大家好，今天来为大家解答关于matlab数字图像处理这个问题的知识，还有对于matlab数字图像处理大作业也是一样，很多人还不知道是什么意思，今天就让我来为大家分享这个问题，现在让我们一起来看看吧！

1MATLAB--数字图像处理 击中击不中变换

原理

击中击不中变换(HMT)需要两个结构元素B1和B2,合成一个结构元素对B=(B1,B2)

一个用于探测图像内部,作为击中部分;另一个用于探测图像外部,作为击不中部分。显然,B1和B2是不应该相连接的,即B1∩B2=Φ。击中击不中变换的数学表达式为：

g(x, y)=hitmiss[f(x, y), B]=erode[f(x, y), B1]AND erode[fc(x, y), B2]

其中,fc(x,y)表示的是f(x,y)的补集。

作用

击中击不中变换就是在A图像上找到和B图像一致的那块区域，举个例子就是：你拿着一张A图片的一部分，你需要在A图像上找到这张图片在A图片上的位置在哪

算法步骤

举例分析

在A图中寻找B图所示的图像目标的位置

步骤：

1、确定结构元素

既然是寻找图B所示形状，选取H为图B所示的形状。再选一个小窗口W，W包含H，M＝W－H。如下图所示：

2、求H对A的腐蚀结果

3、求M对A补集的腐蚀

4.两张腐蚀图片求交集

图片Y中左上角那个红点就是B在A中的位置 。

MATLAB实战

结果图

1.原图

2.m对A腐蚀后

3.n对A补集腐蚀后

4.两张腐蚀图求交集后

图中左上角就是B在A中的位置

总结

2Matlab数字图像处理二值化

你可以先把原图像a滤波

保存到一个数组中

b

再把原图像a锐化保存到c数组中

b+c构成处理后的图像

用imwrite把这个写到你新的bmp中

或者是在photoshop中直接滤波

然后在图像上锐化即可

3MATLAB数字图像处理中的颜色提取

MATLAB数字图像处理中的颜色提取

先把你的图的蓝色值提取,然后判别是保留,不是赋值为其他。

4MATLAB--数字图像处理 频域图像分析

频域图像分析

1.熟悉MATLAB软件的使用。

2.掌握频域图像分析的原理及数学运算。

1.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 *** 以及傅里叶变换和小波变换的频率滤波 *** 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 *** 对两种不同噪声的去噪能力。

2.编写一个程序，要求实现下列算法:首先将阁像分割为8x8的子图像，对每个予图像进行FFT.对每个了图像中的64个系数。按照每个系数的方差来排序后，舍去小的变换系数，只保留16个系数，实现4: I的图像压缩。

3.给定一幅行和列都为2的整数次幕图像，用Haar小波基函数对其进行二维小波变换，试着将更低尺度近似分量置零再反变换，结果是什么?如果把垂直方向的细节分量置零，反变换后结果又是什么呢?试解释一下原因。

4.基于小波变换对图像进行不同压缩比的压缩。在同压缩比情况下，对于基于小波变换和基于傅里叶变换的压缩结果，比较=二者保留原图像能里百分比情况。

Win10 64位电脑

MATLAB R2017a

1.傅里叶变换

从纯粹的数学意义上看，傅里叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅里叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅里叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数。

傅里叶逆变换是将图像的频率分布函数变换为灰度分布函数傅里叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的 *** ，通常用一个二维矩阵表示空间上各点，记为z=f(x,y)。又因空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就必须由梯度来表示，这样我们才能通过观察图像得知物体在三维空间中的对应关系。

2.小波变换

小波变换是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节带噪声信号经过预处理，然后利用小波变换把信号分解到各尺度中，在每一尺度下把属于噪声的小波系数去掉，保留并增强属于信号的小波系数，最后再经过小波逆变换回复检测信号。

小波变换在去除噪声时可提取并保存对视觉起主要作用的边缘信息，而传统的基于傅里叶变换去除噪声的 *** 在去除噪声和边沿保持上存在着矛盾，因为傅里叶变换 *** 在时域不能局部化，难以检测到局域突变信号，在去除噪声的同时，也损失了图像边沿信息。由此可知，与傅里叶变换去除噪声的 *** 相比较，小波变换法去除噪声具有明显的性能优势。

3.PSNR算法

peak的中文意思是顶点。而ratio的意思是比率或比列的。整个意思就是到达噪音比率的顶点信号，psnr一般是用于更大值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后，输出的影像都会在某种程度与原始影像不同。为了衡量经过处理后的影像品质，我们通常会参考PSNR值来衡量某个处理程序能否令人满意。它是原图像与被处理图像之间的均方误差相对于(2 n-1) 2的对数值(信号更大值的平方，n是每个采样值的比特数)，它的单位是dB。

SNRP算法

haar基函数进行小波变换

七、实验结果与分析

图 1原图

1.加入周期噪声、高斯噪声

2.对添加了高斯噪声和周期噪声的图像进行高斯滤波

PSNR值

1.对高斯噪声进行高斯滤波后 23.0287

2.对周期噪声进行高斯滤波后 23.4837

2.中值滤波

PSNR值：

1.对高斯噪声进行中值滤波 23.9931

2.对周期噪声进行中值滤波 24.3134

3.傅里叶变换滤波

PSNR值：

1.对添加了高斯噪声的图像进行傅里叶变换滤波 20.4922

2.对添加了周期噪声的图像进行傅里叶变换滤波 18.9736

4.小波变换滤波

PSNR值：

1.对添加了高斯噪声的图像进行小波变换滤波 23.4712

2.对添加了周期噪声的图像进行小波变换滤波 24.4525

分析：

对于高斯噪声，高斯滤波和傅里叶变换滤波声的除噪效果较好，中值滤波效果较差，小波变换滤波的处理效果也比较好

对于周期噪声，中值滤波和高斯滤波效果不是很好，傅里叶变换变换滤波对噪声的去处效果比较好，对于原图像损坏不大，小波变换对原图的损坏较大，但是图片可以看出噪声也去除的比较好。

5.图像压缩(4:1压缩) 原图-左 压缩后-右

分析：

图像压缩算法就是先将一副图像分成很多小块，然后分别对这些小块进行变换，这里采用的是傅里叶变换，然后过滤掉冗余的像素点，然后再利用反变换得到压缩后的图像即可。

小波变换

1.定义

小波变换是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节带噪声信号经过预处理，然后利用小波变换把信号分解到各尺度中，在每一尺度下把属于噪声的小波系数去掉，保留并增强属于信号的小波系数，最后再经过小波逆变换回复检测信号。

2.优点

小波变换在去除噪声时可提取并保存对视觉起主要作用的边缘信息，而传统的基于傅里叶变换去除噪声的 *** 在去除噪声和边沿保持上存在着矛盾，因为傅里叶变换 *** 在时域不能局部化，难以检测到局域突变信号，在去除噪声的同时，也损失了图像边沿信息。由此可知，与傅里叶变换去除噪声的 *** 相比较，小波变换法去除噪声具有明显的性能优势。

Haar基函数进行小波变换

图 2原图

图 3 haar变换

图 4 haar反变换后

图 5 更低分量近似置零

图 6 垂直分量置零

小波变换进行图像压缩与傅里叶变换压缩对比

1.压缩比 1:2(左-小波压缩 右-傅里叶压缩)

2.压缩比 1:4(左-小波压缩 右-傅里叶压缩)

通过这次实验，学到了很多。特别是在傅里叶变换和小波变换等方面，开始的时候连傅里叶变换的基础基础也不懂，后来在csdn上看了一篇讲解傅里叶变换的文章，豁然开朗，傅里叶变换居然可以将一个时域信号转化到频域，而且自己还对与i有了更加深刻的理解。虽然傅里叶变换可以把信号从时域转换到频域，但是频域与时域的对应关系却无法一一对应，所以诞生了小波变换。小波变换的特别之处就是可以把一个时域上的信息转换为时域-频域一一对应，这对应特殊信号的提取是有很好的效果，在一定程度上比傅里叶变换更厉害。但是在傅里叶、小波等基础概念知识方面，自己还是涉猎的比较少，原理的论证公式太复杂了。

5MATLAB--数字图像处理 Otsu算法（双阈值）

该算法就是利用otsu算法计算出两个阈值

公式

g=w0 (u0-u)^2+w1 (u1-u) ^2+ w2*(u2-u) ^2

g更大值时，就可以选出两个阈值

求两个阈值

利用这两个阈值分割图像

主函数调用

6MATLAB--数字图像处理 Hough变换

Hough变换是1962年由Hough提出来的，用于检测图像中直线、圆、抛物线、椭圆等形状能够用一定函数关系描述的曲线。

在这里我们重点研究的是 利用Hough变换检测图中的直线。

对于上图中的直线L，用常规方程表示

L: y=ax+b

那么用极坐标怎么表示呢？

对于任意的R,都有

R×cos(β-θ)=ρ

展开得

R×cosβcosθ+R×sinβsinθ=ρ

又x=R×cosβ y=R×sinβ（这个就不用解释了吧 高中知识了 O(∩_∩)O）

x×cosθ+y×sinθ=ρ

从这个极坐标表示的式子来看，是不是在一条直线上面所有的（x，y）都对应一个ρ、θ呢？

所以这个就是hough变换的： 点-线对偶性

通俗的讲：在直角坐标系中的一条直线，在极坐标下，其实就是一个点，坐标为（ρ，θ）

由a、b两图：位于一条直线上的两点，在极坐标会产生一个交点，说明他们共线。

可是在直角坐标系中明明只有两个点，b图中反而是两条曲线？

对于任意一点，过该点有无数条直线，每条直线都有一个（ρ，θ）值，那么无数条直线，就会组成连续的（ρ，θ）值，就会构成极坐标系下的一条连续曲线。

这样，我们对一副图像所有点进行同样的操作，得到一副（ρ，θ）图像。

如果我们需要找出图像中最长的那条直线，那么肯定组成该直线的点最多，那么在极坐标系中肯定有个（ρ，θ）点是有最多条直线相交得到的。

如下图，利用函数就可以找到 相交曲线数 最多的一个点。

那么找到该点有什么用呢？

找到该点，就可以得到（ρ，θ）值、直线起始、终止点坐标。（MATLAB提供函数支持）

这里来说说，计算机是怎么由（ρ，θ）坐标图找到相交曲线最多的那个点。

首先，提供一个坐标轴

这里就说简单些：在基础二我们可以得出 一个点在极坐标系下的一条曲线

然后我们 对该曲线进行细分，分成很多个点 （得到坐标）

在之一步提供的坐标轴里面，凡是前面分出来的点坐标，该位置的值就累加1

重复所有点，就可以得出一副累加图

如果需要找到曲线相交最多那个点，就只需要在该坐标轴中找到值更大的点坐标即可。

结果

matlab数字图像处理的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于matlab数字图像处理大作业、matlab数字图像处理的信息别忘了在本站进行查找喔。