5图像的运算及图像平滑上机.pptVIP

图像的基本运算 图像的四则运算 图像的加法 Imadd(X,Y)，Y可以是另一幅图像，也可以是一个常数。 例：I=imread(rice.png); J=imread(cameraman.tif); K=imadd(0.1*I,0.9*J); subplot(131);imshow(I); subplot(132);imshow(J); subplot(133);imshow(K); 图像的减法 Z=imsubtract(X,Y);计算X与Y的像素之差，结果可能有负数，将被截取为0. Y也可以是一个具体的数值。 Z=imabsdiff(X,Y);计算X与Y的像素之差的绝对值，结果为非负的。 L=imsubtract(K,0.1*I);imshow(L) 图像的乘法 Z=immultiply(X,Y);%Y可以为图像，也可以为常数，为常数时，Y大于1是增加亮度，小于1是减小亮度；为图像时，相乘之后很可能超过数据范围，为此，要先把uint8转换为uint16 I=imread(rice.png); J=imread(cameraman.tif); I1=uint16(I); J1=uint16(J); K=immultiply(I1,J1); subplot(131);imshow(I); subplot(132);imshow(J); subplot(133);imshow(K); 试一下，若不转换会出现什么问题！ 图像的除法 Z=imdivide(X,Y); 例： I = imread(rice.png); J = imdivide(I,2); figure, imshow(I) figure, imshow(J) 图像平滑实验 图像的平滑 1.图像平滑的概念 目的：为了抑制噪声改善图像质量所进行的处理。 不足：去噪声处理后导致图像模糊。 处理方法：采用取均值滤波或中值滤波的方法来模糊噪声。 图像的平滑 2 邻域平均法（均值滤波） 思想：用邻域中几个像素灰度的平均值代替每个像素的灰度。 均值滤波的MATLAB实现 （1）imnoise函数 格式：J=imnoise(I, type) J=imnoise(I, type, parameter) 说明：J=imnoise(I, type)返回对图像I添加典型噪声后的有噪图像J，参数type和parameter用于确定噪声的类型和相应的参数。 椒盐噪声 I=imread(lena.bmp); J=imnoise(I,salt pepper,0.02); (2) fspecial用于产生预定义的滤波算子，格式为： h=fspecial(type,para) 其中参数type指定算子类型，para为指定相应的参数。 type=average，表示为均值滤波器，para默认为3 (3) filter2用算子h对图像A作滤波，得到B 格式为： B=filter2(h,A) 其中，A为输入图像，h为滤波算子，B为输出图像 clf I = imread(‘rice.png); J = imnoise(I,salt pepper,0.02); h1= fspecial(average,3),K1 = filter2(h1,J); h2= fspecial(average,5),K2 = filter2(h2,J); h3= fspecial(average,7),K3 = filter2(h3,J); subplot(221);imshow(J,[]); subplot(222);imshow(K1,[]); subplot(223);imshow(K2,[]); subplot(224);imshow(K3,[]); 3、中值滤波 原理：对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，非线性处理技术，由于它在实际运算过程中并不需要知道图像的统计特性，所以比较方便。 优点：保护图像边缘的同时，去除噪声。 中值滤波 ★例 有一个序列为{0, 3, 4, 0, 7}，当窗口m＝5时，试求出该序列采用中值滤波后的结果 解 0 3 4 0 7 0 0 3 3 0 可以用medfilt1（1维的中值滤波）来验证。 图像中值滤波的MATLAB实现 medfilt2的格式 B=medfilt2(A,[m n]) 其中：A为输入图像，B为输出图像，[m n]为窗口大小，缺省为[3 3]。 中值滤波的MATLAB实现 clf