MATLAB06:数字图像处理

悠悠 2022-12-04 02:22 304阅读 0赞

转自：[https://blog.csdn.net/ncepu\_Chen/article/details/103120698][https_blog.csdn.net_ncepu_Chen_article_details_103120698]

**目录**

图像的读取和展示

图像在MATLAB中的存储格式

读取和展示图像

图像的运算

图像的点运算

图像的四则运算

像素的统计分布

图像的二值化

图像的几何变换

使用MATLAB分析图像:目标计数

图像预处理

目标计数:标记连通区域

分析检测结果

--------------------

学习一门技术最好的方式就是阅读官方文档,可以查看[MATLAB官方文档][MATLAB]

# 图像的读取和展示 #

## 图像在MATLAB中的存储格式 ##

MATLAB能够处理的数字图像分为三种:**二值图像**,**灰度图像**,**彩色图像**.

![在这里插入图片描述][20191118115245911.png]

*  **二值图像**在MATLAB中以一个矩阵存储,矩阵中元素的取值为0(表示白)或1(表示黑).
    
                                                ![在这里插入图片描述][20191118115758683.png]
 *  灰度图像在MATLAB中以一个矩阵存储,矩阵中元素的取值介于0~255之间,表示灰度.
    
                                                ![在这里插入图片描述][20191118134605907.png]
 *  彩色图像在MATLAB中以三个矩阵存储,每个矩阵中元素的取值介于0~255之间,分别表示颜色R,G,B分量的浓度
    
                                            ![在这里插入图片描述][20191118120139158.png]

## 读取和展示图像 ##

使用`imread()`函数将图像读取到内存中,使用`imshow()`函数展示图像,使用`imwrite()`函数将内存中的图像写进硬盘.

clear, close all
    I = imread('pout.tif'); 	% 将MATLAB自带图像'pout.tif'读取到内存中
    imshow(I); 					% 在图形窗口展示该图像 
    imwrite(I,'myimage.png');	% 将该图像存为png格式的文件

![在这里插入图片描述][20191118121351943.png]

使用`imageinfo()`函数查看图片文件的详细信息.

imageinfo('pout.tif')

![在这里插入图片描述][20191118124028217.png]

使用`imtool()`函数可以打开图像处理工具.

imtool('pout.tif')

![在这里插入图片描述][20191118124608907.png]

# 图像的运算 #

## 图像的点运算 ##

图像在内存中以矩阵的形式存储,因此我们可以像遍历矩阵那样遍历并编辑图片上的像素点.MATLAB也内置了一些函数用于进行图像运算.

### 图像的四则运算 ###

要对两个图像进行四则运算,要求这两个图像的尺寸相同.下面是常用的图像四则运算函数,具体细节请参考[官方文档][Link 1].

<table style="width:506px;"> 
 <thead> 
  <tr> 
   <th style="width:161px;">函数</th> 
   <th style="width:342px;">作用</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td style="width:161px;"><span style="color:#f33b45;"><code>imabsdiff()</code></span></td> 
   <td style="width:342px;">两个图像求差值</td> 
  </tr> 
  <tr> 
   <td style="width:161px;"><span style="color:#f33b45;"><code>imadd()</code></span></td> 
   <td style="width:342px;">一个图像加上另一个图像或常数</td> 
  </tr> 
  <tr> 
   <td style="width:161px;"><span style="color:#f33b45;"><code>imsubtract()</code></span></td> 
   <td style="width:342px;">一个图像减去另一个图像或常数</td> 
  </tr> 
  <tr> 
   <td style="width:161px;"><span style="color:#f33b45;"><code>immultiply()</code></span></td> 
   <td style="width:342px;">一个图像乘以另一个图像或常数</td> 
  </tr> 
  <tr> 
   <td style="width:161px;"><span style="color:#f33b45;"><code>imdivide()</code></span></td> 
   <td style="width:342px;">一个图像除以另一个图像或常数</td> 
  </tr> 
  <tr> 
   <td style="width:161px;"><span style="color:#f33b45;"><code>imcomplement()</code></span></td> 
   <td style="width:342px;">对图像取反</td> 
  </tr> 
 </tbody> 
</table>

I=imread('rice.png');
    subplot(1,2,1); imshow(I);
    J=immultiply(I, 1.5);
    subplot(1,2,2); imshow(J);

![在这里插入图片描述][2019111813013648.jpg]

I=imread('rice.png'); J=imread('cameraman.tif'); 
    K=imadd(I,J);
    subplot(1,3,1); imshow(I);
    subplot(1,3,2); imshow(K);
    subplot(1,3,3); imshow(J);

![在这里插入图片描述][2019111813032868.jpg]

可以看到,进行加法操作后,得到的图像比原本的两个都亮,这是因为图像矩阵的数值整体上增加了.

### 像素的统计分布 ###

使用`imhist()`函数可以分析像素值的统计分布.

I = imread('pout.tif');
    imhist(I)

![在这里插入图片描述][20191118130932542.png]

使用`histeq()`可以增大图像的对比度,这本质上做了直方图的均衡化(Histogram Equalization)操作.

I = imread('pout.tif'); I2 = histeq(I);
    subplot(1,4,1); imhist(I);
    subplot(1,4,2); imshow(I);
    subplot(1,4,3); imshow(I2);
    subplot(1,4,4); imhist(I2);

![在这里插入图片描述][20191118131324250.jpg]

### 图像的二值化 ###

将灰度图像变为二值图像的过程被称为**二值化**,MATLAB内置了两个与二值化相关的函数.

*  `graythresh()`函数用于计算二值化变换过程中的最优阈值(threshold).灰度图像上超过该阈值的点将被赋值为1,低于该阈值的点将被赋值为0.
 *  `im2bw()`用于进行二值化变换.

I = imread('rice.png'); 
    level=graythresh(I); bw=im2bw(I, level); 
    subplot(1,2,1); imshow(I);
    subplot (1,2,2); imshow(bw)

![在这里插入图片描述][20191118140429824.png]

## 图像的几何变换 ##

图像的几何变换本质上就是将图像乘以一个矩阵得到新图像的过程.

<table> 
 <thead> 
  <tr> 
   <th>变换形式</th> 
   <th>图形示意</th> 
   <th style="width:286px;">数学变换</th> 
   <th style="width:141px;">MATLA命令</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>位移(Translation)</td> 
   <td><img alt="在这里插入图片描述" src="https://img-blog.csdnimg.cn/2019111813242824.png"></td> 
   <td style="width:286px;"><img alt="\begin{bmatrix} x' \\ y' \\ 1\end{bmatrix} = \begin{bmatrix} 1 &amp; 0 &amp; t_x\\ 0 &amp; 1 &amp; t_y \\ 0 &amp; 0 &amp; 1 \end{bmatrix}*\begin{bmatrix} x\\ y\\ 1\end{bmatrix}" src="https://private.codecogs.com/gif.latex?%5Cbegin%7Bbmatrix%7D%20x%27%20%5C%5C%20y%27%20%5C%5C%201%5Cend%7Bbmatrix%7D%20%3D%20%5Cbegin%7Bbmatrix%7D%201%20%26%200%20%26%20t_x%5C%5C%200%20%26%201%20%26%20t_y%20%5C%5C%200%20%26%200%20%26%201%20%5Cend%7Bbmatrix%7D*%5Cbegin%7Bbmatrix%7D%20x%5C%5C%20y%5C%5C%201%5Cend%7Bbmatrix%7D"></td> 
   <td style="width:141px;"><span style="color:#f33b45;"><code>imtranslate()</code></span></td> 
  </tr> 
  <tr> 
   <td>缩放(Scale)</td> 
   <td><img alt="在这里插入图片描述" src="https://img-blog.csdnimg.cn/20191118132831770.png"></td> 
   <td style="width:286px;"><img alt="\begin{bmatrix} x' \\ y' \\ 1\end{bmatrix} = \begin{bmatrix} s_x &amp; 0 &amp; 0\\ 0 &amp; s_y &amp; 0 \\ 0 &amp; 0 &amp; 1 \end{bmatrix}*\begin{bmatrix} x\\ y\\ 1\end{bmatrix}" src="https://private.codecogs.com/gif.latex?%5Cbegin%7Bbmatrix%7D%20x%27%20%5C%5C%20y%27%20%5C%5C%201%5Cend%7Bbmatrix%7D%20%3D%20%5Cbegin%7Bbmatrix%7D%20s_x%20%26%200%20%26%200%5C%5C%200%20%26%20s_y%20%26%200%20%5C%5C%200%20%26%200%20%26%201%20%5Cend%7Bbmatrix%7D*%5Cbegin%7Bbmatrix%7D%20x%5C%5C%20y%5C%5C%201%5Cend%7Bbmatrix%7D"></td> 
   <td style="width:141px;"><span style="color:#f33b45;"><code>imresize()</code></span></td> 
  </tr> 
  <tr> 
   <td>错切(Shear)</td> 
   <td><img alt="在这里插入图片描述" src="https://img-blog.csdnimg.cn/20191118133317854.png"></td> 
   <td style="width:286px;"><img alt="\begin{bmatrix} x' \\ y' \\ 1\end{bmatrix} = \begin{bmatrix} 1 &amp; h_x &amp; 0\\ h_y &amp; 1 &amp; 0 \\ 0 &amp; 0 &amp; 1 \end{bmatrix}*\begin{bmatrix} x\\ y\\ 1\end{bmatrix}" src="https://private.codecogs.com/gif.latex?%5Cbegin%7Bbmatrix%7D%20x%27%20%5C%5C%20y%27%20%5C%5C%201%5Cend%7Bbmatrix%7D%20%3D%20%5Cbegin%7Bbmatrix%7D%201%20%26%20h_x%20%26%200%5C%5C%20h_y%20%26%201%20%26%200%20%5C%5C%200%20%26%200%20%26%201%20%5Cend%7Bbmatrix%7D*%5Cbegin%7Bbmatrix%7D%20x%5C%5C%20y%5C%5C%201%5Cend%7Bbmatrix%7D"></td> 
   <td style="width:141px;">&nbsp;</td> 
  </tr> 
  <tr> 
   <td>旋转(Rotate)</td> 
   <td><img alt="在这里插入图片描述" src="https://img-blog.csdnimg.cn/20191118134626274.png"></td> 
   <td style="width:286px;"><img alt="\begin{bmatrix} x' \\ y' \\ 1\end{bmatrix} = \begin{bmatrix} \cos \theta &amp; \sin \theta &amp; 0\\-\sin \theta &amp; \cos \theta &amp; 0 \\ 0 &amp; 0 &amp; 1 \end{bmatrix}*\begin{bmatrix} x\\ y\\ 1\end{bmatrix}" src="https://private.codecogs.com/gif.latex?%5Cbegin%7Bbmatrix%7D%20x%27%20%5C%5C%20y%27%20%5C%5C%201%5Cend%7Bbmatrix%7D%20%3D%20%5Cbegin%7Bbmatrix%7D%20%5Ccos%20%5Ctheta%20%26%20%5Csin%20%5Ctheta%20%26%200%5C%5C-%5Csin%20%5Ctheta%20%26%20%5Ccos%20%5Ctheta%20%26%200%20%5C%5C%200%20%26%200%20%26%201%20%5Cend%7Bbmatrix%7D*%5Cbegin%7Bbmatrix%7D%20x%5C%5C%20y%5C%5C%201%5Cend%7Bbmatrix%7D"></td> 
   <td style="width:141px;"><span style="color:#f33b45;"><code>imrotate()</code></span></td> 
  </tr> 
 </tbody> 
</table>

I = imread('rice.png'); J = imrotate(I, 35, 'bilinear');
    subplot(1,2,1);	imshow(I); 
    subplot(1,2,2); imshow(J);
    size(I)	% 得到 [256, 256]
    size(J)	% 得到 [357, 357]

![在这里插入图片描述][20191118134103532.jpg]

可以看到,进行旋转变换后,图像的尺寸增加了.

# 使用MATLAB分析图像:目标计数 #

我们想要通过MATLAB分析`rice.png`图片中米粒的个数.

![在这里插入图片描述][20191118143535922.jpg]

## 图像预处理 ##

要分析图像中的米粒个数,我们需要对图像进行两步预处理:

1.  去除图像的背景:
    
        I = imread('rice.png');
        subplot(1,3,1); imshow(I);
        BG = imopen(I, strel('disk', 15));
        subplot(1,3,2); imshow(BG);
        I2 = imsubtract(I, BG);
        subplot(1,3,3); imshow(I2);
    
                                ![在这里插入图片描述][20191118143944557.png]
2.  对图像进行二值化:
    
        I2 = imsubtract(I, BG); level=graythresh(I2);
        bw2 = im2bw(I2, level);

下面代码展示了是否去除背景对图像二值化结果的影响:

% 直接对图像进行二值化
    I = imread('rice.png'); 
    level=graythresh(I); bw = im2bw(I, level);
    subplot (1,2,1); imshow(bw); title('直接进行二值化');
    
    % 去除背景后对图像进行二值化
    BG = imopen(I, strel('disk', 15)); I2 = imsubtract(I, BG); 
    level=graythresh(I2); bw2 = im2bw(I2, level);
    subplot(1,2,2); imshow(bw2); title('去除背景后进行二值化');

![在这里插入图片描述][20191118144946211.jpg]

## 目标计数:标记连通区域 ##

识别米粒个数的关键在于识别连通区域.

![在这里插入图片描述][20191118145139882.png]

在这里,我们使用MATLAB自带的`bwlabel()`函数计算连通区域,该函数使用了连通区域标记算法,将每个连通区域内的像素点赋值为同一个值.

![在这里插入图片描述][20191118152529600.png]

I=imread('rice.png');
    BG=imopen(I, strel('disk', 15));
    I2=imsubtract(I, BG); level=graythresh(I2);
    BW=im2bw(I2, level);
    [labeled, numObjects]=bwlabel(BW, 8);

得到`labeled`为标记好的矩阵,其尺寸与原图片相同,每个连通区域都被赋值为一个相同的整数,其他区域被赋值为0.`numObjects`为计算出的连通区域个数,为99.

使用`label2rgb()`函数可以将标记结果以彩色图片的形式展示

RGB_label=label2rgb(labeled); 
    imshow(RGB_label);

![在这里插入图片描述][20191118150323512.jpg]

## 分析检测结果 ##

使用`regionprops()`函数可以将检测结果封装成结构体数组.

graindata = regionprops(labeled, 'basic');
    graindata(51)

Area: 155
       Centroid: [112.4258 245.8645]
    BoundingBox: [108.5000 234.5000 8 22]

使用`bwselect()`函数可以交互式选择连通区域

ObjI = bwselect(BW); 
    imshow(ObjI);

![在这里插入图片描述][20191118151517586.png]

[https_blog.csdn.net_ncepu_Chen_article_details_103120698]: https://blog.csdn.net/ncepu_Chen/article/details/103120698
[MATLAB]: https://ww2.mathworks.cn/help/matlab/getting-started-with-matlab.html?lang=en
[20191118115245911.png]: /images/20221123/5b415602154e416c8e91f32b54b7a5fc.png
[20191118115758683.png]: /images/20221123/38aed9b185c840ddae77601bb5432f6e.png
[20191118134605907.png]: /images/20221123/bb4ada2b7c924bea951bdec24c7e1ce2.png
[20191118120139158.png]: /images/20221123/8a4111760982471db8f9680b20d2d5e1.png
[20191118121351943.png]: /images/20221123/585eada2e5e24e7da7658b980d6089b7.png
[20191118124028217.png]: /images/20221123/c059b8175fb64360961e3638a3a7e984.png
[20191118124608907.png]: /images/20221123/50cb55b0ff0b47bb95f730875bfd6b18.png
[Link 1]: https://www.mathworks.com/help/images/image-arithmetic.html
[2019111813013648.jpg]: /images/20221123/34330e95d2f54348ab1ae23eef9ae80e.png
[2019111813032868.jpg]: /images/20221123/10d15fb2e31e4e248e13312a27b5fc9d.png
[20191118130932542.png]: /images/20221123/7b838b7d6b9a4d4792d0cf1592f5da5d.png
[20191118131324250.jpg]: /images/20221123/7f253cb64fc245be9e76e26df9db3fbd.png
[20191118140429824.png]: /images/20221123/036801186a6c4a0e8d284a19c2c08ef0.png
[20191118134103532.jpg]: /images/20221123/557dab22039c473b96bb149407fd677c.png
[20191118143535922.jpg]: /images/20221123/df27b0fb76314ad0902a885b31b6320b.png
[20191118143944557.png]: /images/20221123/322c553a1aa94e299b04353a3967cbe6.png
[20191118144946211.jpg]: /images/20221123/fc8a8c3b88fa4a5d84f9e2be57fef193.png
[20191118145139882.png]: /images/20221123/c14b69daf0e843c9bf74ae3019751ba8.png
[20191118152529600.png]: /images/20221123/2cfae3798b664f10954db9f26f22574e.png
[20191118150323512.jpg]: /images/20221123/103ffb9eaeb64124bb318810f01da5ba.png
[20191118151517586.png]: /images/20221123/65e4e689a1954829b19ffbabcff0d87f.png