matlab的简单平滑处理函数

MATLAB教程 1．MATLAB的基本知识

1-1、基本运算与函数

在MATLAB下进行基本数学运算，只需将运算式直接打入提示号（>>）之後，并按入Enter键即可。例如： >> (5*2+1.3-0.8)*10/25 ans =4.2000

MATLAB会将运算结果直接存入一变数ans，代表MATLAB运算後的答案（Answer）并显示其数值於萤幕上。

小提示： \是MATLAB的提示符号（Prompt），但在PC中文视窗系统下，由於编码方式不同，此提示符号常会消失不见，但这并不会影响到MATLAB的运算结果。

我们也可将上述运算式的结果设定给另一个变数x： x = (5*2+1.3-0.8)*10^2/25 x = 42

此时MATLAB会直接显示x的值。由上例可知，MATLAB认识所有一般常用到的加（+）、减（-）、乘（*）、除（/）的数学运算符号，以及幂次运算（^）。 小提示： MATLAB将所有变数均存成double的形式，所以不需经过变数宣告（Variable declaration）。MATLAB同时也会自动进行记忆体的使用和回收，而不必像C语言,必须由使用者一一指定.这些

图像处理函数详解——bwareaopen 功能：用于从对象中移除小对象。

用法：BW2 = bwareaopen(BW,P) BW2 = bwareaopen(BW,P,CONN)

BW2 = bwareaopen(BW,P,CONN)从二值图像中移除所有小于P的连通对象。CONN对应邻域方法，默认为8。 例子：

originalBW = imread('text.png');

imview(originalBW)

bwAreaOpenBW = bwareaopen(originalBW,50);

imview(bwAreaOpenBW)

图像处理函数详解——bwlabel

功能：对连通对象进行标注，bwlabel主要对二维二值图像中各个分离部分进行标注（多维用bwlabeln，用法类似）。

用法：L = bwlabel(BW,n) [L,num] = bwlabel(BW,n)

L = bwlabel(BW,n)表示返回和BW相同大小的数组L。L中包含了连通对象的标注。参数n为4或8，分别对应4邻域和8邻域，默认值为8。 [L,num] = bwlabel(BW,n)返回连通数num。 图像处理函数详解——bwperim 功能：查找二

Matlab图像处理函数汇总：

1、图像的变换

① fft2：fft2函数用于数字图像的二维傅立叶变换，如：i=imread('104_8.tif');

j=fft2(i);

②ifft2:：ifft2函数用于数字图像的二维傅立叶反变换，如： i=imread('104_8.tif');

j=fft2(i);

k=ifft2(j);

2、模拟噪声生成函数和预定义滤波器

① imnoise：用于对图像生成模拟噪声，如：

i=imread('104_8.tif');

j=imnoise(i,'gaussian',0,0.02);%模拟高斯噪声

② fspecial：用于产生预定义滤波器，如：

h=fspecial('sobel');%sobel水平边缘增强滤波器

h=fspecial('gaussian');%高斯低通滤波器

h=fspecial('laplacian');%拉普拉斯滤波器

h=fspecial('log');%高斯拉普拉斯（LoG）滤波器

h=fspecial('average');%均值滤波器

2、图像的增强

①直方图：imhist函数用于数字图像的直方图显示，如： i=imread('104_8.tif');

imhist(i);

②直方图均化：histeq函数

图像处理函数详解——bwareaopen 功能：用于从对象中移除小对象。

用法：BW2 = bwareaopen(BW,P) BW2 = bwareaopen(BW,P,CONN)

BW2 = bwareaopen(BW,P,CONN)从二值图像中移除所有小于P的连通对象。CONN对应邻域方法，默认为8。 例子：

originalBW = imread('text.png');

imview(originalBW)

bwAreaOpenBW = bwareaopen(originalBW,50);

imview(bwAreaOpenBW)

图像处理函数详解——bwlabel

功能：对连通对象进行标注，bwlabel主要对二维二值图像中各个分离部分进行标注（多维用bwlabeln，用法类似）。

用法：L = bwlabel(BW,n) [L,num] = bwlabel(BW,n)

L = bwlabel(BW,n)表示返回和BW相同大小的数组L。L中包含了连通对象的标注。参数n为4或8，分别对应4邻域和8邻域，默认值为8。 [L,num] = bwlabel(BW,n)返回连通数num。 图像处理函数详解——bwperim 功能：查找二

012. 数据预处理（1）——剔除异常值及平滑处理

测量数据在其采集与传输过程中，由于环境干扰或人为因素有可能造成个别数据不切合实际或丢失，这种数据称为异常值。为了恢复数据的客观真实性以便将来得到更好的分析结果，有必要先对原始数据（1）剔除异常值；

另外，无论是人工观测的数据还是由数据采集系统获取的数据，都不可避免叠加上“噪声”干扰（反映在曲线图形上就是一些“毛刺和尖峰”）。为了提高数据的质量，必须对数据进行（2）平滑处理（去噪声干扰）；

（一）剔除异常值。

注：若是有空缺值，或导入Matlab数据显示为“NaN”（非数），需要①忽略整条空缺值数据，或者②填上空缺值。

填空缺值的方法，通常有两种：A. 使用样本平均值填充；B. 使用判定树或贝叶斯分类等方法推导最可能的值填充（略）。

一、基本思想：

规定一个置信水平，确定一个置信限度，凡是超过该限度的误差，就认为它是异常值，从而予以剔除。

二、常用方法：拉依达方法、肖维勒方法、一阶差分法。

注意：这些方法都是假设数据依正态分布为前提的。

1. 拉依达方法（非等置信概率）

如果某测量值与平均值之差大于标准偏差的三倍，则予以剔除。

xi?x?3Sx

其中，x?差。

?112S?(x?x)为样

MATLAB函数处理图像实现膨胀腐蚀

一、实验目的

1、了解二值形态学的基本运算 2、掌握二值图像膨胀、腐蚀的基本方法 3、编程实现膨胀、腐蚀

二、实验要求

1、使用imdilate函数进行图像膨胀，并观察膨胀后图像的变化。 2、使用imerode函数进行图像腐蚀，观察腐蚀后的图像变化情况。

三、实验原理

膨胀：将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。利用它可以填补物体中的空洞。B对X膨胀所产生的二值图像D是满足以下条件的点（x,y）的集合:如果B的原点平移到点（x,y），那么它与X的交集非空。 数学表达式：C?A?B

腐蚀：一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y)的集合：如果B的原点平移到点（x,y），那么B将完全包含于X中。数学表达式：

C?A?B

膨胀处理：一种消除边界点，使边界点向内部收缩的过程。

腐蚀处理：将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。

四、实验步骤

1.图像膨胀的Matlab实现：

可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数，即待处理的输入图像和结

1、Imadjust

该函数用于调节灰度图像的亮度或彩色图像的颜色矩阵。

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_out;high_out],gamma) J = imadjust(I)

将灰度图像 I 中的亮度值映射到 J 中的新值，使得图像中 1% 的数据饱和至最低和最高亮度，这可以增加输出图像 J 的对比度值。此用法相当于 imadjust(I,stretchlim(I))

J = imadjust(I,[low_in; high_in],[low_out; high_out])

将图像I中的亮度值映射到J中的新值，即将low_in至high_in之间的值映射到low_out至high_out之间的值。low_in 以下与 high_in 以上的值被剪切掉了，也就是说，low_in 以下的值映射到 low_out，high_in 以

1、乘积

用于矩阵相乘，表示为C=A*B，A的列数与B的行数必须相同，C也是矩阵，C的行数等于A的行数，C的列数等于B的列数。Cij为A的第i行与B的第j列的点积。 2、点积

用于向量相乘，表示为C=A.*B，A与B均为向量，C为标量，也称标量积、内积、数量积等 3、叉积

用于向量相乘，表示为C=A×B，A与B均为向量，C与A、B均正交，C也为向量，也称向量积。比方说A=(a1,a2,a3),B=(b1,b2,b3) 那么AXB就是[ i, j, k; a1,a2,a3; b1,b2,b3]

这个矩阵的行列式的值，经过计算就应该是

A×B=(a2b3-a3b2)*i+(a3b1-a1b3)*j+(a1b2-a2b1)*k.这个结果是个向量。

Ctrl+R 添加注释符号 Ctrl+T 删除注释符号 矩阵*作

Diag 建立和提取对角阵 Fliplr 矩阵作左右翻转 Flipud 矩阵作上下翻转 Reshape 改变矩阵大小 Rot90 矩阵旋转

img_gray=imread('rice.png'); img_erzhi=imread('testpat1.png'); imshow(img_gray)

figure,imshow(img_erzhi) [m n]=size(img_gray); img_gray_fu=zeros(m,n); img_gray_peng=zeros(m,n); img_erzhi_fu=zeros(m,n); img_erzhi_peng=zeros(m,n); for i=2:m-1 for j=2:n-1

img_gray_fu(i,j)=min(min(img_gray(i-1:i+1,j-1:j+1))); img_gray_peng(i,j)=max(max(img_gray(i-1:i+1,j-1:j+1))); end end

figure,imshow(uint8(img_gray_fu)); figure,imshow(uint8(img_gray_peng)); for i=2:m-1 for j=2:n-1

img

图像平滑和锐化变换处理

一、实验内容和要求

1、 灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 2、 空域平滑：box、gauss模板卷积。 3、 频域平滑：低通滤波器平滑。 4、空域锐化：锐化模板锐化。 5、频域锐化：高通滤波器锐化。

二、实验软硬件环境

PC机一台、MATLAB软件

三实验编程及调试

1、 灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 ①灰度拉伸程序如下： I=imread('kids.tif');

J=imadjust(I,[0.2,0.4],[]); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(J);

②直方图均衡程序如下： I=imread('kids.tif'); J=histeq(I); Subplot(2,2,1); Imshow(I);

Title('原图像'); Subplot(2,2,2); Imshow(J);

Title('直方图均衡化后的图像') ; Subplot(2,2,3) ; Imhist(