最常用的一些图像处理Matlab源代码#1：数字图像矩阵数据的显示及其傅立叶变换#2：二维离散余弦变换的图像压缩#3：采用灰度变换的方法增强图像的对比度#4：直方图均匀化#5：模拟图像受高斯白噪声和椒盐噪声的影响#6：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波#7：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波#8：图像的自适应魏纳滤波#9：运用5种不同的梯度增强法进行图像锐化#10：图像的高通滤波和掩模处理#11：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理#12：利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理1.数字图像矩阵数据的显示及其傅立叶变换f=zeros(30,30);f(5:24,13:17)=1;imshow(f, 'notruesize');F=fft2(f,256,256); % 快速傅立叶变换算法只能处矩阵维数为2的幂次，f矩阵不% 是，通过对f矩阵进行零填充来调整F2=fftshift(F); % 一般在计算图形函数的傅立叶变换时，坐标原点在% 函数图形的中心位置处，而计算机在对图像执行傅立叶变换% 时是以图像的左上角为坐标原点。
所以使用函数fftshift进%行修正，使变换后的直流分量位于图形的中心；figure,imshow(log(abs(F2)),[-1 5],'notruesize');2 二维离散余弦变换的图像压缩I=imread('cameraman.tif'); % MATLAB自带的图像imshow(I);clear;close allI=imread('cameraman.tif');imshow(I);I=im2double(I);T=dctmtx(8);B=blkproc(I,[8 8], 'P1*x*P2',T,T');Mask=[1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0];B2=blkproc(B,[8 8],'P1.*x',Mask); % 此处为点乘(.*)I2=blkproc(B2,[8 8], 'P1*x*P2',T',T);figure,imshow(I2); % 重建后的图像3.采用灰度变换的方法增强图像的对比度I=imread('rice.tif');imshow(I);figure,imhist(I);J=imadjust(I,[0.15 0.9], [0 1]);figure,imshow(J);figure,imhist(J);4直方图均匀化I=imread('pout.tif'); % 读取MATLAB自带的potu.tif图像imshow(I);figure,imhist(I);[J,T]=histeq(I,64); % 图像灰度扩展到0~255，但是只有64个灰度级figure,imshow(J);figure,imhist(J);figure,plot((0:255)/255,T); % 转移函数的变换曲线J=histeq(I,32);figure,imshow(J); % 图像灰度扩展到0~255，但是只有32个灰度级figure,imhist(J);5模拟图像受高斯白噪声和椒盐噪声的影响I=imread('eight.tif');imshow(I) ;J1=imnoise(I,'gaussian',0,0.02); % 叠加均值为0，方差为0.02的高斯噪声，可以用% localvar代替figure,imshow (J1);J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声。
figure,imshow(J2);6采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像I=imread('eight.tif');imshow(I) ;J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声。
figure,imshow(J2);I_Filter1=medfilt2(J2,[3 3]); %窗口大小为3×3figure,imshow(I_Filter1);I_Filter2=medfilt2(J2,[5 5]); %窗口大小为5×5figure,imshow(I_Filter2);I_Filter3=medfilt2(J2,[7 7]); %窗口大小为7×7figure,imshow(I_Filter3);7采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波[I,map]=imread('eight.tif');figure,imshow(I);title('original')J1=imnoise(I,'gaussian',0,0.02); % 受高斯噪声干扰M4=[0 1 0; 1 0 1; 0 1 0];M4=M4/4; % 4邻域平均滤波I_filter1=filter2(M4,J1);figure,imshow(I_filter1,map);M8=[1 1 1; 1 0 1; 1 1 1]; % 8邻域平均滤波M8=M8/8;I_filter2=filter2(M8,J1);figure,imshow(I_filter2,map);8图像的自适应魏纳滤波[I,map]=imread('eight.tif');figure,imshow(I);title('original')J1=imnoise(I,'gaussian',0,0.02); % 受高斯噪声干扰[K noise]=wiener2(J1, [5 5]);figure,imshow(K);9运用5种不同的梯度增强法进行图像锐化[I,map]=imread('3-22.jpg');imshow(I,map);I=double(I);[Gx,Gy]=gradient(I); % 计算梯度G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘J1=G;figure,imshow(J1,map); % 第一种图像增强J2=I; % 第二种图像增强K=find(G>=7);J2(K)=G(K);figure,imshow(J2,map);J3=I; % 第三种图像增强K=find(G>=7);J3(K)=255;figure,imshow(J3,map);J4=I; % 第四种图像增强K=find(G<=7);J4(K)=255;figure,imshow(J4,map);J5=I; % 第五种图像增强K=find(G<=7);Q=find(G>=7);J5(Q)=255;figure,imshow(J5,map);10图像的高通滤波和掩模处理[I,map]=imread('blood1.tif');imshow(I,map);H2=[-1 -1 -1;-1 -9 -1;-1 -1 -1];J1=filter2(H2,I); % 高通滤波figure,imshow(J1,map);I=double(I);M=[1 1 1;1 1 1;1 1 1]/9;J2=filter2(M,I);J3=I-J2; % 掩模figure,imshow(J3,map);11利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理I=imread('Saturn.tif');imshow(I);J1=imnoise(I,'salt & pepper'); % 叠加椒盐噪声figure,imshow(J1);f=double(J1); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2); n=fix(N/2);for j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数result(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));figure,imshow(J3); % 显示滤波处理后的图像12利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理I=imread('blood1.tif');imshow(I);f=double(I); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)高通滤波器d0=5;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);if (d==0)h=0;elseh=1/(1+0.414*(d0/d)^(2*nn));% 计算传递函数endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));figure,imshow(J3); % 滤波后图像显示。