一周学会Matlab图像处理
关注
分享
扫一扫
文章平均质量分 65
以《精通图像处理与识别》为基础，辅以实例，理论结合实际应用，迅速学会matlab的图像处理，由浅入深，各个击破。
略知12
略会的:MCU(STC、STM、GD)、编程语言(C/C++、Python、JAVA、Kotlin、Js、Matlab、Sql)、通信协议(HTTP、RTP、MQTT)、数据分析(SPSS)、人工智能(Pytorch、TensorFlow)、界面开发(QT、Android、微信小程序、网页)、多学科基础知识(经济学、市场营销、心理学、工业设计);感兴趣的:书籍(历史、传记、经典名著)、知识(管理、金融、口才);目前职务：算法工程师；想从事的: 环境治理(基于物联网的数据服务商)(曾从事)、个人健康(基于智能穿戴的中老年人健康管理监控)（正在从事）、科技娱乐(基于混合显示或人工智能的新娱乐)
展开
-
【十二】特征提取
1 图像特征特征提取就是从图像中提取有用的数据和信息图像特征是某类事物区别于其他类的特性或这些特性的集合。特征向量是特性的组合，如只有一个特性，就是一维特征向量。待分类的对象也叫样本，其特征向量也就是样本向量。2 基本统计特征2.1 常用的简单区域描绘子如下：周长面积致密性区域的质心灰度均值灰度中值包含区域的最小矩形最小或最大灰度级小于或大于均值的像素数欧拉数（区域中的对象数减去这些对象的孔洞数）Matlab实现提取图像中每个区域的面积和质心为特征I = imread(原创 2021-03-04 11:04:30 · 1371 阅读 · 1 评论 -
【十一】图像分割
1 图像分割基础知识图像分割是将图像中具有特殊意义的区域划分开。常用的方法有、和聚合等。图像分割算法一般基于图像灰度值的不连续性（边缘检测、边界跟踪、Hough变换）或其相似性（区域生长、区域分裂与合并、阈值分割）。2 边缘检测边缘检测的基本步骤如下：常用的边缘检测算子有梯度算子、高斯-拉普拉斯算子（Log）、Cany边缘检测算子等。Matlb实现intensity = imread('circuit.tif');bw1 = edge(intensity, 'sobel');%边缘检测函原创 2021-03-03 17:18:40 · 11120 阅读 · 2 评论 -
【十】形态学图像处理
1 预备知识集合与元素集合与集合反射和平移结构元素：设有两幅图像A、S。若A是被处理的图像，二S是用来处理A的，则称S为结构元素。2 二值图像中的基本形态学运算2.1 腐蚀取一个结构元素（多个像素组成的形状），在图像中所有符合其结构的区域橘色腐蚀。Matlab实现I = imread('erode_dilate.bmp'); %二值形态学处理中将灰度图像中所有非0值都看作是1，即前景物体se1 = strel('square', 3); %3*3的正方形结构元素Ib= imerode原创 2021-03-03 16:13:38 · 3057 阅读 · 1 评论 -
【九】彩色图像处理
1 RGB彩色模型理论基础在计算机中，RGB就是三基色，彩色全域（并不是所有的可见颜色）均可以由RGB三色混合而成。2 彩色模型下面是常见的彩色模型，它们互相之间都可转换。2.1 RGB模型最常见的彩色模型2.2 CMY、CMYK模型基色为青、品红、黄，采用的是减色法，是根据光线被物体及收掉一部分后反射回来的剩余光线所产生的，常用于打印机等。2.3 HSI模型从人的视觉系统出发，采用颜色三要素色调、饱和度、亮度来描述颜色。Matlab实现rgb转HSI：rgb2hsi.mfunct原创 2021-03-03 12:54:58 · 1461 阅读 · 1 评论 -
【八】图像复原
1 图像复原原理通常有两种方法可实现：一种是图像缺乏已知信息的情况，这时对退化过程建立模型来削弱该影响；另一种是图像有足够的已知信息，可以直接建立数学模型。2 早期图像复原技术下面是常见的一些噪声高斯噪声瑞利噪声伽马噪声指数分布噪声均匀分布噪声脉冲噪声（椒盐噪声）在只有加噪声的情况下，我们采用空间滤波方法，下面就是常见的几种控件滤波方法。均值滤波器统计排序滤波器图像复原中，许多退化模型可近似表示为线性控件不变过程，故其逆过程：去卷积（逆滤波）逐渐成为图像复原的一种标准技术。维纳去原创 2021-03-03 11:07:29 · 562 阅读 · 1 评论 -
【七】小波变换
多分辨率分析小波变换的实质就是空间中的任意函数f(t)表示成为其在具有不同伸缩因子和平移因子上得到投影的叠加。与傅里叶的区别在于它是将一维时域函数映射都二维“时间-尺度”域上。多分辨率分析类似于现在的手机地图，有大地图，也有放大后的小地图 。Matlab实现f = imread('babyNew.bmp');imshow(f);[c,s] = wavefast(f,1,'sym4');%利用'sym4'小波作快速小波变换[nc,y] = wavecut ('a',c,s);edges = a原创 2021-03-03 10:36:36 · 970 阅读 · 1 评论 -
【六】频率域图像增强
1 频率域滤波在频率域中，傅里叶变换可以做到转换过程不丢失任何信息。2 傅里叶变换傅里叶级数：满足狄利赫里的正弦函数都可以用正弦函数和余弦函数构成的无穷级数。傅里叶变换：傅里叶变换在这里不做介绍，数字图像处理中主要是关注二维离散函数的傅里叶变换(DFT)。快速傅里叶变换：利用傅里叶变换中变量的周期性和对称性，可以进行简化运算，便于实现。（FFT）...原创 2021-02-28 22:28:04 · 3092 阅读 · 0 评论 -
【五】空间域图像增强
1 空间域增强基础空间域增强是对图像的一个邻域，用滤波、平滑、锐化等方法，从而增强图像。2 空间域滤波滤波就是将信号中特定波段频率滤除，常用傅里叶变换及其逆变换等实现。具体过程就是取一个方形模板（一般多是3*3），逐点对图像进行乘积（模板上的点乘图像上对应的点再求和），对于边界上的点，有三种常用策略：(1)收缩处理范围；(2)使用常数填充；(3)使用复制像素。卷积是一种特殊的滤波过程，区别在模板与对应的点相乘之前，需要先围绕中心点旋转180度。而相关就是最普通的滤波。Matlab实现f= im原创 2021-02-27 21:24:21 · 4291 阅读 · 1 评论 -
【四】图像的几何变换
1 整体思路整体上可分为两个部分，一是对图像进行平移、旋转等，二是在变换后可能要进行灰度插值，保证图像能够完整显示。2 图像的平移对每个像素平移相同的位移量，缺失的就用插值补充。（一般默认为双线性插值，也可设为最近邻插值或双三次插值）Matlab实现imMove.mfunction I_out = imMove(I,Tx,Ty)%平移变换%输入：I - 输入图像% Tx - 水平方向平移量% Ty - 数值方向平移量%输出：T_out - 输出图像tform = m原创 2021-02-27 13:13:07 · 631 阅读 · 1 评论 -
【三】图像的点运算
1 灰度直方图就是灰度级的统计图，横向是灰度级，纵向是出现的次数。1.1 一般直方图Matlab实现I = imread('pout.tif'); %读取图像figure; %打开一个窗口imshow(I);title('Source'); %显示源图像figure; %打开另一个窗口imhist(I);title('Histogram');%显示直方图1.2 归一化直方图为便于统计，可原创 2021-02-26 21:39:32 · 999 阅读 · 1 评论 -
【二】Matlab图像处理中常用的基本函数
1 Matlab图像类型及其存储方式1.1 亮度图像即灰度图像，每个像素是0～1(双精度)或0～255。图像为二维矩阵mn，如200200表示200行200列的矩阵。1.2 RGB图像图像有红绿蓝三种颜色分量，每个像素都是三种颜色地叠加。图像为三维矩阵mn3，如图像中位于2行3列的像素的RGB值为（2,3,1:3）,其中红色分量为（2,3,1），绿色分量为（2,3,2），蓝色分量为（2,3,3）。1.3 索引图像索引图像往往包含两个数组：一个图像数据矩阵（二维），一个颜色索引表（m*3的二维矩阵原创 2021-02-26 17:27:06 · 990 阅读 · 1 评论 -
【一】数字图像的常见概念
【一】数字图像的常见概念1 数字图像1.1 数字图像是什么1.2 数字图像的分类1.3 图像的空间和灰度级分辨率2 数字图像处理与识别2.1 整体流程2.1.1 数字图像处理2.1.2 数字图像分析2.1.3 数字图像识别2.2 数字图像处理与识别大致内容3 预备知识3.1 邻接性3.2 连通性3.3 区域和边界3.4 几种距离度量3.5 基本的图像操作3.5.1 点运算和邻域运算3.5.2 线性和非线性操作1 数字图像1.1 数字图像是什么数字图像是在计算机上显示和处理的图像，可分为位图（BMP、J原创 2021-02-24 18:14:50 · 6438 阅读 · 1 评论