分享超全面！Matlab图像处理基本操作

虽然说Matlab是一款数学处理软件，但是这款软件特别强大，强大之处在于他还能够处理图像，这个功能是很多新手学习Matlab的时候感到惊讶的地方，下面就给大家介绍Matlab处理图像的方法。

一、图像基本操作

1、读取图像并显示：

》》 clear;close all %清空Matlab工作平台所有变量（准备工作）

》》 I=imread（‘pout.tif’）; % 该图像是Matlab图形工具箱中自带的图像（toolboximagesimdemos）

》》 imshow（I）

2、检查内存（数组）中的图像：

》》 whos

Name Size Bytes Class

I 291x240 69840 uint8 array

Grand total is 69840 elements using 69840 bytes

表示该图像采用8位存储方式并占用了69840B的存储空间。

3、实现图像直方图均衡化：

》》 figure，imhist（I） % 在新图中显示图像I的直方图

》》 I2=histeq（I）; % 均衡化以后的图像存在I2数组中（图像灰度值扩展到整个灰度范围，对比度提高）

》》 figure，imshow（I2） % 显示均衡化后的图像

》》 figure，imhist（I2） % 显示均衡后的灰度值分布情况

8位图像取值范围：［0，255］，16位图像取值范围：［0，655351］，双精度图像取值范围：［0，1］

4、保存图像：

》》 imwrite（I2，‘pout2.png’）; % 将图像由原先的tif格式另存为png格式

5、检查新生成文件的信息：

》》 imfinfo（‘pout2.png’） % 观察保存图像的文件信息

ans =

Filename： ‘pout2.png’ % 文件名

FileModDate： ‘11-Apr-2009 21:55:35’ % 文件修改日期

FileSize： 36938 % 文件大小

Format： ‘png’ % 文件格式

FormatVersion： ［］ % 格式

Width： 240 % 文件宽度

Height： 291 % 文件高度

BitDepth： 8 % 文件位深度

ColorType： ‘grayscale’ % 颜色类型

……

二、图像处理Matlab的应用：

实例：消除rice.png图像中亮度不一致的背景，并使用阈值将修改后的图像转换为二值图像，使用成员标记返回图像中对象的个数以及统计特性。按照如下步骤进行：

1、读取和显示图像

》》 clear;close all

》》 I=imread（‘rice.png’）;

》》 imshow（I）

2、估计图像背景：

图像中心位置背景亮度强于其他部分亮度，用imopen函数和一个半径为15的圆盘结构元素对输入的图像I进行形态学开操作，去掉那些不完全包括在圆盘中的对象，从而实现对背景亮度的估计。

》》 clear;close all

》》 I=imread（‘rice.png’）;

》》 imshow（I）

》》 background=imopen（I，strel（‘disk’，15））;

》》 imshow（background）

》》 figure，surf（double（background（1:8：end，1:8：end））），zlim（［0，255］）;

》》 set（gca，‘ydir’，‘reverse’）;

显示了背景图（左）和背景表面图（右）

3、从原始图像中减去背景图像（原始图像I减去背景图像得到背景较为一致的图像）：

》》 I2=imsubtract（I，background）;

》》 figure，imshow（I2）

4、调节图像的对比度 （图像较暗，可用imadjust函数命令来调节图像的对比度）

》》 I3=imadjust（I2，stretchlim（I2），［0 1］）;

》》 figure，imshow（I3）;

5、使用阈值操作将图像转换为二进制（二值）图像（bw），调用whos命令查看图像的存储信息。

》》 level=graythresh（I3）; % 图像灰度处理

》》 bw=im2bw（I3，level）; % 图像二值化处理

》》 figure，imshow（bw） % 显示处理后的图片