第8章MATLAB在圖像處理中的應(yīng)用

1、第第8章章 MATLAB在圖像處在圖像處 理中的應(yīng)用理中的應(yīng)用n8.1 讀取和顯示圖像讀取和顯示圖像n8.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰度拉伸n8.4 圖像濾波圖像濾波n8.5 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié)n8.1 讀取和顯示圖像讀取和顯示圖像n8.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰度拉伸n8.4 圖像濾波圖像濾波n8.5 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié)n8.1.1 讀取圖片 在

2、MATLAB中常用四種圖像類型，分別是RGB真彩色圖像、索引圖像、灰度圖像和二值圖像，它們各有各的優(yōu)勢(shì)，且可以相互轉(zhuǎn)換。1RGB真彩色圖像 在 R G B 真 彩 色 圖 像 中 ， R （ R e d ） 、 G（Green）、B（Black）三個(gè)分量表示一個(gè)像素的顏色。在MATLAB中，RGB真彩色圖像可以用雙精度存儲(chǔ)，亮度范圍為0 1，0 0 0表示黑色，1 1 1表示白色。此外，RGB真彩色圖像還可以用無符號(hào)整型存儲(chǔ)，一般常用8bit表示，亮度范圍為0 255，0 0 0表示黑色，255 255 255表示白色。兩者之間可以相互轉(zhuǎn)換。n例 現(xiàn)在有一個(gè)大小為2562563以無符號(hào)整型存儲(chǔ)

3、的RBG圖像I，其中R、G、B的值全為1，將其變成雙精度型I1，然后再變回?zé)o符號(hào)型I2。n代碼如下： I = ones(256, 256, 3); I1 = double(I) / 255; I2 = uint8( round( I1 * 255 ) ); I(2, 3) I1(2, 3) I2(2, 3)2索引圖像 索引圖像包括兩部分，即圖像數(shù)據(jù)矩陣和調(diào)色板。調(diào)色板是一個(gè)有3列和若干行的色彩映象矩陣，矩陣每行代表一種顏色，3列分別代表紅、綠、藍(lán)色強(qiáng)度的雙精度數(shù)。MATLAB中調(diào)色板色彩強(qiáng)度范圍為0 1，其中0代表最暗，1代表最亮。n例 讀取和顯示索引圖像，程序如下：nX map = imre

4、ad(spine.tif); figure; imshow(X) colormap(map)3灰度圖像 灰度圖像是圖像處理中非常常用的一類圖像，在MATLAB中，一般采用矩陣存儲(chǔ)灰度圖像，如果數(shù)據(jù)類型為double，則取值范圍為0, 1，其中0代表黑色，1代表白色?；叶葓D像一般也采用imshow()函數(shù)進(jìn)行顯示。n例 在程序中建立256256的灰度圖像，并將其轉(zhuǎn)換為8位無符號(hào)整型，然后顯示圖像。nclear I = zeros(256, 256); for i=1:256 I(1:256, i) = i / 255; % 像素賦值 end figure imshow(I)4二值圖像 在MATL

5、AB中，對(duì)于二值圖像，采用邏輯類型進(jìn)行存儲(chǔ)，每個(gè)像素只有兩個(gè)灰度值，0和1，其中0代表黑色，1代表白色。一般可以使用logical()函數(shù)將雙精度類型轉(zhuǎn)換為邏輯型矩陣。n例 在程序中建立256256的二值圖像，其中上半部分是白色，下半部分是黑色，然后顯示圖像。nclear I = zeros(256, 256); I(1:128, :) = 1; % 像素賦值 I(129:256, :) = 0; % 像素賦值 figure imshow(I)n在MATLAB中利用imread()函數(shù)讀取圖片，然后利用imshow()函數(shù)顯示圖像。該函數(shù)常用的調(diào)用格式為：（1）A = imread(filen

6、ame, fmt)：讀取文件名filename而擴(kuò)展名為fmt的圖片，并保存在數(shù)組A中，注意如果圖片沒有在MATLAB可讀取的路徑內(nèi)，filename應(yīng)該為全路徑+圖片的名稱。（2）X, map = imread(filename, fmt)：讀取文件名filename而擴(kuò)展名為fmt的圖片，并保存在數(shù)組X中，并將其圖像調(diào)色板的索引保存到map中。（3）. = imread(filename)：自動(dòng)讀取文件名filename的圖片。（4）. = imread(URL,.)：讀取網(wǎng)址為URl的網(wǎng)絡(luò)圖片。n例 設(shè)在D盤中有一副圖片，其名稱為hbu.jpg，則利用imread()函數(shù)讀取該圖片。nc

7、lear A = imread(D:hbu.jpg, jpg); size(A) imshow(A)n例 將上例中的圖像轉(zhuǎn)換為灰度圖像進(jìn)行顯示。nclear A = imread(D:hbu.jpg, jpg); I = rgb2gray(A); size(I) imshow(I)n8.1.2 顯示圖片 在8.1.1節(jié)中們已經(jīng)講述了最常見的圖像顯示函數(shù)imshow()函數(shù)，下面對(duì)其進(jìn)行詳細(xì)的解釋。該函數(shù)常用的調(diào)用格式為：（1）imshow(I)：顯示矩陣I代表的圖像，I可以是灰度圖像也可是彩色圖像。（2）imshow(I, map)：顯示矩陣I代表的圖像，I為索引圖像，調(diào)色板為map。（3）i

8、mshow(I,low,high)：其中，low和high分別為數(shù)據(jù)數(shù)組的最小值和最大值，由于MATLAB自動(dòng)對(duì)灰度圖像進(jìn)行標(biāo)度以適合調(diào)色板的范圍，因而可以使用自定義大小的調(diào)色板。（4）imshow(I, )：low為I中最小的值，high為I中最大的值。n例 利用Maltab中子帶的cameraman.tif圖像進(jìn)行圖像顯示。nI = imread(cameraman.tif); subplot(1,2,1) imshow(I) subplot(1,2,2) imshow(I, 32 128)n8.1 讀取和顯示圖像讀取和顯示圖像n8.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰

9、度拉伸n8.4 圖像濾波圖像濾波n8.5 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié)n8.2.1 直方圖 圖像的灰度直方圖是圖像灰度級(jí)的函數(shù)，它描述了圖像中每個(gè)灰度級(jí)所包含的像素的個(gè)數(shù)（也就是說每個(gè)灰度級(jí)出現(xiàn)的的頻率分布）。在Matlab中繪制直方圖的函數(shù)是hist，其使用用方法為hist(y, x)。hist()函數(shù)的調(diào)用格式如下：（1）N = hist(Y)：該調(diào)用格式將向量Y中的元素平均分配到十個(gè)容器中，并且這十個(gè)容器的大小一樣。N表示每個(gè)容器中所包含的元素的個(gè)數(shù)是多少。對(duì)于Y為矩陣的情況，該調(diào)用格式將對(duì)矩陣進(jìn)行逐列

10、操作。（2）N = hist(Y,M)：該調(diào)用格式將向量Y的元素平均分到M個(gè)容器中，且這M個(gè)容器的大小一致。N表示每個(gè)容器所包含的元素的個(gè)數(shù)是多少。對(duì)于Y為矩陣的情況，該調(diào)用格式也對(duì)矩陣進(jìn)行逐列操作。（3）N = hist(Y,X)：該調(diào)用格式中X是向量，該調(diào)用格式在劃分容器的時(shí)候，容器的中心為向量X中的元素，從而執(zhí)行該調(diào)用命令可獲得Y在這些容器中的分布情況。n例 Y = 1:10，利用hist(Y)計(jì)算其直方圖。MATLAB代碼如下：nY = 1:10; hist(Y) h = findobj(gca,Type,patch); set(h,FaceColor,1 0.76 0.05,Edge

11、Color,w);1234567891000.10.20.30.40.50.60.70.80.91n8.2.2 直方圖均衡 圖像經(jīng)過均衡化處理以后，圖像的直方圖的波峰和波谷都被拉直了，這樣整個(gè)圖像的直方圖就變得比較平滑平直，即各灰度級(jí)擁有的頻數(shù)大致相同，這樣灰度級(jí)就具有均勻的概率分布，圖像看起來就更清晰。 在MATLAB中，使用histeq()函數(shù)進(jìn)行直方圖均衡化，其調(diào)用格式如下：（1）J = histeq(I,hgram)：將原始圖像I的直方圖變成用戶指定的向量hgram。hgram中的各元素的值域?yàn)?,1；（2）J = histeq(I,n)：指定直方圖均衡后的灰度級(jí)數(shù)n，默認(rèn)值為64；（

12、3）J,T = histeq(I,.)：返回從能將圖像I的灰度直方圖變換成圖像J的直方圖變換T。（4）newmap = histeq(X,map,hgram)、newmap = histeq(X,map)、newmap,T = histeq(X,.) 這三個(gè)是針對(duì)索引圖像調(diào)色板的直方圖均衡化，用法和灰度圖像的一樣。n例 對(duì)MATLAB自帶的圖像tire進(jìn)行直方圖均衡化。MATLAB代碼如下：I = imread(tire.tif);J = histeq(I);imshow(I)figureimshow(J)n運(yùn)行結(jié)果如下: (a) (b)其中(a)為原始圖像，(b)為直方圖均衡化以后的圖像，可

13、以看到圖像的灰度更均勻了。再計(jì)算圖（a）和（b）的直方圖分布情況，代碼如下：I = imread(tire.tif);J = histeq(I);hist(double(I(:),256);figurehist(double(J(:),256);結(jié)果如圖：0501001502002503000500100015002000250005010015020025030005001000150020002500 (c) (d) 其中(c)和(d)分別是原始圖像和均衡化后的直方圖，對(duì)比圖（c）與（d）可知直方圖均衡化實(shí)質(zhì)上是減少圖像的灰度級(jí)以換取對(duì)比度的加大。n8.1 讀取和顯示圖像讀取和顯示圖像n8

14、.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰度拉伸n8.4 圖像濾波圖像濾波n8.5 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié)n1線性變換 在數(shù)字圖像處理中，線性變換使曝光不充分圖像中黑的更黑，白得更白，從而提高圖像對(duì)比度，其公式如下：g(x,y)=(d-c)/(b-a)f(x,y)-a+c其中f(x,y)表示線性變換前的原始圖像，而g(x,y)表示線性變換后的圖像，a、b、c和d都表示線性變換的系數(shù)。n2分段線性變換 在數(shù)字圖像處理中，非線性變換往往可以有效的提高圖像的局部對(duì)比度白，從而有效的增強(qiáng)圖像的局

15、部細(xì)節(jié)，其公式如下： g(x,y)=c/df(x,y) 0=f(x,y)=a g(x,y)= (d-c)/(b-a)f(x,y)-a+c a=f(x,y)=bg(x,y)= (f-b)/(e-a)f(x,y)-b+d b=f(x,y)=c其中f(x,y)表示分段線性變換前的原始圖像，而g(x,y)表示分段線性變換后的圖像，a、b、c、d、e和f都表示分段線性變換的系數(shù)。n3非線性變換 在數(shù)字圖像處理中，線性變換往往不能滿足所有的圖像增強(qiáng)，從而非線性變換被用于圖像增強(qiáng)中，這里主要使用的對(duì)數(shù)變換和指數(shù)變換，其公式如下：g(x,y)=a+lnf(x,y)+1/b*lnc g(x,y)= c + ex

16、p(f(x,y)其中f(x,y)表示線性變換前的原始圖像，而g(x,y)表示非線性變換后的圖像，a、b、c都表示非線性變換的系數(shù)。n在MATLAB中imadjust函數(shù)用于進(jìn)行圖像的灰度變換，以調(diào)節(jié)灰度圖像的亮度或彩色圖像的顏色矩陣。其調(diào)用格式如下：（1）J = imadjust(I)：將灰度圖像I中像素的亮度值映射到圖像J中，以致1%的圖像數(shù)據(jù)在最低和最高強(qiáng)度間達(dá)到飽和。此函數(shù)的功能是增大圖像J的對(duì)比度，便于后續(xù)的圖像處理。具體用法同imadjust(I,stretchlim(I)；（2）J = imadjust(I,low_in; high_in,low_out; high_out)：將灰

17、度圖像I中像素的亮度值映射到圖像J中。也就是，將圖像I中l(wèi)ow_in到high_in間的亮度值映射到low_out到high_out間，并將low_in 以下的值設(shè)定為下邊界low_out而high_in 以上的值設(shè)定為上邊界high_out，最后得到圖像J。low_in; high_in和low_out; high_out都可以取值為空矩陣，則默認(rèn)值為0,1；（3）J = imadjust(I,low_in; high_in,low_out; high_out,gamma)：將灰度圖像I中像素的亮度值映射到圖像J中。其中，通過gamma的值來確定I和J的關(guān)系的曲線形狀。如果gamma的值越大

18、，則輸出圖像J的像素值相應(yīng)成比例地越小，圖像越灰暗；如果省略參數(shù)gamma，則默認(rèn)為圖像J和I間為線性映射。（4）newmap = imadjust(map,low_in; high_in,low_out; high_out,gamma)：調(diào)整索引色圖像的調(diào)色板map。如果low_in，high_in，low_out， high_out和gamma都是標(biāo)量，則將圖像中的r,g和b分量同時(shí)做出以上映射。對(duì)于每一個(gè)顏色分量，都有唯一的映射與之相對(duì)應(yīng)。當(dāng)low_in和high_in，或者low_out和high_out，或者gamma，三者只要有其一是1*3向量時(shí)，調(diào)整后的顏色矩陣newmap與ma

19、p的大小相同。（5）GB2 = imadjust(RGB1,.)：對(duì)彩色圖像RGB1的三基色（紅、綠和藍(lán)）分別調(diào)整。當(dāng)顏色矩陣變化時(shí)，每個(gè)調(diào)色板都有唯一的映射值與之對(duì)應(yīng)。n例 對(duì)MATLAB自帶的圖像football進(jìn)行灰度拉伸。nRGB1 = imread(football.jpg); RGB2 = imadjust(RGB1,.2 .3 0; .6 .7 1,); imshow(RGB1), figure imshow(RGB2)運(yùn)行結(jié)果： 原圖結(jié)果圖n8.1 讀取和顯示圖像讀取和顯示圖像n8.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰度拉伸n8.4 圖像濾波圖像濾波n8.5

20、 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié)n8.4.1 均值濾波 均值濾波屬于線性濾波的一種，主要是通過像素點(diǎn)和其周圍領(lǐng)域像素點(diǎn)簡(jiǎn)單的線性運(yùn)算實(shí)現(xiàn)濾波的。在MATLAB中實(shí)現(xiàn)圖像的均值濾波主要通過使用imfilter函數(shù)和fspecial相結(jié)合的方式進(jìn)行濾波。1.imfilter函數(shù)調(diào)用格式：（1）B = imfilter(A, H)：利用濾波器系數(shù)為H的濾波器對(duì)A進(jìn)行濾波。（2）g = imfilter(f, w, filtering_mode, boundary_options, size_options)：其中，f

21、為輸入圖 像 ， w 為 濾 波 掩 模 ， g 為 濾 波 后 圖 像 。filtering_mode用于指定在濾波過程中是使用“相關(guān)”還是“卷積”。boundary_options用于處理邊界充零問題，邊界的大小由濾波器的大小確定。options具體參數(shù)選項(xiàng)描述filtering_modecorr通過使用相關(guān)運(yùn)算來完成濾波，該值為默認(rèn)。 conv通過使用卷積運(yùn)算來完成濾波boundary_optionsX輸入圖像的邊界通過用值X（無引號(hào)）來填充擴(kuò)展其默認(rèn)值為0 replicate圖像大小通過復(fù)制外邊界的值來擴(kuò)展 symmetric圖像大小通過鏡像反射其邊界來擴(kuò)展 circular圖像大小通

22、過將圖像看成是一個(gè)二維周期函數(shù)的一個(gè)周期來擴(kuò)展size_optionsfull輸出圖像的大小與被擴(kuò)展圖像的大小相同 same輸出圖像的大小與輸入圖像的大小相同。這可通過將濾波掩模的中心點(diǎn)的偏移限制到原圖像中包含的點(diǎn)來實(shí)現(xiàn)，該值為默認(rèn)值。2.fspecial函數(shù)用于建立預(yù)定義的濾波算子，其調(diào)用格式如下：（1）h = fspecial(type) ：利用type建立預(yù)定義的濾波算子；（2）h = fspecial(type，para)：利用type和para建立預(yù)定義的濾波算子。其中type指定算子的類型，para指定相應(yīng)的參數(shù)。type具體類型如下：選項(xiàng)描述average為均值濾波，參數(shù)為hsi

23、ze代表模板尺寸，默認(rèn)值為3，3disk為圓形區(qū)域均值濾波，參數(shù)為radius代表區(qū)域半徑，默認(rèn)值為5gaussian為高斯低通濾波，有兩個(gè)參數(shù)，hsize表示模板尺寸，默認(rèn)值為3 3，sigma為濾波器的標(biāo)準(zhǔn)值，單位為像素，默認(rèn)值為0.5laplacian為拉普拉斯算子，參數(shù)alpha用于控制算子形狀，取值范圍為0，1，默認(rèn)值為0.2log為拉普拉斯高斯算子，有兩個(gè)參數(shù)，hsize表示模板尺寸，默認(rèn)值為3 3，sigma為濾波器的標(biāo)準(zhǔn)差，單位為像素，默認(rèn)值為0.5motion為運(yùn)動(dòng)模糊算子，有兩個(gè)參數(shù)，表示攝像物體逆時(shí)針方向以theta角度運(yùn)動(dòng)了len個(gè)像素，len的默認(rèn)值為9，theta的

24、默認(rèn)值為0prewitt用于邊緣增強(qiáng)，大小為3 3，無參數(shù)sobel用于邊緣提取，無參數(shù)unsharp為對(duì)比度增強(qiáng)濾波器。參數(shù)alpha用于控制濾波器的形狀，范圍為0，1，默認(rèn)值為0.2n例 對(duì)MATLAB自帶的圖像football進(jìn)行窗口為3*3的均值濾波。img = imread(football.jpg);% 產(chǎn)生均值濾波算子 H = fspecial(average,3 3)% 產(chǎn)生均值濾波算子 imgAvg = imfilter(img,H);% 查看原始圖像figureimshow(img, )% 查看濾波后圖像figureimshow(imgAvg, ) 原圖 濾波后圖像n8.4

25、.2 中值濾波 利用中值濾波，不但可以濾出掉那些孤立的噪聲點(diǎn)，而且還可以很好地保持圖像的細(xì)節(jié)特征與邊緣特性，更不會(huì)使去噪后的圖像產(chǎn)生明顯的模糊現(xiàn)象。中值濾波的步驟為：（1）將濾波模板(即一定大小的滑動(dòng)窗口)的中心與待處理圖像中某個(gè)位置的像素點(diǎn)重合；（2）讀取模板中各個(gè)不同位置的像素的灰度值；（3）讀取后的灰度值按升序或降序順序排列；（4）在已排序好的序列中，取其中間的數(shù)值即是模板現(xiàn)在所在位置的中心像素值。（5）重復(fù)步驟以上步驟，直到模板的中心位置遍歷完待測(cè)圖像的每個(gè)像素點(diǎn)。n在MATLAB中中值濾波有固定的調(diào)用函數(shù)medfilt2，其調(diào)用格式為：（1）h = medfilt2 (I) ：利用3

26、*3的窗口對(duì)圖像I進(jìn)行中值濾波；（2）h = medfilt2 (I，M N)：利用M*N的窗口對(duì)圖像I進(jìn)行中值濾波。n例 對(duì)MATLAB自帶的圖像football進(jìn)行中值檢測(cè)，窗口大小為5*5。img = imread(football.jpg);I = rgb2gray(img); % 加脈沖噪聲I1 = imnoise(I, salt & pepper); % 中值濾波 imgMed = medfilt2 (I1, 5 5);% 查看原始圖像figureimshow(I, )% 查看噪聲圖像figureimshow(I1, )% 查看濾波后圖像figureimshow(imgMe

27、d, )原始圖像噪聲圖像濾波后圖像n8.1 讀取和顯示圖像讀取和顯示圖像n8.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰度拉伸n8.4 圖像濾波圖像濾波n8.5 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié) 圖像閾值分割是一種被廣泛應(yīng)用的分割技術(shù)，它利用圖像中待提取目標(biāo)與其背景在灰度特性上的差異，將圖像看作是不同灰度級(jí)的兩種區(qū)域（目標(biāo)和背景）的組合，然后據(jù)此設(shè)計(jì)一個(gè)適當(dāng)?shù)拈撝祵D像中的每個(gè)像素點(diǎn)判別為目標(biāo)或者背景，最后得到對(duì)應(yīng)的二值圖像。 在MATLAB中，graythresh函數(shù)使用最大類間方差法找到圖片的一

28、個(gè)合適的閾值，然后im2bw函數(shù)進(jìn)行圖像的二值化。n例 對(duì)MATLAB自帶的圖像coins進(jìn)行OSTU閾值分割和二值化。MATLAB代碼如下：I = imread(coins.png);% OSTU閾值分割% 求取分割閾值level = graythresh(I);% 進(jìn)行圖像分割和二值化BW = im2bw(I,level);% 查看原始圖像figureimshow(I, )% 查看二值化圖像figure, imshow(BW,) 原始圖像 二值化后圖像n8.1 讀取和顯示圖像讀取和顯示圖像n8.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰度拉伸n8.4 圖像濾波圖像濾波n8.5

29、 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié) 數(shù)學(xué)形態(tài)學(xué)是以形態(tài)結(jié)構(gòu)元素為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具。它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本的形狀特征，并除去不相干的結(jié)構(gòu)。1strel函數(shù) 該函數(shù)能夠生成膨脹腐蝕及開閉運(yùn)算等操作的結(jié)構(gòu)元素對(duì)象，其調(diào)用格式如下：（1）SE = strel(shape,parameters) ：創(chuàng)建由shape指定形狀的結(jié)構(gòu)元素。其中，參數(shù)parameters用來控制SE的大小。通常，sh

30、ape的類型有arbitrary 、pair 、diamond 、periodicline、 disk 、rectangle、 line 、square、 octagon 等；（2）SE = strel(arbitrary, NHOOD)：創(chuàng)建一個(gè)任意形狀的結(jié)構(gòu)元素。其中，NHOOD是只包含元素0和1的矩陣，可以用se=strel(NHOOD)簡(jiǎn)化來指定形狀；（3）SE = strel(arbitrary, NHOOD, HEIGHT)：HEIGHT是一個(gè)與NHOOD同大小的矩陣，包含于相關(guān)的NHOOD中非零元素的高度值；（4）SE = strel(ball, R, H, N)：創(chuàng)建一個(gè)橢球形

31、的結(jié)構(gòu)元素。其中，R為平面X-Y內(nèi)的半徑，H為高度。當(dāng)N大于0時(shí)，橢球是利用N不平坦的線狀結(jié)構(gòu)來進(jìn)行逼近的。當(dāng)N等于0時(shí)，它沒有逼近；（5）SE = strel(diamond, R)：創(chuàng)建一個(gè)平坦的菱形結(jié)構(gòu)元素。其中，R是結(jié)構(gòu)元素中從原點(diǎn)到菱形最遠(yuǎn)的距離；（6）SE = strel(disk, R, N)：創(chuàng)建一個(gè)平坦的圓形結(jié)構(gòu)元素，其中，R為半徑。N必須是固定值0,4,6或8.當(dāng)N大于0時(shí)，圓形結(jié)構(gòu)元素被N個(gè)周期線性結(jié)構(gòu)元素序列近似逼近；當(dāng)N等于0時(shí)，沒有逼近，結(jié)構(gòu)元素包含所有的小于從原點(diǎn)到R的像素。（7）SE = strel(line, LEN, DEG)：創(chuàng)建一個(gè)平坦的線性結(jié)構(gòu)。其中，

32、LEN為線的長(zhǎng)度，DEG為角度；（8）SE = strel(octagon, R)：創(chuàng)建一個(gè)平坦的八邊形結(jié)構(gòu)。其中，沿水平軸和垂直軸度量，R是從結(jié)構(gòu)元素的原點(diǎn)到八邊形的距離，且R必須是3的非付倍數(shù)；（9）SE = strel(pair, OFFSET)：創(chuàng)建一個(gè)包含兩個(gè)成員的平坦結(jié)構(gòu)元素。其中，一個(gè)成員在原點(diǎn)，一個(gè)成員由向量OFFSET表示，且該向量必須是一個(gè)兩元素的整數(shù)向量；（10）SE = strel(periodicline, P, V)：創(chuàng)建一個(gè)包含有2*P+1個(gè)成員的平坦元素。其中，V是一個(gè)兩元素向量，它包含有整數(shù)值得行和列的轉(zhuǎn)移，一個(gè)元素在原點(diǎn)，另一個(gè)元素位于1*V, -1*V,

33、2*V, -2*V, ., P*V, -P*V處；（11）SE = strel(rectangle, MN)：創(chuàng)建一個(gè)平坦的矩陣結(jié)構(gòu)。其中，由MN指定矩形的大??；（12）SE = strel(square, N)：創(chuàng)建一個(gè)方形的結(jié)構(gòu)元素。其中，N表示邊長(zhǎng)包含的像素?cái)?shù)。n例 利用strel生成一個(gè)半徑為5的圓盤結(jié)構(gòu)。MATLAB代碼如下：nse = strel(disk,5,0)se = 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1

34、 1 0 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 0 0 0 0 02imdilate函數(shù) 該函數(shù)能夠?qū)崿F(xiàn)二值圖像的膨脹操作，其調(diào)用格式如下：（1）BW2=imdilate(BW1，SE)：使用二值結(jié)構(gòu)要素矩陣SE隊(duì)圖像數(shù)據(jù)矩陣BW1執(zhí)行膨脹操作，輸入圖像BW1的類型為double或unit8，輸出圖像BW2的類型為unit8；（2）BW2=imdilate(BW1，SE，n)：使用二值結(jié)構(gòu)要

35、素矩陣SE隊(duì)圖像數(shù)據(jù)矩陣BW1執(zhí)行n次膨脹操作。n例 對(duì)8.5節(jié)中例題二值化后的圖像進(jìn)行膨脹操作。MATLAB代碼如下：I = imread(coins.png);% OSTU閾值分割% 求取分割閾值level = graythresh(I);% 進(jìn)行圖像分割和二值化BW = im2bw(I, level);% 生產(chǎn)形態(tài)學(xué)結(jié)構(gòu)se = strel(rectangle,3 5);%結(jié)構(gòu)元素 % 形態(tài)學(xué)膨脹imgDil = imdilate(BW,se,same); %dilate% 查看原始圖像figureimshow(I, )% 查看二值化圖像figure, imshow(BW,)% 查看形態(tài)

36、學(xué)膨脹圖像figure, imshow(imgDil,)二值化圖像形態(tài)學(xué)膨脹圖像3imerode 函數(shù) 該函數(shù)能夠?qū)崿F(xiàn)二值圖像的腐蝕操作，其調(diào)用格式如下：（1）BW2 = imerode(BW1，SE)：使用二值結(jié)構(gòu)要素矩陣SE隊(duì)圖像數(shù)據(jù)矩陣BW1執(zhí)行腐蝕操作。輸入圖像BW1的類型為double或unit8，輸出圖像BW2的類型為unit8；（2）BW2 = imerode(BW1，SE，n)：使用二值結(jié)構(gòu)要素矩陣SE隊(duì)圖像數(shù)據(jù)矩陣BW1執(zhí)行n次腐蝕操作。n例 對(duì)8.5節(jié)中例題二值化后的圖像進(jìn)行腐蝕操作。MATLAB代碼如下：I = imread(coins.png);% OSTU閾值分割%

37、求取分割閾值level = graythresh(I);% 進(jìn)行圖像分割和二值化BW = im2bw(I,level);% 生產(chǎn)形態(tài)學(xué)結(jié)構(gòu)se = strel(rectangle,3 5);%結(jié)構(gòu)元素 % 形態(tài)學(xué)腐蝕imgEro = imerode (BW,se,same); % 查看原始圖像figureimshow(I, )% 查看二值化圖像figure, imshow(BW,)% 查看形態(tài)學(xué)腐蝕圖像figure, imshow(imgEro,)二值化圖像形態(tài)學(xué)腐蝕圖像4bwmorph函數(shù) 該函數(shù)的功能是能實(shí)現(xiàn)二值圖像形態(tài)學(xué)運(yùn)算，格式如下：（1）BW2=bwmorph(BW1，operati

38、on)：可對(duì)二值圖像BW1采用指定的形態(tài)學(xué)運(yùn)算；（2）BW2=bwmorph(BW1，operation，n)：可對(duì)二值圖像BW1采用指定的形態(tài)學(xué)運(yùn)算n次。operation為表8.3所示的字符串之一。OperationDescriptionbothat是形態(tài)學(xué)上的“底帽”變換操作，返回的圖像是原圖減去形態(tài)學(xué)閉操作處理后的圖像（閉操作：先膨脹再腐蝕）bridge連接斷開的像素。也就是將0值像素置1如果他有兩個(gè)非零的不相連（8鄰域）的像素clean移除孤立的像素（被0包圍的1）close執(zhí)行形態(tài)學(xué)閉操作（先膨脹后腐蝕）diag利用對(duì)角線填充來消除背景中的8連通區(qū)域dilate利用結(jié)構(gòu)ones(3

39、)執(zhí)行膨脹操作erode利用結(jié)構(gòu)ones(3)執(zhí)行腐蝕操作fill填充孤立的內(nèi)部像素（被1包圍的0）hbreak移除H連通的像素majority將某一像素置1如果該像素的33鄰域中至少有5個(gè)像素為1；否則將該像素置0open執(zhí)行形態(tài)學(xué)開操作（先腐蝕后膨脹）remove移除內(nèi)部像素。該選項(xiàng)將一像素置0如果該像素的4連通鄰域都為1,僅留下邊緣像素shrinkn = Inf時(shí)，將目標(biāo)縮成一個(gè)點(diǎn)。沒有孔洞的目標(biāo)縮成一個(gè)點(diǎn)，有孔洞的目標(biāo)縮成一個(gè)連通環(huán)skeln = Inf時(shí)，移除目標(biāo)邊界像素，但是不允許目標(biāo)分隔開，保留下來的像素組合成圖像的骨架spur移除刺激（孤立）像素thickenn = Inf時(shí)，

40、通過在目標(biāo)外部增加像素加厚目標(biāo)直到這樣做最終使先前未連接目標(biāo)成為8連通域thinn = Inf時(shí)，減薄目標(biāo)成線。沒有孔洞的目標(biāo)縮成最低限度的連通邊；有孔洞的目標(biāo)縮成連通環(huán)tophat執(zhí)行形態(tài)學(xué)“頂帽”變換操作，返回的圖像是原圖減去形態(tài)學(xué)開操作處理之后的圖像（開操作：先腐蝕再膨脹）n例 對(duì)8.5節(jié)中例題二值化后的圖像進(jìn)行tophat操作，MATLAB代碼如下：I = imread(coins.png);% OSTU閾值分割% 求取分割閾值level = graythresh(I);% 進(jìn)行圖像分割和二值化BW = im2bw(I,level);% tophat變換imgTop = bwmorph

41、(BW,tophat); % 查看原始圖像figureimshow(I, )% 查看二值化圖像figure, imshow(BW, )% 查看 tophat變換圖像figure, imshow(imgTop, )二值化圖像 tophat變換圖像5imclose函數(shù) 該函數(shù)功能是對(duì)灰度圖像執(zhí)行形態(tài)學(xué)閉運(yùn)算，即使用同樣的結(jié)構(gòu)元素先對(duì)圖像進(jìn)行膨脹操作后進(jìn)行腐蝕操作。調(diào)用格式為：IM2=imclose(IM,SE)n例 對(duì)8.5節(jié)中例題二值化后的圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算，MATLAB代碼如下：I = imread(coins.png);% OSTU閾值分割% 求取分割閾值level = graythres

42、h(I);% 進(jìn)行圖像分割和二值化BW = im2bw(I,level);% 生產(chǎn)形態(tài)學(xué)結(jié)構(gòu)se = strel(rectangle,3 5);%結(jié)構(gòu)元素 % 形態(tài)學(xué)閉運(yùn)算imgClo = imclose (BW, se); % 查看原始圖像figureimshow(I, )% 查看二值化圖像figure, imshow(BW, )% 查看形態(tài)學(xué)閉運(yùn)算結(jié)果 figure, imshow(imgClo, )二值化圖像 形態(tài)學(xué)閉運(yùn)算后圖像6imopen函數(shù) 該函數(shù)功能是對(duì)灰度圖像執(zhí)行形態(tài)學(xué)開運(yùn)算，即使用同樣的結(jié)構(gòu)元素先對(duì)圖像進(jìn)行腐蝕操作后進(jìn)行膨脹操作。調(diào)用格式為： IM2=imopen(IM,SE

43、)n例 對(duì)8.5節(jié)中例題二值化后的圖像進(jìn)行形態(tài)學(xué)開運(yùn)算，MATLAB代碼如下：I = imread(coins.png);% OSTU閾值分割% 求取分割閾值level = graythresh(I);% 進(jìn)行圖像分割和二值化BW = im2bw(I,level);% 生產(chǎn)形態(tài)學(xué)結(jié)構(gòu)se = strel(rectangle,3 5);%結(jié)構(gòu)元素 % 形態(tài)學(xué)開運(yùn)算imgOpe = imopen (BW, se); % 查看原始圖像figureimshow(I, )% 查看二值化圖像figure, imshow(BW, )% 查看形態(tài)學(xué)開運(yùn)算結(jié)果 figure, imshow(imgOpe, )二

44、值化圖像 形態(tài)學(xué)開運(yùn)算后圖像n8.1 讀取和顯示圖像讀取和顯示圖像n8.2 圖像的直方圖均衡圖像的直方圖均衡n8.3 灰度拉伸灰度拉伸n8.4 圖像濾波圖像濾波n8.5 閾值分割與二值化閾值分割與二值化n8.6 形態(tài)學(xué)算子形態(tài)學(xué)算子n8.7 圖像變換圖像變換n8.8 本章小結(jié)本章小結(jié)n1快速傅里葉變換 在MATLAB圖像處理工具箱中，對(duì)圖像進(jìn)行二維的傅里葉變換的函數(shù)為fft2()，其調(diào)用格式如下：（1）Y = fft2(X)：對(duì)矩陣X進(jìn)行快速傅里葉變換，返回變換后傅里葉系數(shù)Y。通常，X為二維數(shù)據(jù)（一般為灰度圖像），Y與X的維數(shù)相同，且Y包含復(fù)數(shù)。（2）Y = fft2(X, m, n)：對(duì)矩陣X進(jìn)行快速傅里葉變換，m和n表示返回的傅里葉系數(shù)矩陣Y的大小，如果m和n超過了數(shù)據(jù)矩陣X的大小，則返回的Y矩陣在超出X的維數(shù)部分補(bǔ)零。通常，X為二維數(shù)據(jù)（一般為灰度圖像）。 在MATLAB圖像處理工具箱中，對(duì)圖像進(jìn)行二維的逆傅里葉變換的函數(shù)為ifft2()，其調(diào)用格式如下：（1）Y = ifft2(X)：對(duì)矩陣X進(jìn)行逆傅里葉變換，返回變換后二維矩陣Y。通常，X為二維數(shù)據(jù)，且包含復(fù)數(shù)，Y與X的維數(shù)相同。（2）Y = ifft2(X, m, n)：對(duì)矩陣X進(jìn)行逆快速傅里葉變換，m和n表示返回的二維矩陣Y的大小。通常，X為二維數(shù)據(jù)。 通常利用函數(shù)fftshift(