文章目录
形态学运算处理图像
资料来自《详解MATLAB图像函数及其应用》
作者：张倩，占君，陈珊
出版社：电子工业出版社
出版时间：2011-04
这是我对MTALAB图像处理整理出来的学习笔记，望与君共勉
采用部分只有代码，其他的我自己收集来的资料，萌新一枚，侵权即删
内容来自书的第十九章1483页的图像特征提取实战1
1.读取并显示图像
I=imread('1234.png');
figure(1);
imshow(I);
J=rgb2gray(I);
figure(2);
imshow(J);
imread函数
- A=imread(filename,fmt)
从指定的图像中读取灰度图像或真彩色图像
filename表示文件名
fmt表示文件类型
其他用语说明
- 灰度图像又名灰度数字图像
- 每个像素只有一个采样颜色的图像
- 这类图像通常显示为从最暗黑色到最亮的白色的灰度
- 与黑白图像不同，黑白只有两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度
- 采样
- 一个图像数据转换成若干个M*N数据块的过程
- 就比如说一段模拟信号，我们要把连续的模拟量转化为数字量，如果我用0和1这两个数来记录，则可以把信号分为两部分，一个是0的部分，一个是1的部分，那这样就会有很大的失真
- 为了减少对信号形状的影响，我们可以用0000这一串一个字节的数据来吧模拟信号的大小区分出区间来，比如果该段信号最高5V，最低0.1V
- 我们把5到0V这一段长度分为16等分，最接近0的一份我们用0000来表示这段区间，最接近5的一份我们用1111来区分，于是把16个编码分配给了16个区间
- 对于图像也同样如此，图像也是模拟信号，但电脑可以认识的是数字信号，也就是01010101这些东西，所以我们可以把一个图像分作多个数据块
- 比如说JPEG图像编码的过程，把一个图像数据转换为若干个8*8数据块（block），每个数据块（block）中都有64个像素（pixel）
- 所以采样这个过程中，输入的是一张图像数据，是模拟的量，输出的是若干个M*N数据块（block）
- 真彩色
- 指图像中每个像素值都分成R、G、B三个基色分量，每个基色分量直接决定其基色的强度，然后产生的色彩成为真彩色
figure函数
- 创建新的图形对象，在屏幕上单独显示的窗口，且窗口中可以输出图形
- figure（H）
创建一个句柄为H的图形窗口
此处的句柄，从我自己的理解来说的话，也就是用来显示这是第几个图形窗口，或者这是你规定的哪一个图形窗口，一般都是数字
个人认为与matlab内的函数句柄有相似的地方，但是比函书句柄更直观更好理解
imshow函数
- imshow(I)
显示灰度图像I
I为矩阵，元素范围为[0 255]
rgb2gray函数
- I=rgb2gray(RGB)
将真彩色RGB图像或索引图像转换为灰度图像
参量RGB是一个维数为MxNx3的数组，表示RGB图像
其他用语说明
- 索引图像
- 一种直接把像素值作为RGB调色板下标的图像
- 它包含了一个数据矩阵data和一个调色板矩阵map
- 索引模式与灰度模式类似，每个像素点也有256中颜色容量，但索引模式可以负载彩色，灰度模式只能有256种颜色
- 当图像转换成索引模式时，系统会自动根据图像上的颜色归纳出能代表大多数的256种颜色，就像一张颜色表，然后用256种颜色来代替图像上的所有颜色信息
- 索引模式下的图像就像是一块块由小瓷砖拼成的，最多256种色彩带来了更小的文件体积
- 这个模式下也有它的好处：它所形成的的每一个颜色都有其独立的索引标识，只要根据其索引标识，将图像重新识别，它的颜色就完全还原了
- 主要用于网络上的图片传输和一些对图像像素、大小有严格要求的地方
- 该图像内涵一个调色板，应该说这个调色板是在看待图像索引矩阵时才能用上的一个东西
2.对图像进行去噪声处理，初步提取图像特征
K=wiener2(J,[5 5]);
figure(3);
imshow(K);
M=im2bw(K,0.95);
figure(4);
imshow(M);
wiener2函数
- J=wiener2(I,[m n],noise)
对图像进行降噪处理
m和n为标量，指定m x n邻域来估计图像均值和方差，默认为3x3
noise为矩阵，表示指定噪声 - [J,noise]=wiener2(I,[m n])
对图像进行降噪处理
m和n为标量，指定m x n领域来估计图像均值和方差，默认为3x3
返回函数的估计噪声noise
im2bw函数
- BW=im2bw(I,level)
阈值法转换图像为二值图像
将灰度图像I转换成二值图像BW
level为阈值，即标准化灰度值，范围为[0 1]
I中大于level的像素设为1（白色），小于的像素为0（黑色）
其他用语说明
- 阈值即临界值
- 二值图像
指图像上每一个像素只有两种可能的取值或灰度等级状态，常称为黑白、B&W、单色图像
其上像素点的灰度值均为0或255,0-黑-255-白
3.对图像进行形态学运算，提取图像中的腐蚀区域
se1=strel('disk',3);
L=imopen(M,se1);
figure(5);
imshow(L);
se=strel('disk',2);
N=imclose(L,se);
figure(6);
imshow(N);
strel函数
- SE=strel(shape,parameters)
创建形态学结构元素对象
shape可是square方形，line线形，disk圆盘形，ball球形和rectangle长方形等
parameters是对shape的大小描述
此处为disk圆盘形，半径为3，下方为2
其他用语说明
- 数学形态学涉及抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题
imopen函数
- IM2=imopen(IM,SE)
对图像进行形态学开运算
对灰度图像或二值图像IM进行形态学开运算，返回开运算结果图像IM2
SE为由strel函数生成的结构元素对象
其他用语说明
- 开运算
被定义为先腐蚀后膨胀
在计算机视觉和图像处理领域中是基本的形态学噪点消除模块 - 开运算总结：
- 能够出去孤立的小点、毛刺和小桥，总的位置和形状不变
- 是一个基于几何运算的滤波器
- 结构元素大小的不同将导致滤波效果的不同
- 不同的结构元素的选择导致了不同的分割，即提取出不同的特征
- 人话：就有一点扫雷的感觉，以九宫格的中心点为标准，若存在相同的九宫格则先去除掉，只留下中心作为标记，然后再在有标记的地方放下和自己形状一样的九宫格，那些无法满足九宫格条件的毛刺就被去除了
- 闭运算
被定义为先膨胀后腐蚀 - 闭运算总结
- 能够填平小孔，弥合小裂缝，而总的位置和形状不变
- 通过填充图像的凹角来滤波图像
- 结构元素的大小不同将导致滤波效果的不同
- 不同的结构元素的选择导致了不同的分割
- 腐蚀/膨胀
数学形态学中两个基本算子之一，为二值图像定义的，之后被扩展到灰度图像以及完全格 - 结构元素
用来进行腐蚀和膨胀的基本单元
imclose函数
- IM2=imclose(IM,SE)
对图像进行形态学闭运算
对灰度图像或二值图像IM进行形态学闭运算，返回闭运算结果图像IM2
SE为由strel函数生成的结构元素对象
