二、图像类型转换：

在MATLAB的官方文档里有着这么几个图像类型转换的函数：

我们选择几个常用的讲解：

1、img2gray将 RGB 图像转换为灰度图像

代码：
```
clc;clear; close all;
RGB = imread('example.tif');
figure;
imshow(RGB);
I = im2gray(RGB);
figure;
imshow(I);
```
结果：

im2gray 函数与 rgb2gray 基本相同，不同之处是它可以接受灰度图像作为输入并原样返回它们。如果输入图像是灰度图像，则 rgb2gray 函数返回错误。

2、mat2gray将矩阵转换为灰度图像

代码：
```
clc;clear; close all;
mat = [0:255]' * ones(1,256);
mat = mat';
img = mat2gray(mat);
imshow(img);
```
结果：

3、imsplit将多通道图像分割成其独立的通道

代码：
```
clc;clear; close all;
I = imread('peppers.png');
imshow(I);
[r,g,b] = imsplit(I);
montage({r,g,b},'Size',[1 3]);
```
结果：

4、rgb2hsv将RGB图像转为HSV图像

代码：
```
clc;clear; close all;
rgbImage = imread('peppers.png');
imshow(rgbImage);
hsvImage = rgb2hsv(rgbImage);
[h,s,v] = imsplit(hsvImage);
montage({h,s,v},'Size',[1 3])
```
结果：

还有很多颜色空间之间的转换就不一一列举了：

5、灰度图像二值化

这里就不演示了

6、数据类型转换

其实这些都可以直接转换，比如我们想将uint16的矩阵I转换为uint8直接I = uint8(I)即可，其他数据类型转换也是同理！

示例：

三、几何变换和图像配准

常见几何变换

1、imcrop裁剪图像

Icropped = imcrop(I,rect)裁剪图像
```
clc;clear; close all;
I = imread('circuit.tif');
I2 = imcrop(I,[75 68 130 112]);
axis image;
subplot(1,2,1);
imshow(I);
title('Original Image');
subplot(1,2,2);
imshow(I2);
title('Cropped Image');
axis image;
```
结果：

注意matlab的图像坐标系为：

使用空间参照矩形使裁剪图像居中
```
I = imread('parkavenue.jpg');
imshow(I)
```
将目标窗口大小指定为 [宽度, 高度] 形式的二元素向量。
```
targetSize = [300 600];
```
创建指定裁剪窗口的空间范围的 Rectangle 对象。
```
r = centerCropWindow2d(size(I),targetSize);
```
在空间范围的界限处裁剪图像。显示裁剪的区域。
```
J = imcrop(I,r);
imshow(J)
```
结果：

2、imresize调整图像大小

J = imresize(I,scale) 返回图像 J，它是将 I 的长宽大小缩放 scale 倍之后的图像。输入图像 I 可以是灰度图像、RGB 图像、二值图像或分类图像。

代码：
```
clc;clear; close all;
I = imread('rice.png');
J = imresize(I, 0.5);
figure;
imshow(I);
title('Original Image');
figure;
imshow(J);
title('Resized Image');
```
结果：

我们都知道图像缩放需要进行插值，我们可以在imresize函数中自行选择插值方法：

我们在下面的代码中指定最近邻插值（其他代码不变）：
```
J = imresize(I, 0.5,'nearest');
```
J = imresize(I,[numrows numcols]) 返回图像 J，其行数和列数由向量 [numrows numcols] 指定。

代码：
```
clc;clear; close all;
RGB = imread('peppers.png');
RGB2 = imresize(RGB, [128 128]);
figure;
imshow(RGB);
title('Original Image');
figure;
imshow(RGB2);
title('Resized Image');
```
结果：

3、imroate旋转图像

J = imrotate(I,angle) 将图像 I 围绕其中心点逆时针方向旋转 angle 度。要顺时针旋转图像，请为 angle 指定负值。imrotate 使输出图像 J 足够大，可以包含整个旋转图像。默认情况下，imrotate 使用最近邻点插值，将 J 中位于旋转后的图像外的像素的值设置为 0。

代码：
```
clc;clear; close all;
I = imread('peppers.png');
J = imrotate(I, 45, 'bilinear','loose');
figure(1);
imshow(I);
figure(2);
imshow(J);
```
结果：

我们将bbox参数改为crop观察图片大小是否一致：
```
J = imrotate(I, 45, 'bilinear','crop');
```
可以看到改为'crop'后图片大小一致！

4、图像金字塔impyramid

B = impyramid(A,direction) computes a Gaussian pyramid reduction or expansion of A by one level. direction determines whether impyramid performs a reduction or an expansion.

代码：
```
clc;clear; close all;
I = imread('cameraman.tif');
I1 = impyramid(I, 'reduce');
I2 = impyramid(I1, 'reduce');
I3 = impyramid(I2, 'reduce');
figure, imshow(I);
figure, imshow(I1);
figure, imshow(I2);
figure, imshow(I3);
```
结果：

四、图像滤波和增强

1、图像滤波

1.1、fspecial创建滤波器核、imfilter根据选定的滤波核进行滤波

注：图像滤波也可以用filter2函数，与imfilter的区别请自行help命令查看

注意上面说的imfilter默认使用相关性而不是卷积，若要使用卷积进行滤波则需要指定'conv'参数！

示例：

读取图像并显示：
```
I = imread('cameraman.tif');
imshow(I);
```
创建运动滤波器，并使用它来对图像进行模糊处理。显示模糊处理后的图像。
```
H = fspecial('motion',20,45);
MotionBlur = imfilter(I,H,'replicate');
imshow(MotionBlur);
```
创建圆形滤波器，并使用它来对图像进行模糊处理。显示模糊处理后的图像。
```
H = fspecial('disk',10);
blurred = imfilter(I,H,'replicate'); 
imshow(blurred);
```
在执行imfilter时要注意的是将图像转换为uint8型以避免滤波核有负数值导致输出有负数：

在此要与我们图像之间的运算做区分！我们想把两个图像相加再除2即取均值时我们往往先将两个图像转换为double来防止uint8的截断！而这里则是要刻意使用uint8来截断，注意细节！

1.2、imgaussfilt图像二维高斯滤波

注意，这里的滤波核大小未给出，经查看源码后，滤波核大小默认为3*3，sigma默认为0.5，如果要自己指定滤波核大小，以第三种键值对的方式给出：

示例： B = imgaussfilt(A,'FilterSize',3);

代码演示：
```
clc;clear; close all;
I = imread('cameraman.tif');
Iblur = imgaussfilt(I,2, 'FilterSize',7); % sigma = 2, kernel_size = 5*5
montage({I,Iblur});
title('Original Image (Left) Vs. Gaussian Filtered Image (Right)');
```
2、对比度调整

同样的，我们选择常用函数进行演示！

2.1、imadjust调整图像强度值

调整灰度图像的对比度
```
clc;clear; close all;
I = imread('pout.tif');
J = imadjust(I);
montage({I,J});
```
调整灰度图像的对比度，指定对比度限制
```
clc;clear; close all;
I = imread('pout.tif');
K = imadjust(I,[0.3 0.7],[]); %low_out和high_out未给出时默认等于low_in,high_in
montage({I,K});
```
调整彩色图像的对比度
```
clc;clear; close all;
RGB = imread('football.jpg');
RGB2 = imadjust(RGB,[.2 .3 0; .6 .7 1],[]);%对应彩色图像三通道的low_in,high_in
montage({RGB,RGB2});
```
2.2、imsharpen图像锐化

图像锐化
```
clc;clear; close all;
a = imread('hestain.png');
imshow(a)
title('Original Image');
b = imsharpen(a);
figure, imshow(b)
title('Sharpened Image');
```
在边界上控制锐化的数量
```
clc;clear; close all;
a = imread('rice.png');
imshow(a), title('Original Image');
b = imsharpen(a,'Radius',2,'Amount',1);
figure, imshow(b)
title('Sharpened Image');
```
2.3、histeq直方图均衡化这个上文提过，这里就不多说了

2.4、imnoise向图像添加噪声
```
clc;clear; close all;
I = imread('eight.tif');
J = imnoise(I,'salt & pepper',0.02);
montage({I,J});
title('Original Image(left) and Noise Image(right)');
```
3、形态学运算

3.1、imerode腐蚀

其中的SE：
```
original_img = imread('Fig0905(a)(wirebond-mask).tif');
subplot(1,4,1);
imshow(original_img);
%三次不同大小的腐蚀操作比较
SE = strel('rectangle',[11 11]);
out = imerode(original_img, SE);
subplot(1,4,2);
imshow(out);
 
SE = strel('rectangle',[15 15]);
out = imerode(original_img, SE);
subplot(1,4,3);
imshow(out);
 
SE = strel('rectangle',[45 45]);
out = imerode(original_img, SE);
subplot(1,4,4);
imshow(out);
```
注意，每一次腐蚀都会导致中间的白圈变小，这里不大明显！

下面我们用nhood再演示一下腐蚀操作：
```
original_img = imread('Fig0905(a)(wirebond-mask).tif');
subplot(1,2,1);
imshow(original_img);
 
nhood = ones(45);
out = imerode(original_img, nhood);
subplot(1,2,2);
imshow(out);
```
3.2、imdilate膨胀

和腐蚀的参数差不多！
```
original_img = imread('Fig0907(a)(text_gaps_1_and_2_pixels).tif');
imshow(original_img);
 
nhood = [0 1 0;1 1 1;0 1 0];
out = imdilate(original_img, nhood);
figure();
imshow(out);
```
放大后观察效果：

3.3、imopen开运算

与腐蚀和膨胀的语法差不多哈

3.4、imclose闭运算

下面这个示例演示先开运算在闭运算结果
```
original_img = imread('Fig0911(a)(noisy_fingerprint).tif');
subplot(1,3,1);
imshow(original_img);
 
nhood = ones(3);
out = imopen(original_img, nhood);
subplot(1,3,2);
imshow(out);
 
out = imclose(out, nhood);
subplot(1,3,3);
imshow(out);
```
4、基于关注区域的处理（待更新）

5、图像算术

5.1、imabsdiff
```
clc;clear; close all;
I = imread('cameraman.tif');
J = uint8(filter2(fspecial('gaussian'), I));
K = imabsdiff(I,J);
figure;
imshow(K,[]);%将K中像素最小值设为黑色，最大值设为白色
```
5.2、imadd

将两个图像相加。将输出指定为 uint16 类型以避免截断结果。
```
clc;clear; close all;
I = imread('rice.png');
J = imread('cameraman.tif');
K = imadd(I,J,'uint16');
imshow(K,[]);
```
5.3、imsubtract

从一个图像中减去另一个图像或从图像中减去常量

减去图像背景
```
clc;clear; close all;
I = imread('rice.png');
%估计背景
background = imopen(I,strel('disk',15));
%从图像中减去背景
J = imsubtract(I,background);
montage({I,J});
```
五、傅里叶变换

1、fft2实现图像的快速傅里叶变换

代码演示：
```
clc;clear;close all;
im = imread('street.jfif');
figure(1);
imshow(im);
im = rgb2gray(im);
out = fft2(im);
figure(2);
imshow(abs(out),[]); %取实部
```
可能会有疑问，为什么傅里叶变换黑的啥都没有呢？事实上如果我们将Figure2的左上角放大，其实是这个样子：

所以事实是只有左上角值比较大看起来是白色，而这就是我们的直流分量。事实上这种现象的原因是直接用fft2的话频谱的原点不在图像中心而在左上角。

如果我们想将原点移到中心，我们需要用fftshift函数：

2、fftshift将频谱原点移到中心

让我们在上面的代码加上：
```
figure(3);
out = fftshift(out);
imshow(abs(out),[]);
```
这样就对了！

3、ifft2进行逆傅里叶变换

下面我们进行频域的低通滤波再逆傅里叶变换查看结果
```
clc;clear;close all;
im = imread('Fig0638(a)(lenna_RGB).tif');
figure(1);
 
im = rgb2gray(im);%转灰度
imshow(im);
title('原图');
[M N] = size(im);
im_f = fft2(im);
 
lp = fspecial('gaussian',25,2);%高斯低通滤波器(空间域)(补零到与原图一样大小)
lp_f = fft2(lp,M,N);%高斯低通滤波器(频域)
figure(2);
surf(fftshift(abs(lp_f)),'edgecolor','none');%surf函数画曲面图
title('滤波核频域曲面图');
 
out_f = im_f.*lp_f; %频域相乘
out = ifft2(out_f);%空间域结果
figure(3);
imshow(abs(out),[]);
title('结果');
 
 
```
这里我们的滤波核是用的自带的，当然我们也可以自定义一个频域低通滤波器：
```
%D(u,v)<=D0时有值
u = 0:Q-1
v = 0:P-1
%calculate D(u,v)
H = double(D<=D0)
```
参考资料：

MATLAB官方文档的Image Processing Toolbox
相关阅读:
git 第一次推代码
 瑞吉外卖项目剩余功能补充
 Linux 网络基本命令
 Hadoop运行环境搭建
 初识红黑树
 函数式编程-Stream流
 IO：作业：线程：2. 要求用线程拷贝一张图片，一个线程拷贝前半部分，另一个线程拷贝后半部分
 基于 Python+DenseNet121 算法模型实现一个图像分类识别系统
 ssm+vue+elementUI 基于协同过滤算法的图书推荐系统-#毕业设计
 Goole框架 — — Guava用法
原文地址：https://blog.csdn.net/qq_55621259/article/details/126216814

一、读写图像、直方图

1、读取并显示图像

2、直方图

3、写入图像

二、图像类型转换：

1、img2gray将 RGB 图像转换为灰度图像

2、mat2gray将矩阵转换为灰度图像

3、imsplit将多通道图像分割成其独立的通道

4、rgb2hsv将RGB图像转为HSV图像

5、灰度图像二值化

6、数据类型转换

三、几何变换和图像配准

1、imcrop裁剪图像

2、imresize调整图像大小

3、imroate旋转图像

4、图像金字塔impyramid

四、图像滤波和增强

1、图像滤波

1.1、fspecial创建滤波器核、imfilter根据选定的滤波核进行滤波

1.2、imgaussfilt图像二维高斯滤波

2、对比度调整

2.1、imadjust调整图像强度值

2.2、imsharpen图像锐化

2.3、histeq直方图均衡化这个上文提过，这里就不多说了

2.4、imnoise向图像添加噪声

3、形态学运算

3.1、imerode腐蚀

3.2、imdilate膨胀

3.3、imopen开运算

3.4、imclose闭运算

4、基于关注区域的处理（待更新）

5、图像算术

5.1、imabsdiff

5.2、imadd

五、傅里叶变换

1、fft2实现图像的快速傅里叶变换

2、fftshift将频谱原点移到中心

3、ifft2进行逆傅里叶变换