matlab处理函数3

1. 直方图均衡化的 Matlab 实现

1.1 imhist 函数

功能:计算和显示数字数字图像的色彩直方图

格式:imhist(I,n)

imhist(X,map)

说明:imhist(I,n) 其中,n 为指定的灰度级数目,缺省值为256;imhist(X,map) 就算和显示索引色数字数字图像 X 的直方图,map为调色板。用stem(x,counts) 同样可以显示直方图。

1.2 imcontour 函数

功能:显示数字数字图像的等灰度值图

格式:imcontour(I,n),imcontour(I,v)

说明:n 为灰度级的个数,v 是有用户指定所选的等灰度级向量。

1.3 imadjust 函数

功能:通过直方图变换调整对比度

格式:J=imadjust(I,[low high],[bottomtop],gamma)

newmap=imadjust(map,[low high],[bottomtop],gamma)

说明:J=imadjust(I,[low high],[bottomtop],gamma) 其中,gamma 为校正量r,[lowhigh] 为原数字数字图像中要变换的灰度范围,[bottom top]

指定了变换后的灰度范围;newmap=imadjust(map,[lowhigh],[bottom top],gamma) 调整索引色数字数字图像的调色板 map 。此时若 [low high] 和

bottom top\] 都为2×3的矩阵,则分别调整 R、G、B 3个分量。 #### 1.4 histeq 函数 功能:直方图均衡化 格式:J=histeq(I,hgram) J=histeq(I,n) \[J,T\]=histeq(I,...) newmap=histeq(X,map,hgram) newmap=histeq(X,map) \[new,T\]=histeq(X,...) 说明:J=histeq(I,hgram) 实现了所谓"直方图规定化",即将原是图象 I 的直方图变换成用户指定的向量 hgram 。hgram 中的每一个元素 都在 \[0,1\] 中;J=histeq(I,n) 指定均衡化后的灰度级数 n ,缺省值为 64;\[J,T\]=histeq(I,...)返回从能将数字数字图像 I 的灰度直方图变换成 数字数字图像 J 的直方图的变换 T ;newmap=histeq(X,map) 和 \[new,T\]=histeq(X,...) 是针对索引色数字数字图像调色板的直方图均衡。 ### 2. 噪声及其噪声的 Matlab 实现 imnoise 函数 格式:J=imnoise(I,type) J=imnoise(I,type,parameter) 说明:J=imnoise(I,type) 返回对数字数字图像 I 添加典型噪声后的有噪数字数字图像 J ,参数type 和 parameter 用于确定噪声的类型和相应的参数。 ### 3. 数字数字图像滤波的 Matlab 实现 #### 3.1 conv2 函数 功能:计算二维卷积 格式:C=conv2(A,B) C=conv2(Hcol,Hrow,A) C=conv2(...,'shape') 说明:对于 C=conv2(A,B) ,conv2 的算矩阵A 和 B 的卷积,若\[Ma,Na\]=size(A), \[Mb,Nb\]=size(B), 则 size(C)=\[Ma+Mb-1,Na+Nb-1\]; C=conv2(Hcol,Hrow,A) 中,矩阵 A 分别与Hcol 向量在列方向和 Hrow 向量在行方向上进行卷积;C=conv2(...,'shape') 用来指定 conv2 返回二维卷积结果部分,参数 shape 可取值如下: 》full为缺省值,返回二维卷积的全部结果; 》same返回二维卷积结果中与 A 大小相同的中间部分; valid 返回在卷积过程中,未使用边缘补 0 部分进行计算的卷积结果部分,当 size(A)\>size(B) 时,size(C)=\[Ma-Mb+1,Na-Nb+1\]。 #### 3.2 conv 函数 功能:计算多维卷积 格式:与 conv2 函数相同 #### 3.3 filter2函数 功能:计算二维线型数字滤波,它与函数 fspecial 连用 格式:Y=filter2(B,X) Y=filter2(B,X,'shape') 说明:对于 Y=filter2(B,X) ,filter2 使用矩阵B 中的二维 FIR 滤波器对数据 X 进行滤波,结果 Y 是通过二维互相关计算出来的,其大 小与 X 一样;对于Y=filter2(B,X,'shape') ,filter2返回的 Y 是通过二维互相关计算出来的,其大小由参数 shape 确定,其取值如下 : 》full返回二维相关的全部结果,size(Y)\>size(X); 》same返回二维互相关结果的中间部分,Y 与X 大小相同; 》valid返回在二维互相关过程中,未使用边缘补 0 部分进行计算的结果部分,有 size(Y)\

相关推荐
董厂长13 分钟前
langchain :记忆组件混淆概念澄清 & 创建Conversational ReAct后显示指定 记忆组件
人工智能·深度学习·langchain·llm
G皮T4 小时前
【人工智能】ChatGPT、DeepSeek-R1、DeepSeek-V3 辨析
人工智能·chatgpt·llm·大语言模型·deepseek·deepseek-v3·deepseek-r1
九年义务漏网鲨鱼4 小时前
【大模型学习 | MINIGPT-4原理】
人工智能·深度学习·学习·语言模型·多模态
元宇宙时间4 小时前
Playfun即将开启大型Web3线上活动,打造沉浸式GameFi体验生态
人工智能·去中心化·区块链
开发者工具分享4 小时前
文本音频违规识别工具排行榜(12选)
人工智能·音视频
产品经理独孤虾4 小时前
人工智能大模型如何助力电商产品经理打造高效的商品工业属性画像
人工智能·机器学习·ai·大模型·产品经理·商品画像·商品工业属性
老任与码4 小时前
Spring AI Alibaba(1)——基本使用
java·人工智能·后端·springaialibaba
蹦蹦跳跳真可爱5895 小时前
Python----OpenCV(图像増强——高通滤波(索贝尔算子、沙尔算子、拉普拉斯算子),图像浮雕与特效处理)
人工智能·python·opencv·计算机视觉
雷羿 LexChien5 小时前
从 Prompt 管理到人格稳定:探索 Cursor AI 编辑器如何赋能 Prompt 工程与人格风格设计(上)
人工智能·python·llm·编辑器·prompt
两棵雪松6 小时前
如何通过向量化技术比较两段文本是否相似?
人工智能