圖像處理（matlab）

1.基本函數:

iread('文件路徑');

idisp();

2.一元操作：

imd=idouble(im);  //將像素從unit8(範圍在0-255的整數像素)到範圍在[0,1]的雙精度值

grey=imono(im);    //將彩色圖像轉變成灰度圖像。

ihist（）；//顯示每一個像素值出現的次數

im=igamma(im,1/0.45); //伽馬編碼，一種非線性一元操作

3.二元操作：

isamesize(image1,image2);  //將2縮放並裁剪到跟1相同的大小

........

4.空間操作

 

4.1互相關 , K是互相關核，對於每一個輸出像素，對應輸入圖像中的像素窗口w要逐個元素地與互相關核K相乘。

在工具箱中，互相關使用函數iconv表示。iconv(image,K);

 

4.1.1平滑處理（光滑化、模糊化或者散焦）

K=ones(21,21)/21^2; //每一個輸出像素都是輸入圖像中與之相對應的21x21相領像素的平均值  ->平均值濾波

  二維高斯函數（關於原點對稱，曲線下方體積爲1）的擴展由標準差參數控制。 ->高斯濾波

K=kguass(5); //指定標準差爲5像素

 

4.1.2邊界檢測：
 lena=iread('C:\Users\Administrator\Desktop\matlab實驗照片\2.jpeg','double','grey');

 p=lena(60,:);  //在v=60處圖像中的一條水平線

沿着這個橫截面的一階倒數是,一階倒數可以用diff函數計算。->亮度變化的倒數

在v點處的導數也可以寫成對稱的一階差分：

它等同於和下面的一維互相關核求互相關運算：

                                                                 

將圖像與這個核求互相關：

K=[-0.5 0 0.5]；

idsip（iconv(lena,K),'invsigned'）    ->圖片具有高水平梯度的豎直邊緣清晰可見。效果如下所示（上面爲原圖）：

  

利用索伯互相關覈計算水平梯度，利用三行水平梯度的加權值。

Du=ksobel,上圖爲原圖，下面爲處理之後的

坎尼算子：

算法大致流程：

1、求圖像與高斯平滑濾波器卷積:

2、使用一階有限差分計算偏導數的兩個陣列P與Q：

3、幅值和方位角:

4、非極大值抑制（NMS ） ：細化幅值圖像中的屋脊帶，即只保留幅值局部變化最大的點。

將梯度角的變化範圍減小到圓周的四個扇區之一，方向角和幅值分別爲：

非極大值抑制通過抑制梯度線上所有非屋脊峯值的幅值來細化M[i,j],中的梯度幅值屋脊．這一算法首先將梯度角θ[i,j]的變化範圍減小到圓周的四個扇區之一

edges=icanny(lena,2);效果如下所示：

4.2模板匹配

函數s(T,W)是一個標量測度，用來描述兩幅相同大小的圖像T和W之間的相似性。

常用方法有：絕對差值（SAD），差值平方和（SSD）以及互相關（NCC）