MATLAB應(yīng)用課程設(shè)計說明書MATLAB圖像處理

1、課程設(shè)計任務(wù)書學(xué)生姓名： 專業(yè)班級： 通信 指導(dǎo)教師： 工作單位： 信息工程學(xué)院 題 目: matlab圖像處理 初始條件：（1）matlab軟件（2）數(shù)字信號處理與圖像處理基本知識要求完成的主要任務(wù): （包括課程設(shè)計工作量及其技術(shù)要求，以及說明書撰寫等具體要求）（1）能夠?qū)D像亮度和對比度變化調(diào)整，并比較結(jié)果；（2）編寫程序通過最近鄰插值和雙線性插值等算法將用戶所選取的圖像區(qū)域進行放大和縮小整數(shù)倍的和旋轉(zhuǎn)操作，并保存，比較幾種插值的效果；（3）圖像直方圖統(tǒng)計和直方圖均衡，要求顯示直方圖統(tǒng)計，比較直方圖均衡后的效果；（4）對圖像加入各種噪聲，比較效果。時間安排：第12周：安排任務(wù)，分組第13-

2、14周：設(shè)計仿真，撰寫報告第15周：完成設(shè)計，提交報告，答辯指導(dǎo)教師簽名： 年 月 日系主任（或責任教師）簽名： 年 月 日摘 要數(shù)字圖像處理技術(shù)是20世紀60年代發(fā)展起來的一門新興學(xué)科，隨著圖像處理理論和方法的進一步完善，使得數(shù)字圖像處理技術(shù)在各個領(lǐng)域得到了廣泛應(yīng)用，并顯示出廣闊的應(yīng)用前景。matlab既是一種直觀、高效的計算機語言,同時又是一個科學(xué)計算平臺。它為數(shù)據(jù)分析和數(shù)據(jù)可視化、算法和應(yīng)用程序開發(fā)提供了最核心的數(shù)學(xué)和高級圖形工具。根據(jù)它提供的500多個數(shù)學(xué)和工程函數(shù)，工程技術(shù)人員和科學(xué)工作者可以在它的集成環(huán)境中交互或編程以完成各自的計算。 matlab中集成了功能強大的圖像處理工具箱。

3、由于matlab語言的語法特征與c語言極為相似，而且更加簡單，更加符合科技人員對數(shù)學(xué)表達式的書寫格式，而且這種語言可移植性好、可擴展性強，再加上其中有豐富的圖像處理函數(shù)，所以matlab在圖像處理的應(yīng)用中具有很大的優(yōu)勢。本文基于matlab的圖像處理的基本運算，首先對圖像進行了亮度和對比度的調(diào)整、旋轉(zhuǎn)、縮放等操作，然后對圖像進行了直方圖統(tǒng)計和直方圖均衡，最后對圖像加入了各種噪聲并進行了去噪處理。關(guān)鍵詞：數(shù)字圖像處理，matlab目 錄1 緒論11.1 數(shù)字圖像處理簡介11.2 matlab簡介22 圖像的獲取52.1 圖像的讀取與保存53 圖像的處理73.1 圖像的亮度和對比度調(diào)整73.1.1

4、 圖像的亮度調(diào)整73.1.2 圖像的對比度調(diào)整83.2 區(qū)域圖像的選取與保存93.3 利用算法對圖像的處理113.3.1 最近鄰插值法113.3.2 雙線性插值法153.4 圖像的直方圖統(tǒng)計和直方圖均衡183.4.1 圖像的直方圖統(tǒng)計183.4.2 圖像的直方圖均衡193.5 圖像的噪聲加入與濾波處理213.5.1 加高斯噪聲213.5.2 加椒鹽噪聲223.5.3 高斯噪聲的自適應(yīng)濾波處理233.5.4 椒鹽噪聲的中值濾波處理244 總結(jié)及心得體會265 參考文獻271 緒論1.1 數(shù)字圖像處理簡介數(shù)字圖像處理（digital image processing）又稱為計算機圖像處理，它是指將

5、圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程。數(shù)字圖像處理有以下6種常用方法：1）圖像變換由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理）。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。 2）圖像編碼壓縮圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。壓縮可以在不失真的前

6、提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。 3）圖像增強和復(fù)原圖像增強和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立“降質(zhì)模型”，再采用某種濾波方法，恢復(fù)或重建原來的圖像。 4）圖像分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的

7、邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒有一種普遍適用于各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。 5）圖像描述圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。 6）圖像分類（識別）圖像分類（識別）屬于模式識別的范疇，其主要

8、內(nèi)容是圖像經(jīng)過某些預(yù)處理（增強、復(fù)原、壓縮）后，進行圖像分割和特征提取，從而進行判決分類。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。1.2 matlab簡介matlab是矩陣實驗室（matrix laboratory）的簡稱，是美國mathworks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，主要包括matlab和simulink兩大部分。matlab語言有如下特點：1）編程效率高它是一種面向科學(xué)與工程計算的高級語言，允許用數(shù)

9、學(xué)形式的語言編寫程序，且比basic、fortran和c等語言更加接近我們書寫計算公式的思維方式，用matlab編寫程序猶如在演算紙上排列出公式與求解問題。因此，matlab語言也可通俗地稱為演算紙式科學(xué)算法語言由于它編寫簡單，所以編程效率高，易學(xué)易懂。2）用戶使用方便matlab語言是一種解釋執(zhí)行的語言（在沒被專門的工具編譯之前），它靈活、方便，其調(diào)試程序手段豐富，調(diào)試速度快，需要學(xué)習(xí)時間少。人們用任何一種語言編寫程序和調(diào)試程序一般都要經(jīng)過四個步驟：編輯、編譯、連接以及執(zhí)行和調(diào)試。各個步驟之間是順序關(guān)系，編程的過程就是在它們之間作瀑布型的循環(huán)。matlab語言與其它語言相比，較好地解決了上述

10、問題，把編輯、編譯、連接和執(zhí)行融為一體。它能在同一畫面上進行靈活操作快速排除輸入程序中的書寫錯誤、語法錯誤以至語意錯誤，從而加快了用戶編寫、修改和調(diào)試程序的速度，可以說在編程和調(diào)試過程中它是一種比vb還要簡單的語言。3）擴充能力強 高版本的matlab語言有豐富的庫函數(shù)，在進行復(fù)雜的數(shù)學(xué)運算時可以直接調(diào)用，而且matlab的庫函數(shù)同用戶文件在形成上一樣，所以用戶文件也可作為matlab的庫函數(shù)來調(diào)用。因而，用戶可以根據(jù)自己的需要方便地建立和擴充新的庫函數(shù)，以便提高matlab使用效率和擴充它的功能。另外，為了充分利用fortran、c等語言的資源，包括用戶已編好的fortran，c語言程序，通

11、過建立me調(diào)文件的形式，混合編程，方便地調(diào)用有關(guān)的fortran，c語言的子程序。4）語句簡單，內(nèi)涵豐富mat1ab語言中最基本最重要的成分是函數(shù)，其一般形式為a，6，c = fun（d，e，f，），即一個函數(shù)由函數(shù)名，輸入變量d，e，f,和輸出變量a，b，c組成，同一函數(shù)名f，不同數(shù)目的輸入變量（包括無輸入變量）及不同數(shù)目的輸出變量，代表著不同的含義（有點像面向?qū)ο笾械亩鄳B(tài)性。這不僅使matlab的庫函數(shù)功能更豐富，而大大減少了需要的磁盤空間，使得matlab編寫的m文件簡單、短小而高效。5）高效方便的矩陣和數(shù)組運算matlab語言象basic、fortran和c語言一樣規(guī)定了矩陣的算術(shù)運算

12、符、關(guān)系運算符、邏輯運算符、條件運算符及賦值運算符，而且這些運算符大部分可以毫無改變地照搬到數(shù)組間的運算，有些如算術(shù)運算符只要增加“”就可用于數(shù)組間的運算，另外，它不需定義數(shù)組的維數(shù)，并給出矩陣函數(shù)、特殊矩陣專門的庫函數(shù)，使之在求解諸如信號處理、建模、系統(tǒng)識別、控制、優(yōu)化等領(lǐng)域的問題時，顯得大為簡捷、高效、方便，這是其它高級語言所不能比擬的。在此基礎(chǔ)上，高版本的matlab已逐步擴展到科學(xué)及工程計算的其它領(lǐng)域。因此，不久的將來，它一定能名符其實地成為“萬能演算紙式的”科學(xué)算法語言。6）方便的繪圖功能matlab的繪圖是十分方便的，它有一系列繪圖函數(shù)（命令），例如線性坐標、對數(shù)坐標，半對數(shù)坐標及

13、極坐標，均只需調(diào)用不同的繪圖函數(shù)（命令），在圖上標出圖題、xy軸標注，格（柵）繪制也只需調(diào)用相應(yīng)的命令，簡單易行。另外，在調(diào)用繪圖函數(shù)時調(diào)整自變量可繪出不變顏色的點、線、復(fù)線或多重線。這種為科學(xué)研究著想的設(shè)計是通用的編程語言所不及的。2 圖像的獲取2.1 圖像的讀取與保存利用函數(shù)imread()可完成圖形圖像文件的讀取，其調(diào)用格式為：a=imread(filename,fmt)x,map=imread(filename,fmt).=imread(filename).=imread(filename,idx) （只對tif格式的文件）.=imread(filename,ref) （只對hdf格式

14、的文件）通常，讀取的大多數(shù)圖像均為8bit，當這些圖像加載到內(nèi)存中時，matlab就將其存放在類uint8中。此為matlab還支持16bit的png和tif圖像，當讀取這類文件時，matlab就將其存貯在uint16中。對于索引圖像，即使圖像陣列的本身為類uint8或類uint16，imread函數(shù)仍將顏色映象表讀取并存貯到一個雙精度的浮點類型的陣列中。利用函數(shù)imwrite（）可以完成對圖像數(shù)據(jù)的保存操作，語法：imwrite(a,filename,fmt)imwrite(x,map,filename,fmt)imwrite(.,filename)imwrite(.,param1,val1

15、,param2,val2.)a可以是一個m -的- n的（灰度圖像）或m -的- n的按3（真彩色圖像）陣列，但它不能是一個空數(shù)組。至于tiff文件，a可以是一個m -的- n的 4數(shù)組，包含顏色數(shù)據(jù)，使用的cmyk色彩空間。對于gif文件，a可以是一個m -的- n的按1由- p的含灰度或索引圖像陣列 - rgb圖像不支持。程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,1,1)imshow(ren); %顯示圖像title(原彩色圖)imwrite(ren,c:matlab7我的ren.jpg); 得到的彩色圖像如下圖

16、2.1 原彩色圖說明：所選擇的彩色圖的像素為1600*900。3 圖像的處理3.1 圖像的亮度和對比度調(diào)整圖像的亮度和對比度調(diào)整分別使用函數(shù)imadjust（）和rgb2gray（）函數(shù)。3.1.1 圖像的亮度調(diào)整圖像的亮度調(diào)整使用imadjust（）函數(shù)，其調(diào)用格式如下： j = imadjust(i)j = imadjust(i,low_in; high_in,low_out; high_out)j = imadjust(i,low_in; high_in,low_out; high_out,gamma)newmap = imadjust(map,low_in; high_in,low_o

17、ut; high_out,gamma)rgb2 = imadjust(rgb1,.)其中g(shù)amma 表示映射性質(zhì)，默認值是1 ，表示線性映射。程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)imshow(ren); %顯示圖像title(原彩色圖)y=imadjust(ren,0.15 0.6, 0 1); %增亮圖像subplot(1,2,2)imshow(y);title(增亮圖)進行增亮處理后的圖像與源圖像的對比圖：圖3.1 進行增亮處理后的圖像結(jié)果比較：增量處理后的圖像的亮度明顯高于原圖像。3.1.2 圖像

18、的對比度調(diào)整圖像的對比度調(diào)整使用函數(shù)rgb2gray（）。其調(diào)用格式為：i = rgb2gray(rgb)。程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)imshow(ren); %顯示圖像title(原彩色圖)y=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖像subplot(1,2,2)imshow(y);title(灰度圖)轉(zhuǎn)化后得到的灰度圖如下：圖3.2 轉(zhuǎn)化后的灰度圖3.2 區(qū)域圖像的選取與保存在matlab中，用函數(shù)imcrop實現(xiàn)對圖像的剪切操作。無論待處理圖像是二維還是三維數(shù)據(jù)，該函數(shù)都能

19、對其進行操作。下圖是對三維圖像的截圖：其調(diào)用格式如下：i = imcropi2 = imcrop(i)x2 = imcrop(x, map)i = imcrop(h)i2 = imcrop(i, rect)x2 = imcrop(x, map, rect). = imcrop(x, y,.)i2 rect = imcrop()x,y,i2,rect = imcrop()程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)imshow(ren); %顯示圖像title(原彩色圖)x=imcrop(ren,0 0 600

20、600); %截圖subplot(1,2,2)imshow(x);imwrite(x,cut.jpg); %保存圖像title(截圖)截圖后得到的圖像如下：圖3.3 截圖處理后的圖像3.3 利用算法對圖像的處理3.3.1 最近鄰插值法最近鄰插值法：也稱作零階插值，就是令變換后像素的灰度值等于距它最近的輸入像素的灰度值。 特點：造成的空間偏移誤差為像素單位，計算簡單。但當圖像中的像素灰度級有細微變化時，該方法會在圖像中產(chǎn)生人工的痕跡。3.3.1.1 圖像的放大和縮小圖像的放大和縮小使用函數(shù)imresize（a，scale，method），其中的scale代表圖像的放大（或縮?。┍稊?shù)，若取值大于0

21、小于1，則縮小scale倍。若取值大于1，則放大相應(yīng)的倍數(shù)。method代表圖像的放大（或縮小方式），通常有三種方式：nearest，bilinear，bicubic。其調(diào)用格式如下：b = imresize(a, scale)b = imresize(a, mrows ncols)y newmap = imresize(x, map, scale). = imresize(., method). = imresize(., parameter, value, .)程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)i

22、mshow(ren); %顯示圖像title(原彩色圖)x=imresize(ren,2,nearest); %最近鄰插值法放大subplot(1,2,2)imshow(x);imwrite(x,zuijinchazhi_fangda.jpg)title(最近鄰插值法放大);最近鄰插值法發(fā)達處理后的圖像：圖3.4 最近鄰最近鄰插值法放大處理后的圖像ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)imshow(ren); %顯示圖像title(原彩色圖)x=imresize(ren,0.5,nearest); %最近鄰插值法縮

23、小subplot(1,2,2)imshow(x);imwrite(x,zuijinchazhi_suoxiao.jpg)title(最近鄰插值法縮小);圖3.5 最近鄰最近鄰插值法縮小處理后的圖像結(jié)果說明：處理后看不出來放大（或縮?。┑男Ч?，這是由于坐標軸限制的原因，如果把處理后的圖片保存起來，再把處理后的文件打開，就可以看到比較明顯的放大（或縮?。┬Ч?。3.3.1.2 圖像的旋轉(zhuǎn)1）上下翻轉(zhuǎn)：上下翻轉(zhuǎn)使用函數(shù)flipud()，其調(diào)用格式為b = flipud(a)。程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren

24、); %rgb圖像轉(zhuǎn)換為灰度圖subplot(1,2,1)imshow(huidutu);title(原圖);huidutu=flipud(huidutu); %上下翻轉(zhuǎn)subplot(1,2,2)imshow(huidutu);title(上下翻轉(zhuǎn));圖3.6 最近鄰插值法上下翻轉(zhuǎn)處理后的圖像2）左右翻轉(zhuǎn)：左右翻轉(zhuǎn)使用函數(shù)fliplr()，其調(diào)用格式為b = fliplr(a)程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖subplot(1,2,1)imshow(huidutu);

25、title(原圖);huidutu=fliplr(huidutu); %左右翻轉(zhuǎn)subplot(1,2,2)imshow(huidutu);title(左右翻轉(zhuǎn));圖3.7 最近鄰插值法左右翻轉(zhuǎn)處理后的圖像3）任意角度翻轉(zhuǎn)任意角度翻轉(zhuǎn)使用函數(shù)imrotate（），其調(diào)用格式如下：b = imrotate(a,angle)b = imrotate(a,angle,method)b = imrotate(a,angle,method,bbox)其中的angle為圖像翻轉(zhuǎn)角度，可以為負值。method為圖像的處理方式，通常有三種方式：nearest，bilinear，bicubic。程序如下：ren

26、=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖subplot(1,2,1)imshow(huidutu);title(原圖);x=imrotate(huidutu,30,nearest,crop) %任意角度翻轉(zhuǎn)翻轉(zhuǎn)subplot(1,2,2)imshow(x);title(任意角度翻轉(zhuǎn));圖3.8 最近鄰插值法任意角度翻轉(zhuǎn)處理后的圖像3.3.2 雙線性插值法雙線性插值，又稱為雙線性內(nèi)插。在數(shù)學(xué)上，雙線性插值是有兩個變量的插值函數(shù)的線性插值擴展，其核心思想是在兩個方向分別進行一次線性插值。 3.3.

27、2.1 圖像的放大和縮小圖像的雙線性插值放大算法中，目標圖像中新創(chuàng)造的象素值，是由源圖像位置在它附近的2*2區(qū)域4個鄰近象素的值通過加權(quán)平均計算得出的。雙線性內(nèi)插值算法放大后的圖像質(zhì)量較高，不會出現(xiàn)像素值不連續(xù)的的情況。然而次算法具有低通濾波器的性質(zhì)，使高頻分量受損，所以可能會使圖像輪廓在一定程度上變得模糊由于用雙線性插值法對圖像進行處理調(diào)用的函數(shù)與最近鄰插值法相同，故在此不再做說明。程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)imshow(ren); %顯示圖像title(原彩色圖)x=imresize(re

28、n,5,bilinear); %雙線性插值法放大圖像subplot(1,2,2)imshow(x);imwrite(x,doublefangda.jpg);title(雙線性插值放大);圖3.9 雙線性插值法放大處理后的圖像ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)imshow(ren); %顯示圖像title(原彩色圖)x=imresize(ren,0.5,bilinear); %雙線性插值法縮小圖像subplot(1,2,2)imshow(x);imwrite(x,doublesuoxiao.jpg);title(

29、雙線性插值法縮小);圖3.10 雙線性插值法縮小處理后的圖像說明：處理后看不出來放大（或縮?。┑男Ч?，這是由于坐標軸限制的原因，如果把處理后的圖片保存起來，再把處理后的文件打開，就可以看到比較明顯的放大（或縮?。┬Ч?。3.3.2.2 圖像的旋轉(zhuǎn)任意角度翻轉(zhuǎn)采用雙線性插值法對圖像進行任意角度旋轉(zhuǎn)處理，只需將imrotate（）函數(shù)中method換成bilinear即可完成操作。程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖subplot(1,2,1)imshow(huidutu);ti

30、tle(原圖);x=imrotate(huidutu,30,bilinear,crop) %任意角度翻轉(zhuǎn)翻轉(zhuǎn)subplot(1,2,2)imshow(x);title(任意角度翻轉(zhuǎn));圖3.11 雙線性插值法任意角度翻轉(zhuǎn)處理后的圖像3.4 圖像的直方圖統(tǒng)計和直方圖均衡3.4.1 圖像的直方圖統(tǒng)計圖像的直方圖統(tǒng)計使用函數(shù)imhist（）。其調(diào)用格式如下：imhist(i)imhist(i, n)imhist(x, map)counts,x = imhist(.) 其中，x矩陣的數(shù)據(jù)是0255灰度值的統(tǒng)計個數(shù)，如果直接對x矩陣數(shù)據(jù)進行圖形圖顯示，由于有256個數(shù)據(jù)，在坐標系中就會很密集，為了更清楚

31、的顯示條形圖，所以在程序設(shè)計時，把x數(shù)據(jù)進行部分提?。簒1=x(1:10:256);horz=1:10:256;bar(horz,x1);程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖像x=imhist(huidutu); %直方圖統(tǒng)計x1=x(1:10:256);horz=1:10:256;bar(horz,x1);title(直方圖統(tǒng)計)圖3.12 直方統(tǒng)計圖3.4.2 圖像的直方圖均衡對圖像進行直方圖均衡處理，用函數(shù)histeq（），其同樣只使用于二維數(shù)據(jù)，所以也要對二維和三維

32、數(shù)據(jù)分開處理。其調(diào)用格式如下：j = histeq(i, hgram)j = histeq(i, n)j, t = histeq(i,.)newmap = histeq(x, map, hgram)newmap = histeq(x, map)newmap, t = histeq(x,.)程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖像subplot(1,2,1)imshow(huidutu);title(灰度圖)h=histeq(huidutu); %直方圖均衡subplot(1,

33、2,2)imshow(h);title(直方圖均衡)圖3.13 直方均衡圖結(jié)果比較：進行直方圖均衡后，由圖3.13可以看出，原先暗的區(qū)域變亮了，處理后的圖像的效果要好于元灰度圖。3.5 圖像的噪聲加入與濾波處理3.5.1 加高斯噪聲對圖像加入高斯噪聲，使用函數(shù)imnoise（）。其調(diào)用格式如下：j = imnoise(i,type)j = imnoise(i,type,parameters) j = imnoise(i,gaussian,m,v)j = imnoise(i,localvar,v)j = imnoise(i,localvar,image_intensity,var)j = imn

34、oise(i,poisson)j = imnoise(i,salt & pepper,d)j = imnoise(i,speckle,v)程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1,2,1)imshow(ren); %顯示圖像title(原彩色圖)x=(ren);y=imnoise(x,gaussian,0,0.05); %加高斯噪聲subplot(1,2,2)imshow(y);imwrite(y,gaosi.jpg);title(加高斯噪聲)圖3.13 加高斯噪聲后的圖像3.5.2 加椒鹽噪聲對圖像加入椒鹽噪聲，使

35、用函數(shù)imnoise（）。調(diào)用格式如下：j = imnoise(i,type)j = imnoise(i,type,parameters) j = imnoise(i,gaussian,m,v)j = imnoise(i,localvar,v)j = imnoise(i,localvar,image_intensity,var)j = imnoise(i,poisson)j = imnoise(i,salt & pepper,d)j = imnoise(i,speckle,v)程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑figuresubplot(1

36、,2,1)imshow(ren); %顯示圖像title(原彩色圖)y=imnoise(x,salt & pepper,0.04); %加椒鹽噪聲subplot(1,2,2)imshow(y);title(加椒鹽噪聲)圖3.14 加椒鹽噪聲后的圖像結(jié)果比較：可以看出，對圖像加入高斯噪聲和椒鹽噪聲后圖像的效果有明顯的不同，高斯噪聲服從正態(tài)分布，而椒鹽噪聲是黑白相間的亮暗點噪聲。3.5.3 高斯噪聲的自適應(yīng)濾波處理對高斯噪聲的自適應(yīng)濾波處理，使用函數(shù)wiener2（），調(diào)用格式如下：j = wiener2(i, m n, noise)j, noise = wiener2(i, m n)程序如下：r

37、en=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖subplot(1,2,1)imshow(huidutu);title(灰度圖)x=(ren);y=imnoise(huidutu,gaussian,0,0.05); %加高斯噪聲z=wiener2(y,5 5); %自適應(yīng)濾波subplot(1,2,2)imshow(z);imwrite(z,gaosi_zishiyinlvbo.jpg);title(高斯噪聲自適應(yīng)濾波)圖3.15 自適應(yīng)濾波處理后的圖像3.5.4 椒鹽噪聲的中值濾波處理對椒鹽噪聲

38、進行中值濾波處理，使用函數(shù)medfilt2（），調(diào)用格式如下：b = medfilt2(a, m n)b = medfilt2(a)b = medfilt2(a, indexed, .)b = medfilt2(., padopt)程序如下：ren=imread(c:matlab7我的ren.jpg); %讀取圖像路徑huidutu=rgb2gray(ren); %rgb圖像轉(zhuǎn)換為灰度圖像subplot(1,2,1)imshow(huidutu);title(灰度圖)x=(huidutu);y=imnoise(x,salt & pepper,0.04); %加椒鹽噪聲z=medfilt2(y,5 5,symm