MATLAB数字图像处理(一)图像的基本操作

在图像处理过程中，常见操作之一是将灰度图片转换为负片，即调整图像的对比度，使得原本的白色部分变为黑色，黑色部分变为白色。MATLAB的`imadjust（）`函数提供这一功能，其基本使用格式为`newImg = imadjust（originalImg， [low_in， high_in]， [low_out， high_out]）`。

图像运算与变换 图像增强 图像复原 图像锐化和边缘检测 图像分割 图像压缩编码 图像分类 image classfication 二值图像 binary image 只有黑白两色，一个像素占1bit，0表示黑色，1表示白色，或者相反。 灰度图像 、单色图像。

利用 MATLAB 中的 histeq（）、adapthisteq（） 函数，可以直接对灰度图像进行均衡化处理，实现像素值的非线性拉伸，以均匀分布于整幅图像中。图示展现均衡化效果，对比度明显提升。对于彩色图像的均衡化处理，通常通过分别对RGB三通道进行直方图均衡化后进行合成操作来完成。此方法使颜色更加丰富、鲜明。

自选一幅图像，并对其分别添加一定强度的周期噪声和高斯噪声，然后分别采用高斯模板、中值滤波的时域方法以及傅里叶变换和小波变换的频率滤波方法对该含噪图像进行去噪处理，并基于PSNR值和视觉效果这两个指标来比较这四种滤波方法对两种不同噪声的去噪能力。

在数字图像处理领域，MATLAB 提供了丰富的工具和函数来辅助进行图像操作和分析，其中 fspecial（） 和 imfilter（） 是非常常用且功能强大的两个函数。本文将深入探讨这两个函数的使用方法和原理。首先，让我们对 fspecial（） 进行简要说明。

MATLAB中的sort（）函数是数字图像处理中一个重要的工具，它用于对一维或二维矩阵进行排序操作。这个函数的主要用途是对输入的矩阵进行升序或降序排列，根据需要还可以按照指定的维度进行排序，以满足不同的数据处理需求。基本用法是sort（A），它会对一维或二维矩阵A进行升序排序，并返回排序后的矩阵。

如何用matlab做图像处理?

1、点击图标，打开matlab。输入代码：[x，y]=meshgrid（1：0.1：10， 1：0.1：10）；z=x.^2+y.^2；surf（x，y，z）点击运行。在弹出的文件存储页面中，选择一个任意位置，点击保存即可。

2、打开软件，读入图片。分别建立3*3高斯滤波模板和平均滤波模板，并对加噪的图片进行滤波处理。显示原图、加噪后的图片和分别用高斯、平均模板滤波后的图片。图片结果如图，可以看出平均模板滤波后噪声十分明显，高斯模板滤波后噪声影响相对较小，但也很容易看出。

3、在图像处理过程中，常见操作之一是将灰度图片转换为负片，即调整图像的对比度，使得原本的白色部分变为黑色，黑色部分变为白色。MATLAB的`imadjust（）`函数提供这一功能，其基本使用格式为`newImg = imadjust（originalImg， [low_in， high_in]， [low_out， high_out]）`。

4、MATLAB进行彩色图像处理的技巧丰富，以下简单列举其要点：读取与显示图像：使用imread（filename）读取图像，通过imshow（img）显示图像内容。图像缩放：利用imresize（img， scale）调整图像大小，其中scale为缩放比例。图像旋转：采用imrotate（img， angle）实现旋转，angle为旋转角度。

【MATLAB图像处理学习】1.读取和显示图片

在进行图像处理学习时，MATLAB提供了基础函数来读取、显示和生成图片，这些函数是实现图像操作的基础。让我们通过介绍三个基础函数——imread、imshow和imwrite——来深入了解MATLAB图像处理的基础。首先，imread函数是用于读取图片的重要工具。此函数可以读取图片的像素矩阵信息，无论是灰度图像还是彩色图像。

一：imread：从图像文件夹中读取图像。A = imread（FILENAME，FMT） 读取图像到A，如果文件是包含一灰度图像，A是一二维矩阵，如果文件是包含一真彩色图像（RGB），A是一三维矩阵（M-by-N-by-3）。FILENAME ：图像文件名；FMT：图像文件格式；文件必须在当前目录下，或在Matlab的一路径上。

Matlab读取图片显示和保存图像的相关操作打开软件，找到左上角按钮，点击就可以用m编辑器，写入代码，每写完一部分，执行一下，查看效果。接着将该文件保存。然后将一个图片，复制到同一个文件夹里，方便程序调用。

MATLAB图像处理:99:创建图像直方图

1、在MATLAB中，图像直方图是通过imhist函数来创建的，它有助于分析图像中强度分布的特性。这个函数通过设定n个等间距的bin，每个bin代表一个强度值的区间，统计每个区间内的像素数量。例如，当你发现图像强度值范围较小，可以通过调整函数将其扩展到更广泛的范围，以优化图像处理效果。

2、通过MATLAB的histeq（）函数，可以实现此过程，进一步改善图像对比度。实现代码如下。通过上述方法，直方图均衡化显著增强了图像对比度，使得图像中原本难以识别的细节变得更加清晰。例如，原图像中某些背面难以辨认的纹理细节，经过直方图均衡化处理后，变得清晰可辨。

3、双击matlab软件图标，打开matlab软件，可以看到matlab软件的界面。使用直接输入法创建一个数组v ：v=[21，17，18，13，15，30，19，12，23，24，25，26，29]； 该数组用来表示直方图的统计数据。使用函数hist（v）； 绘制直方图。使用函数title（）给直方图添加标题。

4、Part 1直方图的绘制 hist（a，b）a为要绘制的变量，b为柱形的个数。subplot（a，b，c）显示图像的位置布局，显示b行a列个图像，此图像是其中的第c个。

5、首先，histogram函数是数据分组和绘制的核心，其使用方法多样，包括自动bin划分、指定bin数量或边界，以及各种归一化选项。它不仅能根据数据创建直方图，还能处理分类数组和手动指定的类别。例如，你可以通过调整bin宽度或类型来改变图的细节。同时，histogram函数的计数和频率计算功能在数据处理中非常实用。

6、图像直方图均衡化是提升图像视觉质量的关键技术。核心概念在于将图像的灰度直方图重新分布，使之变为均匀，从而扩大图像的动态范围，增加对比度，使图像更易于观察。利用 MATLAB 中的 histeq（）、adapthisteq（） 函数，可以直接对灰度图像进行均衡化处理，实现像素值的非线性拉伸，以均匀分布于整幅图像中。