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
Se7en2585 分钟前
Prefix Caching 详解:实现 KV Cache 的跨请求高效复用
人工智能
山顶听风10 分钟前
多层感知器MLP实现非线性分类(原理)
人工智能·分类·数据挖掘
佛喜酱的AI实践10 分钟前
5分钟入门Google ADK -- 从零构建你的第一个AI Agent
人工智能
用户387754343356312 分钟前
Midjourney Imagine API 申请及使用
人工智能·后端
山顶听风14 分钟前
MLP实战二:MLP 实现图像数字多分类
人工智能·机器学习·分类
mengyoufengyu20 分钟前
DeepSeek12-Open WebUI 知识库配置详细步骤
人工智能·大模型·deepseek
carpell1 小时前
【语义分割专栏】3:Segnet实战篇(附上完整可运行的代码pytorch)
人工智能·python·深度学习·计算机视觉·语义分割
智能汽车人1 小时前
自动驾驶---SD图导航的规划策略
人工智能·机器学习·自动驾驶
mengyoufengyu1 小时前
DeepSeek11-Ollama + Open WebUI 搭建本地 RAG 知识库全流程指南
人工智能·深度学习·deepseek
Tianyanxiao1 小时前
华为×小鹏战略合作:破局智能驾驶深水区的商业逻辑深度解析
大数据·人工智能·经验分享·华为·金融·数据分析