matlab中使用阈值二值化，腐蚀，膨胀，反色等操作进行图像处理，去噪声，网纹、摩尔纹等

最新推荐文章于 2022-04-01 16:50:09 发布

原创

最新推荐文章于 2022-04-01 16:50:09 发布 · 2.7k 阅读

25 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #信号处理 #计算机视觉

这篇博客介绍了如何通过二值化、阈值处理、形态学操作、傅里叶变换等技术，对图像进行预处理和频域分析，以提升图像处理效果。关键步骤包括灰度转换、频域显示、噪声抑制和特定区域保留。

有兴趣可以对下方的一些方法和参数进行更换，以达到更好的效果。

主要涉及到二值化，阈值，腐蚀，膨胀，反色等

clc;    
close all;  
clear;  
workspace;  
fontSize = 14;
grayImage = imread('test.jpg');
[rows, columns, numberOfColorBands] = size(grayImage);
if numberOfColorBands > 1  % 如果是彩色图像则转为灰度图像
	grayImage = rgb2gray(grayImage);
end
figure,imshow(grayImage, []);
title('原始灰度图像');
frequencyImage = fftshift(fft2(grayImage));  % 得到频域图
myangle = angle(fft2(grayImage));  % 后续傅里叶反变换使用
amplitudeImage = log(1 + abs(frequencyImage));  % 在FFT变换之后把浮点数据进行对数变化，线性映射到0~255范围内，压缩数据
frequencyImage = abs(frequencyImage);
figure,imshow(amplitudeImage, [])
title('傅里叶变换得到的频域图像');
amplitudeThreshold = 9.2;  % 阈值分割的阈值
brightSpikes = amplitudeImage > amplitudeThreshold; % 二值图像
figure,imshow(brightSpikes);
title('频域图像阈值分割');
se=strel('disk',1');% 圆盘型结构元素  
fc=imclose(brightSpikes,se);  % 形态学闭操作等效于先膨胀再腐蚀
figure,imshow(fc);
title('频域图像阈值分割后膨胀腐蚀');
I_reverse = imcomplement(fc); % 反色
figure,imshow(I_reverse);
title('反色');
I_reverse(275