图像处理操作

本文介绍了傅里叶变换处理,离散余弦变换,灰度增强,图像翻转,线性变换,对数变换,直方图均衡化,直方图规定化,均值和中值滤波和低通滤波

傅里叶变换处理图像

代码:

I = imread('C:\Users\Administrator\Desktop\test\图片\3.png');     %读入图像
imshow(I);              %显示图像
I1 = fft2(I);           %计算2维傅里叶变换
I2 = fftshift(I1);          %直流分量移至中心
figure;imshow(log(abs(I2)+1),[0,10]); %对数变换

结果:

测试不同图像结果:

离散余弦变换

代码:

I = imread('C:\Users\Administrator\Desktop\test\图片\3.png')        %读入图像
I1 = dct2(I)        %做dct变换
figure;imshow(I)    %显示原图像
figure;imshow(log(abs(I1)),[0,5]);  %显示dct变换结果

结果:

不同图像结果:


灰度增强

程序

x = imread('C:\Users\Administrator\Desktop\test\图片\4.png')
subplot(221);
imshow(x);
subplot(222);
imshow(x.*3);
subplot(223);
imshow(x.*4.5);
subplot(224);
imshow(x.*5);

结果:

不同图像结果:

图像反转

程序:

x = imread('C:\Users\Administrator\Desktop\test\图片\lena.png')
subplot(121);
imshow(x);
subplot(122);
imshow(255-x);

结果:

不同图像结果:

线性变换

程序:

x = imread('C:\Users\Administrator\Desktop\test\图片\hjh.jpg');
subplot(131);
imshow(x);
subplot(132);
imhist(x);
y = imadjust(x,[0.2,0.8],[0,1]);
subplot(133);
imshow(y);

结果:

对数变换

程序:

x=imread('C:\Users\Administrator\Desktop\test\图片\men.bmp');
g=fft2(double(x));
fg=abs(fftshift(g));        %幅度谱
subplot(121);
imshow(fg,[]);
title('傅里叶谱');
subplot(122);
imshow(log(fg+1),[]);
title('傅里叶频谱对数变换结果');

结果:

直方图均衡化

程序:

I=imread('C:\Users\Administrator\Desktop\test\图片\men.bmp');
subplot(221);
imshow(I);
subplot(222);
imhist(I);      %显示图像直方图
[J,T]=histeq(I,64);     %图像灰度扩展到0-255,但是只有64个灰度级
subplot(223);
imshow(J);
subplot(224);
imhist(J);

结果:

直方图规定化

程序:

clc;clear;
h=imread('C:\Users\Administrator\Desktop\test\图片\men.bmp');
subplot(321);imshow(h);
subplot(322);imhist(h);
g=histeq(h,256);
subplot(323);imshow(g);
subplot(324);imhist(g,256);
r=[0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,9),0.05,zeros(1,39),0.05,zeros(1,19),0.05,zeros(1,19),0.05,zeros(1,19),ones(1,80).*0.0045,ones(1,66).*0.0088];
k=histeq(h,r);
subplot(325);
imshow(k);
subplot(326);
imhist(k);

结果:

均值和中值滤波

程序:

clc;clear;close
I=imread('C:\Users\Administrator\Desktop\test\图片\lena.png');
% I=I(:,:,2);     %将lena图从3维转化为2维
subplot(221);
imshow(I,[]);
f=imnoise(I,'salt & pepper',0.04);      %加噪(此处为椒盐噪声)
subplot(222);
imshow(f);
H0=ones(3,3)/9;     %3*3邻域模板
g=imfilter(f,H0);       %均值滤波
subplot(223);
imshow(g,[]);
g2=medfilt2(f,[3,3]);       %中值滤波
subplot(224);
imshow(g2)

结果:


低通滤波

程序:

clc;clear;close;
%理想低通滤波
I1=imread('C:\Users\Administrator\Desktop\test\图片\lena.png');
I1=I1(:,:,2);       %将lena三维转二维
subplot(231);
imshow(I1);
xlabel('原图');
f=double(I1);       %matlab不支持图像的无符号整形的计算
g=fft2(f);      %傅里叶变换
g=fftshift(g);      %平移至中心
[N1,N2]=size(g);        %取得对象g的行数和列数
d0=68;      %改变d0的值,可以观察到滤波的不同效果
n1=fix(N1/2);       %fix为取整,取接近0的整数
n2=fix(N2/2);
% 理想滤波器处理傅里叶图
for i=1:N1
    for j=1:N2
        d=sqrt((i-n1)^2+(j-n2)^2);
        if d<=d0
            h=1;
        else
            h=0;
        end         %计算理想低通滤波响应函数
        result(i,j)=h*g(i,j);
    end
end
subplot(232);
imshow(log(abs(result)+1),[0,10]);      %显示傅里叶图对应的滤波器通过部分
xlabel('傅里叶频谱');
result=ifftshift(result);
x2=ifft2(result);
x3=uint8(real(x2));      %real为取实部
subplot(233);
imshow(x3);
xlabel('理想低通');
% 2阶巴特沃斯滤波器处理傅里叶图
n=2;        %n为巴特沃斯阶数,此处取2阶
for i=1:N1
    for j=1:N2
        d=sqrt((i-n1)^2+(j-n2)^2);
        h=1/(1+(d/d0)^(2*n));
        result(i,j)=h*g(i,j);
    end
end
subplot(234);
imshow(log(abs(result)+1),[0,10]);      %显示傅里叶图对应的滤波器通过部分
xlabel('傅里叶频谱');
result=ifftshift(result);
x2=ifft2(result);
x3=uint8(real(x2));      %real为取实部
subplot(235);
imshow(x3);
xlabel('巴特沃斯低通');

结果:

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年5月19日 上午10:56
下一篇 2022年5月19日 上午11:01

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!