超全面！Matlab图像处理的基本操作
虽然Matlab是一个数学处理软件，但是这个软件特别强大，它的优势在于它处理图像的能力。这个函数对于很多初学者学习Matlab来说是一个惊喜。我们来介绍一下如何用Matlab处理图像。
一、图像的基本操作
1.阅读图像并显示：
《明确》;关闭所有%清除Matlab平台的所有变量(准备工作)
《我=imread(' pout . TIF ')》；%该图像是Matlab图形工具箱附带的图像(\工具箱\图像\imdemos)
《信息秀》(上)
2.检查内存(阵列)中的图像：
《谁》
名称大小字节类
I 291x240 69840 uint8阵列
总计是69840个元素，使用69840个字节
意味着图像采用8位存储方式，占用69840B存储空间。
3.实现图像直方图均衡化：
图，imhist(I)%显示新图片中图像I的直方图
》《I2=histeq(I)》；I2阵列中存在%均衡后的图像(图像的灰度值扩展到整个灰度范围，对比度提高)
图，imshow(I2)%显示均衡后的图像
图中，imhist(I2)%显示了均衡后灰度值的分布
8位图像的取值范围为[0，255]，16位图像的取值范围为[0，655，351]，双精度图像的取值范围为[0，1]
4.保存图像：
》《imwrite(I2，' pout 2 . png ')》；%将原始tif格式的图像保存为png格式
5.检查新生成文件的信息：
《国际货币基金组织信息》(《pout 2 . png》)%观察保存图像的文件信息
ans=
文件名：“pout 2 . png“% filename
文件修改日期：' 2009年4月11日21:55:35'%文件修改日期
文件大小：36938%文件大小
格式：“png“%文件格式
格式版本：[]%格式
宽度：文件宽度的240%
高度：文件高度的291%
位深度：8%文件位深度
颜色类型：“灰度“%颜色类型
……
二、图像处理Matlab的应用：
示例：消除rice.png图像中亮度不一致的背景，利用阈值将修改后的图像转换为二值图像，利用成员标记返回图像中物体的数量和统计特征。按照以下步骤进行：
1.读取和显示图像
《明确》;全部关闭
《I=im read(' rice . png ')》；
《信息秀》(一)
2.估计图像背景：
图像中心的背景亮度比其他部分强。利用imopen函数和半径为15的圆盘结构元素对输入图像I进行形态学运算，去除那些没有完全包含在圆盘中的物体，从而实现背景亮度的估计。
《明确》;全部关闭
《I=im read(' rice . png ')》；
《信息秀》(上)
》《背景=imopen(I，strel('disk '，15))；
《imshow 》(背景)
《图说》，surf(double(背景(1:8:end，1:8:end)))，zlim([0，255])；
《集》(gca，‘ydir’，‘reverse’)；
显示背景图(左)和背景表面图(右)
3.从原始图像中减去背景图像(原始图像I减去背景图像，得到背景相对一致的图像):
》《I2=im核减(I，背景)；
《图，imshow(I2)
4.调整图像的对比度(图像较暗，可以使用图像调整功能命令来调整图像的对比度)
》《I3=IMA adjust(I2，stretchlim(I2)，[0 1])；
《人物》，imshow(I3)；
5.使用阈值操作将图像转换为二值图像(bw)，并调用whos命令查看图像的存储信息。
《》level=gray thresh(I3)；%图像灰度处理
》《bw=im2bw(I3，level)；%图像二值化处理
图，imshow(bw)%显示处理后的图片
《谁》
名称大小字节类
I 256x256 65536 uint8阵列
I2 256x256 65536 uint8阵列
I3 256x256 65536 uint8阵列
背景256x256 65536 uint8阵列
bw 256x256 65536逻辑阵列
1x1 8级双阵列
总计是327681个元素，使用327688个字节
6.检查图像中的对象数量(bwlabel函数表示二进制图像中的所有相关组件，并返回在图像中找到的对象数量)
》【标注，numObjects】=bwlabel(bw，4)；
《手机项目》
numObjects=
101
指示图像中大米对象的数量为101。
7.检查标记矩阵：(imcrop命令执行交互操作，在图像中拉出一个小矩形，并在背景中显示标记的对象和一些像素)
《谷物》
谷物=
0 0 42 42 42 42 42 42 42 0
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 0 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42 42
0 42 42 42 42 42 42 42 42 42
8.观察标记矩阵(将其显示为带有标签2rgb的伪彩色索引图像):
》《RGB_label=label2rgb(标注，@spring，' c '，' shuffle ')；
《imshow》(RGB _ label)；
9.测量图像对象或区域的属性(区域道具，返回结构数据)
《graindata=regionprops》(标签为“基本”)
graindata=
带有字段的101x1结构数组：
面积
图心
边界框
颗粒数据(40)。区域%显示矩阵中第40个元素的属性
ans=
197
" " graindata(40)。边界框，粒度数据(40)。质心%找到最近的边缘和中心点
ans=
82.5000 59.5000 24.0000 20.0000
ans=
95.4213 70.4924
》)all grams=[grain data。面积]；%创建一个新的矢量allgrains，它包含每个米粒的范围
《谁是所有谷物》
名称大小字节类
allgrains 1x101 808双阵列
总计是101个元素，使用808个字节
Allgrains(51)%相当于整个矩阵的索引为51的属性个数，与原来的结果相同
ans=
140
最大(所有颗粒)%获得最大颗粒尺寸
ans=
404
" " " biggrain=find(allgrains==404)%使用find命令返回这个最大米粒的标签号。
biggrain=
59
平均(所有谷物)%,以获得米粒的平均大小
ans=
175.0396
10.画一个包含30列的直方图来说明大米颗粒大小的分布
《历史》(全谷物，30)
大米粒度分布直方图
以上几点是Matlab图像处理的基本操作。经过多次使用，你会发现这些方法在使用Matlab的过程中非常实用，也很容易上手。以上就是Matlab图像处理方法的基本操作，希望对你的学习有所帮助。
版权声明：超全面！Matlab图像处理的基本操作是由宝哥软件园云端程序自动收集整理而来。如果本文侵犯了你的权益，请联系本站底部QQ或者邮箱删除。
