一、图片读取保存
（1）读取
clear all
[filename,pathname]=uigetfile({\'*.jpg\';\'*.bmp\';\'*.gif\'},\'选择图片\');
if isequal(filename,0)
disp(\'Users Selected Canceled\');
else
str=[pathname filename];
im = imread(str);
imshow(im);
end
（2）保存
clear all
x=0:0.01:2*pi;
plot(x,sin(x));
[filename,pathname]=uiputfile({\'*.bmp\';},\'保存图片\');%路径和图片名
if ~isequal(filename,0)
str = [pathname filename];%路径名
data= getframe(gcf);%图片内容数据
imwrite(data.cdata,str,\'bmp\');
% saveas(gcf,str,\'bmp\');%两种方式都可以保存图片
close(gcf);
else
disp(\'保存失败\');
end
二、灰度图和彩色图
(1)
图像中的单个点称为像素(pixel)，每个像素都有一个值，称为像素值，它表示特定颜色的强度。
对于黑白图，是指每个像素的颜色用二进制的1位来表示，那末颜色只有“1”和“0”这两个值。这也就是说，要么是黑，要么是白。
对于灰度图，如果不用合成的方式来表达，可以表示为（0），（123），（255）。
如果用颜色合成的方式来表达，即它的一个像素值往往用R，G，B三个分量表示，注意，是RGB合成来表示一个像素的颜色。但要注意的 是RGB 分量必须都相等，否则就成彩色了。比如为（0，0，0）为黑，（123，123，123）为某种灰色，（255，255，255）为白。
clear all; [filename,pathname]=uigetfile(\'*.*\',\'select an image\'); sample=imread([pathname filename]);%原始图 gray=rgb2gray(sample);%灰白图 bw=im2bw(sample);%黑白图 subplot(311),imshow(sample); title(\'原图\') subplot(312),imshow(gray); title(\'灰度图\') subplot(313),imshow(bw); title(\'黑白图\')
（2）rgb三分量分别表示
r=sample(:,:,1); g=sample(:,:,2); b=sample(:,:,3); subplot(131),imshow(r); subplot(132),imshow(g); subplot(133),imshow(b);
三、filter2、conv2和imfilter 平滑处理
（1）
clear all; clear all [filename,pathname]=uigetfile(\'*.*\',\'select an image\'); sample=imread([pathname filename]); mean3Sample = filter2(fspecial(\'average\',3),sample)/255; mean5Sample = filter2(fspecial(\'average\',5),sample)/255; mean7Sample = filter2(fspecial(\'average\',7),sample)/255; gaussianSample = filter2(fspecial(\'gaussian\'),sample)/255; subplot(2,2,1); imshow(sample); %原始图像 title(\'原始图像\') subplot(2,2,2); imshow(mean3Sample); %采用均值进行平滑处理 title(\'平均滤波器（3）平滑处理\') subplot(2,2,3); imshow(mean7Sample); %原始图像 title(\'平均滤波器（7）平滑处理\') subplot(2,2,4); imshow(gaussianSample); %高斯滤波器进行平滑处理 title(\'高斯滤波器平滑处理\') conv3Sample = conv2(fspecial(\'average\',3),sample)/255; conv7Sample = conv2(fspecial(\'average\',7),sample)/255; convSample = conv2(fspecial(\'gaussian\'),sample)/255; figure subplot(321),imshow(mean3Sample) title(\'filter2滤波\') subplot(322),imshow(conv3Sample) title(\'conv2法\') subplot(323),imshow(mean7Sample) subplot(324),imshow(conv7Sample) subplot(325),imshow(gaussianSample) subplot(326),imshow(convSample)
这两个函数只能针对二维图像。滤波器本质就是加权。
（2）分别采用’prewitt’和’sobel’边缘算子对图像做边缘增强处理，并显示边缘处理后的图像
figure %采用’prewitt’算子: prewittSample = uint8(filter2(fspecial(\'prewitt\'),sample)); subplot(211),imshow(prewittSample); %采用’ sobel’算子: sobelSample = uint8(filter2(fspecial(\'sobel\'),sample)); subplot(212),imshow(sobelSample);
(3)采用“原图*2-平滑图像”，以及“原图+边缘处理图像”的方法锐化图像
figure %采用“原图*2-平滑图像”方法: subSample = sample.*2 - uint8(mean7Sample); subplot(211),imshow(subSample); %采用“原图+边缘处理图像”方法 addSample = sample + uint8(prewittSample); subplot(212),imshow(addSample);
(4)imfilter 彩色图像的平滑
clear all; I = imread(\'lena.jpg\'); %读取一张噪声图像 %提取图像的三个（R、G、B）分量图像 R = I(:,:,1); G = I(:,:,2); B = I(:,:,3); %生成一个8x8的均值滤波器 w = fspecial(\'average\',8); fR = imfilter(R,w,\'replicate\'); fG = imfilter(G,w,\'replicate\'); fB = imfilter(B,w,\'replicate\'); fc_filtered = cat(3,fR,fG,fB); %三分量平滑后合为一个整体 figure subplot(121); imshow(I);title(\'彩色噪声图像\'); subplot(122); imshow(fc_filtered);title(\'彩色图像平滑处理\');
clear all;
I = imread(\'lena.jpg\'); %读取一张噪声图像
%提取图像的三个（R、G、B）分量图像
R = I(:,:,1);
G = I(:,:,2);
B = I(:,:,3);
%生成一个8x8的均值滤波器
w = fspecial(\'average\',8);
fc_filtered = imfilter(I, w, \'replicate\'); %不用rgb分量单独平滑，彩色图像的平滑函数
figure
subplot(121); imshow(I);title(\'彩色噪声图像\');2
subplot(122); imshow(fc_filtered);title(\'彩色图像平滑处理\');
四、锐化处理
锐化本质是边缘增强，可以采用原图加边缘增强得到
（1）
clear all A=imread(\'123.png\'); figure(1); subplot(2,2,1); imshow(A); title(\'原图\'); I=double(A); h=[-1 -1 -1;-1 9 -1;-1 -1 -1]; J=conv2(I,h,\'same\'); K=uint8(J); subplot(2,2,2); imshow(J); title(\'使用拉普拉斯算子锐化处理后的图(double格式)\'); subplot(2,2,3); imshow(K); title(\'使用拉普拉斯算子锐化处理后的图(uint8格式)\'); L=(K+A)/2; subplot(2,2,4); imshow(L); title(\'原图+锐化\');
（2）
clear all A=imread(\'123.png\'); figure(1); subplot(3,2,1); imshow(A); title(\'原图\'); BW=edge(A,\'canny\');%黑白图 subplot(3,2,2); imshow(BW); title(\'candy算子边缘检测\'); K=uint8(BW);%转换格式，1白色 M=uint8(~K);%反转数值，1黑色 L_1=A-50*M;%黑色区域增强 subplot(3,2,3); imshow(L_1); title(\'黑色区域增强\'); L_2=(A+K*50);%白色区域增强 subplot(3,2,4); imshow(L_2); title(\'白色区域增强\'); L_3=A-50*M+50*K; subplot(3,2,5); imshow(L_3); title(\'黑白都增强\');
（3）
clear all; I=imread(\'lena.jpg\'); subplot(3,2,1),imshow(I); xlabel(\'a)原始图像\'); H=fspecial(\'sobel\');%sobel滤波器 J=imfilter(I, H, \'replicate\');%灰度值 subplot(3,2,3),imshow(J); xlabel(\'Sobel锐化滤波处理\'); K=I+0.32*J;%比例相加 subplot(324),imshow(K) xlabel(\'Sobel锐化滤波处理+原图\'); H=fspecial(\'laplacian\');%laplacian滤波器 J=imfilter(I, H, \'replicate\');%灰度值 subplot(3,2,5),imshow(J); xlabel(\'laplacian锐化滤波处理\'); K=I+J;%比例相加 subplot(326),imshow(K) xlabel(\'laplacian锐化滤波处理+原图\');
滤波器决定了是锐化或者平滑
五、RGB和HSI
（1）直方图均衡
clear all
sourcePic=imread(\'lena.jpg\');
[m,n,o]=size(sourcePic);
grayPic=rgb2gray(sourcePic);%灰度图
subplot(321),imshow(sourcePic); title(\'原图\')
subplot(323),imshow(grayPic); title(\'灰度图\')
gp=zeros(1,256); %计算各灰度出现的概率 （0,255）出现的概率
for i=1:256
gp(i)=length(find(grayPic==(i-1)))/(m*n); %i灰度的概率
end
subplot(324),,bar(0:255,gp);
title(\'原图像直方图\');
xlabel(\'灰度值\');
ylabel(\'概率\');
axis([0 256 0 0.02])
newGp=zeros(1,256); %计算新的各灰度出现的概率
S1=zeros(1,256);
S2=zeros(1,256);
tmp=0;
for i=1:256
tmp=tmp+gp(i);
S1(i)=tmp; %累计概率（映射到0~1）
S2(i)=round(S1(i)*256); %映射到0~255
end
%映射
for i=1:256
newGp(i)=sum(gp(find(S2==(i-1)))); %灰度值为联系
end
subplot(325),bar(0:255,newGp);
title(\'均衡化后的直方图\');
xlabel(\'灰度值\');
ylabel(\'概率\');
axis([0 256 0 0.02])
newGrayPic=grayPic; %填充各像素点新的灰度值
for i=1:256
newGrayPic(find(grayPic==(i-1)))=S2(i);
end
subplot(326),imshow(newGrayPic);
clear all
sourcePic=imread(\'lena.jpg\');
[m,n,o]=size(sourcePic);
subplot(121),imshow(sourcePic);
title(\'原图\')
%%
grayPic=sourcePic(:,:,1);
gp=zeros(1,256); %计算各灰度出现的概率
for i=1:256
gp(i)=length(find(grayPic==(i-1)))/(m*n);
end
newGp=zeros(1,256); %计算新的各灰度出现的概率
S1=zeros(1,256);
S2=zeros(1,256);
tmp=0;
for i=1:256
tmp=tmp+gp(i);
S1(i)=tmp;
S2(i)=round(S1(i)*256);
end
for i=1:256
newGp(i)=sum(gp(find(S2==i)));
end
newGrayPic=grayPic; %填充各像素点新的灰度值
for i=1:256
newGrayPic(find(grayPic==(i-1)))=S2(i);
end
nr=newGrayPic;
%%
grayPic=sourcePic(:,:,2);
gp=zeros(1,256); %计算各灰度出现的概率
for i=1:256
gp(i)=length(find(grayPic==(i-1)))/(m*n);
end
newGp=zeros(1,256); %计算新的各灰度出现的概率
S1=zeros(1,256);
S2=zeros(1,256);
tmp=0;
for i=1:256
tmp=tmp+gp(i);
S1(i)=tmp;
S2(i)=round(S1(i)*256);
end
for i=1:256
newGp(i)=sum(gp(find(S2==i)));
end
newGrayPic=grayPic; %填充各像素点新的灰度值
for i=1:256
newGrayPic(find(grayPic==(i-1)))=S2(i);
end
ng=newGrayPic;
%%
grayPic=sourcePic(:,:,3);
gp=zeros(1,256); %计算各灰度出现的概率
for i=1:256
gp(i)=length(find(grayPic==(i-1)))/(m*n);
end
newGp=zeros(1,256); %计算新的各灰度出现的概率
S1=zeros(1,256);
S2=zeros(1,256);
tmp=0;
for i=1:256
tmp=tmp+gp(i);
S1(i)=tmp;
S2(i)=round(S1(i)*256);
end
for i=1:256
newGp(i)=sum(gp(find(S2==i)));
end
newGrayPic=grayPic; %填充各像素点新的灰度值
for i=1:256
newGrayPic(find(grayPic==(i-1)))=S2(i);
end
nb=newGrayPic;
%%
res=cat(3,nr,ng,nb);
subplot(122),imshow(res);
title(\'均衡化后的图像\')
(2)hsi(色调、饱和度、亮度)和hsv（色调（H），饱和度（S），明度（V））。
clear all % hsi = rgb2hsi(rgb)把一幅RGB图像转换为HSI图像， % 输入图像是一个彩色像素的M×N×3的数组， % 其中每一个彩色像素都在特定空间位置的彩色图像中对应红、绿、蓝三个分量。 % 假如所有的RGB分量是均衡的，那么HSI转换就是未定义的。 % 输入图像可能是double（取值范围是[0, 1]），uint8或 uint16。 % % 输出HSI图像是double， % 其中hsi(:, :, 1)是色度分量，它的范围是除以2*pi后的[0, 1]； % hsi(:, :, 2)是饱和度分量，范围是[0, 1]； % hsi(:, :, 3)是亮度分量，范围是[0, 1]。 % 抽取图像分量 rgb=imread(\'lena.jpg\'); rgb = im2double(rgb); r = rgb(:, :, 1); g = rgb(:, :, 2); b = rgb(:, :, 3); % 执行转换方程 num = 0.5*((r - g) + (r - b)); den = sqrt((r - g).^2 + (r - b).*(g - b)); theta = acos(num./(den + eps)); %防止除数为0 H = theta; H(b > g) = 2*pi - H(b > g); H = H/(2*pi); num = min(min(r, g), b); den = r + g + b; den(den == 0) = eps; %防止除数为0 S = 1 - 3.* num./den; H(S == 0) = 0; I = (r + g + b)/3; % 将3个分量联合成为一个HSI图像 hsi = cat(3, H, S, I); subplot(121),imshow(hsi) title(\'hsi图像\')
subplot(122),imshow(rgb2hsv(rgb))%自带函数 title(\'hsv图形\')
