主頁 >  其他 > 數字影像處理-濾波&邊緣檢測&銳化&RGB轉HSI(Matlab)

數字影像處理-濾波&邊緣檢測&銳化&RGB轉HSI(Matlab)

2020-11-04 03:20:26 其他

文章目錄

  • 數字影像處理-影像增強(Matlab)
    • 1、對選定的灰度影像進行反色、線性變換、對數變換等基本處理，（線性變換函式自設）
      • 1.1 灰度反轉
      • 1.2 線性變換
      • 1.3 對數變換
    • 2、對選定的灰度影像進行直方圖均衡化處理，并顯示處理前后的直方圖，
      • 2.1 直方圖均衡化
    • 3、分別在兩幅灰度影像中加入一定量的高斯噪聲和椒鹽噪聲，噪聲強度自定，然后分別采用3x3的均值濾波和3x3中值濾波對噪聲進行處理，顯示結果影像，并計算出兩種處理方法的峰值信噪比（PSNR），
      • 3.1 添加高斯噪聲和椒鹽噪聲
      • 3.2 峰值信噪比PSNR
      • 3.3 對高斯噪聲進行濾波并計算PSNR
      • 3.4 對椒鹽噪聲進行濾波并計算PSNR
    • 4、對選定的灰度影像進行銳化處理：先對原影像進行3*3均值濾波使其模糊，再分別通過Roberts算子、Sobel算子、拉普拉斯算子對其進行邊緣增強處理，顯示結果影像并對比各方法的結果
      • 4.1 均值濾波
      • 4.2 Roberts算子邊緣增強
      • 4.3 Sobel算子邊緣增強
      • 4.4 拉普拉斯算子邊緣增強
    • 5、對選定的灰度影像進行巴特沃斯高通濾波處理：要求設定多種不同（高、中、低）的截止頻率進行濾波，顯示其經濾波后的空域影像
    • 6、對選定的灰度影像進行理想低通濾波處理：要求設定多種不同（高、中、低）的截止頻率進行濾波，顯示其經濾波后的空域影像，
    • 7、對選定的一幅RGB彩色影像（BMP格式），分別顯示該圖的R/G/B單色影像，繪制R/G/B單色影像的直方圖；將RGB彩色模式轉換為HIS模式，再顯示該圖的H/I/S三個分量的影像，
    • 8、對一幅彩色RGB影像，采用對每一彩色分量進行拉普拉斯算子濾波，完成影像銳化處理，

數字影像處理-影像增強(Matlab)

1、對選定的灰度影像進行反色、線性變換、對數變換等基本處理，（線性變換函式自設）

1.1 灰度反轉

  • 原理公式
    g ( x , y ) = L ? 1 ? f ( x , y ) g(x,y)=L-1-f(x,y) g(x,y)=L?1?f(x,y)
    其 中 L 為 圖 像 的 灰 度 級 數 其中L為影像的灰度級數 其中L為圖像的灰度級數
  • Matlab代碼塊:
%-------------------------灰度反轉(Matlab代碼)-----------------------
clc;          %清空控制臺
clear;        %清空作業區
close all;    %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
gray_pic=rgb2gray(color_pic);    %將彩色圖轉換成灰度圖
gray_reversal=256-1-gray_pic;      % g(x,y)=L-1-f(x,y) 此圖灰度級數L為256級
figure('name','灰度反轉');
subplot(1,2,1);imshow(gray_pic,[]);title('原灰度圖');
subplot(1,2,2);imshow(gray_reversal,[]);title('灰度反轉圖');
  • 運行效果：

在這里插入圖片描述

1.2 線性變換

  • 線性函式
    g ( x , y ) = f ( x , y ) ? t a n α g(x,y)=f(x,y)*tan\alpha g(x,y)=f(x,y)?tanα
    { α > π 4 g ( x , y ) > f ( x , y ) 灰 度 拉 伸 α = π 4 g ( x , y ) = f ( x , y ) 灰 度 不 變 α < π 4 g ( x , y ) < f ( x , y ) 灰 度 壓 縮 \begin{cases} \alpha>\dfrac{\pi}{4} & g(x,y)>f(x,y)&灰度拉伸 \\ \\ \alpha=\dfrac{\pi}{4} &g(x,y) =f(x,y)&灰度不變 \\ \\ \alpha<\dfrac{\pi}{4} & g(x,y)<f(x,y)&灰度壓縮 \\ \end{cases} ??????????????????α>4π?α=4π?α<4π??g(x,y)>f(x,y)g(x,y)=f(x,y)g(x,y)<f(x,y)?灰度拉伸灰度不變灰度壓縮?
  • Matlab代碼塊:
%-------------------------線性變換(Matlab代碼)------------------------
clc;          %清空控制臺
clear;        %清空作業區
close all;    %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
gray_pic=rgb2gray(color_pic);    %將彩色圖轉換成灰度圖
double_gray_pic=im2double(gray_pic);  
linear_transform_reduce=double_gray_pic*tan(pi/6);  %g(x,y)=f(x,y)*tan(a)  線性變換函式
linear_transform_increase=double_gray_pic*tan(pi/3);  %當a<pi/4時,灰度壓縮，a>pi/4時，灰度拉伸
figure('name','線性變換');
subplot(1,3,1);imshow(gray_pic);title('原灰度圖');
subplot(1,3,2);imshow(im2uint8(linear_transform_reduce),[]);title('灰度壓縮');   %im2double后的影像用im2uint8轉換成uint8
subplot(1,3,3);imshow(im2uint8(linear_transform_increase),[]);title('灰度拉伸');
  • 運行效果：

在這里插入圖片描述

1.3 對數變換

  • 對數函式
    g ( x , y ) = C l o g [ 1 + f ( x , y ) ] g(x,y)=Clog[1+f(x,y)] g(x,y)=Clog[1+f(x,y)]
  • Matlab代碼塊:
%-------------------------對數變換(Matlab代碼)---------------------------
clc;
clear;
close all;
gray_pic=imread('log_picture.bmp');  %讀取灰度影像
double_gray_pic=im2double(gray_pic);  %進行log運算得把uint8轉換成double型
log_transform=3*log(1+double_gray_pic);   %對數變換g(x,y)=clog[1+f(x,y)],c=3
figure('name','對數變換');
subplot(1,2,1);imshow(gray_pic,[]);title('原灰度圖');
subplot(1,2,2);imshow(im2uint8(log_transform),[]);title('對數變換');  %im2double后的影像用im2uint8轉換成uint8
  • 運行效果：

在這里插入圖片描述

2、對選定的灰度影像進行直方圖均衡化處理，并顯示處理前后的直方圖，

2.1 直方圖均衡化

  • Matlab代碼塊:
%-------------------------直方圖均衡化(Matlab代碼)-----------------------
clc;         %清空控制臺
clear;       %清空作業區
close all;   %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
gray_pic=rgb2gray(color_pic);    %將彩色圖轉換成灰度圖
histogram_equalization=histeq(gray_pic);   %呼叫histeq函式進行直方圖均衡化
figure('name','直方圖均衡化');
subplot(2,2,1);imshow(gray_pic,[]);title('原灰度圖');
subplot(2,2,2);imshow(histogram_equalization,[]);title('直方圖均衡化后灰度圖');
subplot(2,2,3);imhist(gray_pic,64);title('原直方圖');  %直方圖劃分成64個長度為4的灰度空間，方便查看效果
subplot(2,2,4);imhist(histogram_equalization,64);title('直方圖均衡化');   %直方圖劃分成64個長度為4的灰度空間，方便查看效果
  • 運行效果：

在這里插入圖片描述

3、分別在兩幅灰度影像中加入一定量的高斯噪聲和椒鹽噪聲，噪聲強度自定，然后分別采用3x3的均值濾波和3x3中值濾波對噪聲進行處理，顯示結果影像，并計算出兩種處理方法的峰值信噪比（PSNR），

3.1 添加高斯噪聲和椒鹽噪聲

  • Matlab代碼塊：
%------------------------------添加噪聲(Matlab代碼)-----------------------------
clc;         %清空控制臺
clear;       %清空作業區
close all;   %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
gray_pic=rgb2gray(color_pic);    %將彩色圖轉換成灰度圖
double_gray_pic=im2double(gray_pic);   %將uint8轉成im2double型便于后期計算
Gaussian_noise=imnoise(double_gray_pic,'gaussian',0,0.01);  %給灰度圖添加均值為0，方差為0.01的高斯噪聲
Salt_pepper_noise=imnoise(double_gray_pic,'salt & pepper',0.05);  %給灰度圖添加噪聲密度為0.05的椒鹽噪聲
figure('name','加噪');
subplot(1,3,1);imshow(double_gray_pic,[]);title('原灰度圖');
subplot(1,3,2);imshow(Gaussian_noise,[]);title('加高斯噪聲');
subplot(1,3,3);imshow(Salt_pepper_noise,[]);title('加椒鹽噪聲');
  • 運行效果：

在這里插入圖片描述

3.2 峰值信噪比PSNR

  • 原理公式：
    均 方 差 ( M S E ) = 1 m n ∑ i = 0 m ? 1 ∑ j = 0 n ? 1 ∣ ∣ I ( i , j ) ? K ( i , j ) ∣ ∣ 2 均方差(MSE)=\dfrac{1}{mn}\sum_{i=0}^{m-1}\sum_{j=0}^{n-1}|| I(i,j)-K(i,j)||^{2} \\ 均方差(MSE)=mn1?i=0∑m?1?j=0∑n?1?∣∣I(i,j)?K(i,j)∣∣2
    峰 值 信 噪 比 ( P S N R ) = 10 l o g 10 ( M A X I 2 M S E ) 峰值信噪比(PSNR)=10log_{10}\bigg(\dfrac{MAX_I^2}{MSE}\bigg) 峰值信噪比(PSNR)=10log10?(MSEMAXI2??)
    其 中 M A X I = 圖 像 灰 度 級 數 ? 1 ， 此 處 圖 片 灰 度 級 為 256 ， 所 以 M A X I = 255 其中MAX_I=影像灰度級數-1，此處圖片灰度級為256，所以MAX_I=255 其中MAXI?=圖像灰度級數?1，此處圖片灰度級為256，所以MAXI?=255

  • Matlab代碼塊：

%------------------------matlab新建函式PSNR------------------------
function cal_PSNR = PSNR(img1,img2)
    [width,height]=size(img1);
    double_img1=im2double(img1);   %計算影像峰值信噪比，需將2張影像從uint8型轉成im2double型
    double_img2=im2double(img2);
    matrix_subtraction=double_img1-double_img2;
    MSE=sum(sum(matrix_subtraction.^2))/(width*height);
    cal_PSNR=10*log10(255*2/MSE);
end

3.3 對高斯噪聲進行濾波并計算PSNR

  • Matlab代碼塊：
%-----------------------------對高斯噪聲進行濾波并計算PSNR (Matlab代碼)-------------------------------
gaussian_mean_filter=filter2(fspecial('average',3),Gaussian_noise);  %均值濾波
gau_mean_filter_snr=PSNR(double_gray_pic,gaussian_mean_filter); %均值濾波后的峰值信噪比
gaussian_median_filter=medfilt2(Gaussian_noise,[3,3]);  %中值濾波
gau_median_filter_snr=PSNR(double_gray_pic,gaussian_median_filter);  %中值濾波后的峰值信噪比
figure('name','對高斯噪聲進行濾波');
subplot(1,2,1);imshow(gaussian_mean_filter,[]);title(['均值濾波，PSNR：',num2str(gau_mean_filter_snr),'dB']);
subplot(1,2,2);imshow(gaussian_median_filter,[]);title(['中值濾波，PSNR：',num2str(gau_median_filter_snr),'dB']);
  • 運行效果：

在這里插入圖片描述

3.4 對椒鹽噪聲進行濾波并計算PSNR

  • Matlab代碼塊：
%-----------------------------對椒鹽噪聲進行濾波并計算PSNR (Matlab代碼)-------------------------------
salt_mean_filter=filter2(fspecial('average',3),Salt_pepper_noise);  %均值濾波
salt_mean_filter_snr=PSNR(double_gray_pic,salt_mean_filter);    %均值濾波后的峰值信噪比
salt_median_filter=medfilt2(Salt_pepper_noise,[3,3]);  %中值濾波
salt_median_filter_snr=PSNR(double_gray_pic,salt_median_filter);   %中值濾波后的峰值信噪比
figure('name','對椒鹽噪聲進行濾波');
subplot(1,2,1);imshow(salt_mean_filter,[]);title(['均值濾波，PSNR：',num2str(salt_mean_filter_snr),'dB']);
subplot(1,2,2);imshow(salt_median_filter,[]);title(['中值濾波，PSNR：',num2str(salt_median_filter_snr),'dB']);
  • 運行效果：

在這里插入圖片描述

4、對選定的灰度影像進行銳化處理：先對原影像進行3*3均值濾波使其模糊，再分別通過Roberts算子、Sobel算子、拉普拉斯算子對其進行邊緣增強處理，顯示結果影像并對比各方法的結果

4.1 均值濾波

  • Matlab代碼塊：
%-----------------------------------3*3均值濾波模糊影像(Matlab代碼)----------------------------
clc;         %清空控制臺
clear;       %清空作業區
close all;   %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
gray_pic=rgb2gray(color_pic);    %將彩色圖轉換成灰度圖
double_gray_pic=im2double(gray_pic);   %將uint8轉成im2double型便于后期計算
mean_filter=filter2(fspecial('average',3),double_gray_pic);  %均值濾波
[width,height]=size(mean_filter);
figure('name','3*3均值濾波');
subplot(1,2,1);imshow(double_gray_pic,[]);title('原灰度圖');
subplot(1,2,2);imshow(mean_filter,[]);title('3*3均值濾波');
  • 運行效果:

在這里插入圖片描述

4.2 Roberts算子邊緣增強

  • 原理公式
    ? f = ∣ f ( x , y ) ? f ( x + 1 , y + 1 ) ∣ + ∣ f ( x + 1 , y ) ? f ( x , y + 1 ) ∣ \nabla f=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)| ?f=∣f(x,y)?f(x+1,y+1)∣+∣f(x+1,y)?f(x,y+1)∣
    H 1 = [ 1 0 0 ? 1 ] H 2 = [ 0 1 ? 1 0 ] H_1=\begin{bmatrix} 1 & 0 \\ 0 & -1 \end{bmatrix} \ \ \ \ \ \ \ H_2=\begin{bmatrix} 0 & 1 \\ -1 & 0 \end{bmatrix} H1?=[10?0?1?] H2?=[0?1?10?]
  • Matlab代碼塊：
% ------------------------------Roberts算子邊緣增強(Matlab)--------------------------------
roberts_img = zeros(width,height);   %預先分配記憶體空間，提高運行速率
for i=1:width-1
    for j=1:height-1
        roberts_img(i,j)=abs(mean_filter(i+1,j)-mean_filter(i,j+1))+abs(mean_filter(i,j)-mean_filter(i+1,j+1));
    end
end
figure('name','roberts算子');
subplot(2,2,1);imshow(double_gray_pic,[]);title('原灰度圖');
subplot(2,2,2);imshow(mean_filter,[]);title('3x3均值濾波');
subplot(2,2,3);imshow(im2uint8(roberts_img),[]);title('roberts算子的影像');
subplot(2,2,4);imshow(im2uint8(mean_filter+roberts_img),[]);title('roberts算子銳化影像');
  • 運行效果:

在這里插入圖片描述

4.3 Sobel算子邊緣增強

  • 原理公式
    在這里插入圖片描述

  • Matlab代碼塊：

% ------------------------------Sobel算子邊緣增強(Matlab代碼)--------------------------------
sobel_img=zeros(width,height);   %預先分配記憶體空間，提高運行速率
sobel_x=zeros(width,height);     %預先分配記憶體空間，提高運行速率
sobel_y=zeros(width,height);     %預先分配記憶體空間，提高運行速率
for i=2:width-1
    for j=2:height-1
        sobel_y(i,j)=abs(mean_filter(i-1,j+1)+2*mean_filter(i,j+1)+mean_filter(i+1,j+1)-mean_filter(i-1,j-1)-2*mean_filter(i,j-1)-mean_filter(i+1,j-1));
        sobel_x(i,j)=abs(mean_filter(i+1,j+1)+2*mean_filter(i+1,j)+mean_filter(i+1,j-1)-mean_filter(i-1,j+1)-2*mean_filter(i-1,j)-mean_filter(i-1,j-1));
        sobel_img(i,j)=0.3*sobel_x(i,j)+0.3*sobel_y(i,j);   
    end
end
figure('name','sobel算子');
subplot(2,2,1);imshow(double_gray_pic,[]);title('原灰度圖');
subplot(2,2,2);imshow(mean_filter,[]);title('3x3均值濾波');
subplot(2,2,3);imshow(im2uint8(sobel_img),[]);title('sobel算子的影像');
subplot(2,2,4);imshow(im2uint8(mean_filter+sobel_img),[]);title('sobel算子銳化影像');
  • 運行效果:

在這里插入圖片描述

4.4 拉普拉斯算子邊緣增強

  • 原理公式
    ? 2 f = f ( x + 1 , y ) + f ( x ? 1 , y ) + f ( x , y + 1 ) + f ( x , y ? 1 ) ? 4 f ( x , y ) \nabla^2f=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y) ?2f=f(x+1,y)+f(x?1,y)+f(x,y+1)+f(x,y?1)?4f(x,y)
    H = [ 0 1 0 1 ? 4 1 0 1 0 ] H=\begin{bmatrix} 0 & 1 & 0 \\ 1 & -4 & 1 \\ 0 & 1 & 0 \end{bmatrix} H=???010?1?41?010????
  • Matlab代碼塊：
% ------------------------------Laplace算子邊緣增強(Matlab代碼)----------------------------------
laplace_img = zeros(width,height); %預先分配記憶體空間，提高運行速率
for i=2:width-1
    for j=2:height-1
        laplace_img(i,j)=mean_filter(i+1,j)+mean_filter(i-1,j)+mean_filter(i,j+1)+mean_filter(i,j-1)-4*mean_filter(i,j);
    end
end
figure('name','laplace算子');
subplot(2,2,1);imshow(double_gray_pic,[]);title('原灰度圖');
subplot(2,2,2);imshow(mean_filter,[]);title('3x3均值濾波');
subplot(2,2,3);imshow(im2uint8(laplace_img),[]);title('laplace算子的影像');
subplot(2,2,4);imshow(im2uint8(mean_filter-laplace_img),[]);title('laplace算子銳化影像');  
%由于采用的拉普拉斯算子中心是-4為負數，所以最后影像銳化是將兩幅圖相減
  • 運行效果:

在這里插入圖片描述

5、對選定的灰度影像進行巴特沃斯高通濾波處理：要求設定多種不同（高、中、低）的截止頻率進行濾波，顯示其經濾波后的空域影像

  • 基本原理：

在這里插入圖片描述

  • Matlab代碼塊：
%************************5、對選定的灰度影像進行巴特沃斯高通濾波處理：要求設定多種不同（高、中、低）的截止頻率進行濾波，顯示其經濾波后的空域影像**************************

clc;         %清空控制臺
clear;       %清空作業區
close all;   %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
gray_pic=rgb2gray(color_pic);    %將彩色圖轉換成灰度圖
double_gray_pic=im2double(gray_pic);   %將uint8轉成im2double型便于后期計算

[width,height]=size(double_gray_pic);
mid_w=width/2;    %影像中心點橫坐標
mid_h=height/2;   %影像中心點縱坐標
fourier_pic=fft2(double_gray_pic);   %對灰度圖進行傅里葉變換
fourier_shift=fftshift(fourier_pic);  %將頻譜圖中零頻率成分移動至頻譜圖中心

level=2;   %二階巴特沃茲
end_radius=[5,30,83];    %設定截止頻率
result1=zeros(width,height);  %預先分配記憶體空間，提高運行速率
result2=zeros(width,height);  %預先分配記憶體空間，提高運行速率
result3=zeros(width,height);  %預先分配記憶體空間，提高運行速率
for i=1:width
    for j=1:height
        distance=sqrt((i-mid_w)^2+(j-mid_h)^2);   %計算點（x,y）到中心點的距離
        h1=1/(1+(end_radius(1)/distance)^(2*level)); %計算巴特沃斯濾波器
        h2=1/(1+(end_radius(2)/distance)^(2*level));
        h3=1/(1+(end_radius(3)/distance)^(2*level));
        result1(i,j)=fourier_shift(i,j)*h1;   %用濾波器乘以主函式
        result2(i,j)=fourier_shift(i,j)*h2;
        result3(i,j)=fourier_shift(i,j)*h3;
    end
end
 
output1=im2uint8(real(ifft2(ifftshift(result1))));  %最終輸出要記得頻譜搬移回去
output2=im2uint8(real(ifft2(ifftshift(result2))));
output3=im2uint8(real(ifft2(ifftshift(result3))));
figure('name','巴特沃茲高通濾波器');
subplot(2,2,1);imshow(double_gray_pic);title('原灰度圖');
subplot(2,2,2);imshow(output1,[]);title(['巴特沃茲高通濾波 D0=',num2str(end_radius(1))]);
subplot(2,2,3);imshow(output2,[]);title(['巴特沃茲高通濾波 D0=',num2str(end_radius(2))]);
subplot(2,2,4);imshow(output3,[]);title(['巴特沃茲高通濾波 D0=',num2str(end_radius(3))]);
  • 運行效果:

在這里插入圖片描述

6、對選定的灰度影像進行理想低通濾波處理：要求設定多種不同（高、中、低）的截止頻率進行濾波，顯示其經濾波后的空域影像，

  • 基本原理：

在這里插入圖片描述

  • Matlab代碼塊：
%************************6、對選定的灰度影像進行理想低通濾波處理：要求設定多種不同（高、中、低）的截止頻率進行濾波，顯示其經濾波后的空域影像**************************

clc;         %清空控制臺
clear;       %清空作業區
close all;   %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
gray_pic=rgb2gray(color_pic);    %將彩色圖轉換成灰度圖
double_gray_pic=im2double(gray_pic);   %將uint8轉成im2double型便于后期計算

[width,height]=size(double_gray_pic);
mid_w=width/2;    %影像中心點橫坐標
mid_h=height/2;   %影像中心點縱坐標
fourier_pic=fft2(double_gray_pic);   %對灰度圖進行傅里葉變換
fourier_shift=fftshift(fourier_pic);  %將頻譜圖中零頻率成分移動至頻譜圖中心

end_radius=[5,30,83];   %設定截止頻率
Result=zeros(width,height);  %預先分配記憶體空間，提高運行速率
figure('name','理想低通濾波器');
subplot(2,2,1);imshow(double_gray_pic,[]);title('原灰度圖');
for k=1:3
    Result=fourier_shift;
    for i=1:width
        for j=1:height
            distance=sqrt((i-mid_w)^2+(j-mid_h)^2);   %計算點（x,y）到中心點的距離
            if distance>end_radius(k)  %如果距離大于截止頻率，則濾除分量，直接置0
                Result(i,j)=0;
            end
        end
    end
    output=im2uint8(real(ifft2(ifftshift(Result))));  %最終輸出要記得頻譜搬移回去
    subplot(2,2,k+1);imshow(output,[]);title(['理想低通濾波器 D0=',num2str(end_radius(k))]); 
end
  • 運行效果:

在這里插入圖片描述

7、對選定的一幅RGB彩色影像（BMP格式），分別顯示該圖的R/G/B單色影像，繪制R/G/B單色影像的直方圖；將RGB彩色模式轉換為HIS模式，再顯示該圖的H/I/S三個分量的影像，

  • RGB轉HSI公式：

在這里插入圖片描述

  • Matlab代碼塊：
%************************7、對選定的一幅RGB彩色影像（BMP格式），分別顯示該圖的R/G/B單色影像，繪制R/G/B單色影像的直方圖；將RGB彩色模式轉換為HIS模式，再顯示該圖的H/I/S三個分量的影像**************************

clc;         %清空控制臺
clear;       %清空作業區
close all;   %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
double_color_pic=im2double(color_pic); %將uint8轉成im2double型便于后期計算
%----------------------------分別提取R/G/B三個通道影像---------------------------
R=double_color_pic(:,:,1);
G=double_color_pic(:,:,2);
B=double_color_pic(:,:,3);
figure('name','提取R/G/B影像');
subplot(2,2,1);imshow(double_color_pic,[]);title('原彩色影像');
subplot(2,2,2);imshow(R,[]);title('R');
subplot(2,2,3);imshow(G,[]);title('G');
subplot(2,2,4);imshow(B,[]);title('B');
figure('name','R/G/B單色影像直方圖');
subplot(3,2,1);imshow(R,[]);title('R');
subplot(3,2,2);imhist(R,128);title('R直方圖');
subplot(3,2,3);imshow(G,[]);title('G');
subplot(3,2,4);imhist(G,128);title('G直方圖');
subplot(3,2,5);imshow(B,[]);title('B');
subplot(3,2,6);imhist(B,128);title('B直方圖');

%----------------------------RGB轉HSI------------------------------
num=0.5*((R-G)+(R-B));
den=sqrt((R-G).^2+(R-B).*(G-B));
theta=acos(num./(den+eps));  %eps=2.2204e-16  防止分母為0
 
H=theta;
H(B>G)=2*pi-H(B>G);
H=H/(2*pi);   %歸一化處理

num=min(min(R,G),B);   
den=R+G+B;
den(den==0)=eps;   %eps=2.2204e-16  防止分母為0
S=1-3*num./den;    
H(S==0)=0;        %完全不飽和的顏色根本沒有色調 即飽和度為0時色調無定義置0
I=(R+G+B)/3;
HSI=cat(3,H,S,I);  %合并三個圖層

figure('name','HSI影像');
subplot(2,2,1);imshow(HSI,[]);title('HSI影像');
subplot(2,2,2);imshow(H,[]);title('H分量,色調');
subplot(2,2,3);imshow(S,[]);title('S分量，飽和度');
subplot(2,2,4);imshow(I,[]);title('I分量，亮度');
  • 運行效果:

在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述

8、對一幅彩色RGB影像，采用對每一彩色分量進行拉普拉斯算子濾波，完成影像銳化處理，

  • 原理公式
    ? 2 f = f ( x + 1 , y ) + f ( x ? 1 , y ) + f ( x , y + 1 ) + f ( x , y ? 1 ) ? 4 f ( x , y ) \nabla^2f=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y) ?2f=f(x+1,y)+f(x?1,y)+f(x,y+1)+f(x,y?1)?4f(x,y)
    H = [ 0 1 0 1 ? 4 1 0 1 0 ] H=\begin{bmatrix} 0 & 1 & 0 \\ 1 & -4 & 1 \\ 0 & 1 & 0 \end{bmatrix} H=???010?1?41?010????
  • Matlab代碼塊：
%************************8、對一幅彩色RGB影像，采用對每一彩色分量進行拉普拉斯算子濾波，完成影像銳化處理**************************
clc;         %清空控制臺
clear;       %清空作業區
close all;   %關閉已打開的figure影像視窗
color_pic=imread('lena512color.bmp');  %讀取彩色影像
double_color_pic=im2double(color_pic); %將uint8轉成im2double型便于后期計算

%-----先提取三個圖層------
R=double_color_pic(:,:,1);   %提取R圖層
G=double_color_pic(:,:,2);   %提取G圖層
B=double_color_pic(:,:,3);   %提取B圖層

[width,height]=size(R);
laplace_imgR = zeros(width,height);  %預先分配記憶體空間，提高運行速率
laplace_imgG = zeros(width,height);  %預先分配記憶體空間，提高運行速率
laplace_imgB = zeros(width,height);  %預先分配記憶體空間，提高運行速率

%--------分別對R/G/B圖層進行拉普拉斯算子濾波-------
for i=2:width-1
    for j=2:height-1
        laplace_imgR(i,j)=R(i+1,j)+R(i-1,j)+R(i,j+1)+R(i,j-1)-4*R(i,j); 
        laplace_imgG(i,j)=G(i+1,j)+G(i-1,j)+G(i,j+1)+G(i,j-1)-4*G(i,j);
        laplace_imgB(i,j)=B(i+1,j)+B(i-1,j)+B(i,j+1)+B(i,j-1)-4*B(i,j);
    end
end
output=cat(3,laplace_imgR,laplace_imgG,laplace_imgB);  %合并三個經拉普拉斯算子濾波后的圖層
figure('name','RGB拉普拉斯算子銳化');
subplot(2,2,1);imshow(laplace_imgR,[]);title('R分量拉普拉斯濾波');
subplot(2,2,2);imshow(laplace_imgG,[]);title('G分量拉普拉斯濾波');
subplot(2,2,3);imshow(laplace_imgB,[]);title('B分量拉普拉斯濾波');
subplot(2,2,4);imshow(output,[]);title('合成影像拉普拉斯濾波');
figure('name','三通道銳化后的影像');
subplot(1,2,1);imshow(color_pic,[]);title('原彩色圖');
subplot(1,2,2);imshow(im2uint8(double_color_pic-output));title('拉普拉斯銳化');
  • 運行效果:

在這里插入圖片描述

在這里插入圖片描述

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/201791.html

標籤：其他

上一篇：產品思考 - 不剪發的Tony老師

下一篇：【資料結構——樹和森林】

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種：三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看，三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看，三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統，“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及：虛擬機CentOs下執行 yum -y install lrzsz命令，出現錯誤：鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示：其實很簡單，往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號， sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求，SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生， 2020-08-28 16:18:25 分類專欄： kail 網路安全 linux 文章標簽： linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么？ 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼： #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘（北斗授時服務器）讓網路資料更精準

    北斗電力時鐘（北斗授時服務器）讓網路資料更精準 北斗電力時鐘（北斗授時服務器）讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年，資訊技術的得了快速發展，互聯網在逐漸普及，其在人們生活和生產中都得到了廣泛應用，并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用，一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub：https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺，后來才有了CTFHub。 感覺不論是網頁UI設計，還是題目質量，賽事跟蹤，工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解（net user / type /md /rd/ dir /cd /net use copy、批處理 等） 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝，密碼啊破解03Linux常用命令04LAMP 01LINUX windows： win03 8 12 16 19 配置不繁瑣 Linux：redhat,centos(紅帽社區版)，Ubuntu server,suse unix:金融機構，證券，銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 （POST注入/XSS漏洞上傳）3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題，描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章，不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》，我也是第一時間得知了這個訊息，然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本： 個人認為這件事也沒什么，還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹：metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包，它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一，它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip：192.168.20.121 靶機ip：192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k，軟體測驗工程師的漲薪史，給我看哭了

    清明節一過，盲猜大家已經無心上班，在數著日子準備過五一，但一想到銀行卡里的余額……瞬間心情就不美麗了。最近，2023年高校畢業生就業調查顯示，本科畢業月平均起薪為5825元。調查一出，便有很多同學表示自己又被平均了。看著這一資料，不免讓人想到前不久中國青年報的一項調查：近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文，所以對學習母語的我們非常不友好 使用網址：https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜，前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜，自動化測驗的需求也越來越高。如今，自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分，它們可以幫助開發人員更快地發現和修復錯誤，提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐：4個DVPP記憶體問題的典型案例解讀

    摘要：由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求（例如，記憶體首地址128位元組對齊），因此需呼叫專用的記憶體申請介面，那么本期就分享幾個關于DVPP記憶體問題的典型案例，并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》，作者：昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊，輔助滲透（埠掃描、登錄密碼爆破、漏洞驗證等） 2、encoders 編碼器模塊，主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手：與相機連接，設定相機引數，采集影像 2) 標定助手：九點標定或是其它的標定，生成標定檔案及內參外參，可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客，先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp)，這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接： https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more

Copyright © 2010-2020 有解無憂