【matlab】小学都能学会的数字图像处理

1.读入一副图像，对其进行缩放。

源代码：

clear;

% 读入图像函数imread();

% 参数：‘文件名/文件路径’

I=imread('lena.tif');

% 图像缩放函数imresize();

% 参数：图像对象，缩放倍率

I1=imresize(I,0.5);

I2=imresize(I,2);

% 显示图像函数imshow();

% 参数：图像变量；

imshow(I);

title('原图')

figure

imshow(I1);

title('0.5倍缩放图像')

figure

imshow(I2);

title('2倍缩放图像')

实验结果：

结果分析：

matlab中使用imresize()函数实现图像大小的修改，倍数大于1时放大，小於则反之，如果修改图片大小后，还以相同比例的图形用户界面显示，显示改变的则是图像的清晰度。

2.读入一副图像，对其添加椒盐噪声，用均值滤波器对其进行滤波；对其添加高斯噪声，用高斯滤波器对其进行滤波。

源代码：

clear;

I=imread('lena.tif');

% 添加噪声函数imnosie()；

% 参数：待处理图像，'method',噪声密度

J1=imnoise(I,'gaussian');

J2=imnoise(I,'salt & pepper');

% 二维图像滤波器创建函数fepecial();

% 参数：'method',滤波区间/半径，滤波密度

h1=fspecial('gaussian',[5,5]);

h2=fspecial('average',[5,5]);

J0=rgb2gray(J1);

h3=medfilt2(J0,[5,5]);

% 滤波实现函数imfilter();

% 参数：滤波对象，滤波器

F1=imfilter(J1,h1);

F2=imfilter(J2,h2);

subplot(2,3,1);

imshow(I);title('原图')

subplot(2,3,2);

imshow(J1);title('高斯噪声图')

subplot(2,3,3);

imshow(J2);title('椒盐噪声图')

subplot(2,3,4);

imshow(h3);title('中值滤波图')

subplot(2,3,5)

imshow(F1);title('高斯滤波图')

subplot(2,3,6)

imshow(F2);title('均值滤波图')

实验结果：

结果分析：

matlab中使用imnoise()函数为图像添加噪声，添加何种噪声由参数决定；之后想要滤波则可以先借助fspecial()函数创建滤波器，同时指定相应的滤波方法，再只用imfilter()函数实现滤波即可。

3.读入一副图像，对其提取边缘。

源代码：

clear;

I=imread('lena.tif');

% 彩图图片转化灰度图函数rgb2gray();

% 参数待转化的三维彩色图片，数据由三维降到二维；

gray=rgb2gray(I);

% 边缘提取函数edge();

% 参数：处理对象(灰度图)，'提取方法'，起始门槛，方向(等)

BW1=edge(gray,'sobel');

% Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，Sobel算子对边缘定位不是很准确，图像的边缘不止一个像素。

BW2=edge(gray,'roberts');

% Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。

BW3=edge(gray,'prewitt');

% Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。

BW4=edge(gray,'canny');

% Canny算子是目前边缘检测最常用的算法，效果也是最理想的。

BW5=edge(gray,'log');

% Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。



subplot(2,3,1)

imshow(gray);title('灰度图')

subplot(2,3,2);

imshow(BW1);title('sobel算子提取')

subplot(2,3,3);

imshow(BW2);title('roberts算子提取')

subplot(2,3,4);

imshow(BW3);title('prewitt算子提取')

subplot(2,3,5);

imshow(BW4);title('canny算子提取')

subplot(2,3,6);

imshow(BW5);title('laplasian算子提取')

实验结果：

结果分析：

matlab中图片边缘提取函数为edge()函数，其中第一个参数，即待处理图片须是灰度图，然后提取方法有很多的算子，不同的算法机理不同，因此得到的提取效果也大不相同。

4.读入一副图像，对其进行直方图统计。

源代码：

clear;

I=imread('lena.tif');

G=rgb2gray(I);

% 通过直方图均衡化来增加灰度图像(原图)对比度，函数histeq(I)

% 参数：待均衡灰度图；

J=histeq(I);

subplot(2,2,1)

imshow(I);title('原图')

subplot(2,2,2)

% 得到图像数据的灰度直方图,imhist(I,n)函数

% 参数：待处理图像(灰度图像)，(n为指定的灰度级)默认256

imhist(G,32);title('32直方统计图')

subplot(2,2,3)

imshow(J);title('均衡化的图')

subplot(2,2,4)

imhist(J,32);title('32均衡化的直方统计图')

实验结果：

结果分析：

matlab中使用histeq()函数实现图像均衡化处理，即对比度调整，参数为待处理的图像和均衡化等级，处理后的图片色彩对比有明显变化，在直方图中则更加直观，所有亮度范围的直方统计图都大致相同，没有原图像那样突出或凹陷的部分。

5.读入一副图像，对其进行增强。

源代码：

clear;

I=imread('lena.tif');

G=rgb2gray(I);

% 灰度图的灰度转换，imadjust(I)函数;

% 参数：待处理图像(自动调整)；

% 或者

% imsdjust(I,[low-in hign-in],[low-out high-out])

% 灰度输入以及输出范围;

% 输入灰度小于low_in，则输出灰度为low_out；

% 输入灰度大于high_in，则输出灰度为high_out；

% 将low_in至high_in间值映射到low_out至high_out之间；

J1=imadjust(G);

J2=imadjust(G,[0,1],[1,0]);

H=histeq(G);

subplot(2,2,1);

imshow(G);title('原灰度图')

subplot(2,2,2);

imshow(H);title('对比度增强图')

subplot(2,2,3);

imshow(J1);title('灰度自动调整图')

subplot(2,2,4);

imshow(J2);title('黑白颠倒图')

实验结果：

结果分析：

matlab中图像增强处理，可以imjust()函数进行亮度调整，或者是histeq()函数实现对比度的调节，需要注意的是imjust()函数处理对象须为灰度图，故对于彩色图像处理前面需要进行类型转化操作。

6.读入一副图像，在其中添加水印，然后将添加进去的水印提取出来。

源代码：

clear;clc;

% 使用最低有效位LSB图像水印法添加水印；

% least significant bit，通过分离图层，将水印图层替换到原图低层，以实现水印的“不外露”添加；

% % 背景图片；

img=imread('lena.tif');

imgsize=size(img);

% 提取原图比特平面；

bitplane=zeros(imgsize(1),imgsize(2),8);

for i=1:8 % 各个图层的处理；

    for row=1:imgsize(1)% 图片行；

        for column=1:imgsize(2)% 图片列；

            bitplane(row,column,i)=bitget(img(row,column),i);

        end

    end

end

%绘制原图bitplane;

figure(1)

for i=1:8

    subplot(2,4,i)

    imshow(im2uint8(255*bitplane(:,:,i)));

    title(['BitPlane ',num2str(i)])

end





% % 水印图片；

imgMark=imread('txt.tif');

imgMarksize=size(imgMark);

% 提取水印比特平面；

bitplaneM=zeros(imgMarksize(1),imgMarksize(2),8);

for i=1:8

    for row=1:imgMarksize(1)

        for column=1:imgMarksize(2)

            bitplaneM(row,column,i)=bitget(imgMark(row,column),i);

        end

    end

end

%绘制水印bitplane;

figure(2)

for i=1:8

    subplot(2,4,i)

    imshow(im2uint8(255*bitplaneM(:,:,i)));

    title(['BitPlane ',num2str(i)])

end





% % 构造新的bitplane，即嵌套水印；

newbitplane=bitplane;

newbitplane(:,:,1)=bitplaneM(:,:,6);

newbitplane(:,:,2)=bitplaneM(:,:,7);

newbitplane(:,:,3)=bitplaneM(:,:,8);

% 替换背景图片低层bitplane后，生成新的含水印的图片；

newimg=zeros(256,256);

for i=1:8

    newimg=newimg+newbitplane(:,:,i)*2^(i-1);

    % 不同的bitplane乘以响应的权值，计算出灰度图(8位)的参数值；

end

newimg=uint8(newimg);%转换为8位无符号整数数据类型；

figure(3)

imshow(newimg);%展示水印嵌套图片；

title('水印嵌套图片')

% % 水印提取(添加水印的逆过程);

bitplanerec=zeros(imgsize(1),imgsize(2),8);

for i=1:8 

    for row=1:imgsize(1)

        for column=1:imgsize(2)

            bitplanerec(row,column,i)=bitget(newimg(row,column),i);

        end

    end

end

figure(4)

for i=1:8

    subplot(2,4,i)

    % 展示嵌套后的图层；

    imshow(im2uint8(255*bitplanerec(:,:,i)));

    title(['BitPlane ',num2str(i)])

end



% 复制水印图，即将水印图层赋值给新的变量，生成水印提取图片；

newimgM=zeros(imgsize(1),imgsize(2));

for i=1:3

    newimgM=newimgM+bitplanerec(:,:,i)*2^(4+1);

end

figure(5)

imshow(im2uint8(newimgM));

title('水印提取图片')

实验结果及分析：